MétaCan
Menu
Retour à la cohorte
Enregistrement W4408172750 · doi:10.21608/kjao.2025.416063

The Impact of Using the Continuous Improvement Technique (KAIZEN) on the Human Resources Performance in Five-Star Hotels in Greater Cairo

2025· article· ar· W4408172750 sur OpenAlexaff
Shaimaa Ali Fawzy, Sherif Gamal Saad, Mohamed Zohry

Notice bibliographique

Revueالمجلة العربية لعلوم السياحة والضيافة والآثار · 2025
Typearticle
Languear
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensHotel Dieu Hospital
Organismes subventionnairesnon disponible
Mots-clésKaizenStar (game theory)Human resource managementHuman resourcesBusinessOperations managementEngineeringComputer scienceMathematicsManagementKnowledge managementLean manufacturingEconomics

Résumé

récupéré en direct d'OpenAlex

This research aims to measure The Impact of using the continuous improvement technique (KAIZEN) on the human resources performance in five-star hotels in Greater Cairo. To achieve this objective, questionnaire was developed and distributed on a random sample of employees in five-star hotels in all departments. The number of valid form questionnaires for statistical analysis was 396 (81.6%) valid, before the start of the training program, and after the end of the training, it was a period of six months for the possibility of using kaizen by the study sample hotels, then 396 questionnaires were distributed again, and the number of questionnaires was valid 396 to see the difference in results before and after kaizen training. The general result Kaizen staff experiences and practices before the kaizen training, , the average value was 1.8 and after the training it became a greater value, which is 3.42. the general recommendation Kaizen Technique, big achievements come from small and incremental changes. Eliminate obstacles in operation that slow down order completion or cash collection. Find ways to provide customers with more value and a better accommodation experience with greater profit, because quality plus speed equals lower cost.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,267
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueالمجلة العربية لعلوم السياحة والضيافة والآثارMême sujetOrganizational and Employee PerformanceTravaux en français237 207