Pengaruh Knowledge Sharing, Kompetensi Dan Karakteristik Individu Terhadap Kinerja Pegawai Kelurahan Genteng Dan Kelurahan Embong Kaliasin Surabaya
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk menganalisis pengaruh knowledge sharing, kompetensi, dan karakteristik individu terhadap kinerja pegawai di Kelurahan Genteng dan Kelurahan Embong Kaliasin, Surabaya. Secara spesifik, penelitian ini menguji pengaruh masing-masing variabel secara parsial maupun simultan serta mengidentifikasi variabel yang memiliki pengaruh dominan terhadap kinerja pegawai. Pendekatan penelitian yang digunakan adalah kuantitatif dengan metode survei. Populasi dalam penelitian ini adalah seluruh pegawai di dua kelurahan tersebut, dengan total 34 orang, yang diambil sebagai sampel menggunakan teknik sampel jenuh. Data dikumpulkan melalui kuesioner dan dianalisis menggunakan analisis regresi linier berganda. Hasil penelitian menunjukkan bahwa secara parsial, knowledge sharing, kompetensi, dan karakteristik individu berpengaruh signifikan terhadap kinerja pegawai. Secara simultan, ketiga variabel tersebut juga memiliki pengaruh yang signifikan terhadap kinerja pegawai. Di antara ketiga variabel tersebut, kompetensi terbukti sebagai variabel dengan pengaruh dominan terhadap kinerja pegawai. Temuan penelitian ini mengindikasikan bahwa peningkatan knowledge sharing, kompetensi, dan karakteristik individu dapat berkontribusi positif terhadap peningkatan kinerja pegawai. Oleh karena itu, disarankan bagi pihak kelurahan untuk meningkatkan program pelatihan dan pengembangan pegawai guna memperkuat kompetensi serta mendorong budaya berbagi pengetahuan dalam lingkungan kerja.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».