MétaCan
Menu
Retour à la cohorte
Enregistrement W4411458405 · doi:10.24818/mswp.2025.02

GENDER DIFFERENCES IN MOTIVATION AND PERFORMANCE:A BIBLIOMETRIC ANALYSIS ON RESEARCH TRENDS

2025· article· en· W4411458405 sur OpenAlexaboutno aff
Mihai-Ionuț DUMITRU, Bianca MIHAI

Notice bibliographique

RevueManagement Student Working Papers. · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Subject (documents)BibliometricsWeb of sciencePsychologySociologyPolitical sciencePublic relationsLibrary scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Employee motivation and performance are two fundamental factors in achieving organizational goals, among which the importance of how gender differences impact them stands out. This research analyzes the links between the concepts of "motivation," "performance," "gender differences," and "organization" through a bibliometric approach. A total of 137 scientific documents from the last three decades were investigated, outlining a growing interest in this topic. The methodology includes data collection from the Web of Science database, analysis using Biblioshiny, and interpretation of the results. The bibliometric evaluation highlights the increasing academic attention to the subject, with a peak in publications in 2024. Countries such as the US and Canada are at the forefront of international collaborations, while Michigan State University, Aarhus University, and the University of Amsterdam stand out as key institutions in this field. Regarding the content analysis, this difference in motivation based on gender has been observed in several fields (IT, economics, entrepreneurship, etc.), and we have identified the motivating factors for each gender. The theoretical implications focus on the methodological approach to research in organizational management, while the practical implications provide relevant perspectives for managers and researchers interested in developing more inclusive organizational strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0960,108
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,117
Tête enseignante GPT0,306
Écart entre enseignants0,189 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 revueManagement Student Working Papers.Même sujetBusiness, Innovation, and EconomyTravaux en français237 207