Did innovation projects, digital work environment, job satisfaction, and organizational culture reinforce work productivity?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of this research is to analyze the relationship between Innovation Projects and work productivity and work environment and work productivity, analyze the relationship between job satisfaction and work productivity and analyze the relationship between organizational culture and work productivity. This study employed a quantitative approach with an explanatory research design, aiming to examine the effect of integrity, organizational commitment, and motivation on sustainable employee performance with job satisfaction as a mediating variable. The population consists of all employees of the manufacturing organization, totaling 470 employees. The sampling technique applied is simple random sampling. The research instrument was a questionnaire using a 5-point Likert scale. The study variables were: Digital Work Environment (X1), Job Satisfaction (X2), Organizational Culture (X3), Innovation Projects (X4) and Employee Work Productivity (Y). Data were analyzed using Partial Least Square – Structural Equation Modeling (PLS-SEM) with SmartPLS 4.0. The analysis consisted of two stages: Outer Model (Measurement Model): Convergent validity, discriminant validity, and reliability testing. Inner Model (Structural Model): Path coefficient testing, R² values, and both direct and indirect effects among variables. The results show that the digital work environment has a positive relationship with work productivity. Job satisfaction has a positive relationship with work productivity. Organizational culture has a positive relationship with work productivity. Innovation Projects have a positive relationship with work productivity.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle