Institutional Learning and Sustainable Performance in Public Healthcare Systems: A Moderated Mediation Analysis from Indonesia’s National Health Insurance Context
Notice bibliographique
Résumé
This study investigates how institutional learning capacity contributes to the sustainable performance of public healthcare services through two workforce-related mechanismsorganizational commitment and organizational citizenship behavior (OCB)-and whether governance-related leadership practices condition these relationships.Using a cross-sectional survey of nurses from seven healthcare institutions operating under Indonesia's National Health Insurance System (BPJS), 176 valid responses were analyzed using partial least squares structural equation modeling (PLS-SEM).The results indicate that institutional learning exerts a significant direct effect on workforce performance and indirectly enhances service sustainability through strengthened commitment and citizenship behavior.Organizational commitment and OCB both function as mediating mechanisms that translate learning into improved performance outcomes.Transformational leadership strengthens the effect of commitment on performance but weakens the contribution of OCB, suggesting that highly salient managerial interventions may reduce the voluntary and self-initiated nature of citizenship behaviors.The model explains a substantial proportion of variance in performance (R = 0.845) and demonstrates predictive relevance.From a planning and policy perspective, the findings highlight the importance of investing in institutional learning systems, leadership development, and governance design to support sustainable public service delivery in healthcare.The study contributes to the sustainable development literature by demonstrating how organizational learning and human capital mechanisms interact to shape the long-term effectiveness and resilience of public healthcare systems.
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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».