MétaCan
Menu
Retour à la cohorte
Enregistrement W7132834762 · doi:10.53485/rgn.v5i2.240

Influence of organizational behavior in the accomplishment of oil & gas industry objectives

2022· article· W7132834762 sur OpenAlexaff
Cecilia Alcantara Braga Garcia, Viviana Pena, Bethany Whelan

Notice bibliographique

RevueREVISTA GLOBAL NEGOTIUM · 2022
Typearticle
Langue
DomaineSocial Sciences
ThématiqueInterdisciplinary Studies and Sociocultural Dynamics
Établissements canadiensSAIT Polytechnic
Organismes subventionnairesnon disponible
Mots-clésPetroleum industryNegotiationWork (physics)Organizational behaviorHuman resourcesState (computer science)Fossil fuelNatural gas industry

Résumé

récupéré en direct d'OpenAlex

This article aims to examine, through an analysis, the Influence of organizational behavior in the accomplishment of Oil & Gas industry objectives, to this end, the research was guided by a postpositivist, qualitative, documentary approach, with bibliographic design, including literary review to know the state of the art of the categories studied, as well as the collection of information obtained from Nelson, Quick., Armstrong, Roubecas, Condie (2019), Liew (2022), Randstad (2018), Thomas (2021) and Yedlin (2017). The findings demonstrate that the Oil and Gas industry is highly influenced by organizational behavior, and the way in which human resources are managed has a high impact on the achievement of the goals and objectives of the companies in the industry. Evidence was found of how the creation of interdisciplinary and effective work groups create synergy when promoting projects, where different factors that may have an impact on their stakeholders are considered. As a result of the daily work with these teams, it is natural that conflicts and negotiations arise, therefore the leaders of the organization must have tools to manage them effectively, where employees feel heard and the company can continue to comply with its objectives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,313
Écart entre enseignants0,299 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueREVISTA GLOBAL NEGOTIUMMême sujetInterdisciplinary Studies and Sociocultural DynamicsTravaux en français237 207