MétaCan
Menu
← Retour à la cohorte
Enregistrement W7155756621

Muutoksen kokeminen ja johtaminen verkostomarkkinointiyhtiön jakeluverkostossa – Case Herbalife Suomi

2016· other· fi· W7155756621 sur OpenAlexaboutno aff
Jenna-Henna Hovi

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2016
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tämän opinnäytetyötutkimuksen tuotti itsenäinen Herbalifejäsen. Herbalife on suuri ravitsemusalan verkostomarkkinointiyhtiö. Verkostomarkkinointiyhtiö harjoittaa suoramyyntiä yksityishenkilöiden kautta, jotka ovat näin ollen verkostomarkkinointiyhtiön, eli pääyhtiön itsenäisiä jäseniä, jotka saavat palkkiota myydyistä pääyhtiön tuotteista/palveluista sekä asiakasverkostosta, jota jäsen pääyhtiölle kerryttää. Opinnäytetyö rajautui Suomen Herbalife- liiketoimintaa harjoittaviin itsenäisiin jäseniin (myöhemmin: jäsen). Tavoitteena oli selvittää kuinka liiketoimintaa eri tavoin tekevät kokevat muutoksen ja näin ollen mihin alueisiin voitaisiin panostaa. Teoriaosassa avattiin verkostomarkkinointia toimialana, jäsenen organisaation toimintaa ja rooleja, eri toimijoiden välisiä suhteita sekä muita verkostomarkkinointitoiminnalle olennaisia asioita kuten toiminnan tuplaantuminen. Tutkimusmenetelmänä oli kvantitatiivinen, eli määrällinen tutkimusmenetelmä. Tutkimus toteutettiin sähköisenä sekä paperisena kyselynä Suomen Herbalifejäsenille, jotka kysely tavoitti sosiaalisen median suljetussa jäsenten ryhmässä sekä suomenlaajuisessa seminaarissa Helsingissä tammikuussa 2016. Vastauksia kyselyyn saatiin 35 kappaletta, joista tutkimukseen pystyttiin hyödyntämään 32 kappaletta. Tutkimustuloksista selvisi muutoskokemukset erilaisten liiketoimintatyyppien välillä. Viestinnän riittävyys, avoimuus ja yhtenevyys sekä sanoissa, että toiminnassa nousi tuloksista esille. Johtopäätöksistä selveni, että viestintää tehostamalla voitaisiin parantaa ymmärrystä muutostarpeesta ja osallistaa enemmän toimijoita muutoksen toteuttamiseen.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,267
Écart entre enseignants0,249 · 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'étudeQualitatif
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)→Travaux en français237 207→