Hastane Çalışanlarında Üstünlük Vehmi-İş Tatmini İlişkisi
Bibliographic record
Abstract
ÖZET Amaç: Bu çalışmada, hastane çalışanlarında üstünlük vehminin varlığının ve çalışanların iş tatminlerinin incelenerek bu iki değişken arasındaki ilişkinin ortaya konması amaçlanmaktadır. Üstünlük vehminin ve iş tatmininin demografik değişkenlere göre karşılaştırılması ise bu çalışmanın bir alt amacıdır. Gereç ve Yöntem: Kesitsel tipte yapılan bu çalışmada Aydın il merkezindeki kamu hastaneleri, üniversite hastanesi ve özel hastanede çalışan 407 hastane çalışanına ulaşılmıştır. Araştırmada veri toplama aracı olarak anket tekniğinden yararlanılmıştır. Veri toplama aracı olarak araştırmacı tarafından geliştirilen “Hastane Çalışanları Özellikleri” anketi ve 1985’te Baycan tarafından Türkçe’ye çevrilerek geçerlilik ve güvenilirlik çalışmaları yapılan “İş Tatmini Ölçeği” kullanılmıştır. Tanımlayıcı istatistikler, korelasyon analizi, ANOVA ve t testi yapılmıştır. Bulgular: Araştırma sonucunda; hastane çalışanlarının en çok güvenilirlik ve insan ilişkileri, en az mesleki yeterlilik vehmine kapıldıkları görülmüştür. Korelasyon analizi sonucunda hastane çalışanlarının sosyal ve mesleki duyarlılık vehmi, güvenilirlik ve insan ilişkileri vehmi, beceri vehmi, mesleki yeterlilik vehmi ile içsel tatmin ve dışsal tatminleri arasında, duygu kontrolü vehmi ile dışsal tatminleri arasında negatif yönde anlamlı bir ilişki olduğu saptanmıştır. Sonuç: Hastane çalışanlarında üstünlük vehminin iş tatminini düşürdüğü sonucuna ulaşılmıştır.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".