Från nyanställd till en del av organisationen : En studie om nyanställdas förväntningar i perioden mellan anställningsavtalets uppkomst och faktiskt tillträde av tjänst.
Bibliographic record
Abstract
Författare: Sara Ek och Hilda Gran Handledare: Frederic Bill Examinator: Hans Wessblad Program: Human Resource Management, 180 hp Kurs: Kandidatuppsats i företagsekonomi III, Organisation 15 hp, 2FE78E Titel: Från nyanställd till en del av organisationen: En studie om nyanställdas förväntningar i perioden mellan anställningsavtalets uppkomst och faktiskt tillträde av tjänst Frågeställning: Vilka förväntningar har nyanställda gentemot arbetsgivaren under perioden mellan anställningsavtalets uppkomst och faktiskt tillträde av tjänst? Syfte: Studiens syfte är att beskriva nyanställdas förväntningar för att urskilja hur organisationer kan utveckla employee retention i perioden innan tillträdet av tjänst. Metod: Studien utgår från en induktiv forskningsansats och har tillämpat en kvalitativ forskningsstrategi. Den empiriska datan har samlats in via sex ostrukturerade intervjuer med individer som nyligen befunnit sig i perioden mellan anställningsavtalets uppkomst och faktiskt tillträde av tjänst. Slutsats: Den här studien har resulterat i sex koncept som beskriver nyanställdas förväntningar i perioden mellan anställningsavtalets uppkomst och första arbetsdag. Koncepten som studien kommit fram till är att avsluta och förbereda, att utveckla relationer, att få nödvändig information, att ha en tillgänglig arbetsgivare, att bli uppmuntrad samt att ha en pålitlig arbetsgivare.
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 | 0.008 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.064 | 0.012 |
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".