Izzivi motiviranja in nagrajevanja v izbranem majhnem podjetju
Bibliographic record
Abstract
UVODDanes viri konkurenčne prednosti niso več samo kapital in nova tehnologija, temveč tudi motivirani zaposleni (Čertalič, 2009).Uspešna podjetja danes opisujemo kot tista podjetja, ki se zavedajo, da so za konkurenčno prednost ključni tudi zaposleni, le-te pa je potrebno motivirati in nagrajevati, saj samo takšni zaposleni izpolnjujejo svoje delovne naloge pošteno in vestno ter s tem pripomorejo podjetju (Bijek, 2019).Zaposleni v podjetju so bistvenega pomena za uspeh in rast podjetja.Tekom poslovanja se prav vsa podjetja srečujejo s številnimi izzivi.Nekatera se izzivom zoperstavijo uspešnejše kot druga.Izzivi se nanašajo na številna področja, tako konkurence, kakovosti dela in produktov, odnosa do okolja kot tudi tehnologije in trženja.Vsem tem izzivom je skupno to, da jih tako ustvarjajo kot tudi rešujejo ljudje.Največji izziv za podjetja je najprej, kako pridobiti, razviti in nenazadnje tudi motivirati, da bodo zaposleni pri svojem delu kar se da uspešni.Četudi ima podjetje na razpolago dovolj finančnih sredstev, da si lahko privošči investicije in novo tehnologijo, še vedno potrebujejo ljudi, ki bodo to usmerjali.Podjetja vedno iščejo ljudi z znanjem, ustvarjalnostjo, izkušnjami, zmožnostmi, saj zgolj denar, oprema in tehnologija niso dovolj za uspešno in produktivno podjetje (Mihalič, 2006).Podjetja oziroma njihove vodje se premalokrat zavedajo, da so motivirani zaposleni ključ do uspešnega poslovanja in visoke produktivnosti.Potrebe in želje zaposlenih se konstantno spreminjajo, zato je potrebno oblike motivacije prilagajati, saj le tako dosežemo zadovoljne in motivirane ljudi (Uhan, 2000).Motivacija je pravzaprav tisto, zaradi česar ljudje delajo in hodijo v službo.Motivacija za delo pomaga uresničevati želje tako zaposlenega kot tudi podjetja.Vodje uporabljajo motivacijo kot pomoč pri tem, da zaposlene usmerijo v želeno smer.Z usmeritvijo želijo doseči rezultate, ki so pomembni za podjetje (Lipičnik, 2002).Odlično je, če uživamo v delu, ki ga opravljamo.Vendar, če pri delu ni nobenih finančnih spodbud ali hvaležnosti za trud, ki ga vložimo v delo, se začnemo spraševati, ali je to, kar opravljamo, sploh vredno truda in časa, ki ga porabimo za to.Dejavnike, ki spodbudijo motivacijo, delimo na zunanje in notranje (Bruce, 2011).Pojma nagrajevanje in motivacija lahko med seboj povežemo.Motivacijo lahko povečamo z nagrajevanjem zaposlenih, vendar je potrebno paziti, saj lahko ob pretiranem ali napačnem nagrajevanju dosežemo tudi nasprotni učinek.Poznamo dve vrsti nagrajevanja, in sicer denarno ter nedenarno (Kaše & Zupan, 2021).Nagrade in motivacija se včasih uporabljajo zamenljivo, čeprav sta to dve različni stvari.Motivacija je občutek ali spodbuda, ki se pojavi pred in med dokončanjem naloge ali projekta, medtem ko so nagrade tisto, kar izhaja iz zaključka naloge ali projekta.Misel na prejem bonusa motivira zaposlenega, da doseže določen cilj, ko pa je cilj dosežen, prejme bonus, ki pa je nagrada (Glassdoor team, 2021).
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".