Organisaation hierarkian tason ja työpaikan ilmapiirin yhteys luovuuteen ICT-alalla
Bibliographic record
Abstract
Tämän tutkimuksen tarkoituksena oli kuvata organisaation hierarkian tason ja työpaikan ilmapiirin yhteyttä luovuuteen. Luovuuden määrittelyssä korostui luovuuden rakentuminen sosiaalisesti yksilönäkökulman sijaan. Luovuuden ymmärtäminen on tärkeää, koska se on yhteydessä yrityksen menestymiseen ja siihen, miten muutostilanteita hallitaan. Tutkimuksen aineisto koostui kyselylomakkeiden vastauksista työntekijöiltä (N = 265) kuudesta eri ICT-alan organisaatiosta. Organisaatiot olivat mukana Jyväskylän yliopiston monitieteisissä johtamista ja luovuutta tutkivissa hankkeissa. Aineisto analysoitiin hierarkkisella lineaarisella regressioanalyysillä. Keskeisinä tuloksina havaittiin, että työpaikan ilmapiirillä ja luovuudella on voimakas yhteys. Organisaation hierarkian tason lisääminen analyysiin ei muuntanut tätä yhteyttä. Siten sekä hierarkkisissa että matalan hierarkian yriyksissä voitiin edistää luovuutta. Työpaikan ilmapiiri selitti suuremman osan luovuuden vaihtelusta kuin organisaatiorakenteen hierarkian taso. Tulokset vahvistivat aiempaa tutkimustietoa työpaikan ilmapiirin myönteisestä yhteydestä luovuuteen. Aiempi tutkimustieto raportoi lukuisia tapoja, joilla luovuutta voidaan vaalia. Tämän tutkimuksen perusteella voitiin päätellä, että yksi niistä oli huomion kiinnittäminen työpaikan ilmapiiriin ja sen osatekijöihin, ja se oli mahdollista molemmissa organisaatiorakenteissa. Tutkimus toi siten lisää uutta luovaa tietoa hierarkian vaikutuksesta luovuuden ilmenemiseen. Luovuutta edistävien tekijöiden tunnistaminen olisi hyödyllistä niin yrityksille kuin henkilöstöllekin.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.006 |
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".