Drivers Of Employee Resilience And Its Relationships With Work Engagement And Job Performance After The Covid-۱۹ Pandemic
محل انتشار: مجله ایرانی مطالعات مدیریت، دوره: 17، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 97
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIJMS-17-3_003
تاریخ نمایه سازی: 10 تیر 1403
چکیده مقاله:
This study seeks to explore the underlying resources that promote employee resilience and the impact of resilience on work engagement and job performance within the context of the COVID-۱۹ pandemic. The empirical investigation employed the Partial Least Squares Structural Equation Modeling (PLS-SEM) method. It was conducted with a sample comprising ۲۵۵ employees actively engaged in Ho Chi Minh City, Vietnam. The results reveal the significant influence of self-efficacy, optimism, and support from various sources (superiors, colleagues, family, and friends) on employee resilience. Additionally, work engagement is a mediator in the relationship between employee resilience and job performance. These findings offer valuable insights for human resources managers in fostering a flexible work environment and providing essential support to enhance employee resilience, benefiting both the employees and the organization.
کلیدواژه ها:
نویسندگان
Kim Phong Thai
Faculty of Business Administration, University of Finance - Marketing, Ho Chi Minh. Vietnam
Anh Tho To
Faculty of Business Administration, University of Finance - Marketing, Ho Chi Minh, Vietnam
Thi Siem Tran
Faculty of Business Administration, University of Finance - Marketing, Ho Chi Minh, Vietnam
Quoc Tuan Tran
Faculty of Business Administration, University of Finance - Marketing, Ho Chi Minh, Vietnam
Thi Minh Thanh Dang
Faculty of Foreign Languages, University of Finance - Marketing, Ho Chi Minh, Vietnam
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :