Tech_job PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

慷慨行為對組織自發性的影響：正向心情與感知義務的中介效果

為了解決Tech_job PTT的問題，作者陳慧璜 這樣論述：

本研究立基社會交換理論以及資源保存理論觀點，探討慷慨行為與組織自發性的關係，並檢驗正向心情與感知義務這兩個中介機制，用來說明慷慨行為對組織自發性的作用歷程。本研究採用便利抽樣問卷調查，有效問卷共計288份。研究結果顯示，慷慨行為與部屬組織自發性呈顯著正相關；部屬正向心情與感知義務可以中介主管慷慨行為與部屬組織自發性之間的關係；亦即慷慨行為可以透過部屬正向心情與感知義務進而激發員工的組織自發性。本研究依此結果加以討論，並提出具體管理意涵與未來研究方向。

運用文字探勘技術於企業聲譽分析之研究-以企業社會責任為例

為了解決Tech_job PTT的問題，作者蔡毓霖 這樣論述：

　　為持續保持競爭優勢，企業必需擁有良好的企業聲譽，而網路的發達及社群媒體的發展，讓許多企業高層開始重視社群媒體的影響力，希望能瞭解其在網路上的聲譽及形象。此外，近年來大眾相當看重企業對於整體經濟、公益活動、社會參與以及環境永續等社會責任相關議題，使得「企業社會責任」構面逐漸成為企業建立聲譽及形象的重要指標。因此，本研究以企業社會責任為例，透過文字探勘、深度學習技術為企業提出一適合衡量企業社會責任的指標及分析模組，藉由蒐集大眾於社群平台（PTT、FB）與企業相關新聞文本及評論留言進行新聞文本分類及情緒分析，來了解企業在網路的企業社會責任形象與聲譽。　　本研究針對網路搜集之企業新聞文本以「企業

社會責任」構面進行標記，並使用SVM、CNN及LSTM三種方法進行分類、比較，找出構面分類成效較佳之方法；此外，針對各構面透過CNN、LSTM及Bi-LSTM方法將企業評論留言進行情緒分類，分別計算出企業在各構面評論留言之正負面情緒及情緒分數，以呈現企業在企業社會責任之表現與形象。　　經本研究搜集之企業「企業社會責任」資料與提出模型分析結果，研究結論主要如下：(1)在新聞文本分類模型中，SVM分類效果相對最為穩定；(2)在情緒分類模型中，Bi-LSTM分類成效最佳，準確率皆達80%以上；(3)透過情緒分析過程，亦發現不同資料來源會呈現出不同評論留言情緒傾向，PTT資料集的評論留言所呈現之情緒以

負面居多、Facebook資料集的評論留言情緒表現則正負情緒涵蓋較為平衡；(4)將情緒分析各企業的情緒得分結果與天下雜誌「2019 天下CSR企業公民獎」之得獎排名進行比對後，證實本研究提出之模型架構可以有效用於分析企業在企業社會責任之表現，清楚了解網路大眾對企業在企業社會責任各構面之看法及情緒傾向，並藉此預測出企業間的社會責任排名及評定企業聲譽。