Determinants that Influencing the Adoption of E-HRM: An Empirical Study on Bangladesh
Notice bibliographique
Résumé
Nowadays, information systems (ISs) have tremendous impact on processes and practices of human resource management (HRM). Realizing the effectiveness and efficiency of ISs, now, human resource (HR) managers are reliant on electronic human resource management (E-HRM) – an information system to accomplish HR activities. This system is implemented to reduce the administrative burden for HR professional thus they can deliver better services to firm’s stakeholders (e.g., employees, managers). If the E-HRM is not adopted properly, management of human resource in an organization cannot work smoothly. This paper aims at exploring the determinants that influence the adaptation decision for E-HRM among firms in Bangladesh. This study developed research framework based on the theoretical foundation and previous literature in order to better investigate the relationship between individual, organizational, technological, and environmental determinants, and E-HRM adoption. A total number of 331 respondents were considered from forty six large scale private sector organizations in Bangladesh using stratified random sampling. Employees of the organizations responded a close-ended questionnaire based on a 5-point Likert scale. Here, data was analyzed by statistical tools, for example, descriptive statistics, and factor analysis. They study found top level management support, employee’s individual attributes, system complexity, IT infrastructure, and industry pressure as the most influential determinants that influencing the adoption decision for E-HRM. Limitations and policy implications are discussed at the end of this paper. The scope of future studies is also addressed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».