Notice bibliographique
Résumé
Summary form only given. Rating employees is a stressful experience for most supervisors; the stress primarily arises with mid-range performers. These performers, who are not "stars" and never likely to be so, make a positive contribution to a company but are reminded once a year of their ordinariness, a message that is unpleasant to give and receive. Supervisors have developed a number of strategies to avoid giving this message. Companies have a legitimate need to rate and rank employees, in part because identifying high performers and making sure these get the message that their performance is recognized and will continue to be rewarded is a key to retention, especially for knowledge workers. However, the need to rate employees does not equate to the need to tell average performers that they are average on an annual basis. Companies also need to provide goal setting and coaching to employees regardless of performance level. Goal setting ensures that the employee's objectives reflect the company's shifting objectives, and coaching enhances performance for virtually all employees. These functions do not need to take place at the same time as rating, and for the average employee the focus on the ego-damaging message often ensures that such constructive comments get little attention. An HR department can play a key role in helping managers distinguish between rating and coaching, and in helping emphasize that different employees need different messages and different treatment from the company, depending on their performance level. One emphasis of this approach is a focus on fostering a sense of esteem for good average performers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».