Leveraging social media to enhance recruitment effectiveness
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to investigate how firms can use social media such as Facebook to recruit top job prospects. Design/methodology/approach – In the context of a fictitious event presumably sponsored by a potential employer, a sample of university students became members of a new private and secret Facebook user group dedicated to this event for a period of four days. They were exposed to event sponsorship activation messages varying systematically with respect to the mode of processing (i.e. passive or active) and their focus (i.e. the brand or the event). Findings – The results show that their expectations as regards the salary that they would require to become employees were higher in the active mode of processing. Also, their attitude toward the sponsor as an employer was more favorable when the activation messages focussed on the brand rather than on the event. In addition, further analyses showed that the effects of message focus and mode of processing on the attitudinal responses toward the sponsoring employers were mediated by the degree of elaboration and richness of social interactions of the Facebook group's members as well as their attitude toward the activation messages. Practical implications – Managers seeking to gain a recruiting edge through their social media presence should use online messages that stimulate more active processing and that have high entertainment value since this leads to more favorable responses toward the employer. These messages should insist more on the brand than on the event that is sponsored. Originality/value – This study is the first study to foray into the usage of social networking sites for recruitment purposes. It represents one of the few research efforts to monitor the interactions of users in a social media platform by means of a controlled experiment performed in situ through the creation of an ad hoc Facebook group.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».