MétaCan
Menu
Retour à la cohorte
Enregistrement W1609950221 · doi:10.1017/cbo9780511791574.005

How does downsizing come about?

2012· book-chapter· en· W1609950221 sur OpenAlexaboutno aff
Wayne F. Cascio

Notice bibliographique

RevueCambridge University Press eBooks · 2012
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Downsizing and Restructuring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRecessionChinaScope (computer science)BusinessPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Employment downsizing, the planned elimination of positions or jobs, is a defining characteristic of modern life in organizations. It may be reactive (in response to a change in economic or organizational conditions) or proactive (executed in anticipation of such changes). In the most recent economic recession, downsizing was global in scope, with 8.5 million layoffs in the United States and more than 50 million worldwide. As Datta, Guthrie, Basuil, and Pandey (2010) have noted, in these turbulent economic times even countries that traditionally have avoided layoffs (e.g., South Korea, Japan, Taiwan, and Hong Kong) embraced the practice. Export-oriented and labor-intensive firms in China, and firms in both manufacturing and services industries in Britain, Canada, Australia, New Zealand, South Africa, South America, and Eastern Europe participated as well. Not surprisingly, therefore, employment downsizing has attained the (dubious) status as one of the most high-profile, significant, and pervasive management issues of our time. Over the past three decades, downsizing has occurred in virtually all industries and sectors of the economy, and it has affected business, governments, and individuals around the world (Cascio, 2010a; Gandolfi, 2008). Although employment downsizing is a multifaceted phenomenon, characterized by antecedents, implementation, and consequences, this chapter addresses just three issues: what it is, what causes it, and some things we still do not know (i.e. directions for future research). The chapter does not consider other aspects of downsizing, such as its costs, consequences, or alternatives to it, that provide a more complete picture of the full scope of this phenomenon. For more on those issues, see other chapters in this volume or consult Cascio (2002, 2010), Datta et al . (2010), or De Meuse, Marks, and Dai (2011).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,005
Science ouverte0,0000,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,163
Écart entre enseignants0,149 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetOrganizational Downsizing and RestructuringTravaux en français237 207