MétaCan
Menu
Retour à la cohorte
Enregistrement W1960196249 · doi:10.5539/ass.v11n24p162

Performance Appraisal and Training and Development of Human Resource Management Practices (HRM) on Organizational Commitment and Turnover Intention

2015· article· en· W1960196249 sur OpenAlexvenueno aff
Vimala Kadiresan, Mohamad Hisyam Selamat, Sugumaran Selladurai, Charles Ramendran SPR, Ramesh Kumar Moona Haji Mohamed

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrganizational commitmentHuman resource managementBusinessTraining and developmentPerformance appraisalOrganizational behavior and human resourcesTurnover intentionKnowledge managementOrganizational performanceTurnoverHuman resourcesPsychologyMarketingManagementSocial psychologyEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

It is widely agreed that the impact of human resource management (HRM) practices can create comparative advantage for the organizational performance when organizational commitment matters. On the contrary, turnover has become a trend and it is at rise in the current working environment. The main intention of this study is to demonstrate a relationship between HRM practices and organizational commitment and its impact on turnover intention. Data of 75 employees from several different industries were collected throughout Klang Valley in Malaysia. The outcome reflects a correlation among Performance Appraisal and Training and Development (HRM practices) with organizational commitment which in turn contributed an inverse relationship with employee turnover intention. The greater commitment developed among employees will improve the organizational effectiveness through maintained skilled and experienced employees thus reducing turnover intentions. Therefore, this study dedicates to the knowledge on the impact of HRM practices on organizational commitment and turnover intention. The data results can serve as a reference or guideline when conducting relevant studies in the future.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,301
Écart entre enseignants0,255 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations103
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207