Human Resource Management Practices and Firm Performance: A Study of Manufacturing Firms in Kenya
Notice bibliographique
Résumé
Manufacturing in Kenya account for the greatest share of industrial production output characterized by relatively low value addition of 7.5 per cent recorded in 2010 to 2.3 per cent recorded in 2011, low employment and capacity utilization and a paltry 25 percent export volumes. However, the share of Kenyan products in the regional market is only 7 percent of the US $11 billion regional market and its contribution to the GDP has remained at about 10 percent since the 1960s. This has given rise to the concern that practicing managers have put little effort to improve the situation. This study therefore sought to establish the relationship between Human Resource Practices and firm performance in the manufacturing firms in Kenya. Used a census survey of the 68 medium and large manufacturing firms whose core activities involved in production and marketing of edible oils, soaps and detergents, beverages or sugar registered in the Kenya Association of Manufacturers directory 2012. Data was collected through self administered questionnaires sent to the Production Manager, Brand Manager, Human Resource Manager, Marketing Manager, or the relevant manager dealing with innovations. The main findings of this study reveals that manufacturing firms apply human resource management practices to different extents. For instance, some models of human resource management practices such as licensing are not commonly used, while others like hiring of skilled employees and teaching company schemes are very common with average composite mean score of 4.00 and 4.08 out of the best score of 5.0 respectively.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».