MétaCan
Menu
Retour à la cohorte
Enregistrement W2015955799 · doi:10.5539/ass.v11n10p358

Relationship between Human Resources Management Practices, Transformational Leadership, and Knowledge Sharing on Innovation in Iranian Electronic Industry

2015· article· en· W2015955799 sur OpenAlexvenueno aff
Indra Devi Subramaniam

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransformational leadershipKnowledge sharingKnowledge managementStaffingBusinessConfirmatory factor analysisStructural equation modelingSample (material)Exploratory factor analysisHuman resourcesExploratory researchHuman resource managementMarketingPublic relationsManagementSociologyPolitical scienceComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Electronic industry needs innovation to survive, and also to compete internationally. This study examines factors that can enhance technical innovation of companies in the electronic industry of Iran. The main purpose of this study is to examine the relationship between human resource management practices, transformational leadership, knowledge sharing, and innovation of the large and major electronic companies.More specifically, the research attempts to examine whether knowledge sharing mediates the relationship between human resource management practices and transformational leadership with innovation. A quantitative research approach was used in this study. A cross-sectional correlational research design was used.The sample for this study was drawn from a population of 23,704 employees (managers, engineers, and expert technicians) of eight largest electronic companies in Iran using stratified sampling method. The sample size was 376.After exploratory Factor Analysis (EFA) and confirmatory factor analysis (CFA), structural equation modeling (SEM) technique was used to test the hypothetical model. The Findings asserts that only two HRM practices (training and participation) and three transformational leadership components (vision, intellectual stimulation and personal recognition) have significant impacts on innovation. Besides, knowledge sharing has significant and positive impact on innovation. Out of five HRM practices, training, staffing, participation have significant and positive impacts on knowledge sharing while intellectual stimulation, and personal recognition(as transformational leadership components) have significant and positive impacts.Finally, knowledge sharing merely mediated the relationships of training, participation, vision and personal recognition with innovation.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
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 Opus0,223
Tête enseignante GPT0,401
Écart entre enseignants0,179 · 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

Citations42
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetKnowledge Management and SharingTravaux en français237 207