Impact of human resource management practices on nursing home performance
Notice bibliographique
Résumé
Management scholars and practitioners alike have become increasingly interested in learning more about the ability of certain 'progressive' or 'high-performance' human resource management (HRM) practices to enhance organizational effectiveness. There is growing evidence to suggest that the contribution of various HRM practices to impact firm performance may be synergistic in effect yet contingent on a number of contextual factors, including workplace climate. A contingency theory perspective suggests that in order to be effective, HMR policies and practices must be consistent with other aspects of the organization, including its environment. This paper reports on empirical findings from research that examines the relationship between HRM practices, workplace climate and perceptions of organizational performance, in a large sample of Canadian nursing homes. Data from 283 nursing homes were collected by means of a mail survey that included questions on HRM practices, programmes, and policies, on human resource aspects of workplace climate, as well as a variety of indicators that include employee, customer/resident and facility measures of organizational performance. Results derived from ordered probit analysis suggest that nursing homes in our sample which had implemented more 'progressive' HRM practices and which reported a workplace climate that strongly values employee participation, empowerment and accountability tended to be perceived to generally perform better on a number of valued organizational outcomes. Nursing homes in our sample that performed best overall were found to be more likely to not only have implemented more of these HRM practices, but also to report having a workplace climate that reflects the seminal value that it places on its human resources. This finding is consistent with the conclusion that simply introducing HRM practices or programmes, in the absence of an appropriately supportive workplace climate, will be insufficient to attain optimal organizational performance.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».