HRM Policies and Firm Performance: The Role of the Synergy of Policies
Notice bibliographique
Résumé
For both academics and practitioners, an insight into the relationship between Human Resource Management (HRM) and performance is essential. In exploring this link, HRM scholars have arrived at a point where the universalistic approach of the performance effects of best HRM practices are criticized. In an effort to move beyond a best-practice mode of theorizing, scholars have proposed different bundles of HRM practices that relate to better performance (Huselid, 1995). An emerging stream of literature proposes that systems of HRM practices have synergic performance effects (e.g. Delery & Doty, 1996). Scholars from the latter research stream argue that systems of HRM practices in so called ‘High Performance Work Systems’ (HRM Systems) lead to significant effects on firm performance, and hence propose that ‘ideal’ systems of HRM practices (i.e. best-systems) lead to superior firm performance (Becker & Huselid, 1998). Against this backdrop, Delery and Doty (1996) called upon scholars to adopt a ‘configurational mode of theorizing’ and indeed sparked a plethora of research in search of ideal-type HRM systems (Becker & Huselid, 1998; Lepak et al., 2006). Taking stock of this field today, its theoretical and empirical advancement is still hindered by ‘deficient empirical support’, in part because researchers have focused on bundles of large numbers of practices. For instance, Guest et al. (2003) identified 48 HRM practices and grouped them into nine HRM domains, but concluded that these formed no coherent factors. Also, measuring and examining the interactions between large numbers of practices is empirically very complex (Martín-Alcázar, Romero-Fernández & Sánches-Gardey, 2005: 645). Individual practices’ interactions with many variables are not as easily empirically testable. Some 20 years after the emergence of the perspective of HRM configurations, this perspective has yet to deliver on its promise. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».