Performance Management in Practice: The Power of Words in the Words of HR Practitioners
Notice bibliographique
Résumé
Some 65 years ago, Thorndike (1949) highlighted four criteria for effective performance management (PM) systems: reliability, validity, freedom from bias and practicality. While the literature has a rich and deep history concerning the first three criteria, limited scholarly work has examined practicality, and even less has examined the perspective of the human resource (HR) practitioner. We believe this void is problematic as these HR practitioners often design and implement PM systems. As such, they have a unique and important perspective concerning PM. In this study, we interviewed 45 people involved in PM design and implementation from Canada, the United Kingdom and New Zealand, in order to gain insights concerning what they felt constituted effective PM. Overall, we noted that the effectiveness criteria highlighted by these practitioners did not relate to the psychometric criteria that have dominated the scholarly HR literature. Rather, across the three countries, we found that HR practitioners focused on practical issues related to organizational members being able to engage in effective conversations, whether formal or informal, and that such conversations were seen as the basis of an effective PM system. Underpinning this was the need to create buy-in across the organization to enable these conversations to occur, and the need to set effective goals for these conversations to be useful. However, the reality in which these practitioners worked did not match this ideal “effective conversation” state. We make some suggestions, based upon our HR practitioners’ experience, to rectify this gap.
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 | 0,005 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».