MétaCan
Menu
Retour à la cohorte
Enregistrement W2325214779 · doi:10.1080/09585192.2016.1165275

Human resource management practices and voluntary turnover: a study of internal workforce and external labor market contingencies

2016· article· en· W2325214779 sur OpenAlexafffund
Joseph A. Schmidt, Chelsea R. Willness, David A. Jones, Joshua S. Bourdage

Notice bibliographique

RevueThe International Journal of Human Resource Management · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of CalgaryUniversity of Saskatchewan
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTurnoverWorkforceHuman resource managementConceptualizationContingencyBusinessDemographic economicsLabour economicsUnemploymentWork (physics)Unemployment rateEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

We tested relationships between employee quit rates and two bundles of human resource (HR) practices that reflect the different interests of the two parties involved in the employment relationship. To understand the boundary conditions for these effects, we examined an external contingency proposed to influence the exchange-based effects of HR practices on subsequent quit rates – the local industry-specific unemployment rate – and an internal contingency proposed to shape employees’ conceptualization of their exchange relationship – their employment status (i.e. full-time, part-time and temporary employment). Analyses of lagged data from over 200 Canadian establishments show that inducement HR practices (e.g. extensive benefits) and performance expectation HR practices (e.g. performance-based bonuses) had different effects on quit rates, and the former effect was moderated by unemployment rate. The effects of HR practices on quit rates did not differ between FT and PT employees, but a different pattern of main and interactive effects was found among temporary workers. These findings suggest that employees’ exchange-based decisions to leave may be less affected by the number of hours they expect to work each week, and more by the number of weeks they expect to work.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,046
Tête enseignante GPT0,389
Écart entre enseignants0,344 · 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

Citations29
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Human Resource ManagementMême sujetEmployment and Welfare StudiesTravaux en français237 207