Competitiveness and workforce performance: Asia<i>vis-à-vis</i>the “West”
Notice bibliographique
Résumé
Purpose The purpose of this eight-country study is to examine what drives performance at the individual worker’s level and compare the explanatory power of such drivers between emerging, newly developed and developed markets around the globe. Design/methodology/approach The study combines established behavioural theory developed in a Western context with three factors anticipated to be most relevant in Asia (competitive attitude, willingness to serve and speed) as drivers of workforce performance. Four thousand working and middle-class respondents from eight countries were sampled. The associations were tested using structural equation modelling, and workforce performance was measured using univariate analysis. Findings Three country clusters emerged from the research: emerging economies in Asia (Indonesia, India), where the three factors powerfully explain performance; “Confucian orbit countries” (China, Japan, Korea), where the factors explain 81-93 per cent; and highly developed Western countries (the USA, the UK, Germany), where the factors account for only 20-29 per cent. Practical implications As well as providing a framework for modelling workforce performance, particularly in Asian countries, the findings indicate that workforce performance should be incorporated in performance indexes. The findings as to which drivers best explain workforce performance in each country can inform workforce recruitment and management, as well as the location of businesses and outsourcing. Originality/value For the first time, the study addresses the anomaly between economic growth and development experienced by Asian countries and their relatively low rankings in global competitiveness indexes by making the link between workforce performance and country 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».