MétaCan
Menu
Retour à la cohorte
Enregistrement W2521496613 · doi:10.5465/ambpp.2015.12181abstract

Do Changes In High-Performance Work Systems Pay Off?A Longitudinal Investigation of Dynamic Fit

2015· article· en· W2521496613 sur OpenAlexaff
Xiaoyu Huang, Kaifeng Jiang, Anil Kumar Verma

Notice bibliographique

RevueAcademy of Management Proceedings · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAmbidexterityWork systemsFlexibility (engineering)AdaptabilityContingencyAdaptation (eye)Perspective (graphical)Consistency (knowledge bases)Work (physics)PsychologyKnowledge managementComputer scienceEconomicsEngineeringManagement

Résumé

récupéré en direct d'OpenAlex

Using an eight-year longitudinal survey, this study investigates the stability– change paradox in human resource (HR) systems by examining how patterns of change in high-performance work systems (HPWS) relate to innovation and financial performance of organizations. The contingency perspective suggests that such change constitutes beneficial flexibility because changes in aspects of HPWS are required to attain dynamic fit. By contrast, the universalistic perspective and organizational ambidexterity suggest that HPWS provides both efficiency and flexibility, which indicates beneficial stability. An exploratory analysis supports both theoretical perspectives and reveals a positive relationship between two distinct patterns of change in the ability-motivation- opportunity dimensions of HPWS and performance outcomes. Long-run consistency in the ability-enhancing dimension (i.e., training and recruitment systems) with continuous incremental change is positively associated with high performance. Conversely, short-run stability with episodic change in the motivation- and opportunity-enhancing dimensions of HPWS (i.e., compensation and employee involvement systems) is positively related to performance. The findings suggest that organizations can benefit from both stability and flexibility in HR systems by appropriately emphasizing long-run adaptability in the ability dimension and short-run adaptation in the motivation and opportunity dimensions of HPWS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,025
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,249
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207