MétaCan
Menu
Retour à la cohorte
Enregistrement W2600402146 · doi:10.1111/1744-7941.12147

Green human resource management practices: scale development and validity

2017· article· en· W2600402146 sur OpenAlexaff
Guiyao Tang, Yang Chen, Yuan Jiang, Pascal Paillé, Jin Jia

Notice bibliographique

RevueAsia Pacific Journal of Human Resources · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversité Laval
Organismes subventionnairesNational Office for Philosophy and Social Sciences
Mots-clésConfirmatory factor analysisHuman resource managementExploratory factor analysisScale (ratio)BusinessHuman resourcesMeasure (data warehouse)Knowledge managementHuman resource management systemOrganizational behavior and human resourcesOrganizational performanceOperations managementMarketingComputer scienceEngineeringManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Previous studies on green human resource management ( GHRM ) are mainly positioned at theoretical or qualitative level. There is urgent need to develop a valid measurement of GHRM and then to offer more insights into the implication of it on individual or organizational performance. The aim of this study was to propose and validate an instrument to measure GHRM . Based on exploratory analysis (study 1), it was established that GHRM includes five dimensions: green recruitment and selection, green training, green performance management, green pay and reward, and green involvement. Confirmatory factor analysis (study 2) was used to confirm the factor structure of study 1. The results indicated that the proposed measurement is valid. This study is the first and also the most comprehensive one to measure main human resource practices for environmental management, which can provide broader focus for further research and for practitioners.

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)0,028
score de la tête « metaresearch » (Gemma)0,045
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 enseignants0,028
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,272
Écart entre enseignants0,235 · 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

Citations1 023
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia Pacific Journal of Human ResourcesMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207