An Empirical Investigation on the Impacts of the Adoption of Green Hrm in the Agricultural Industry
Notice bibliographique
Résumé
The green human resources management (Green HRM) developed from companies engaging in practices that are concerned about environmental conservation and maintaining sustainable ecological balance. It includes all the activities that are geared towards helping an organization carry out its goals for environmental management to reduce carbon footprints in areas that concern the employment of employees, their training and compensation. Green HRM plays a useful role in supporting environment and agricultural related issues by following and adopting green HR practices and policies. There is a great deal of increase in the adoption of sustainable agricultural systems by the agricultural industry. Literature has highlighted the importance of the adoption of the sustainable agricultural systems as a key objective of the agricultural sector thus making it very significant to identify with the support of green HRM practices. In most parts of the world today, there are ongoing debates and uncertaintiesthat are associated with how green management principles can be effectively implemented in a workforce in an organization. Research methodology is based on quantitative research and primary data was collected. The results was calculated by SPSS 24 , different tests were applied to measure reliability and validity, to analyze the variables simple linear regression, one way repeated measures ANVOA and Paired- Samples t Test were applied. This research identified the various ways that green HRM practices are helping in improving agriculture now and in the future. The key finding of this research was that there is very little understanding of GHRM in Pakistan, therefore more effect manners should be applied to collect appropriate data and learning employee behavior towards change can make a major difference in this field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».