Relationship of External Knowledge Management and Performance of Chinese Manufacturing Firms: The Mediating Role of Talent Management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
For the competitive market, both talent management and knowledge management of employees are key primary resources in organizations. While it is well known that in today's emerging economy, intangible resources like knowledge and human capital seem as the soul of survival; few studies have examined the effect of external knowledge management and talent management strategies in Chinese manufacturing firms. This study tries to bridge this gap by examining the importance of external knowledge management and talent management, Moreover, how this consequence can affect in particular industry for the economic growth of China? Total 249 responses were collected through structured questionnaire from manufacturing organizations located in Shanghai and Suzhou, China. PLS-SEM techniques via Smart-PLS (3.2.4) software has been used to test and validate proposed model and the relationships among the hypothesized constructs. The findings of this study show that external knowledge management (E-KM) and talent management both contributes positively to the performance of manufacturing firms. Moreover, talent management as mechanism demonstrated strong mediation effects between E-KM and performance. In researchers' point of view and results revealed the evidence by linking E-KM with TM-OP and TM as a mechanism between E-KM and OP. Such insights may helpful for managers to target sustainable current and future growth of the organizations and also, to overcome the shortage of talented and qualified worker’s issues in fast-growing emerging economies.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 découle