Aligning the e-HRM and Strategic HRM Capabilities of Manufacturing SMEs: A “Gestalts” Perspective
Notice bibliographique
Résumé
Abstract Purpose This study aims to explore the relationship between IT and HRM in the context of manufacturing SMEs, more specifically the relationship between strategic HRM and e-HRM as well as the performance effects of this relationship. The conceptual framework is founded upon the resource-based view (RBV), specifically upon the strategic HRM and e-HRM capabilities of SMEs and upon the strategic alignment of these capabilities in the form of capability configurations or “gestalts.” Methodology/approach To answer the research questions, a questionnaire was constructed and mailed to 1854 manufacturing SMEs in the province of Quebec, Canada, producing 216 valid responses that were used for statistical analysis purposes. Capability configurations were identified through a cluster analysis of the e-HRM and strategic HRM capabilities developed by these firms. Findings Using structural equation modeling to validate the research model, a causal analysis confirmed a positive influence of the sampled SMEs’ strategic orientation upon their development of strategic HRM capabilities. More importantly, a higher level of alignment between the SMEs’ strategic HRM and e-HRM capabilities was associated to a higher level of strategic HRM performance. Originality/value To our knowledge, ours is the first study to show interest in the effect of the strategic alignment of HRM and IT capabilities upon HRM performance, by adopting a configurational perspective and considering organizational IT from a functional point of view. Given the specific context of SMEs, the focus was on e-HRM capabilities related to the IT infrastructure of these organizations and the IT competencies of individuals related to HRM.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».