MétaCan
Menu
Retour à la cohorte
Enregistrement W2750138573

Staffing Pharmaceuticals: The Case of Novartis

2015· article· en· W2750138573 sur OpenAlexvenueno aff
Alexandra Mylona

Notice bibliographique

RevueJournal of undergraduate research in Alberta · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStaffingBusinessDiversity (politics)AttritionHuman resource managementInclusion (mineral)MarketingOrganizational structureOperations managementManagementMedicinePsychologyEngineeringEconomicsSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This theoretical study contributes to the research of pharmaceutical companies’ HR Management practices, and more specifically their staffing systems, through close examination of Novartis Consumer Health Division’s recruitment system. After an overview of the firm’s overall staffing philosophy, external and internal recruitment are also reviewed. E-Recruitment is explored due to its significant place in today’s staffing methods, as a result of technological advancements. Last but not least, the Equal Employment Opportunities of Novartis are examined, since Human Rights and Diversity & Inclusion receive great attention nowadays in most companies’ HR Management strategies. The findings of this study for each section are based on a comparison of the information which was provided through interviews of HR Department employees of the company, as well as my individual research, with the literature review. The most important conclusions that were drawn were, first, that Novartis closely follows Schneider’s Attraction-Selection-Attrition (ATA) model when it comes to its Person-Organization versus Person-Job fit, and second, that one of the main methods through which the company achieves organizational effectiveness, is through successful alignment of its HR systems with those of the other departments/line managers. Finally, recommendations for future research are also provided.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,004
Communication savante0,0070,003
Science ouverte0,0010,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,203
Tête enseignante GPT0,415
Écart entre enseignants0,212 · 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'étudeSans objet
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of undergraduate research in AlbertaMême sujetInnovation and Knowledge ManagementTravaux en français237 207