MétaCan
Menu
Retour à la cohorte
Enregistrement W2752898956 · doi:10.1002/hrm.21836

Strategic HR system differentiation between jobs: The effects on firm performance and employee outcomes

2017· article· en· W2752898956 sur OpenAlexafffund
Joseph A. Schmidt, Dionne Pohler, Chelsea R. Willness

Notice bibliographique

RevueHuman Resource Management · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversity of TorontoUniversity of Saskatchewan
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBusinessHuman capitalHuman resourcesOrganizational citizenship behaviorTurnoverInvestment (military)Human resource managementValue (mathematics)Balance (ability)Strategic human resource planningMarketingOrganizational commitmentStrategic planningEconomicsManagementPsychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this research was to understand whether firms apply different human resource management systems to different occupations within the same organization (HR differentiation) and how the extent to which they do so may influence firm and employee outcomes. We conducted two studies pertaining to these questions. The first study was based on data collected from managers, and the results suggest that firms differentiate their HR investments based on the strategic value of occupations to the firm, which was further associated with the human capital of those occupations. Differentiation in human capital was also associated with firm performance. The second study was based on data obtained from nonmanagement employees. The findings indicated that employees who were recipients of less HR system investment had lower fairness perceptions, which were further associated with higher turnover intentions and lower organizational citizenship behavior. Although the evidence from these studies suggests that firms may realize benefits from strategic HR system differentiation, managers should carefully consider how to balance the effects of differentiation on firm performance and employee well‐being before implementing such systems.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,248
Écart entre enseignants0,220 · 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

Citations53
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Resource ManagementMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207