MétaCan
Menu
Retour à la cohorte
Enregistrement W2788966425 · doi:10.5430/bmr.v7n1p51

Adoption of Human Resources Management Policies for Practices: Harvard Model versus Religious Model

2018· article· en· W2788966425 sur OpenAlexvenueno aff
Oginni Babalola, Erigbe Patience, Ojo Afolabi, ‘Sola Laosebikan, ‘Femi Ogunlusi

Notice bibliographique

RevueBusiness and Management Research · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHonestyHuman resource managementCompetence (human resources)ContingencySincerityInterdependenceMoralityBusinessManagementSociologyMarketingPublic relationsEconomicsPolitical scienceLawEpistemologySocial science

Résumé

récupéré en direct d'OpenAlex

The paper set out to explore two different models of Human Resources Management as a policy for practice that will be adequate for adoption by any organisation. The Harvard and Religious models were the two models critically examined vis – a – vis their implications on the practice of Human Resources Management (HRM). It was revealed that Harvard model of HRM is a content model as it is contingent on specific core issues (work system, reward system, employees’ influence and flow of people) in human resources management while Religious model of HRM is a process model as it is based on identification of relationship among components units (management and employees) Harvard model of HRM as a policy is embedded in the organisation through congruence, commitment, cost effectiveness and competence and Religious model of HRM is anchored on value based ideology through morality, honesty, sincerity, fairness and integrity. The two models are practicable but Harvard model of HRM has no exception to a particular party in business organisation while Religious model of HRM is averse to development of trade union in organisation. Therefore, the adoption of the two models will make world of work conducive, however, Harvard model of HRM aligned more with the nature and belief of business. However, combination of the two models to give a contingency – hybrid model will make the workplace to be better than adopting one of the models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil0,834

Scores Codex et Gemma par catégorie

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

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 Opus0,117
Tête enseignante GPT0,367
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetIslamic Finance and Banking StudiesTravaux en français237 207