Beyond “Hero-based” Management: Revisiting HRM Practices for Managing Collective Expertise
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
While expert knowledge is a crucial resource for large science-based companies, management of the specific population of experts remains a sensitive issue for the HRM. In order to recognize and retain these employees, companies traditionally implement a dual ladder—a career management tool that proposes an alternative technical career track to the managerial one, thus allowing recognition of an expert status in the organization. However, multiple studies have demonstrated that the implementation of a dual ladder does not bring the expected results. While previous research has investigated the individual aspirations of experts as possible reasons for their dissatisfaction with this managerial tool, we show the importance of the collective dimension of expertise and claim that the latter is insufficiently supported by HRM practices. Drawing on a case study in a large multinational firm, we explore the consequences of individualized practices on expert work and discuss the role of HRM in dealing with so-called “hero-based” management. The findings show that individualized practices could endanger the learning and innovation capacities of the firm and compromise processes such as decision making and problem solving. It could also jeopardize the continuity of expertise from a long-term perspective as younger generations refuse to align with a “hero-based” culture. Despite such a strategic challenge, HR managers experience difficulties in reinforcing the collective dimension of expertise. This opens up new perspectives for the HRM function that could lead the management of experts towards new horizons by supporting the fragile equilibrium between “agency” and “communion” in expertise processes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle