Managing Work Scheduling in Organizations: Creating Positive Dynamics
Notice bibliographique
Résumé
Given the need for more research on work scheduling to match employee and employer interests, the goal of this symposium is to provide a new look on work scheduling to advance understanding theoretically and empirically. The symposium fits well with the 2018 theme of the AOM conference that focuses on how organizations can contribute to the betterment of society. This symposium suggests that how work schedules are constructed and managed can affect outcomes for patients and workers in long term health care; attributions about career commitment, stigma and performance; labor costs to match diverse employees’ and business needs; and work-life stress across global time zones. Managing Work Schedule Uncertainty and Justice in Health Care: Schedule Patching Strategies Presenter: Ellen Ernst Kossek; Purdue U. Presenter: Lindsay Mechem Rosokha; Purdue U. Are Flexible Working Policies Riskier to Use Than Other Work- Life Policies? Career Consequences Presenter: Sarah Bourdeau; UQAM U. du Québec A Montréal Presenter: Ariane Ollier-Malaterre; UQAM U. du Québec A Montréal Presenter: Nathalie Houlfort; U. du Québec à Montréal (UQAM) Managerial Incentives, Decisions, and Outcomes: A Quasi-Experiment Impacting Labor Scheduling Presenter: Saravanan Kesavan; Harvard U. Presenter: Kuhnen Camelia; UNC Presenter: Hyun Seok Lee; Oregon State U. Scheduling Work Across Time Zones: Impact on Global Employees' Stress Presenter: Kaumudi Misra; California State U. East Bay
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».