MétaCan
Menu
Retour à la cohorte
Enregistrement W2940094691 · doi:10.5267/j.msl.2019.3.016

Linking employee engagement towards individual work performance through human resource management practice: From high potential employee’s perspectives

2019· article· en· W2940094691 sur OpenAlexvenueno aff
Siti Amirah Othman, Nik Hasnaa Nik Mahmood

Notice bibliographique

RevueManagement Science Letters · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmployee engagementHuman resource managementBusinessWork (physics)Work engagementHuman resourcesEmployee resource groupsKnowledge managementEmployee researchPsychologyPublic relationsComputer scienceManagementPolitical scienceEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Most previous studies of employee engagement and performance have been rooted in either Social Cognitive Career Theory (SCCT) or the Social Exchange Theory (SET), giving often inconclusive outcomes. In fact, there are only a few researchers in social science focusing on the level of high potential employee's engagement towards individual work performance through human resource management practices. The purpose of this study is to investigate the relationship between employee engagement and individual work performance with mediation role of human resource management (HRM) practices for selected manufacturing organizations in Malaysia. Two hundred and fifty-two usable questionnaires are collected to empirically test the hypotheses using IBM SPSS software and Smart Partial Least Square (SmartPLS) version 3. The results suggest that high potential employee engagement positively and significantly influence on individuals' work performance. Additionally, human resource management practices play significant role in mediating the relationship between employee engagement and individual work performance among high potential employees. Therefore, these results should provide insight towards managing high potential employees, especially in the manufacturing sector.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,005
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,236 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207