MétaCan
Menu
Retour à la cohorte
Enregistrement W2981041818 · doi:10.1111/emre.12367

Human Resource Management in India: Performance and Complementarity

2019· article· en· W2981041818 sur OpenAlexaff
Tamer K. Darwish, Geoffrey Wood, Satwinder Singh, Rahul Singh

Notice bibliographique

RevueEuropean Management Review · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComplementarity (molecular biology)BusinessUSableHuman resource managementYield (engineering)Human resourcesContext (archaeology)MarketingPsychological interventionScale (ratio)Knowledge managementIndustrial organizationEconomicsManagementPsychology

Résumé

récupéré en direct d'OpenAlex

This is a study of the relationship between HR practices and organisational performance of large‐scale enterprises in India. The main survey yielded 252 usable replies from the HR directors. Results show that mutually supportive sets of HR practices do not yield disproportionately superior outcomes than limited and focused individual practices. This highlights the limitations of strategic HRM in an Indian context. It seems there is little immediate benefit in developing sophisticated mutually supporting HR systems if particular firm or regionally relevant interventions yield clear benefits on their own right. These results highlight the limitations in national level institutions made for a general lack of complementarities, and/or that firms do not want to take the risk of over‐relying on a specific institutional feature that may be subject to change. We also find that innovative firms are not in any way more likely to adopt best HR practices to a greater degree than their less innovative counterparts. India's weak and uneven institutional coverage may open up more opportunities for HR innovation, but the lack of systemic support means that there are fewer opportunities for the latter to realise its fullest potential.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,013
Études des sciences et des technologies0,0020,003
Communication savante0,0050,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,055
Tête enseignante GPT0,384
Écart entre enseignants0,329 · 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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Management ReviewMême sujetEmployment and Welfare StudiesTravaux en français237 207