MétaCan
Menu
Retour à la cohorte
Enregistrement W3011700503 · doi:10.1108/gm-04-2019-0053

HRM systems and employee affective commitment: the role of employee gender

2020· article· en· W3011700503 sur OpenAlexaff
Duckjung Shin, Alaine Garmendia, Muhammad Ali, Alison M. Konrad, Damian Madinabeitia

Notice bibliographique

RevueGender in Management An International Journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensWestern University
Organismes subventionnairesChung-Ang University
Mots-clésAutonomyHuman resource managementOriginalityPerceptionPsychologySocial exchange theoryFunction (biology)Human resourcesValue (mathematics)BusinessSocial psychologyKnowledge managementManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose Despite decades of studies on high-involvement human resource management (HRM) systems, questions remain of whether high-involvement HRM systems can increase the commitment of women. This study aims to contribute to the growing body of research on the cross-level effect of HRM systems and practices on employee affective commitment by considering the moderating role of gender. Design/methodology/approach Integrating social exchange theory with gender role theory, this paper proposes that gender responses to HRM practices can be different. The hypotheses were tested using data from 104 small- and medium-sized retail enterprises and 6,320 employees from Spain. Findings The findings generally support the study’s hypotheses, with women’s affective commitment responding more strongly and positively to employees’ aggregated perceptions of a shop-level high-involvement HRM system. The findings imply that a high-involvement HRM system can promote the affective commitment of women. Originality/value This study investigates the impact of both an overall HRM system and function-specific HRM sub-systems (e.g. training, information, participation and autonomy). By showing that women can be more positively affected by high-involvement HRM systems, this paper suggests that high-involvement HRM systems can be used to encourage the involvement and participation of women.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 GPT0,323
Écart entre enseignants0,206 · 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'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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGender in Management An International JournalMême sujetGender Diversity and InequalityTravaux en français237 207