MétaCan
Menu
Retour à la cohorte
Enregistrement W3086706171 · doi:10.5267/j.ac.2020.8.018

Comparative significance of human resource management practices on banking financial performance with analytic hierarchy process

2020· article· en· W3086706171 sur OpenAlexvenueno aff
Quang Linh Huynh, Thanh Thuy Nguyen Thi, Tan Khuong Huynh, Tuyet Anh Duong Thi, Thuy Lan Le Thi

Notice bibliographique

RevueAccounting · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesTrường Đại học Trà Vinh
Mots-clésAnalytic hierarchy processHierarchyHuman resource managementRobustness (evolution)Process (computing)Rank (graph theory)Knowledge managementHuman resourcesComputer scienceProcess managementBusinessMathematicsManagementEconomicsOperations research

Résumé

récupéré en direct d'OpenAlex

Banking financial performance (BFP) has been recognized as a causation of human resource management (HRM). The causal linkages from HRM practices to BFP are different. Nevertheless, almost none of the studies has ranked and compared this difference among the practices of HRM in enhancing BFP. The current study applied an analytic hierarchy process to rank the relative importance of HRM practices. For the robustness of the results from the process of analytic hierarchy, the current work employed an analytic hierarchy process to reassess the relatively important levels of HRM practices on BFP as well. The findings are robust across both of the techniques. The practice of training and development (TT) plays the most critical part in BFP, followed by the practice of performance evaluation (PN) and the practice of reward system (RM) as the third most important. In contrast, the practice of recruitment and selection (RN) takes the least important position in BFP. Moreover, the findings also provide statistical evidence on the causal links from the practices of HRM to BFP. This work makes some contribution to how managers should decide on HRM practices in order to obtain the best possible BFP.

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)0,000
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 enseignants0,148
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,036
Tête enseignante GPT0,278
Écart entre enseignants0,242 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetOrganizational and Employee PerformanceTravaux en français237 207