The Paradox of Attracting Key Talent in the Canadian Cannabis Industry: Turning Over a New Leaf
Notice bibliographique
Résumé
Abstract In October 2018, the Canadian federal government legalized the use of recreational cannabis with a goal to drastically diminish the black-market and the use of cannabis by minors. The attraction of talent to the new industry has been recognized as important to long-term industry success, but there exists a paradox in talent attraction. Key talent must first be screened by the Royal Canadian Mounted Police. Anyone with serious criminal charges in the past may not be cleared to work in the industry, blocking out experienced cannabis talent. Additionally, some potential talent may not be interested in working the legitimized industry although others may welcome the opportunity to work in it. HR managers have a rare opportunity to be trailblazers by establishing the norms for the industry. Their role should be established in the boardroom, but they will have to demonstrate their value through their ability to build talent in an industry made up largely of SMEs. We use a nested model of macro and micro TM perspectives to analyze the context of this industry. At the macro level we investigate how legalization, government regulation, legitimacy, and reputation affect TM within the micro level context. We suggest how HRM strategies related to attraction, development and retention can impact TM. The integration of the macro and micro level context of TM is paramount to the survival of the new legalized cannabis industry.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,000 |
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.
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 ».