21st century HR: a competency model for the emerging role of HR Analysts
Notice bibliographique
Résumé
Purpose Drawing on human capital theory and the human capital resources framework, this study explores the knowledge, skills, abilities and other characteristics (KSAOs) required by the emerging role of human resource (HR) analysts. This study aims to systematically identify the key KSAOs and develop a competency model for HR Analysts amid the growing digitalization of work. Design/methodology/approach Adopting best practices for competency modeling set out by Campion et al. (2011), this study first analyzes 110 HR analyst job advertisements collected from five countries: Australia, Canada, Ireland, the United Kingdom and the USA. Second a thematic analysis of 12 in-depth semistructured interviews with HR analytics professionals from Canada and Ireland is then conducted to develop a novel competency model for HR Analysts. Findings This study adds to the developing and fast-growing field of HR analytics literature by offering evidence supporting a set of six distinct competencies required by HR Analysts including: consulting, technical knowledge, data fluency and data analysis, HR and business acumen, research and discovery and storytelling and communication. Practical implications The research findings have several practical implications, specifically in recruitment and selection, HR development and HR system alignment. Originality/value This study contributes to the evolving HR analytics literature in two ways. First, the study links the role of HR Analysts to human capital theory and the human capital resource framework. Second, it offers a timely and empirically driven competency model for the emerging role of HR Analysts.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».