NEW TRENDS IN HRM & KNOWLEDGE MANAGEMENT IN THE HEALTH SECTOR BEYOND COVID-19 - A PRACTICAL MODEL
Notice bibliographique
Résumé
The world of work and the status of the human being is constantly changing by the influence of new technologies and the contributions of scientists and practitioners of HRM; therefore, the human being is currently considered as a wealth and its value is maximized. Economists have called it (human capital), accountants (human assets), while contemporary managers have called it (knowledge capital). This change has occurred in the perception of HR due to the transformations that affected the work process began with the TIC revolution of the 21st century, which is concentrated on creativity, innovation based on Competencies to achieve total quality and well-being. But globalization, by for-profit companies, has prioritized profit and the values added to the detriment of which weakened the existence of medical organizations and their personnel as revealed by the Covid-19. Currently, political leaders in the democratic world are turning their eyes and considering human strategies that protect human and open the doors of health protection. Strategic and innovative leadership move on to the development of preventive management which concentrates its priority investments on the KM. New HRM trends, knowledge management (KM) and transformational organizations have become a “strategic” investment as an option in institution building and in health organizations. This new approach adopts the method of KM, competency management in HRM in order to achieve a high-level performance of merit characteristics, efficiency and effectiveness, which combine (motivation, constant incentive, qualities of excellence, clear self-orientation, indepth and up-to-date knowledge and competencies, ...). This paper presents the subject of new trends in HRM and KM in the health sector as well as the principles of these trends, European, Canadian and American application models, it offers a practical model aimed at improving the health system after Covid-19, in close relation with the improvement of HRM.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».