Marca empleadora en redes sociales para atraer a la generación Z de Lima
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Esta investigación tiene como objetivo identificar cómo debe comunicar el sector alimentación su marca empleadora en redes sociales para atraer talento de la generación Z de Lima. Específicamente, se busca explicar los motivos de los centennials para postular a una organización, descubrir cuáles son las redes sociales preferidas para obtener información sobre la compañía y determinar el contenido más atractivo. El enfoque del estudio es cualitativo, el nivel es descriptivo, el diseño es documental y fenomenológico. Las técnicas utilizadas fueron análisis de contenido, en el cual se revisaron las redes sociales de 3 empresas del sector; y entrevistas semiestructuradas a los responsables de la gestión de marca empleadora y, por otro lado, 20 estudiantes y egresados con experiencia laboral de las facultades de Negocios e Ingeniería. La información se comparó y analizó en base a la escala del atractivo del empleador (EmpAt). Los resultados muestran que las motivaciones de los entrevistados se relacionan con las dimensiones económica, social y desarrollo. Las redes sociales más alineadas a este objetivo son LinkedIn e Instagram. Finalmente, el contenido de interés en estas plataformas son la propuesta de valor al empleado (atributos), cultura, clima, testimonios de trabajadores, información realista del puesto y habilidades blandas que esperan de ellos. Asimismo, los formatos deben ser dinámicos, imágenes de calidad y videos cortos, así como texto reducido y uso de slogans o hashtags llamativos.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle