Moderating Effect of Social Capital on the Relationship Between HRM Practices and the Performance of Companies Listed on NSE
Notice bibliographique
Résumé
Accessibility to broader information sources as well as the advancement of the quality of information, relevance, and timeliness is facilitated by social capital. These circumstances pave the way for individuals to improve their knowledge by interacting with coworkers daily. The study's main objective was to establish the moderating effect of social capital on the relationship between HRM practices and the performance of companies listed on NSE. The research was guided by the social-capital theory. This research utilized a descriptive research design and applied the positivist approach. The population of the study included 65 companies listed on the Nairobi Stock Exchange (NSE), and it employed both primary and secondary data, with secondary data consisting of the financial indicator Return on Assets (ROA). Questionnaires were employed to gather primary data, and descriptive and inferential statistics were utilized to analyze the data. The method utilized was linear regression. According to the findings, social capital has a moderating influence on the link between HRM practice configurations and company success on the NSE. This study recommends that training and development efforts be consistent, and that research institutes guarantee that training provided to employees is relevant to their needs. As a result, they should undertake a training need analysis to determine the program's relevance to learners. Research institutes must also ensure that they have the best possible resources.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».