MétaCan
Menu
Retour à la cohorte
Enregistrement W4253574712 · doi:10.1108/978-1-83909-093-620201012

Index

2020· paratext· en· W4253574712 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeparatext
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHuman Resource and Talent Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTalent managementManagementPublishingPolitical scienceSocial scienceSociologyPsychologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

Citation (2019), "Index", Swailes, S. (Ed.) Managing Talent: A Critical Appreciation (Talent Management), Emerald Publishing Limited, Bingley, pp. 163-165. https://doi.org/10.1108/978-1-83909-093-620201012 Publisher: Emerald Publishing Limited Copyright © 2020 Emerald Publishing Limited INDEX ‘A’ Players, 71–72, 74 Academic-practice gap, 35 Accidental manager, 4, 77–79, 82–83 AMO theory, 92, 95 Assessment centres, 58–60, 66–67 Assessment panels, 65 Bias, 21, 25, 53, 66, 81, 111, 155 Canadian government regulation, 147–149 Canadian legalization, 150 Cannabis, 151 Career development, 114, 152, 157 management, 83 Christian narratives, 10 Compensation, 152 Competency models, 56–57 Dark side, 72 of personality, 77 recruitment and selection, 155 of talent pools, 51 of TM, 155 Derailment causes, 71, 73, 75–79 gender differences, 80–81 implications for talent management, 71, 73, 82–84 potential behaviours, 75–77 risk, 71, 73, 81 Development, 147 Disappointment, 51–52, 63, 111 Discourse analysis, 130 Disengagement, 63 Durkheim, Emile, 24 Empowering leadership, 91–92, 95–96, 100–102 Exclusive talent, 107–118 management, 107–118 Feminist postructuralism, 129–132 Fourth Industrial Revolution, 34, 53 Gender and derailment, 80–81 Gender identity, 130 Gendered Organization, 129 Giftedness, 15–17 Global Talent Management, 33, 42, 112 Globalisation, 43, 132, 135 God-given talent, 10–11 Golem effect, 111 High performers, 14, 71, 75, 107, 110 High potential (HiPo), 58, 75, 131 employees, 3, 108 for leadership, 1 people, 14 programmes, 58 HRM practices, 13, 89, 92, 107–108, 113, 152 Identity, 7–11 Inclusive organizations, 116 Inclusive talent, 138 management, 107 Individuality, 9–11 Inequalities, 4, 112, 135 Intersectionality, 126, 132–135 Key roles, 153 Knowledge production problem, 39, 41 Leadership, 72, 87–103 derailment, 71–84 failure, 71–73, 76, 78, 81 transitions, 83 Legitimacy, 149–150 Line managers, 14, 16, 63, 87–103 Macro Talent Management (MTM), 43 Macro talent management factors, 147–151 Management practice, 8–10 Managerial ability, 18 Managerial anxiety, 51, 62–64 Managerial capability, 64 Masculinist/masculinisation, 4, 125, 127–131, 133 #Metoo, 126, 133 Micro talent management factors, 151–158 Nine-Box Grid, 19, 57–58 Objectivity, 21, 51–52, 59, 64, 66 Organizational effectiveness, 53, 82 Organizational justice, 107, 111, 119 Performance, 155–156 assessment, 57, 60 ratings, 53, 57–58 Politics, 51–66 Postcolonialism, 125–137 Potential, 1, 3, 16–17, 54–57, 65, 72, 82, 145, 156 individual, 17 Power, 1, 15, 56 Practitioners, 4, 36 Psychometric testing, 58, 67 Pygmalion effect, 20, 114 Rawls, John, 19–20, 24 Recruitment, 153–154 Relevance, of research, 33–44 Reputation, 150–151, 154 Research-practice gap, 36 Retention, 155–157 Return on investment (ROI), 43 Rhetoric of TM, 51–66 Russell, Bertrand, 8 Selection, 154–155 Semantic emptiness, 7, 9 Simonton, Keith, 22–23 Social constructivism, 52, 65 exclusion, 108, 126 inclusion, 108 processes, 52–53, 134 Strategic talent management, 75, 82, 84 Strengths, 76, 79, 88 Subjectivity, 51, 66, 132 Talent, 156–157 actual practices, 54 assessment, 60 attraction, 33, 42, 51, 89, 147, 151–153, 158 deployment, 33, 51 development, 33, 89, 147, 151, 158 as empty signifier, 8–10 engagement, 33 expectations, 24, 61–62, 75, 83 identification, 17–19, 21, 24, 26, 33, 51 innate, 13, 22–23, 25 mobilisation, 100, 102–103 and non-talent identities, 3, 19, 111, 135 nurturing, 51–52 perceived practices, 54 retention, 33, 89, 151, 158 as social construction, 13, 16–21 Talent management assumptions of, 17 employee reactions to, 87–88, 90, 92, 101, 132 employee voice, 132 ethics of, 56, 112 and firm performance, 90 gender blind, 133 managerialist, 1, 125, 132 performativity, 130–131 process, 89 segmentation, 38, 110–111, 132 stakeholders, 3, 38, 41, 45, 87, 107, 147 unitarist, 132 Toxic leadership, 72 Training, 157 Transnationalism, 126, 132–133 Values, 56, 60–61, 75, 82, 111, 113, 117, 119–120, 129, 132, 149, 152 War for talent, 16, 34, 42–43, 109–110, 119, 153 Wittgenstein, Ludwig, 7–8 Workplace inequality, 108 Book Chapters Prelims Introduction Chapter 1: Arbitrariness, Individuality, and the Absence of Work Identity in Talent Management Chapter 2: Social and Natural Constituents of Talent: A Critical Appreciation Chapter 3: Some Critical Reflections on the Relevance of Talent Management Research Chapter 4: The Rhetoric, Politics and Reality of Talent Management: Insider Perspectives Chapter 5: Leadership Derailment: A Neglected Field in Talent Management Chapter 6: The Missing Link: The Role of Line Managers and Leadership in Implementing Talent Management Chapter 7: How Inclusive Can Exclusive Talent Management Be? Chapter 8: Critical Feminist Organisation Studies and Talent Management: Re-imagining Transnational, Intersectional and Postcolonial Agendas Chapter 9: The Paradox of Attracting Key Talent in the Canadian Cannabis Industry: Turning Over a New Leaf Index

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0020,001
Communication savante0,0140,009
Science ouverte0,0030,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,7930,811

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,224
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHuman Resource and Talent ManagementTravaux en français237 207