MétaCan
Menu
Retour à la cohorte
Enregistrement W4256392840 · doi:10.5465/ambpp.2015.13267abstract

"Human Resource Approaches to Retirement: Gatekeeping, Improvising, Orchestrating, and Partnering"

2015· article· en· W4256392840 sur OpenAlexaff
Mary Dean Lee, Jelena Zikic, Sung‐Chul Noh, Leisa D. Sargent

Notice bibliographique

RevueAcademy of Management Proceedings · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHuman Resource and Talent Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésImprovisationWorkforceGatekeepingDemographicsProcess (computing)Human resourcesResource (disambiguation)BusinessQualitative researchAdaptation (eye)Human resource managementKnowledge managementPublic relationsMarketingSociologyManagementPsychologyEconomicsPolitical scienceEconomic growthComputer science

Résumé

récupéré en direct d'OpenAlex

This qualitative study examines the variation in HR approaches to retirement across 24 organizations, in order to explore innovative practices as well as gain understanding of the differences in how firms are dealing with major changes surrounding retirement and workforce demographics using organizational adaptation theory. Through careful analysis of in-depth interviews with HR managers, we identify three dimensions that differentiate organizations approaches to retirement: a) actions and interactions of key stakeholders in the retirement process; b) HR information gathering focus regarding workforce issues; and c) HR posture around changes needed in retirement policies and practices. Based on organizational profiles on these dimensions, four distinct approaches to retirement emerge and are described in some detail: Gatekeeping, Improvising, Orchestrating and Partnering. These different approaches provide insight into what organizations are doing and why, by examining how they differ in their adaptation to change.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,272
Écart entre enseignants0,098 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetHuman Resource and Talent ManagementTravaux en français237 207