Exploring the authenticity, or lack thereof, of the discourse of talent management
Notice bibliographique
Résumé
Purpose This paper aims to examine the ways in which discourses of talent management (TM) reinforce and perpetuate structural barriers of exclusion and discrimination. The argument is made that dominant TM discourses must be interrogated if authentic talent development (ATD) practices are to succeed. This interrogation will require a shift from an organizational emphasis on talent identification towards ATD’s focus on talent cultivation. Design/methodology/approach A conceptual approach is used to critically analyse TM discourses to assess the degree to which they are inclusive. Building upon the work of Debebe (2017), an alternative ATD approach is suggested that, together with the novel concept of authentic otherness, may enable scholars and practitioners to reflect upon current organizational practices and devise new approaches that encourage talent cultivation in diverse employees. This, in turn, may foster a greater sense of organizational belonging. Findings Findings identify a number of ways in which organizational norms and structures are maintained and perpetuated through dominant, mainstream TM practices. This hinders ATD for many due to social ascription processes. By exploring the concept of “authentic otherness” (Gardiner, 2017), alongside Debebe’s (2017) approach to ATD, the argument is made that systemic inequities in the workplace may be addressed when we create conditions to support the cultivation of talent for all employees. Originality/value This paper builds on recent arguments in the critical TM literature concerning the exclusionary nature of mainstream TM practices in organizations. The concept of authentic otherness is clarified and defined with a view to using this new term as a heuristic device to encourage a reflective understanding of how ATD practices can be developed.
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 | 0,020 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,045 |
| Communication savante | 0,018 | 0,014 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».