MétaCan
Menu
Retour à la cohorte
Enregistrement W4362667227 · doi:10.1111/1744-7941.12371

Promoting employee career growth: the benefits of sustainable human resource management

2023· article· en· W4362667227 sur OpenAlexaff
Bao Cheng, Xiaotong Yu, Yun Dong, Chong Zhong

Notice bibliographique

RevueAsia Pacific Journal of Human Resources · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensEmployment and Social Development Canada
Organismes subventionnairesMinistry of Education, IndiaNational Natural Science Foundation of China
Mots-clésHuman resource managementSocial capitalHuman capitalBusinessSustainable developmentKnowledge managementPsychologyManagementEconomicsEconomic growthSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

To achieve sustainable development, research has indicated that organizations and individuals should be aware of the significance of sustainable human resource management (HRM) practices. However, relatively little research has investigated individual outcomes. This study links sustainable HRM practices with an important individual outcome: career growth. Using social cognitive career theory, this study investigated psychological capital and career growth as beneficial outcomes of sustainable HRM practices, proposing person–organization (P‐O) fit as a key boundary condition. Based on time‐lagged survey data collected from a Chinese company, the study found that sustainable HRM practices could significantly promote psychological capital and career growth. Moreover, P‐O fit magnified the beneficial impact of sustainable HRM practices on psychological capital while further moderating the mediating effect of psychological capital. When P‐O fit was high, the effects of sustainable HRM practices on psychological capital and career growth were stronger. In addition, we discussed theoretical contributions and practical implications.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,236
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations39
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia Pacific Journal of Human ResourcesMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207