Reframing talent acquisition, retention practices for organisational commitment in Malaysian SMEs: A managerial perspective
Notice bibliographique
Résumé
This paper explores whether employee commitment to the organisation is influenced by talent acquisition and retention practices. How do SMEs retain talent and encourage commitment and job embedding when their very existence is in doubt? The talk these days is about layoffs, terminations, reduced pay, no-pay leave and redeployment; how will SMEs fare in this scenario? This qualitative study includes in-depth interviews conducted using a social constructivism approach in order to gain a better understanding of the world in which we live and work. Individual meanings are formed not entirely within the individual, but through interaction with others, the social, where meaning is given. The template analysis method is used to analyse the interviews, which include specific themes. The findings point to a misalignment between talent acquisition, talent retention practices and organisational commitment. There has been no clear development in terms of how both can complement each other. As a result, the dimensions of person-organisation and person-job fit serve as a link between talent acquisition, retention and commitment. This contributes to higher levels of employee commitment, job embeddedness and an internal culture that may influence employee retention decisions. At the interpersonal level, SME owners must understand, nurture and motivate their talent. As an effective employee retention tool, monetary incentives play only a minor role. Talent retention is based on implementing a structured talent acquisition practice that includes a highly targeted cost-effective hiring plan. Talent acquisition includes fit dimensions that demonstrate a nuanced perception of individualised consideration, such as flexible work, belonging, career growth and interpersonal relationships.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».