Analytics and Algorithms in Human Resource Management
Notice bibliographique
Résumé
The accelerating development and application of digital technologies have been one of the major forces shaping today’s world of work and management. The growing use of human resource analytics (HRA) and algorithmic management has been a major trend and fashion in human resource management (HRM) in the past ten years. HRA uses enhanced information technology to collect, analyze and report employee and work data to support people-related decision-making (Margherita, 2021; Marler & Boudreau, 2017a). It enables not only advanced and nuanced description and visualization of people data but also predictive capabilities of future trends that enable HR professionals to prescribe best practices to support organizational success (Margherita, 2021; Yuan et al., 2021). Relatedly, algorithmic management (AM), which uses computer-programmed procedures to collect and analyze people data to automate HRM practices, has spread from the online gig economy, where it originated, to various sectors and industries. Despite their growing implementation and the growing knowledge of their impacts, much is still unknown about the antecedents and outcomes of analytics and algorithms in HRM. This symposium consists of four presentations that delve into different aspects of HRA and algorithmic management. With our diverse focuses, theoretical perspectives, and methodological approaches, we hope to bring together a community interested in this topic and catalyze new thoughts and dialogues to further the knowledge of the future of HRM. Exploring the Adoption, Implementation, and Evaluation of HR Analytics Author: Steven McCartney; Maynooth U., Ireland Author: Na Fu; Trinity Business School, Trinity College Dublin The Technology Capture: The Role of Human Resource Analytics in HRM’s Professional Project Author: Yao Yao; Telfer School of Management, U. of Ottawa HR Analytics and HRM's Strategic Positioning: Navigating the Uncertainties of an Emerging Technology Author: Felix Diefenhardt; WirtschaftsU. Wien Author: Marco Rapp; WU Vienna Author: Verena Bader; WU Vienna Author: Wolfgang Mayrhofer; WU Vienna Algorithmic Management and Job Engagement: The Mediating Role of Exchange Relationships Author: Na Liu; IMT School for Advanced Studies Lucca Author: Sophie Anna De Winne; KU Leuven Author: Rein De Cooman; KU Leuven Author: Nicola Lattanzi; IMT School for Advanced Studies Lucca
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».