MétaCan
Menu
Retour à la cohorte
Enregistrement W4385222399 · doi:10.5465/amproc.2023.12680symposium

Fitting Throughout the Employment Cycle: PE Fit Before, During & After Organizational Entry & Exit

2023· article· en· W4385222399 sur OpenAlexaff
Kristina Tirol-Carmody, Ryan M. Vogel, Christina Li, Horatio Traylor, Shuai Ren, Daniel D. Goering, Qi Zhang, David W. Sullivan, Aaron C. H. Schat, Joel Andrus, Yair Berson

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBusinessOperations managementEconomics

Résumé

récupéré en direct d'OpenAlex

This symposium showcases a collection of research on the breadth of the employee fit experience. Research in this session considers the role of fit as workers enter into, build successful work experiences within, and move between organizations. Specifically, we explore how demographic and psychological individual differences impact the ways employees assess and increase fit during job search; identify the various strategies employees adopt to manage misfit at work; and investigate the unique ways that employees experience fit with various aspects of their work across subjective time. We provide multiple perspectives on the fit and misfit experience, demonstrating how these experiences impact important individual and organizational outcomes, such as attraction, job acceptance, retention, and withdrawal. This session will help researchers and practitioners alike better understand how to effectively manage employee fit as a strategy to tackle the novel challenges associated with the modern labor market. From a Gendered Lens Perceptions of Fit during Recruitment Author: David W. Sullivan; U. of Houston Author: Horatio Traylor; U. of Houston Author: Joel Andrus; U. of Missouri How Calling Orientation Shapes Reemployment Crafting Behaviors During Furlough A Diary Study Author: Shuai Ren; McMaster U. Author: Yair Berson; McMaster U. Author: Aaron CH Schat; McMaster U. A Typology and Scale Development for Employee Misfit Navigation Strategies Author: Christina Li; U. of Oklahoma Author: Qi Zhang; Oregon State U. All the Time, All at Once A Latent Profile Analysis of Subjective Temporal Fit Trajectories Author: Kristina Tirol-Carmody; U. of Kansas Author: Christina Li; U. of Oklahoma Author: Daniel Goering; Missouri State U.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0040,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,270
Écart entre enseignants0,239 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207