Investing in general human capital as a relational strategy: Evidence on flexible arrangements with contract workers
Notice bibliographique
Résumé
Abstract Research Summary This article examines a firm's investment in the general skills of contract workers in flexible work arrangements. It theorizes that this investment may prolong a productive firm‐worker collaboration even when workers’ mobility barriers are low. It also proposes that achieving such benefits requires that the firm frames the relational benefits of the investments both to managers and workers. Such a “relational framing” mitigates worker concerns about subsequent productivity demands and manager concerns about worker mobility. Experimental and non‐experimental studies conducted in a multinational cosmetics direct sales company support the theory. Investments in the general skills of workers—even those in flexible work arrangements—can benefit both firms and workers by deepening the firm‐worker relationship while increasing value creation. Managerial Summary Should companies train workers in general skills if the workers can easily leave and transfer productivity gains to competing firms? A common answer to this question is “no,” especially when targeting workers hired under flexible arrangements, such as gig workers and direct sales representatives. This article offers a different perspective. It predicts that these investments signal a company's commitment to nurture workers’ development. In turn, workers reciprocate by prolonging a more productive collaboration. Training thus benefits workers and companies. Using relational terms to frame training programs enables the promotion by managers of training opportunities, and uptake by workers. This framing overcomes managerial concerns about worker exit and worker concerns about subsequent productivity demands. Studies conducted in a multinational cosmetics direct sales company support these arguments.
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 | 0,007 | 0,025 |
| 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 | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».