MétaCan
Menu
Retour à la cohorte
Enregistrement W4391060464 · doi:10.5267/j.uscm.2023.11.019

The effectiveness of human resource management practices on increasing organizational performance and the mediating effect of employee engagement

2024· article· en· W4391060464 sur OpenAlexvenueno aff
Asaad Alsakarneh, Hisham Ali Shatnawi, Wael Alhyasat, Fauzi Zowid, Ro’aa Adnan Mustafa Alrababah, Bilal Eneizan

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerformance appraisalEmployee engagementBusinessHuman resource managementTraining and developmentOrganizational performanceHuman resourcesLoyaltyKnowledge managementEmployee researchCompensation (psychology)Performance managementEmployee resource groupsOrganizational behavior and human resourcesMarketingPublic relationsManagementPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Enhancing employee loyalty to the company is essential to maximize corporate ability and achieve respective goals, as employees are the most valuable resource. Hence, managing human resources in organizations is key to achieving contemporary business success. The current study aims to assess the impact of human resource management practices (HRM) on organizational performance with employee engagement as a potential mediator. This study was conducted on Jordanian tourism projects. A total of 300 questionnaires were distributed with 237 returned. The data were analyzed through the partial least squares (PLS) software. Resultantly, performance appraisal and employee engagement significantly and positively impacted organizational performance. Recruitment and selection, training and development, compensation, and performance appraisal also significantly and positively impacted employee engagement. Employee engagement significantly mediated the impact of performance appraisal on recruitment, selection, and compensation with organizational performance.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetOrganizational and Employee PerformanceTravaux en français237 207