Digital Sustainability for Human Resource Management Canvas Meta-Synthesis Approach
Notice bibliographique
Résumé
In the era of Digital Transformation (DT) and Sustainable Development (SD), the pivotal role of Human Resources (HR) in addressing business challenges has become increasingly evident. These challenges directly impact different HR departments and processes, prompting a need for a strategic overhaul. HR management should continuously adapt its service delivery model to align with the business model and create a balance between internal and external organizational expectations and employee needs, considering the two fundamental challenges of digital transformation and sustainable development, in an agile manner. The critical role of sustainable human resource management in fostering overall business sustainability is evident. However, in many cases, HR management has failed to recognize and demonstrate its cost structure, revenue flow, and social and environmental benefits transparently for the business. This research focuses on presenting the sustainable digital human resource management canvas and its connection to the business canvas to achieve sustainability in the digital era. Employing a qualitative research methodology, this study conducts a meta-synthesis of two pivotal concepts-sustainable human resource management and digital human resource management- leveraging data from reputable databases including Science Direct, Scopus, and Web of Science. Following meticulous screening and examination, a total of 17 articles from Q1-ranked journals were selected as the final articles for a more detailed and in-depth review. The findings from the meta-synthesis results consist of 5 dimensions and 23 components, ultimately presenting the sustainable digital human resource management canvas by modeling it after the business canvas. The distinct feature of this canvas, compared to other similar and conventional models, is the inclusion of individual sustainability in the value proposition and the creation of a digital value component, including artificial intelligence, the Internet of Things, and big data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».