MétaCan
Menu
Retour à la cohorte
Enregistrement W4400440498 · doi:10.5465/amproc.2024.15610abstract

Innovative and Creative Organisational Cultures: The Impact of Innovative HR Practices

2024· article· en· W4400440498 sur OpenAlexaff
René Arseneault, Grant Alexander Wilson, Felix Ernesto Ballesteros Leiva

Notice bibliographique

RevueAcademy of Management Proceedings · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBusiness and Economic Development
Établissements canadiensUniversity of ReginaUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

We examine how innovation orientation and creativity climate mediate the innovative HR practices-performance relationship. Antecedents to innovation orientation have been largely ignored, and our research explores its link to creativity climate. Employees working for publicly listed firms are surveyed on their perceptions of innovative HR practices. We use complimentary statistical methods (i.e., SEM, fsQCA) to analyze our dataset. We find that although innovation orientation and creativity climate are interlinked, they are indeed distinguishable constructs. Both innovation orientation and creativity climate mediate innovative HR practices similarly. However, our double mediated model highlights their distinguishability, and aligns with prior research suggesting the importance that creativity precedes innovation. All innovative HR practices are significant predictors of performance except for compensation practices. In terms of stimulating creative and innovative organisational cultures, our findings suggest that extrinsic motivators may be detrimental to intrinsic motivators. Our research responds to calls for more dynamic approaches in understanding the innovation-creativity link through an HR lens. Implications and future research are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,030
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,305
Écart entre enseignants0,281 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetBusiness and Economic DevelopmentTravaux en français237 207