MétaCan
Menu
Retour à la cohorte
Enregistrement W4400442867 · doi:10.5465/amproc.2024.13745abstract

Creating Shared Value Through Meta-Organizational Common Good Human Resource Management

2024· article· en· W4400442867 sur OpenAlexaff
Maria Strobel, Kelsey M. Taylor, Lydia Bals, Eugenia Rosca

Notice bibliographique

RevueAcademy of Management Proceedings · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCooperative Studies and Economics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementValue (mathematics)Human resource managementBusinessOrganizational behavior and human resourcesProcess managementComputer scienceOrganizational learning

Résumé

récupéré en direct d'OpenAlex

Research on the role of Human Resource Management (HRM) in fostering sustainability has pointed to the difficulty of changing organizations that have been built and optimized for economic profit. An emerging stream of research on sustainable businesses therefore focuses on organizations that are designed for sustainability from inception. Based on qualitative data, this empirical study investigates the design and functionality of HRM systems in companies that have received awards for their high level of environmental sustainability. Moreover, it examines how these systems contribute to the creation of shared value for the common good. Integrating existing insights from common good HRM and meta-organizational HRM, we elaborate theory of shared HR value creation by firms with exceptional environmental performance. We identify five principles through which common good HR practices are implemented and related outcomes of the HRM system. Our elaborated framework highlights relevant inputs, practices and outputs required for common good HRM and meta-organizational characteristics enabling the shared value creation of the HRM system. Our research has implications for designing strategically targeted HRM systems for environmental sustainability.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,270
Écart entre enseignants0,229 · 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.

Devis d'étudeSans objet
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 sujetCooperative Studies and EconomicsTravaux en français237 207