The effect of e-HRM and digital orientation on MEs' performance in Amman: The moderating role of government support
Notice bibliographique
Résumé
Human resource management is essential to the success of the organization based on the concept that an organization achieves a competitive edge by effectively and efficiently utilizing its people. However, HR professionals require organizational support to increase employee commitment and passion for their work. In this study, the goal of the study is to explore the moderating impact of government support in the relation between electronic human management (E-HRM), digital orientation, and performance of medium enterprises. To examine the relationships, the researcher collected data from 309 managers from Amman's medium-sized businesses via a survey questionnaire. Partial least squares-structural equation modelling (PLS-SEM) is used in statistical analysis to evaluate the data as well as test hypotheses. The data showed that E-HRM and digital orientation have a good and substantial impact on ME performance. Furthermore, government support has a positive and significantly moderating effect between digital orientation and ME performance. On the other hand, government support has insignificant moderating influence on E-HRM and ME performance. This research extends to the literature on digital services and electronic human resource management practices in the sector of local medium enterprises. This research also discusses the implications and the future directions. One of these is that the study framework gives guidelines to HR practitioners on what competences they should focus on to improve in digital and electronic human resource management. According to the results of this research, HR professionals in medium-sized businesses should be involved in digital services, strategy planning and implementation in their organizations.
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 | 0,002 | 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 | 0,000 | 0,000 |
| 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 ».