Towards a new conceptualisation of evidence-based human resource management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Notwithstanding that evidence-based human resource management (EBHRM) is gaining more ground in governmental institutions, it is still lacking a clear and research-driven conceptualisation (Marler and Fisher, 2013). Therefore, this study seeks to establish a fundamental clarifying concept of EBHRM by using a systematic literature review. Design/methodology/approach This method builds on an intensive scanning of 2,584 (interdisciplinary) articles, collected from Web of Science and Scopus. Eventually, 50 articles met the predetermined inclusion criteria and were analysed. The most recent conceptualisation of evidence-based management in the literature has served as a guideline to compare the review results and further scrutinise the differences and similarities (Barends et al., 2014; Barends and Rousseau, 2018; Rynes and Bartunek, 2017). Findings This has enabled us to elaborate a comprehensive conceptualisation. The articles were divided into two groups, one group (n = 31) has Rousseau et al. as a reference, the other (n = 19) did not, and used various definitions. Three themes were identified: evidence-based research methods (n = 30), specific skills (n = 36) necessary to apply an evidence-based strategy and a link with the academic-practice gap (n = 25). Practical implications Based on the results, we recommend adding two dimensions to strengthen the current conceptualisation: a first dimension referring to how evidence-based management can be established (i.e. which methods and skills are necessary) and a second dimension referring to the why of evidence-based management in an organisation (reducing the academic-practice gap). Originality/value This paper starts from a systematic review approach unlike previous research in the field to contribute to the further conceptualisation of EBHRM (Rynes and Bartunek, 2017).
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.
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 | 0,001 |
| 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) | 0,002 | 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 découle