MétaCan
Menu
Retour à la cohorte
Enregistrement W4402964299 · doi:10.3390/jrfm17100439

The Impact of Human Resource Management on Financial Performance: A Systematic Review in Cooperative Enterprises

2024· review· en· W4402964299 sur OpenAlexvenueno aff
Birhanu Daba Chali, Vilmos Lákátos

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEmployee Performance and Leadership
Établissements canadiensnon disponible
Organismes subventionnairesDebreceni Egyetem
Mots-clésBusinessSystematic reviewHuman resource managementFinanceKnowledge managementComputer sciencePolitical scienceMEDLINE

Résumé

récupéré en direct d'OpenAlex

This paper presents a systematic review that examines the influence of human resource management (HRM) on financial performance in cooperative enterprises, utilizing the PRISMA approach. To gather relevant resources, we formulated a search strategy using predefined keywords such as “HRM”, “Financial Performance”, and “Cooperative”. After applying the inclusion criteria (full articles, online accessibility, English language, and relevance to the topic), 26 articles were selected for review. The findings of this analysis reveal a positive relationship between HRM practices and financial performance, with HRM driving both efficiency and profitability. High-performing HRM functions enhance employee productivity while ensuring personnel welfare and improving the organizational climate. Modern HRM practices are crucial in increasing employee engagement, fostering innovative cultures, and improving operational efficiency. These practices directly affect financial performance by linking employee engagement with product quality, profitability, and retention. Based on the studies reviewed, this paper contributes significantly to the existing literature and offers key conclusions that can be drawn from the findings.

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)0,017
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,073
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0180,019
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,302
Écart entre enseignants0,274 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEmployee Performance and LeadershipTravaux en français237 207