HRM in Action: Understanding Impact in HRM Research
Notice bibliographique
Résumé
In this symposium, we present a number of international “HRM in Action” Impact Case Studies to demonstrate research relevance and impact. In this initiative, we want to demonstrate impact through the practical implications of HRM research through the presentations of eight Impact Case Studies. We have invited eight research teams who are focused on impactful HRM research to present the key learnings from their cases. This will be followed by a moderated discussion. Collaborating to improve workplace innovation research, practice and policy Patricia Findlay Author: Patricia Findlay; University of Strathclyde The Power of Persistence Author: Madison Khoc; Curtin University - Perth From Disaster to Discovery Author: Peter Jeffrey Holland; Swinburne University of Technology Evaluating a Leadership Development Program through Co-design, and Insider Outsider Action Resear Author: Pradeepa Dahanayake; Facilitating Working Mothers' Returning to Work Transition Using a Work-Family Balance Self-Effic Author: Chiahuei Wu; King's College London 6. Technology-driven interventions in personnel selection: a case study on building effective resear Author: Qian Zhang; University of Ottawa 7. Women in Mining Author: Rana Haq; Laurentian University The living wage in the UK care sector: A simple answer to a complex problem Author: Eva Marianna Herman; Manchester University
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,072 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,043 |
| Communication savante | 0,026 | 0,033 |
| Science ouverte | 0,004 | 0,019 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».