Strategies for Addressing the Lack of Skilled Workers in the Gig Economy
Notice bibliographique
Résumé
In the competitive labor market landscape of 2023, skilled workers were in high demand, and owners of small businesses needed effective recruitment strategies to attract, recruit, hire, and retain skilled workers.Owners of small businesses who failed to implement effective recruitment strategies risked continuing a cycle of frequent employee turnover that created reduced productivity and loss of institutional knowledge and expertise, resulting in reduced profitability.Grounded in Winston's recruitment theory, the purpose of this qualitative multiple-case study was to explore the recruitment strategies owners of small businesses used to attract and hire skilled workers to achieve a competitive advantage and profitability.Six small business owners across Canada participated in this qualitative multiple-case study.Data were collected using semistructured interviews, literature on recruitment, available public sources of information, interview journal notes, and company websites.Using thematic analysis, five key themes emerged: (a) corporate culture, (b) organizational branding, (c) human resources management strategies, (d) advanced or disruptive technologies, and (e) retention strategies.A key recommendation is for owners of small businesses to establish a robust organizational employee recruitment outreach program locally or regionally by attending or hosting local skills events to attract skilled workers.The implications for positive social change include the potential for business owners to retain valued employees and lower community unemployment rates, which could enhance the economy and bolster the local community workforce.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».