Wanted: Knowledge workers for foreign firms in developed markets
Notice bibliographique
Résumé
Competition in attracting talented employees can be tough, particularly for firms looking for knowledge workers. How will foreign firms fare in this competition, if potential employees assess their own level of person-organization fit, based on the firms’ country of origin (COO), long before any job offer is made? In order to explore the question of what influences an individual’s attraction to a foreign firm, I conducted a mixed-methods investigation of the organizational attractiveness (OA) of foreign firms that enter developed markets, from the perspective of person-organization fit. First, I developed a model that illustrates the effect of various factors on the OA of foreign firms in developed markets. The first of the factors that may influence a potential applicant’s assessment of their fit with a generic foreign firm was predicted to be the applicant’s perception of tone of news coverage of the firm’s COO in the media. A second factor is the prior experience that potential applicants may have had with people from the foreign firm’s COO. Both of these factors were predicted to be moderated by the potential applicants’ level of cultural intelligence and their affinity with the firm’s COO. A third factor was the potential applicants’ preference for a type of psychological contract. An online survey of knowledge workers in Canada tested this model. The perception of tone of news coverage showed a positive, significant relationship with OA. Many firms utilize the assistance of labour market intermediaries to attract potential employees. Thus, my second study in this dissertation investigated how the foreignness of firms affected the work of headhunters as they sought to attract candidates for the firms. Due to the exploratory nature of this research, I conducted interviews to address these questions.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».