When Silent isn’t Golden: Measurement Validation Amo-Enhancing Hrm Practices in Malaysian Construction Firms
محل انتشار: مجله ایرانی مطالعات مدیریت، دوره: 17، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 78
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIJMS-17-1_012
تاریخ نمایه سازی: 6 دی 1402
چکیده مقاله:
The current study validates AMO-enhancing HRM practices measurement in Malaysian construction firms' setting. The study pattern is cross-sectional. First, an examination of the literature was conducted to find out the fundamental components of AMO-enhancing HRM practices and the relevant items. Following that, these items were subjected to content validity with academic specialists. These items were administered to collect data from construction firms. Partial Least Square-Structural Equation Modeling (PLS-SEM) was employed as AMO-enhancing HRM practices were framed as a reflective-formative second-order construct. After that, AMO-enhancing HRM practices were assessed using reliability and validity examination. The result revealed that AMO-enhancing HRM practices have three dimensions: ability-, motivation- and opportunity-enhancing HRM practices. AMO-enhancing HRM practices are defined by these three dimensions, which collectively encompass various aspects of AMO-enhancing HRM practices. If any elements are excluded, AMO-enhancing HRM practices may be altered. This study is unique when conceptualizing AMO-enhancing HRM practices as a multidimensional construct comprising three dimensions, which had not been investigated in prior studies.
نویسندگان
Lee Chin Tay
Faculty of Accountancy, Finance and Business, Tunku Abdul Rahman University of Management and Technology, Kuala Lumpur, Malaysia
Tan Fee Yean
Department of Business Management, University Utara Malaysia, Sintok, Kedah, Malaysia
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :