دانلود ترجمه مقاله تحقق پتانسیل های کامل متا آنالیزهای روان سنجی برای علم تجمعی و شیوه های مدیریت منابع انسانی

1. مقدمه 2. نا معین ها، طیف گسترده ای از مطالعات اولیه برای پایگاه های داده ای متا آنالیز: پایه انتشارات و شیوه های پژوهش های سوال برانگیز 3. یک سری پیشنهادات برای جمع آوری و به اشتراک گذاری داده های فعالان برای متا آنالیزها 4. اصلاحات روان سنجی مناسب در متا آنالیزها 5. نتیجه گیری

چکیده – این زمان می تواند مناسب ترین زمان برای مدیریت منابع انسانی (HRM) باشد تا از متا آنالیز روان سنجی بهره مند گردد. بسط پژوهش های تجربی، غالباً با نتایجی متضاد، روش های مهمی که می توانند کاربردهای مبتنی بر شاهد HRM را هدایت کنند را مخفی می کند. علم HRM می تواند به متا آنالیزها متمایل شده و تفکر متا آنالیزی در قالب پادزهری برای بحران های نامطلوب در علوم اجتماعی عمل کند. در این مقاله، ما روی موضوعات و مسائل بالقوه ای تمرکز کرده ایم که ممکن است تهدیدی برای متا آنالیزها در HRM باشند. ما ادعا می کنیم که این مسائل باید به طور منظم در زمینه متا آنالیزها مورد توجه قرار گیرند تا پتانسیل های کامل آنها در پیشبرد علم HRM تحقق یابد. ما مسائل مربوط به شناسایی و شمول همه اندازه های مؤثر و نیز اصلاحات مناسب برای محدودیت های عدم اطمینان مورد خطاب قرار داده ایم. ما پیشنهادات خاصی برای پذیرش داده های مربوط به متا آنالیزها ارائه داده ایم.

This might be the most opportune time for Human Resource Management (HRM) to benefit from psychometric meta-analysis. Explosion of empirical research, often with conflicting results, hide important takeaways that can guide evidence-based applications of HRM. The science of HRM can turn to meta-analyses and meta-analytic thinking as the antidote to the socalled replication crisis afflicting social sciences in general. In this paper, we focus on issues and potential problems that may threaten the veracity and usefulness of contemporary meta-analyses in HRM. We contend that these problems must be correctly tackled for metaanalyses to realize their full potential in advancing HRM science and practice. We address the problems of identification and inclusion of all relevant effect sizes, as well as appropriate corrections for unreliability and range restriction. We offer concrete proposals to enable inclusion of unpublished, practitioner research and data in HRM meta-analyses.