- Home
- A-Z Publications
- Gedrag & Organisatie
- Previous Issues
- Volume 33, Issue 4, 2020
Gedrag & Organisatie - Volume 33, Issue 4, 2020
Volume 33, Issue 4, 2020
Language:
Dutch
-
-
De toekomst van werk: impact van technologie op organisaties (deel 1)
Authors: Eva Derous & Eric RietzschelToen we afgelopen najaar een call for papers publiceerden voor een themanummer over de toekomst van werk, konden we niet weten wat er in 2020 allemaal zou veranderen. Reflecties op en speculaties over de toekomst zijn zo oud als de mensheid, en ook beschouwingen over de toekomst van werk zijn niet nieuw. Zulke beschouwingen gaan traditioneel veelal over de effecten van technologie: de uitvinding van allerhande m Read More
-
-
-
De (on)mogelijkheden van machine learning voor het verminderen van bias en discriminatie bij personeelsbeslissingen
More LessIn dit artikel zetten we uiteen wat de toepassing van machine learning-algoritmes voor personeelsselectie inhoudt en hoe deze data-gedreven werkwijze overeenkomt met en verschilt van de klassieke selectiepsychologie. Aansluitend bespreken we of, en op welke manier, er bias en discriminatie kan optreden bij het gebruik van algoritmes gebaseerd op machine learning voor personeelsselectie. Hiervoor voerden we Read More
-
-
-
Het verband tussen technostress en duurzame inzetbaarheid: doet leeftijd ertoe?
Authors: Tinka van Vuuren, Maria Peeters, Serena Pareja Diaz & Ben van VeenVoortschrijdende digitalisering en technologisering van werk kunnen stress oproepen. Dit samen met de vergrijzing van het personeelsbestand zet mogelijk de duurzame inzetbaarheid van het personeel onder druk. In een organisatie uit de technische sector is nagegaan in welke mate duurzame inzetbaarheid samenhangt met het ervaren van stress als gevolg van werken met technologie (technostress). Daarnaast is on Read More
-
-
-
Robotisering en betekenisvol werk in distributiecentra: bedreigingen en kansenDit werk maakt deel uit van het onderzoeksprogramma ‘Working with or against the machine’ met projectnummer 313-99-334, dat (mede)gefinancierd is door de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO).
Authors: Hannah A. Berkers, Jilles Smids, Sven R. Nyholm & Pascale M. Le BlancRobots zijn op steeds meer werkplekken te vinden en veranderen het werk van mensen. Er is echter onvoldoende aandacht voor de invloed van robots op de betekenisvolheid van werk, hoewel aangenomen kan worden dat robotisering hiervoor zowel een bedreiging als een kans vormt. Wij onderzoeken het effect van robots op verschillende dimensies van betekenisvol werk op basis van kwalitatieve data die verzameld zijn o Read More
-
-
-
De invloed van technologische vernieuwingen op de kwaliteit van werk en welzijn: een systematische literatuurstudieDit onderzoek maakt deel uit van een onderzoeksproject dat wordt uitgevoerd in opdracht van en gefinancierd door het A+O fonds Rijk.
Authors: Judith Plomp & Maria C. W. PeetersTechnologische vernieuwingen volgen elkaar in snel tempo op met als gevolg dat werknemers steeds vaker te maken hebben met veranderingen in hun werkzaamheden. Omwille van het waarborgen van een stimulerende en gezonde werkomgeving is het van belang meer inzicht te krijgen in de manier waarop technologische vernieuwingen invloed hebben op de kwaliteit van werk en het welzijn van werknemers. Door middel van Read More
-
-
-
Call for papers voor het G&O-themanummer 2021: 'De impact van COVID-19 op werknemers en organisaties'
More LessDe COVID-19-pandemie en de daarmee gepaard gaande maatregelen hebben een enorme impact op onze samenleving. Naast directe gevolgen voor onze gezondheid en ons psychologisch welbevinden, zijn er belangrijke consequenties op het gebied van werk en inkomen. Ook al weten we niet hoe toekomstige ontwikkelingen rondom het virus eruit zullen zien, COVID-19 kan nu al beschouwd worden als een game changer di Read More
-
-
-
Summaries
In this article, we describe the implementation of algorithms based on machine learning for personnel selection procedures and how this data-driven approach corresponds to and differentiates from classical psychological assessment. We discuss if, and in what way, bias and discrimination occur when using algorithms based on machine learning for personnel selection. For this reason, we conducted a literature review (cove Read More
-
Volumes & issues
-
Volume 37 (2024)
-
Volume 36 (2023)
-
Volume 35 (2022)
-
Volume 34 (2021)
-
Volume 33 (2020)
-
Volume 32 (2019)
-
Volume 31 (2018)
-
Volume 30 (2017)
-
Volume 29 (2016)
-
Volume 28 (2015)
-
Volume 27 (2014)
-
Volume 26 (2013)
-
Volume 25 (2012)
-
Volume 24 (2011)
-
Volume 23 (2010)
-
Volume 22 (2009)
-
Volume 21 (2008)
-
Volume 20 (2007)
-
Volume 19 (2006)
-
Volume 18 (2005)
-
Volume 17 (2004)
Most Read This Month
Article
content/journals/09215077
Journal
10
5
false
en