Saltar para o conteúdo
e‑ISSN 2184-7770 Acesso Aberto · CC BY-NC-ND 4.0
Vol. 14 · Número · 2022 jul 8, 2022 Estudos Empíricos com Reflexão Metodológica

UMA ABORDAGEM QUALITATIVA SOBRE AS PRINCIPAIS CAUSAS DE CHURNING DE RECURSOS HUMANOS

O
Olga Alexandra Chinita Pirrolas Correspondente Instituto Superior de Ciências Sociais e Políticas, Universidade de Lisboa, Portugal olgaalexandrap@gmail.com Portugal
P
Pedro Miguel Alves Ribeiro Correia Faculdade de Direito da Universidade de Coimbra, Portugal Portugal
Páginase720-0 Publicadojul 8, 2022 LicençaAcesso Aberto
PDF
Capa do Volume 14 da revista New Trends in Qualitative Research (NTQR)
VOL 14 · N.º · 2022 [Book Series] Investigação Qualitativa em Ciências Sociais: Avanços e Desafios (Book Series) Ver o número

Resumo

Introdução: Apesar da pertinência da operacionalização do conceito de churning de recursos humanos, este ainda é um tema pouco desenvolvido, com pouca literatura e estudos empíricos. É neste sentido que surge o interesse pelo estudo desta temática, permitindo contribuir para o desenvolvimento de um tema de grande complexidade, assim como contribuir quer para o aumento da literatura, quer para o aumento de estudos empíricos. Objetivos/ Métodos: Este artigo tem como objetivo analisar, através de uma abordagem qualitativa, quais as principais causas de churning de recursos humanos. O estudo segue uma abordagem qualitativa com recurso à análise da literatura internacional e à realização de 20 entrevistas semiestruturadas como instrumentos de recolha de dados. Como forma de tratamento dos dados, recorreu-se à análise de conteúdo que permitiu selecionar as principais variáveis em estudo. Resultados: Através dos dados obtidos foi possível definir como principais causas de churning: o baixo salário; a falta de progressão na carreira; a falta de desenvolvimento individual; os horários rígidos; a fraca liderança; a concorrência; a localidade; o mau ambiente de trabalho; a fraca cultura organizacional; a falta de promoção; a falta de reconhecimento; a falta de disponibilidade; a dificuldade na conciliação trabalho-família e a falta de motivação. Conclusões: Como forma de minimizar a ocorrência de churning, propõe?se a implementação de medidas estratégicas por parte das organizações de forma a ir de encontro com as necessidades e as expetativas dos seus trabalhadores, com o intuito de que estes se sintam satisfeitos e motivados na organização e com o seu trabalho, afastando a decisão de sair da organização.

Palavras-chave

Referências

  1. Adams, J. (2006). The Many Costs of Employee Churn. Supply House Times, 1, 26-28.
  2. Bardin, L. (2011). Análise de conteúdo. Edições 70.
  3. Blanch, J. M. (2003). Condiciones de Trabajo. In J. M. Blanch, M. J. Espuny, C. Gala & A. Martín (Orgs.), Teoría de las relaciones laborales. Fundamentos (pp. 42-44). Editorial UOC.
  4. Burgess, S., Lane, J., & Stevens, D. (2000). Job Flows, Worker Flows, and Churning. Journal of Labor Economics, 18, 473-502. https://doi.org/10.1086/209967
  5. Cappelli, P., & Neumark, D. (2004). External Churning and Internal Flexibility: Evidence on the functional flexibility and core-periphery hypotheses. Industrial Relations, 43(1), 148-182. https://doi.org/10.1111/j.0019-8676.2004-00322
  6. Carlomagno, M., & Rocha, L. (2016). Como criar e classificar categorias para fazer análise de conteúdo: uma questão metodológica. Revista Eletrônica de Ciência Política, 7(1), 173-178.
  7. Harman, W., & Horman, J. (1992). O trabalho criativo – o papel construtivo dos negócios numa sociedade em transformação. São Paulo: Editora Pensamento - Cultrix.
  8. Hudson, C. (2015). Churning in the Human Services: Nefarious Practice or Policy of “Creative Destruction”? New England Journal of Public Policy, 27(1), 1-11.
  9. Kaderábkováa, B., & Malecekb, P. (2015). Churning and Labour Market Flows in the New EU Member States. Procedia Ecomomics and Finance, 30, 372-378. https://doi.org/10.1016/S2212-5671(15)01304-0
  10. Lazear, E., & Spletzer, J. (2012). Hiring, Churn and the Business Cycle. American Economic Review Papers & Proceedings, 102(3), 575-579. https://doi.org/10.1257/aer.102.3.575
  11. Pirrolas, O., & Correia, P. (2021). The theoretical-conceptual model of churning in human resources: the importance of its operationalization. Sustainability, 13(9), 1-11.
  12. Pirrolas, O., & Correia, P. (2020). O churning aplicado à gestão de recursos humanos: a importância de um modelo de previsão. Lex Humana, 12(1), 59-68.
  13. Pirrolas, O., & Correia, P. (2021). Churning de recursos humanos: causas e estratégias de atenuação. Lex Humana, 13(1), 165-181.
  14. Quivy, R., & Campenhoudt, L. (2013). Manual de investigação em ciências sociais. (6ª Edição). Gradiva.
  15. Saradhi, V., & Palshikar, G. (2010). Employee Churn Prediction. Expert Systems whith Applications, 38(3), 1999-2006. https://doi.org/10.1016/j.eswa.2010.07.134
  16. Sisodia, D., Vishwakarma, S., & Pujahari, A. (2017). Evaluation of Machine Learning Models for Employee Churn Prediction. IEEE [Conference session]. Inventive Computing and Informatics (ICICI), International Conference. https://doi.org/10.1109/ICICI.2017.8365293
  17. Yigit, I., & Shourabizadeh, H. (2017). An Approach for Predicting Employee Churn by Using Data Mining. IEEE [Conference session]. Artificial Intelligence and Data Processing Symposium International (IDAP). https://doi.org/10.1109/IDAP.2017.8090324

Licença

CCBY-NC-ND 4.0
Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional

Pode partilhar esta obra apenas para fins não comerciais, com o devido crédito e sem a modificar. Ver os termos da licença ↗

§ 06 — Relacionados

Artigos semelhantes nesta revista

Estudos relacionados, com revisão por pares, publicados nesta revista.
Ver todos os números

Reflexive Thematic Analysis Across Unequal Educational Contexts: Methodological Lessons

Bachtiar Bachtiar, Maya Puspitasari, Effendi Mantang, Hilman Qudratuddarsi

Recent scholarship on the integration of artificial intelligence (AI) in education has increasingly emphasized its potential to transform teaching and learning. However…

#Teacher mediation; #Professional learning communities; #Artificial intelligence; #Language teaching;
p. e1384
10.36367/ntqr.22.4.2026.e1384