📈 economics

Does Big Data Capability Make Green Human Resource Management More Effective? A Study of Green Organizational Citizenship Behaviour and Environmental, Social, and Governance Performance in the Indian Manufacturing Sector

Deze studie naar de Indiase productiesector toont aan dat Green Human Resource Management de Environmental, Social, and Governance (ESG)-prestaties verbetert door het bevorderen van Green Organizational Citizenship Behaviour, waarbij deze relatie significant wordt versterkt door Big Data Analytical Capability.

Oorspronkelijke auteurs: Vikash Mandal, Aishwarya Mitra, Amar Shankar Mishra, Supriya Singh

Gepubliceerd 2026-07-08

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Vikash Mandal, Aishwarya Mitra, Amar Shankar Mishra, Supriya Singh

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een enorme fabriek in India voor. Lange tijd dachten de bazen dat de enige manier om de fabriek "groen" en verantwoord te maken, het kopen van dure nieuwe machines, het installeren van zonnepanelen en het schrijven van strikte regelboeken was. Maar dit nieuwe onderzoek suggereert dat het echte geheime ingrediënt niet alleen de machines zijn; het zijn de mensen die er werken en de slimme tools die hun inspanningen bijhouden.

Hier is het verhaal van het onderzoek, opgedeeld in eenvoudige delen:

1. De Hoofdrolspelers

Het Groene HR-team (GHRM): Denk aan deze managers van de fabriek die niet alleen mensen inhuren op basis van hun vaardigheden, maar specifief zoeken naar mensen die geven om de planeet. Ze trainen werknemers in hoe ze energie kunnen besparen, belonen recycling en creëren een cultuur waarin "groen zijn" onderdeel is van de functieomschrijving.
De "Extra Mijl" Werknemers (GOCB): Dit is het belangrijkste deel. Dit zijn werknemers die, zelfs als er niemand kijkt en ze er niet extra voor betaald krijgen, besluiten om lichten uit te doen, een lek te reparen of een betere manier voor te stellen om afval te verminderen. Zij zijn de "burgers" van de fabriek die vrijwillig helpen aan het milieu.
De Supercomputer (Big Data Capability): Dit is het brein van de fabriek. Het is een systeem dat enorme hoeveelheden informatie verzamelt (zoals hoeveel elektriciteit er is verbruikt, hoeveel afval er is geproduceerd en hoe werknemers zich gedragen) en die ruwe data omzet in duidelijke, nuttige inzichten.

2. Het Verhaal van Hoe Zij Samenwerken

De onderzoekers vroegen zich af: Zorgt het inhuren en trainen van groen gezinde mensen er daadwerkelijk voor dat de fabriek beter presteert op Environmental, Social, and Governance (ESG) scores? (Denk aan ESG-scores als een rapportcijfer voor hoe verantwoordelijk een bedrijf is).

De Kettingreactie:

De Opzet: Wanneer het Groene HR-team zijn werk goed doet (trainen, inhuren, belonen), plant het een zaadje.
De Bloei: Dit zaadje groit uit tot "Extra Mijl"-gedrag. Werknemers beginnen vrijwillig groene dingen te doen omdat ze gemotiveerd en bekwaam zijn.
De Oogst: Wanneer duizenden werknemers elke dag deze kleine, vrijwillige groene dingen doen, krijgt het hele rapportcijfer van de fabriek (ESG-prestaties) een enorme boost.

De Twist (De Rol van de Supercomputer):
Het onderzoek vond dat het hebben van deze "Extra Mijl"-werknemers geweldig is, maar het wordt nog beter als de fabriek over een krachtige "Supercomputer" (Big Data) beschikt.

Zonder de Computer: De managers merken misschien niet eens dat werknemers al deze geweldige groene dingen doen. De goede daden gaan verloren in de ruis, zoals schreeuwen in een drukke kamer.
Met de Computer: Het systeem houdt elke kleine actie bij. Het vertelt de managers: "Kijk! Omdat we het team hebben getraind, hebben ze deze week 10% meer energie bespaard!" Deze data maakt het goede gedrag zichtbaar, geloofwaardig en makkelijker te herhalen. Het werkt als een megofoon die het goede werk van de werknemers versterkt.

3. De Belangrijkste Conclusie

Het onderzoek, dat naar 400 werknemers in Indiase productiefabrieken keek, concludeerde drie hoofdzaken:

Groene HR werkt: Het trainen en aanmoedigen van werknemers om groen te zijn, verbetert direct de algemene verantwoordelijkheidsscore van het bedrijf.
Vrijwillige actie is de sleutel: De grootste drijfveer van dit succes is dat werknemers groene dingen doen uit eigen beweging (en niet alleen omdat ze hiertoe worden gedwongen).
Data is de booster: De verbinding tussen "Groene HR" en "Goede Resultaten" is het sterkst wanneer het bedrijf Big Data gebruikt om te meten en te begrijpen wat er gebeurt.

Een Eenvoudige Analogie

Stel je een school voor die probeen "milieuvriendelijk" te zijn.

Groene HR is de leraar die kinderen leert om te recyclen en hen stickers geeft voor het doen ervan.
GOCB is het kind dat na schooltijd zelfs afval opraapt in de gang, ook al is dat niet zijn of haar taak.
Big Data is het slimme dashboard van de directeur dat precies bijhoudt hoeveel stukken afval er zijn opgepakt en een grafiek laat zien die omhoog gaat.

Het onderzoek zegt: Als je een geweldige leraar hebt (HR) en de kinderen afval oprapen (GOCB), dan wordt de school een model eco-school. Maar als de directeur ook een slim dashboard heeft om die voortgang te volgen en te vieren (Big Data), dan wordt de school een nóg betere model eco-school. De data vervangt het harde werk niet; het zorgt er alleen voor dat het harde werk gezien en gewaardeerd wordt.

Kortom: Om echt duurzaam te zijn, moet een bedrijf zijn mensen trainen, hen aanmoedigen om de extra mijl te gaan, en slimme datatools gebruiken om ervoor te zorgen dat die inspanningen meetbaar zijn.

Technische Samenvatting: Big Data-capaciteit en Groen Human Resource Management in de Indiase Productiesector

Probleemstelling en Onderzoeksgat
De prestaties op het gebied van Environmental, Social, and Governance (ESG) zijn een strategische noodzaak geworden voor productieorganisaties, maar de vooruitgang blijft ongelijkmatig, met name in opkomende economieën zoals India. Terwijl de bestaande literatuur de nadruk legt op technologische en operationele innovaties voor duurzaamheid, wordt de mensgerichte "Social" en "Governance" dimensie vaak over het hoofd gezien. Bovendien evolueert huidig onderzoek naar Green Human Resource Management (GHRM) en digitale capaciteiten vaak parallel in plaats van als een geïntegreerd kader. Er is een specifiek gebrek aan empirisch bewijs met betrekking tot hoe door werknemers gedreven discretionaire gedragingen aggregeren om geïntegreerde ESG-resultaten te beïnvloeden, in het bijzonder binnen de Indiase context van de productiesector. Deze studie adresseert deze hiaten door de mechanismen te onderzoeken waardoor GHRM-praktijken worden vertaald naar meetbare ESG-prestaties en door de rol van Big Data Analytical Capability (BDAC) als een randvoorwaarde te onderzoeken.

Theoretisch Kader en Hypothesen
De studie integreert het Ability–Motivation–Opportunity (AMO) kader en de Natural Resource-Based View (NRBV) om een gemodereerd mediatiemodel te construëren.

AMO-kader: Stelt dat GHRM-praktijken (training, prikkels, participatie) de bekwaamheid (Ability), motivatie (Motivation) en gelegenheid (Opportunity) van werknemers verbeteren, wat leidt tot Green Organizational Citizenship Behaviour (GOCB).
NRBV: Stelt dat GOCB fungeert als een gedragsmatige micro-fundering voor strategische capaciteiten die duurzaamheidsresultaten aansturen.
BDAC: Wordt geconceptualiseerd als een complementaire strategische capaciteit die de effectiviteit van mensgerichte praktijken verbetert door het verbeteren van gegevensverwerking, monitoring en besluitvorming.

De studie stelt vijf hypothesen voor:

H1: GHRM-praktijken hebben een positieve invloed op ESG-prestaties.
H2: GHRM-praktijken hebben een positieve invloed op GOCB.
H3: GOCB heeft een positieve invloed op ESG-prestaties.
H4: GOCB medieert de relatie tussen GHRM en ESG-prestaties.
H5: BDAC moduleert de relatie tussen GHRM en GOCB (en bij uitbreiding het indirecte effect op ESG) positief, zodanig dat de relatie sterker is wanneer de BDAC hoog is.

Methodologie

Ontwerp: Er is gebruikgemaakt van een kwantitatief onderzoek met een tijd-gelagde (time-lagged) design om common method bias te verminderen en causale gevolgtrekkingen te versterken.
Steekproef: Gegevens werden verzameld van 400 werknemers van zes productiebedrijven in Gujarat en Maharashtra, India. De steekproef werd geselecteerd met behulp van Simple Random Sampling Without Replacement (SRSWOR) met proportionele allocatie vanuit een populatie van 1.260.
Gegevensverzameling: Het proces verliep in drie fasen over ongeveer vijf maanden:
- Tijd 1 (T1): GHRM-praktijken en BDAC.
- Tijd 2 (T2): GOCB (4–6 weken later).
- Tijd 3 (T3): Waargenomen ESG-prestaties (4–6 weken later).
Analyse: De studie maakte gebruik van Partial Least Squares Structural Equation Modelling (PLS-SEM). De analyse omvatte een tweestapsbenadering: Confirmatory Factor Analysis (CFA) voor betrouwbaarheid en validiteit (beoordeling van factorladingen, VIF, Cronbach's Alpha, Composite Reliability, AVE en HTMT), gevolgd door een beoordeling van het structurele model middels bootstrapping (5.000 monsters). ESG-prestaties werden gemodelleerd als een reflectieve-formatieve Higher-Order Construct (HOC).

Belangrijkste Resultaten

Directe Effecten: Het structurele model bevestigde dat GHRM-praktijken een significant positieve impact hebben op ESG-prestaties ( $\beta=0.380, p<0.001$ ) en een sterke positieve impact op GOCB ( $\beta=0.599, p<0.001$ ). GOCB beïnvloedt op zijn beurt op significante wijze de ESG-prestaties ( $\beta=0.457, p<0.001$ ).
Mediatie: GOCB bleek een gedeeltelijke mediator te zijn in de relatie tussen GHRM en ESG-prestaties. Het indirecte effect was significant ( $\beta=0.273, p<0.001$ ), wat aangeeft dat hoewel GHRM een direct effect heeft, een aanzienlijk deel van de invloed verloopt via discretionaire gedragingen van werknemers.
Moderatie: BDAC moduleert de relatie tussen GHRM en GOCB significant ( $\beta=0.348, p<0.001$ ). De analyse van de eenvoudige hellingen (simple slopes) toonde aan dat het indirecte effect van GHRM op ESG-prestaties via GOCB significant sterker is bij hoge niveaus van BDAC vergeleken met gemiddelde of lage niveaus.
Model Fit: Het model vertoonde een matige voorspellende kracht, met $R^2$ -waarden die de drempel van 0.20 overschreden en $Q^2$ -waarden die voorspellende relevantie aangaven (49,6% voor GOCB en 45,7% voor ESG-prestaties).

Betekenis en Bijdragen
De auteurs stellen dat de studie drie primaire bijdragen levert:

Gedragsmatige Micro-funderingen: Het conceptualiseert GOCB als een kritiek gedragsmechanisme dat GHRM verbindt met geïntegreerde ESG-resultaten, waarbij verder wordt gekeken dan geïsoleerde milieumetrics om de multidimensionale aard van ESG (Environmental, Social, en Governance) aan te pakken.
Theoretische Integratie: Door AMO en NRBV te combineren, biedt de studie een multi-level perspectief dat HR-systemen, werknemersgedrag en bedrijfsniveau-prestaties verbindt, en laat zien hoe interne menselijke capaciteiten externe duurzaamheidsresultaten aansturen.
Rol van Digitale Capaciteiten: Het introduceert BDAC als een strategische "hogere-orde" hulpbron die de effectiviteit van GHRM versterkt. De studie stelt dat BDAC fungeert als een randvoorwaarde, waardoor organisaties de intentie tot duurzaamheid kunnen vertalen naar verifieerbare, op data gebaseerde ESG-resultaten, waardoor de kloof tussen symbolische verbintenissen en meetbare prestaties wordt verkleind.

Beperkingen
De auteurs erkennen dat de studie vertrouwt op een tijd-gelagde dwarsdoorsneden-design in plaats van een longitudinaal design, wat de diepgang van de causale gevolgtrekking kan beperken. Daarnaast is de steekproef beperkt tot de productiesector in twee Indiase staten (Gujarat en Maharashtra), wat de generaliseerbaarheid van de bevindingen naar andere regio's of industrieën (bijv. dienstverlening of gezondheidszorg) kan beïnvloeden. Ook de afhankelijkheid van zelfgerapporteerde gegevens voor ESG-prestaties wordt als een potentiële beperking opgemerkt, waarbij wordt gesuggereerd dat toekomstig onderzoek objectieve ESG-ratings zou kunnen gebruiken.

1. De Hoofdrolspelers

2. Het Verhaal van Hoe Zij Samenwerken

3. De Belangrijkste Conclusie

Een Eenvoudige Analogie

Meer zoals dit