Tác động của áp dụng trí tuệ nhân tạo và lãnh đạo chuyển đổi đến hạnh phúc nhân viên các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh(*)

ThS. Lê Thành Hưng

Giảng viên Trường Đại học Nông Lâm Thành phố Hồ Chí Minh

NCS Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Email tác giả liên hệ: lthungvn@hcmuaf.edu.vn

PGS, TS. Trịnh Thuỳ Anh

Trường Công nghệ và Thiết kế UEH

TS. Đặng Trương Thanh Nhàn

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Tóm tắt

Thông qua kết quả khảo sát 993 nhân viên đang làm việc trong các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh, nghiên cứu chỉ ra rằng, Áp dụng trí tuệ nhân tạo, Lãnh đạo chuyển đổi, Trí tuệ cảm xúc, Kỹ năng số có tác động tích cực đến Hạnh phúc của nhân viên; Áp dụng trí tuệ nhân tạo và Lãnh đạo chuyển đổi có tác động tích cực đến Trí tuệ cảm xúc và Kỹ năng số; Trí tuệ cảm xúc và Kỹ năng số có tác động tích cực đến Hạnh phúc của nhân viên; Trí tuệ cảm xúc và Kỹ năng số có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo và Lãnh đạo chuyển đổi đến Hạnh phúc của nhân viên.

Từ khóa: Áp dụng trí tuệ nhân tạo, lãnh đạo chuyển đổi, trí tuệ cảm xúc, kỹ năng số, hạnh phúc của nhân viên, ngân hàng thương mại cổ phần

Summary

Based on survey data collected from 993 employees working at joint-stock commercial banks in Ho Chi Minh City, the study reveals that the application of artificial intelligence (AI), transformational leadership, emotional intelligence, and digital skills have a positive impact on employee well-being. Meanwhile, the adoption of artificial intelligence and transformational leadership positively influence emotional intelligence and digital skills. In turn, emotional intelligence and digital skills have a positive impact on employee well-being. Moreover, emotional intelligence and digital skills play a mediating role in the relationship between AI adoption and transformational leadership, and employee well-being.

Keywords: Artificial intelligence adoption, transformational leadership, emotional intelligence, digital skills, employee well-being, joint-stock commercial bank

GIỚI THIỆU

Kỷ nguyên số hóa đang định hình lại sâu sắc cục diện kinh doanh toàn cầu và ngành ngân hàng thương mại hiện đứng ở tiền tuyến của cuộc cách mạng này, đặc biệt với sự bùng nổ của trí tuệ nhân tạo (AI). Việc áp dụng AI đang chuyển đổi chưa từng có mô hình hoạt động và quy trình nghiệp vụ, hứa hẹn nâng cao hiệu suất và trải nghiệm khách hàng (Omoge và cộng sự, 2022). Tuy nhiên, quá trình này đồng thời tạo ra những nhu cầu công việc mới, áp lực thích nghi và lo ngại về tương lai nghề nghiệp cho lực lượng lao động (Verma và Singh, 2022). Trong bối cảnh đó, việc duy trì và nâng cao hạnh phúc của nhân viên trở thành một mục tiêu chiến lược tối quan trọng, bởi hạnh phúc của nhân viên được công nhận là yếu tố then chốt thúc đẩy năng suất, sự gắn kết và khả năng giữ chân nhân tài trong một môi trường cạnh tranh cao.

Nhiều nghiên cứu trước đây đã khám phá các yếu tố tác động đến hạnh phúc của nhân viên, bao gồm vai trò quan trọng của lãnh đạo chuyển đổi trong việc truyền cảm hứng và thúc đẩy nhân viên (Fu và cộng sự, 2022). Tuy nhiên, cách thức áp dụng AI và lãnh đạo chuyển đổi tương tác và tác động lên hạnh phúc của nhân viên, đặc biệt thông qua các cơ chế trung gian như trí tuệ cảm xúc và kỹ năng số, vẫn là một khoảng trống tri thức đáng kể trong các nghiên cứu học thuật quốc tế. Khoảng trống này càng trở nên cấp thiết khi xem xét ngữ cảnh năng động và đặc thù của các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh, một thị trường đang trải qua quá trình chuyển đổi số vượt bậc với tốc độ cao, đặt ra những thách thức độc đáo về thích nghi của nguồn nhân lực chưa được khám phá toàn diện. Trí tuệ cảm xúc và kỹ năng số là những năng lực cá nhân ngày càng thiết yếu để làm việc hiệu quả và thích nghi với môi trường số (Gomez và cộng sự, 2017).

Nghiên cứu này được xây dựng trên nền tảng của các lý thuyết vững chắc như Lý thuyết Hệ thống Xã hội - Kỹ thuật (STST), Lý thuyết Nhu cầu - Nguồn lực công việc (JD-R Theory), Lý thuyết Trao đổi xã hội (SET) và Lý thuyết Bảo tồn nguồn lực (COR Theory). Nghiên cứu đặt mục tiêu kiểm định một cách chặt chẽ mối quan hệ trực tiếp của Áp dụng AI và Lãnh đạo chuyển đổi đến Hạnh phúc của nhân viên; đồng thời làm rõ vai trò trung gian then chốt của Trí tuệ cảm xúc và Kỹ năng số thông qua phân tích định lượng chuyên sâu.

Bằng cách tích hợp các lý thuyết và ứng dụng phương pháp luận nghiên cứu mạnh mẽ, nghiên cứu này không chỉ mở rộng cơ sở lý thuyết về hạnh phúc nghề nghiệp và chuyển đổi số, mà còn mang lại những hàm ý quản trị tiên tiến và thiết thực cho các nhà lãnh đạo ngân hàng tại TP. Hồ Chí Minh, nhằm xây dựng một lực lượng lao động hạnh phúc, kiên cường và có năng lực vượt trội trong kỷ nguyên AI.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Nghiên cứu về hạnh phúc của nhân viên tại ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh, đặc biệt trong bối cảnh chuyển đổi số và áp dụng AI, đòi hỏi một nền tảng lý thuyết tích hợp và đa chiều. Nghiên cứu kiến nghị một khung lý thuyết vững chắc, được xây dựng trên sự bổ trợ của các lý thuyết nền tảng chính, cho phép phân tích sâu sắc các mối quan hệ phức tạp trong mô hình nghiên cứu, đồng thời phản ánh thực tiễn năng động của ngành.

Lý thuyết Hệ thống Xã hội - Kỹ thuật (STST) cung cấp lăng kính tổng thể để hiểu về tổ chức như một hệ thống mở gồm 2 phân hệ tương tác: xã hội (con người, văn hóa) và kỹ thuật (công nghệ, quy trình) của Trist và Bamforth (1951). Nguyên tắc “tối ưu hóa đồng thời” của Lý thuyết Hệ thống Xã hội - Kỹ thuật khẳng định rằng, hiệu suất và phúc lợi nhân viên chỉ đạt được khi cả 2 phân hệ được quản lý hài hòa. Trong nghiên cứu này, áp dụng AI đại diện cho sự thay đổi trong phân hệ kỹ thuật, trong khi hạnh phúc của nhân viên là kết quả của phân hệ xã hội. Lý thuyết STST biện luận rằng việc triển khai AI mà bỏ qua các yếu tố xã hội, như: lãnh đạo chuyển đổi, trí tuệ cảm xúc và kỹ năng số sẽ dẫn đến hiệu suất dưới mức tối ưu và tác động tiêu cực đến hạnh phúc của nhân viên (Mayer và cộng sự, 2008). Soomro và cộng sự (2024) đã chứng minh sự cần thiết của hỗ trợ tổ chức để AI tác động tích cực đến phúc lợi nhân viên, củng cố quan điểm này.

Lý thuyết Nhu cầu - Nguồn lực công việc (JD-R Theory) của Demerouti và cộng sự (2001) giải thích cách các yếu tố công việc ảnh hưởng đến hạnh phúc nhân viên bằng cách phân biệt Nhu cầu công việc (JDs, gồm: áp lực thích nghi áp dụng AI, rủi ro thay thế vai trò) và Nguồn lực công việc (JRs, như các yếu tố hỗ trợ) (Verma và Singh, 2022). Nguồn lực lãnh đạo, trí tuệ cảm xúc và kỹ năng số (nguồn lực cá nhân) đóng vai trò nhu cầu công việc then chốt, giúp nhân viên đối phó với kỹ năng số từ áp dụng AI, thúc đẩy động lực và dẫn đến hạnh phúc của nhân viên. Fu và cộng sự (2022) đã chỉ ra, lãnh đạo chuyển đổi số thúc đẩy sáng tạo trong ngành ngân hàng và Li và cộng sự (2025) nhấn mạnh vai trò của nguồn lực số trong duy trì hạnh phúc tại nơi làm việc số hóa, khẳng định Lý thuyết Nhu cầu - Nguồn lực công việc có thể áp dụng để hiểu tác động của công nghệ mới.

Lý thuyết Trao đổi xã hội (SET) giải thích các mối quan hệ dựa trên sự trao đổi lợi ích (Blau, 1964). Khi ngân hàng thông qua lãnh đạo chuyển đổi đầu tư vào phát triển trí tuệ cảm xúc và kỹ năng số và tạo điều kiện cho áp dụng AI, nhân viên cảm nhận được sự hỗ trợ. Sự cảm nhận này thúc đẩy nghĩa vụ tương hỗ, khiến nhân viên sẵn lòng cống hiến, gắn kết và trải nghiệm hạnh phúc của nhân viên cao hơn (Wijayati và cộng sự, 2022).

Lý thuyết Bảo tồn nguồn lực (COR Theory) nhấn mạnh cá nhân nỗ lực đạt được, bảo vệ và xây dựng các nguồn lực có giá trị; việc mất mát nguồn lực dẫn đến căng thẳng (Hobfoll, 1989). Trí tuệ cảm xúc và kỹ năng số là những nguồn lực cá nhân quý giá, giúp nhân viên đối phó với các yêu cầu từ áp dụng AI. Việc ngân hàng hỗ trợ nâng cao các nguồn lực này thông qua lãnh đạo chuyển đổi giúp nhân viên củng cố khả năng chống chịu, giảm thiểu rủi ro cạn kiệt nguồn lực, từ đó duy trì và gia tăng hạnh phúc của nhân viên (Loureiro và cộng sự, 2023).

Mô hình Chấp nhận công nghệ (TAM) của Davis (1989) giúp hiểu cách áp dụng AI được chấp nhận thông qua nhận thức về tính hữu ích và sự dễ sử dụng. Điều này tác động gián tiếp đến kỹ năng số và trí tuệ cảm xúc, từ đó ảnh hưởng đến hạnh phúc của nhân viên. Khung năng lực số châu Âu (DigComp) cung cấp khuôn khổ chuẩn hóa quốc tế để định nghĩa và đo lường kỹ năng số, giúp định vị kỹ năng số như một nguồn lực cụ thể trong lý thuyết JD-R và yếu tố trung gian quan trọng.

Ngành ngân hàng Việt Nam đang chuyển đổi số mạnh mẽ, nơi AI tạo ra cả cơ hội và thách thức. Việc áp dụng các lý thuyết này cho phép chúng ta hiểu rằng, các ngân hàng cần ưu tiên phát triển đồng bộ cả hệ thống kỹ thuật (áp dụng AI) và hệ thống xã hội (thúc đẩy lãnh đạo chuyển đổi để nuôi dưỡng trí tuệ cảm xúc và kỹ năng số). Sự phát triển của lãnh đạo chuyển đổi số là then chốt để thúc đẩy đổi mới và sự linh hoạt của tổ chức. Sự tích hợp các lý thuyết này mang lại cái nhìn toàn diện về tầm quan trọng chiến lược của việc tối ưu hóa mối quan hệ giữa công nghệ, lãnh đạo và năng lực con người để đạt được hạnh phúc và thành công trong kỷ nguyên số.

Mô hình nghiên cứu đề xuất

Từ cơ sở lý thuyết nói trên, nhóm tác giả đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Các giả thuyết nghiên cứu đề xuất như sau:

H1: Áp dụng trí tuệ nhân tạo có tác động tích cực đến Hạnh phúc của nhân viên.

H2: Lãnh đạo chuyển đổi có tác động tích cực đến Hạnh phúc của nhân viên.

H3: Áp dụng trí tuệ nhân tạo có tác động tích cực đến Trí tuệ cảm xúc.

H4:Áp dụng trí tuệ nhân tạo có tác động tích cực đến Kỹ năng số.

H5: Lãnh đạo chuyển đổi có tác động tích cực đến Trí tuệ cảm xúc.

H6: Lãnh đạo chuyển đổi có tác động tích cực đến Kỹ năng số.

H7: Trí tuệ cảm xúc có tác động tích cực đến Hạnh phúc của nhân viên.

H8: Kỹ năng số có tác động tích cực đến Hạnh phúc của nhân viên.

H9: Trí tuệ cảm xúc có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hạnh phúc của nhân viên.

H10: Trí tuệ cảm xúc có vai trò trung gian trong mối quan hệ tác động của Lãnh đạo chuyển đổi đến Hạnh phúc của nhân viên.

H11: Kỹ năng số có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo đến Hạnh phúc của nhân viên.

H12: Kỹ năng số có vai trò trung gian trong mối quan hệ tác động của Lãnh đạo chuyển đổi đến Hạnh phúc của nhân viên.

Phương pháp nghiên cứu

Nghiên cứu thực hiện khảo sát thông qua bảng câu hỏi được thiết kế sẵn với 33 biến quan sát; trong đó, Phong cách lãnh đạo chuyển đổi gồm 7 biến quan sát, Áp dụng AI với 6 biến quan sát, Trí tuệ cảm xúc với 8 biến quan sát, Kỹ năng số có 5 biến quan sát và Hạnh phúc của nhân viên với 7 biến quan sát. Phương pháp lấy mẫu thuận tiện được thực hiện để khảo sát 993 nhân viên trong các ngân hàng thương mại cổ phần tại TP. Hồ Chí Minh từ tháng 4-8/2024. Nghiên cứu sử dụng phương pháp cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) để xác minh sự tồn tại của các mối quan hệ trong mô hình nghiên cứu.

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường và mô hình cấu trúc

Bảng 1: Độ tin cậy và giá trị hội tụ của thang đo lường

Nguồn: Phân tích từ dữ liệu nghiên cứu

Bảng 1 cho thấy, toàn bộ các biến quan sát đều có hệ số tải ngoài dao động từ 0,779 đến 0,921, vượt ngưỡng tiêu chuẩn 0,7 qua đó khẳng định mức độ đại diện cao của các biến quan sát đối với cấu trúc nhân tố tiềm ẩn. Hệ số Cronbach’s Alpha của các thang đo đều đạt từ 0,909 đến 0,966, cùng với hệ số độ tin cậy tổng hợp (Composite Reliability - CR) dao động từ 0,909 đến 0,966, đều vượt ngưỡng chấp nhận 0,7 cho thấy các thang đo đạt độ tin cậy nội tại tốt và tính nhất quán cao.

Tính hội tụ của thang đo được xác nhận thông qua giá trị phương sai trích trung bình (AVE), khi toàn bộ các nhân tố đều có AVE từ 0,715 đến 0,781, vượt ngưỡng 0,5. Điều này khẳng định rằng, các biến quan sát phản ánh tốt khái niệm mà chúng đại diện. Liên quan đến vấn đề đa cộng tuyến, sau khi loại bỏ biến quan sát ÁP DỤNG AI6 và biến KỸ NĂNG SỐ2 do có hệ số VIF vượt quá ngưỡng 5, các biến quan sát còn lại đều có hệ số VIF

Tính phân biệt giữa các khái niệm được kiểm tra bằng 2 phương pháp: tiêu chuẩn Fornell-Larcker và chỉ số HTMT (Heterotrait-Monotrait Ratio). Kết quả phân tích cho thấy căn bậc hai của AVE của mỗi khái niệm đều lớn hơn hệ số tương quan giữa khái niệm đó với các khái niệm khác, đảm bảo tính phân biệt. Đồng thời, tất cả các giá trị HTMT đều thấp hơn ngưỡng 0,85, xác nhận mạnh mẽ tính phân biệt giữa các cặp cấu trúc khái niệm trong mô hình đo lường. Tổng hợp các kết quả trên cho thấy, bộ thang đo được sử dụng trong nghiên cứu đảm bảo các yêu cầu về độ tin cậy, tính hội tụ và tính phân biệt, đồng thời không vi phạm các giả định về đa cộng tuyến, từ đó đủ điều kiện để đưa vào kiểm định mô hình cấu trúc tuyến tính (SEM) tiếp theo.

Hình 2: Đánh giá mô hình cấu trúc

Nguồn: Phân tích từ dữ liệu nghiên cứu

Hình 2 cho thấy, tất cả các quan hệ tác động trực tiếp đều có ý nghĩa thống kê do giá trị P-value = 0,000-0,001 đều

Mức độ dự đoán của mô hình Q² cho biến phụ thuộc Trí tuệ cảm xúc là 0,15 0,35, cho thấy khả năng dự đoán lớn.

Mức độ tác động của mô hình (f²): Biến độc lập của biến phụ thuộc Trí tuệ cảm xúc: biến Áp dụng trí tuệ nhân tạo tác động trung bình (0,153), biến Lãnh đạo chuyển đổi tác động nhỏ (0,076). Các biến độc lập của biến phụ thuộc Kỹ năng số: biến Áp dụng trí tuệ nhân tạo (0,277) có mức tác động trung bình; biến Lãnh đạo chuyển đổi (0,061) có mức tác động nhỏ. Các biến độc lập của biến phụ thuộc Hạnh phúc của nhân viên: biến Áp dụng trí tuệ nhân tạo (0,059) có mức tác động nhỏ; biến Lãnh đạo chuyển đổi (0,139) có mức tác động nhỏ; biến Trí tuệ cảm xúc (0,120) có mức tác động nhỏ; biến Kỹ năng số (0,031) có mức tác động nhỏ. Đánh giá sự phù hợp chung của toàn bộ mô hình (Model fit): SRMR (Standardized Root Mean Square Residual) = 0,070 0,9 chỉ ra mô hình có sự phù hợp tốt. Giá trị d_ULS = 0,272 và d_G = 0,532 rất nhỏ nên mô hình có sự phù hợp tốt. Không xảy ra hiện tượng đa cộng tuyến do toàn bộ hệ số phóng đại phương sai (VIF) đều từ 1,548-2,469

Kết luận: Mô hình cấu trúc phù hợp với thực tế.

Kiểm định các giả thuyết

Bảng 2: Kiểm định các giả thuyết nghiên cứu

Nguồn: Tổng hợp từ kết quả nghiên cứu

Bảng 2 cho thấy, tất cả các giả thuyết nghiên cứu từ H1 đến H12 đều được ủng hộ, do tất cả các hệ số đường dẫn đều có p = 0,000-0,005

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả nghiên cứu cho thấy, Áp dụng trí tuệ nhân tạo, Lãnh đạo chuyển đổi, Trí tuệ cảm xúc, Kỹ năng số có tác động tích cực đến hạnh phúc của nhân viên. Trong khi đó, Áp dụng trí tuệ nhân tạo và Lãnh đạo chuyển đổi có tác động tích cực đến Trí tuệ cảm xúc và Kỹ năng số. Trí tuệ cảm xúc và Kỹ năng số có tác động tích cực đến Hạnh phúc của nhân viên. Trí tuệ cảm xúc và Kỹ năng số có vai trò trung gian trong mối quan hệ tác động của Áp dụng trí tuệ nhân tạo và Lãnh đạo chuyển đổi đến Hạnh phúc của nhân viên.

Hàm ý quản trị

Thứ nhất, các ngân hàng nên tối ưu hóa áp dụng AI để thúc đẩy năng lực nhân viên. Ngân hàng cần triển khai AI theo chiến lược song song, không chỉ vì hiệu quả công việc mà còn để nâng cao đồng thời kỹ năng số và trí tuệ cảm xúc cho nhân viên. Vì vậy, cần đầu tư vào các công cụ AI thân thiện và chương trình đào tạo tích hợp, khuyến khích nhân viên chủ động thích nghi. Điều này sẽ biến áp lực công nghệ thành động lực phát triển, gia tăng sự tự tin và hạnh phúc của đội ngũ.

Thứ hai, nâng cao năng lực của đội ngũ lãnh đạo theo phong cách lãnh đạo chuyển đổi số là then chốt để dẫn dắt quá trình thích nghi AI. Bên cạnh đó, lãnh đạo cần là người truyền cảm hứng, thấu hiểu và hỗ trợ nhân viên phát triển cả kỹ năng cứng và mềm, giúp họ vượt qua những lo ngại về AI và phát huy tối đa tiềm năng.

Thứ ba, các ngân hàng cần xem trí tuệ cảm xúc và kỹ năng số là trọng tâm chiến lược phát triển nhân sự. Ngân hàng cần xây dựng lộ trình phát triển trí tuệ cảm xúc và kỹ năng số thành năng lực cốt lõi, tích hợp vào quy trình đánh giá và thăng tiến. Đây chính là “cầu nối” quan trọng nhất để đảm bảo nhân viên hạnh phúc trong kỷ nguyên số hóa mạnh mẽ.

(*) Nghiên cứu được thực hiện trước thời điếm sắp xếp đơn vị hành chính cấp tỉnh theo Nghị quyết số 202/2025/QH15.

Tài liệu tham khảo:

1. Blau, P. M. (1964). Exchange and power in social life. Wiley

2. Davis, F. D. (1989). Perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

3. Demerouti, E., Bakker, A. B., Nachreiner, F., Schaufeli, W. B. (2001). The Job Demands-Resources model of burnout. Journal of Applied Psychology, 86(3), 499–512.

4. Fu, Q., Cherian, J., Rehman, K.-u., Samad, S., Khan, M. A., Athar Ali, M., Cismas, L. M., Miculescu, A. (2022). Enhancing employee creativity in the banking sector: A transformational leadership framework. Sustainability, 14(8), 4643.

5. Hobfoll, S. E. (1989). Conservàtion of resources: A new attempt at conceptualizing stress. American Psychologist, 44(3), 513–524.

6. Li, X., Seah, R. Y. T., và Yuen, K. F. (2025). Mental wellbeing in digital workplaces: The role of digital resources, technostress, and burnout. Technology in Society, 81, 102844.

7. Loureiro, S. M. C., Bilro, R. G., Neto, D. (2023). Working with AI: can stress bring happiness? Service Business, 17(1), 233-255.

8. Mayer, J. D., Salovey, P., Caruso, D. R. (2008). Emotional intelligence: New ability or eclectic traits? American Psychologist, 63(6), 503–517.

9. Omoge, A. P., Gala, P., Horky, A. (2022). Disruptive technology and AI in the banking industry of an emerging market. International Journal of Bank Marketing, 40(6), 1217-1247.

10. Soomro, S., Fan, M., Sohu, J. M., Soomro, S., Shaikh, S. N. (2024). AI adoption: a bridge or a barrier? The moderating role of organizational support in the path toward employee well-being. Kybernetes, 54.

11. Trist, E. L., Bamforth, K. W. (1951). Some social and psychological consequences of the Longwall method of coal-getting. Human Relations, 4(1), 3-38.

12. Verma, S., Singh, V. (2022). Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Computers in Human Behavior, 131, 107215.

13. Wijayati, D. T., Rahman, Z., Fahrullah, A. r., Rahman, M. F. W., Arifah, I. D. C., Kautsar, A. (2022). A study of artificial intelligence on employee performance and work engagement: the moderating role of change leadership. International Journal of Manpower, 43(2), 486-512.