A Prioritization of Competency Components of Operational Managers from Management Experts’View – A Case Study, Tehran, Iran
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of present study is to study and to prioritize required competencies for appointing operational managers in Iran governmental organizations based on management professors and senior executives view. By considering data collecting method, this study is a descriptive-survey research and based on classification of purpose-based researches, it’s a developmental research and in terms of variables controlling and due to impossibility of variables controlling, this research is a pseudo-experimental research. The main information gathering tool was a researcher made questionnaire including 142 questions concerning competency components which was designed and edited by applying theoretical principles and frameworks. In order to make sure about validity of this questionnaire, an expert’s panel composed of management professors was applied. For testing its reliability, 30 questionnaires were completed and 95% Cronbach’s alpha was calculated which was an appropriate reliability coefficient for this study. Statistical population of this study was composed of all management professors in Tehran universities and also governor with at least three years of governing history and degree in master of management that by purposive or judgmental and snowball sampling methods, 70 management professors and 60 governors were selected as samples of this study. Data analysis of this study was done by the method of descriptive and inferential statistics and using factor analysis and Friedman’s ranking in Excel and SPSS software environments. The finding of this study reveals that competency components don’t have equal importance degree from two statistical population views.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle