MétaCan
Menu
Retour à la cohorte
Enregistrement W1987778931 · doi:10.5539/ibr.v5n9p203

A Prioritization of Competency Components of Operational Managers from Management Experts’View – A Case Study, Tehran, Iran

2012· article· en· W1987778931 sur OpenAlexvenueno aff
Ali Asqar Fani, Ardeshir Shiri, Adel Azar, Seyed Reza Seyed Javadin

Notice bibliographique

RevueInternational Business Research · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCronbach's alphaSnowball samplingStatistical populationData collectionPsychologyPopulationReliability (semiconductor)ValidityNonprobability samplingDescriptive statisticsRanking (information retrieval)Knowledge managementMedical educationComputer scienceOperations managementStatisticsEngineeringMathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,184
Tête enseignante GPT0,452
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetCompetency Development and EvaluationTravaux en français237 207