The measurement of humanware readiness in a technology transfer process: Case study in an electrical machinery company
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 increasing competition in electric machinery industries makes METALCO, as one producer of electric machinery in Indonesia, has to develop its products in order to be able to win the competition. This product development has forced METALCO to implement a technology transfer process. The success of a technology transfer process mostly depends on the readiness of its humanware, as is is the crucial element of technology transfer. For this purpose METALCO has to identify its humanware readiness. The model was developed using a Delphi Method. The measurement model developed consists of 6 criteria and 19 sub-criteria. The criteria used is based on the generic model of humanware sophistication level of UNESCAP (1989); and the sub-criteria are developed based on the competency model of Spencer & Spencer (1993), Georgia Merit System (2005), and the University of Guelph (2010). Result of the measurement showed that in general the humanware of METALCO's Electric Machinery Department is in Phase II, with an average readiness score of 3.203. It is also discovered that in the sub-criteria integrity, the humanware have not reached the agreed assessment degree for the second phase of technology transfer. The gap in this sub-criteria is then used as a base in developing a competency enhancement program for humanware in the technology transfer process. The program proposed is a mentoring program based specifically related to job integrity criteria.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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