Corporate trainers' credibility and cultural values: evidence from Canada and Morocco
Notice bibliographique
Résumé
Purpose Corporate trainers' credibility has been universally ignored by researchers and its significance has remained elusive across cultures. Thus, the purpose of this present paper is to examine variations of trainers' credibility determinants in Canada and Morocco. Design/methodology/approach A comparative qualitative study with in‐depth interviews and the grounded theory approach were adopted to carry out the research. Participants in the study consisted of 60 civil servants employed in various governmental departments in Canada and Morocco. Findings A framework identifying distinct categories based on common determinants of trainers' credibility was constructed for each respective country. These categories were attributed the following designations: qualifications, perceived competence, perceived justice and perceived confidence for the Canadian sample; and qualifications, perceived competence, and personal attributes for the Moroccan sample. Similarities surfaced regarding some of the determinants in both cultures such as qualifications, and competence. However, Canadian respondents emphasized trainers' performance, fairness and confidence, while Moroccan trainees valued wisdom (hikma), honesty (sidk), trust (amanah) and the trainer as a role model. Practical implications The findings indicate that cultural values ought to be considered in trainers' credibility in efforts to enhance the level of comprehension regarding credibility determinants that could impact training success and effectiveness. It is also recommended that organizations consider taking into account the determinants of credibility during the selection process of trainers who will be primarily tasked with delivering corporate training to employees locally or in various cultural settings. Originality/value The paper provides groundbreaking insights as it is the first study to investigate trainers' credibility across cultures by resorting to an emic approach to provide a cross‐cultural perspective on the subject.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».