The evolution of leadership development: challenges and best practice
Notice bibliographique
Résumé
Purpose This paper aims to investigate the attitude of European organisations to leadership development initiatives and to identify best practice initiatives that organisations should employ to build skills and capabilities for the future. Design/methodology/approach The research, Leadership Development in European Organisations, conducted by DIEU, the Danish Leadership Institute. The study was completed in November 2004 and was conducted among 51 global organisations via face‐to‐face and telephone interviews. The respondents all operate at a senior level within their organisation – for example, they are senior development managers, directors or vice presidents. Over 70 per cent of the participating organisations employ over 20,000 people and 22 per cent have between 5,000 and 20,000 employees. Participating companies include Astra Zeneca, BMW, BP, Cadbury Schweppes, Dell Computers, HBOS, IBM Europe, Pearsons plc, Siemens, UBS and Vodafone. Findings The DIEU study has found that more than half (53 per cent) of key European business players have not increased their leadership training budget for the last four years and 46 per cent say they cannot see this level of investment changing in the next three years. Less than one‐quarter of boardrooms and under one‐third of senior management teams are fully committed to their companies’ goals for leadership development and nearly half (48 per cent) are not integrating their leadership development with business needs. The report cites organisational frictions and a general lack of awareness that leadership development matters as being among the reasons for this lack of support for leadership development. Originality/value This paper is valuable to organisations and HR and development professionals who are considering or reviewing their current leadership development activity. It makes a number of recommendations for organisations seeking to implement best practice leadership, as well as detailing the likely future nature of leadership development across the board.
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 | 0,070 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,021 |
| Communication savante | 0,025 | 0,018 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».