Talent Management for Shariah Auditors: Case Study Evidence From the Practitioners
Notice bibliographique
Résumé
The environment for most financial institutions today is complex, dynamic, highly competitive, and extremely volatile, and such condition is likely to remain for years to come. In addition to these external situations, most financial institutions also faced the challenge to manage talents flow in particular, a shortage of needed competencies. One measure to overcome this condition is to be systematic in managing their human capital if they wish to gain and sustain a competitive advantage in years ahead. This paper postulates to explore the competency criteria as one of talent management for shariah auditors in the Islamic Financial Institutions (IFIs) in Malaysia. A qualitative design was adopted by conducting interviews with 30 practitioners consisting of the Heads of Shariah audit departments (HSA) and shariah auditors (SAR) from the IFIs and the Head of Islamic banking department from the Central Bank of Malaysia. This is followed by a focus group discussion to validate the findings. The study found that there was mixed practices on talent management in terms of competency aspect required for shariah auditors. Generally, participants agreed that certain skills, knowledge and characteristics added with years of experience in the field, are pre-requisite to become competent shariah auditors. This study is unique as it explores the case from the qualitative stance. Opinions were elicited from the parties directly involved in preparing guidelines to the IFIs as well as those practitioners executing the shariah audit function within their institutions. IFIs will have better guideline on recruiting competent future shariah auditors, as part of their internal audit team to uphold the shariah precept.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».