Lecturer’s Perspective on Talent Management in Private Higher Learning Institutions in Kuala Lumpur, Malaysia
Notice bibliographique
Résumé
Talent management has been an ongoing focus in teaching and career development among lecturers in universities. However, this effective practice lies in the conduct of certain factors in an organisation. Some of the important factors that contribute to talent management of an organisation are; the ability of lecturers to perform, organizational culture and retention practice of an organisation. Hence, this paper took a milestone in explaining the relationship among talent management and three antecedent factors; performance, organisational culture and retention. Importantly, the research focuses on academicians who are teaching Information Technology related subjects. The leading universities in Malaysia have a tendency to lose competent academicians thus creating a gap in the organisational outcome. Thus, respondents were sampled from Private Higher Learning Institutions in Kuala Lumpur, Malaysia. The data was collected from 133 respondents who have been teaching in IT related modules. Hypotheses were built based on the relationship between variables and analysed using Pearson Correlation in via the SPSS software. The results showthat two hypotheses are not supported except for one of the hypothesis on retention has indicated a significant relationship with the talent management practice of the university. Information Technology is a fast growing industry as lecturers in this field need to be constantly updated in their knowledge, skills and ability. This requires talent management. Academicians who are unable to do this with the support and motivation of an organisation may not be able to offer their services in the university. Consequently, this can lead to poor outcome on knowledge delivery to students or the turnover rate may be affected. Overall, this paper has called for good human resource practices for lecturers in the teaching profession.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».