Analysis of national human resource development (NHRD) policies of 2016 in South Korea with implications
Notice bibliographique
Résumé
Purpose The purpose of this study is to explore ways to improve the effectiveness and efficiency of national human resource development (NHRD) policies led by South Korean central government agencies, identifying what policy decisions have been made and how they were implemented. Design/methodology/approach The authors collected data from the 2016 NHRD policy budget plans of the ministries and used content analysis. The unit of analysis was the fourth level, a sub-task, in each ministry’s policy budget plan. All coded policy contents were analyzed in terms of the centralized NHRD model, as well as through the perspective of developmental task theory. Findings The study yielded the following policy and implementation problems. First, the current system of NHRD policies established and implemented by individual ministries risks hampering the validity and effectiveness of the policies. Second, the structure of NHRD policy execution may cause similarity and redundancy across policies, thereby hindering the efficiency of the policies. Third, it is problematic when NHRD policies focus on solving short-term problems to the exclusion of long-term ones. Originality/value This study provides public recommendations to improve the effectiveness and efficiency of NHRD policies created by South Korea’s Central Government. If such an analysis has been made internally by the government, it has not been made publicly available. It also offers practical insights that might help to improve state-led human resource development policies for other countries – especially developing countries – that are planning to introduce central government-led NHRD or to improve existing NHRD policies.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».