EMOTIONAL INTELLIGENCE AND SERVICE QUALITY OF FACILITATORS’ INDONESIA HUMAN RESOURCES DEVELOPMENT AGENCY (HRDA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The model which was widely known and describes the concept of service quality is the Service Quality (SERVQUAL) model proposed by Parasuraman et al (1985). However, this model has a limitation, because its application merely for service providers in the business sector, not for service providers in the public sector and service providers in the education sector. In education sector, facilitators are always involved in interpersonal interaction with the training participants. Some researchers agree to uncover the relationship between the emotional intelligence of service providers and service quality. Based on the literature review, there are limited studies in the field of education and training of the Civil Service Apparatus, especially regarding the relationship between emotional intelligence and service quality. Thus, this study aims to reveal the effect of facilitators’ emotional intelligence on service quality with respondents from participants of Basic Education and Training (Diklatsar), Leadership Education and Training 3 (Diklatpim 3), and Leadership and Education Training 4 (Diklatpim 4) at HRDA Province. This study uses quantitative methods. The sample size in this study was 462 people who were collected through a survey with a purposive sampling technique. The data analysis technique used is SEM through a two-stage approach. The results showed that the facilitators’ emotional intelligence of HRDA of Central Java, East Java, West Java, Jakarta, Banten, Central Sulawesi, and North Sumatera Provinces, had a significant positive effect on the quality of service with social awareness as the indicator with the highest effect.
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.
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 | 0,001 | 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 | 0,001 | 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 découle