EMOTIONAL INTELLIGENCE AND SERVICE QUALITY OF FACILITATORS’ INDONESIA HUMAN RESOURCES DEVELOPMENT AGENCY (HRDA)
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.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».