Framework for Screening and Evaluating the Competencies and Qualities of the Board of Directors in South Africa’s State-Owned Companies
Notice bibliographique
Résumé
Purpose—This research paper presents a framework for screening and evaluating the competencies and qualities of the board of directors in South African state-owned companies (SOCs). Design/methodology/approach—This study conducted a systematic literature review to gather primary data which was used to prepare a questionnaire for two rounds of the Delphi process, where data was analysed both qualitatively and quantitatively. Findings—The findings from the study revealed the ideal competencies and qualities of individual directors, the optimal collective competencies of directors, and the most appropriate screening and evaluation methods that could be adopted to benefit SOCs. Originality/value—This paper adds to the limited studies investigating the competencies and qualities of directors in SOCs, as most research is focused on listed private companies. Furthermore, there is currently no framework in South Africa that outlines the process for screening and evaluating the competencies and qualities of directors in South Africa’s SOCs. In an effort to support the South African government screen and evaluate the key competencies and qualities of directors in state-owned companies, this team has developed a theoretically informed framework that can be used to screen potential board members’ abilities and capabilities before they are appointed as well as to evaluate the relevance of existing board members.
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 | 0,076 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,025 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».