How the Quality Management Systems Impacts the Organizational Effectiveness?: Application of PLS-SEM and fsQCA Approach
Notice bibliographique
Résumé
The aim of this study was to examine the impact of Quality Management (QM) enablers, such as leadership, people management, policy & strategy, and QM processes (educational, administrative), on the organizational effectiveness (OE)”. The data was collected from 365 heads and faculty professionals of Indian engineering educational institutions (EEIs). SmartPLS and fsQCA 3.0 software was used to test the relationships between the variables. The results were based on fuzzy qualitative comparative analysis (fsQCA), which looked at different combinations that could be used to improve OE. Earlier studies have mostly tried to look at the direct link between QM enablers and organizational effectiveness. Our results show, on the other hand, that QM processes act as a bridge between QM enablers and organizational effectiveness. There is hardly any research that has looked into how quality management enablers, quality management processes, and organizational effectiveness are linked. This study tries to figure out how they work together in EEIs. By using both direct and configurational methods, the study helps improve the quality of organizational (engineering education) matters. Analysis shows the fsQCA calibration procedure value of 0.50 which represents a crossover point between the two extremes. The consistency scores vary from 0.60 to 0.69 and that the consistency values of the three causal conditions are more than 0.65. The overall constancy of the solution was 0.81, with the full solution and a portion of the complete solution having constancy greater than or equal to 0.80. Finally, the use of fsQCA shows that there are many ways to improve quality policies, leadership and top management commitment, and quality management processes that lead to more effective organizations.
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 | 0,001 |
| 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 ».