The impact of creativity and digital leadership on decision-making quality: Implications for public service performance
Notice bibliographique
Résumé
This study investigates the relationships between creativity, digital leadership, decision-making quality, and public service performance in Sidoarjo Regency. The primary objective is to examine how creativity and digital leadership influence decision-making quality and, subsequently, public service performance. A quantitative approach utilizing a cross-sectional study design was employed. Data were collected from 200 employees of public service institutions in Sidoarjo Regency using Google Forms and direct interviews. The main variables were assessed using Likert scales, measuring creativity, digital leadership, decision-making quality, and public service performance. The analysis involved descriptive and inferential statistics, including regression analysis and mediation analysis. The findings reveal significant positive relationships between creativity, digital leadership, decision-making quality, and public service performance. Creativity and digital leadership were found to positively impact decision-making quality, which in turn influenced public service performance. The implications suggest that fostering a culture of creativity and digital leadership is crucial for enhancing decision-making quality and, consequently, improving public service performance. Public service managers should invest in initiatives to develop creativity and digital leadership skills among employees and prioritize transparent decision-making processes. Furthermore, the study highlights the need for continuous monitoring and evaluation to ensure sustained improvements in public service delivery. The novelty lies in examining the interplay between creativity, digital leadership, decision-making quality, and public service performance within the context of Sidoarjo Regency, providing valuable insights for public service management in the region.
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 | 0,006 | 0,015 |
| 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 | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».