Talent management model: How to boost the central bank’s performance in the disruptive era
Notice bibliographique
Résumé
Organizations are increasingly acknowledging the vital impact of talent management on boosting their performance. Effective talent management within the central bank is crucial, as it plays an indispensable role in maintaining economic stability and advancing the nation’s financial well-being. The study aims to examine the role of talent management, transformational leadership, organizational climate, employee engagement, employee performance, and organizational commitment in increasing the central bank’s performance. The study uses a quantitative approach by collecting data from 600 sample employees of Bank Indonesia in 30 divisions of departments at the head office, 45 domestic representative offices, and 5 foreign representative offices. The data was analyzed using Structural Equation Modelling-LISREL. The finding shows that transformational leadership has a positive impact on talent management. Talent management has a positive impact on organizational climate, employee engagement, and organizational commitment. Organizational climate has a positive impact on employee engagement. Employee engagement has a positive impact on organizational commitment. Organizational climate, employee engagement, and organizational commitment have a positive impact on employee performance, while talent management does not have a positive impact on employee performance. Employee performance, organizational commitment, and talent management have a positive impact on organizational performance. The study offers valuable insights into talent management practices within central banks. It serves as a guide for central bank management and human capital professionals in formulating policies to enhance performance amidst disruptive times. Additionally, educators can leverage these findings to develop curricula that align more closely with industry demands and produce competent graduates ready to excel on the global stage.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».