Talent management model: How to boost the central bank’s performance in the disruptive era
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle