Leiðtoginn á Landspítala - áherslur, sýn og framkvæmd. „ég þrífst á góðum starfsanda“
Notice bibliographique
Résumé
Megintilgangur verkefnisins var að skoða leiðtogahætti stjórnenda á Landspítala og hvað má læra af þeim. Skoðað var hvaða aðferðum stjórnendur beita við lausn viðfangsefna á Landspítala. Eigindleg rannsóknaraðferð var notuð þar sem fyrirbærafræði Vancouver-skólans var lögð til grundvallar. Tekin voru viðtöl við 12 einstaklinga, yfirlækna og deildarstjóra á Landspítala. Þátttakendur, einnig nefndir meðrannsakendur, teljast til sama stjórnunarlags innan stofnunarinnar. \nÍ kenningum um leiðtogahætti er leitast við að útskýra hvað mótar þá. Kenningar um atferli (aðgerðaforysta / umbreytingarforysta) og umhverfi (aðstæðukenning / óvissukenning) eru þar veigamiklar. Innan annarra kenninga er sjónum beint að persónulegum þáttum leiðtogans (ósvikin forysta / kenningin um mikilmennið / eiginleikakenningin). Fjallað er um líkön og matsaðferðir (leiðtogagrindin / LPC líkan Fiedler) sem að meta styrkleika stjórnenda. Sett er fram greiningarlíkan sem notað er til að greina þá þætti sem einkenna farsæla leiðtoga. \nLjóst er að starf millistjórnenda á Landspítala er margþætt. Niðurstöður benda til þess að stjórnunarstíll þeirra sé ósvikinn en mest áhersla er lögð á mannauðsmál og fer mestur tími vinnu þeirra í samskipti við starfsmenn. Millistjórnendur Landspítala leggja mikla áherslu á þróun skipulagsheildarinnar og að leiða hana í átt að sameiginlegum markmiðum. Lögð er áhersla á ná þeim markmiðum með góðum samskiptum og að mæta þörfum starfsmanna. Leiðtogar beita þar kænsku, innsæi og ígrundun til að draga fram styrkleika skipulagsheildarinnar og draga úr veikleikum hennar.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».