Competency-Based Learning for Future-Ready Governance: Functional and Behavioural Skills in Sarawak Local Councils
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
The purpose of this study is to examine workforce competencies within Sarawak’s local councils and to explore how competency assessment can serve as an educational tool for Human Resource Development (HRD). Guided by Human Capital Theory, Strategic HRD, and Adult Learning principles, a mixed-methods design was employed combining survey data from 208 officers with four focus-group discussions and twelve semi-structured interviews. The principal results revealed a clear competency duality: behavioural competencies such as teamwork, cultural sensitivity, and communication scored higher (mean = 77.1%) than functional competencies (mean = 65.8%), where gaps were most pronounced in digital governance, crisis management, sustainability, and innovation. Qualitative findings elaborated on this disparity, identifying three recurring themes uneven digital and strategic proficiency, systemic barriers to continuous learning, and cautious optimism regarding future readiness and adaptability. The study concludes that integrating competency-based learning (CBL) within HRD frameworks is vital to cultivating a digitally literate, ethical, and future-ready workforce. Embedding CBL into HRD policy aligned with Malaysia’s Twelfth Plan (2021–2025), Sarawak’s PCDS 2030, and OECD’s Future-Ready Workforce recommendations can transform local councils into learning organisations capable of sustaining innovation and effective governance.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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