Improvement of the human talent management process for the Paipa Municipal Council
Bibliographic record
Abstract
En el presente trabajo de grado se llevó a cabo el mejoramiento del proceso de gestión del talento humano para la Alcaldía Municipal de Paipa. Inicialmente se hizo una revisión completa para determinar la forma de elaborar el plan de mejoramiento. Luego, se llevó a cabo el diagnóstico en la institución de acuerdo a los lineamientos de la Comisión Nacional del Servicio Civil (CNSC), esta plantea la metodología establecida para su desarrollo través de la Guía metodológica para la Gestión del Rendimiento del Modelo Integrado de Planeación y Gestión MIPG. A partir de sus resultados se elaboraron las propuestas a implementar dentro de la institución. Posteriormente, se validaron y aprobaron las propuestas por parte de los encargados de la institución y se procedió a realizar su implementación. Las mejoras propuestas abordan la gestión estratégica de la institución, el desarrollo del plan de capacitación para el año 2022 y la creación del proceso de inducción, la implementación del sistema de evaluación del desempeño de acuerdo a los lineamientos de la CNSC para los empleados con cargos directivos, el mejoramiento del proceso de atención de PQRS y la mejoras en el programa de retiro bajo la creación del plan de desvinculación asistida. También, Dentro del desarrollo del plan de mejoramiento se desarrollaron diversos herramientas ofimáticas y matrices de evaluación que permitirán una adecuada gestión de las mejoras implementadas. Posteriormente, se desarrollaron indicadores para la evaluación y control de las mejoras implementadas y se volvió a aplicar el formato propuesto por MIPG obteniendo mejoras obteniendo una calificación de 78,2 con un aumento de 6,4 con la calificación obtenida en el diagnóstico inicial (71,8). Finalmente, se presentaron las conclusiones y recomendaciones del trabajo desarrollado.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".