طراحی مدل دارایی های نامشهود سازمانی با استفاده از رویکرد مدل سازی ساختاری تفسیری
Publish place: Public Administration Perspective، Vol: 8، Issue: 3
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 214
This Paper With 29 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PUBL-8-3_005
تاریخ نمایه سازی: 19 مهر 1400
Abstract:
این پژوهش با هدف طراحی مدل دارایی های نامشهود سازمانی با استفاده از رویکرد مدل سازی ساختاری تفسیری صورت گرفت. جامعه آماری پژوهش شامل روسای دانشگاه و معاونین و روسای دانشکده های دانشگاه های دولتی منطقه ۵، کشور بود که با استفاده از نمونه گیری هدفمند ۱۴ نفر از آنان به عنوان نمونه انتخاب شدند. پژوهش دارای دو گام اصلی است که در گام نخست، ابعاد دارایی های نامشهود سازمانی از مبانی نظری استخراج و با استفاده از روش دلفی و مصاحبه با خبرگان نمونه آماری، ارزیابی و تایید شدند. خروجی این مرحله، شناسایی یازده بعد دارایی های نامشهود بود. در گام دوم برای برقراری ارتباط و توالی بین ابعاد و ارائه مدل ساختاری آنها از رویکرد مدل سازی ساختاری تفسیری بهره گرفته شد. نتایج پژوهش به طراحی مدل دارایی های نامشهود سازمانی در چهار سطح منجر شد. سرمایه های فکری، دانشی، اطلاعاتی و هوشی به عنوان تاثیرگذارترین ابعاد دارایی های نامشهود سازمانی شناسایی شدند که نقش مهم و کلیدی در مدل دارند. سرمایه های فرهنگی، سیاسی، سازمانی و شهرت سازمانی به عنوان خروجی مدل و کماثرترین ابعاد شناسایی شدند؛ همچنین در بررسی و تحلیل MICMAC متغیرها بر حسب قدرت نفوذ و وابستگی، ابعاد سرمایه فرهنگی، سرمایه سیاسی، شهرت سازمانی و سرمایه سازمانی در خوشه وابسته، سرمایه های فکری، اجتماعی، معنوی و روان شناختی در خوشه پیوندی و سرمایه های دانشی، اطلاعاتی و هوشی در خوشه مستقل قرار گرفته اند و هیچ بعدی در خوشه خودمختار قرار نگرفته است.
Keywords:
Authors
حبیب میرزایی
دانشجوی دکتری، دانشگاه لرستان (نویسنده مسئول).
رضا سپهوند
* دانشیار، دانشگاه لرستان.
امیر هوشنگ نظر پور
** استادیار، دانشگاه لرستان.
محمودرضا اسماعیلی
*** استادیار، دانشگاه لرستان.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :