CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارائه مدلی برای یادگیری از اشتباه ها در سازمان های دولتی (مطالعه موردی)

عنوان مقاله: ارائه مدلی برای یادگیری از اشتباه ها در سازمان های دولتی (مطالعه موردی)
شناسه ملی مقاله: JR_EDUJ-12-1_008
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:

فریبا عزیززاده - دانشجوی دکتری مدیریت دولتی، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران
حمیدرضا بهرامی - استادیار گروه مدیریت دولتی، دانشگاه آزاد اسلامی، واحد نراق، نراق، ایران
علی شیروانی - استادیار گروه مدیریت دولتی، دانشگاه آزاد اسلامی، واحد ساری، ساری، ایران
مهدی نفر - استادیار گروه مدیریت دولتی، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران

خلاصه مقاله:
یادگیری از اشتباه ها یکی از پارادایم های نوین است که در سازمان های امروزی برای رویارویی با محیط رقابتی مطرح می باشد. هدف این پژوهش ارائه مدلی برای یادگیری از اشتباه ها در سازمان های دولتی بود. این پژوهش از لحاظ هدف کاربردی و از لحاظ شیوه اجرا توصیفی از نوع پیمایشی است. جامعه پژوهش مدیران دولتی استان آذربایجان غربی در سال ۱۳۹۶ (۳۰ نفر) بودند که تعداد ۱۵ نفر آنها با روش تصادفی ساده انتخاب شدند. برای جمع آوری داده ها از پرسشنامه محقق ساخته یادگیری از اشتباه ها (۳۸ گویه ای) استفاده شد که روایی صوری و محتوایی آن تایید و پایایی آن با روش آلفای کرونباخ ۸۶/۰ محاسبه شد. داده ها با روش تحلیل عاملی اکتشافی تحلیل شدند. یافته ها نشان داد یادگیری از اشتباه ها دارای سه مولفه شامل اشتباه های قابل اجتناب در عملیات قابل پیش بینی، شکست های اجتناب ناپذیر در سیستم های پیچیده و اشتباه های هوشمند در شروع کار است. در این پژوهش مولفه های اشتباه های قابل اجتناب در عملیات قابل پیش بینی، شکست های اجتناب ناپذیر در سیستم های پیچیده و اشتباه های هوشمند در شروع کار به ترتیب با بار عاملی ۷۹۳/۰، ۷۱۴/۰ و ۶۵۸/۰ بیشترین تاثیر را بر یادگیری از اشتباه ها در سازمان های دولتی داشتند و در مجموع عوامل مذکور توانستند ۳۱۵/۷۸ درصد از کل واریانس یادگیری از اشتباه ها در سازمان های دولتی را تبیین کنند.

کلمات کلیدی:
یادگیری از اشتباه ها, سازمان های دولتی, مدیران

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1847711/