Weighting employee's performance appraisal indicators aiming intellectual capital development in public sector organizations
محل انتشار: نخستین کنفرانس بین المللی مدیریت سرمایه فکری
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,711
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IICM01_054
تاریخ نمایه سازی: 15 مهر 1388
چکیده مقاله:
Intellectual capital (IC) was being recognized as a determining factor in success or failure of an organization and organizations are trying to find a good niche in competitive fields via the resource-based view. This paper's aim is weighting and prioritizing employee's performance appraisal indictors that have most effect on IC development in public sector organizations. For this, most important influential criteria for developing IC are investigated and a new hierarchical structure for this development is proposed. Then employed analytical hierarchical possess method to such goal. A sample (N=52) of scholars and practitioners involved in performance appraisal systems was used as expert poll in this research. Findings suggest that for develop human capital, the indicator of proficiency, for organizational human capital, the indicator of interpersonal relation and for develop relational capital, the indicator of customer service have most effective role. All in all indicator of proficiency was recognized as the most effective indicator for IC expansion.
کلیدواژه ها:
Intellectual capital development ، Employee's performance appraisal ، Analytical hierarchy process ، Public sector organizations
نویسندگان
Mohsen allameh
Department of Management, University of Isfahan - Isfahan - Iran
Mohammed Ali Mandegari
Department of Management, University of Isfahan - Isfahan - Iran
Mohammed Reza Afzalabadi
University of jahad daneshgahi yazd - yazd - Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :