بررسی وضعیت مدیریت دانش در دانشگاه صنعتی ارومیه با استفاده از رویکرد EFQM
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 387
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:
JR_JKIM-4-2_001
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
هدف: پایش و ارزیابی سازمان از نظر مولفه های مدیریت دانش، پیشنیازی برای برنامه ریزی و پیاده سازی این فعالیتها بشمار میرود. بدین منظور این پژوهش با بکارگیری مدل تعالی سازمانی EFQM به دنبال ارزیابی مدیریت دانش در دانشگاه صنعتی ارومیه میباشد. روشتحقیق: ابزار مورداستفاده برای جمعآوری اطلاعات، دو پرسشنامه ی مستخرج از مدلEFQM میباشد که در بین اساتید و دانشجویان دانشگاه توزیع شد. پرسشنامه های مذکور بگونه ای طراحی شده اند که با ترکیب دانش تعالی سازمانی با مدیریت دانش، سازمان را در 9معیار مدل EFQM ارزیابی میکنند. روایی پرسشنامه اساتید و دانشجویان توسط اعضای هیئت علمی گروه مهندسی صنایع دانشگاه و پایایی نیز با استفاده از ضریب آلفای کرونباخ( بترتیب0.94 و 0.859) مورد تایید قرار گرفت. برای تجزیه و تحلیل داده های پژوهش از نرم افزار SPSS24 و آزمونهای آماری آنالیز واریانس و T تک نمونه استفاده شده است. یافته ها: نتایج نشان میدهد در بین معیارهای توانمندساز مدیریت دانش بغیر از معیار رهبری وضعیت دانشگاه مطلوب نمیباشد. همچنین بررسی معیارهای مربوط به بعد نتایج نشان نیز میدهد در ابعاد نتایج جامعه، نتایج مشتری، نتایج کارکنان و نتایج کلیدی عملکرد نیز وضعیت دانشگاه مطلوب نیست. همچنین نتایج آنالیز واریانس نشان میدهد مطلوبیت معیارهای مختلف در دانشکدههای مختلف تقریبا مشابه هم میباشند.بحث و نتیجه گیری: نتایج حاصل نشان میدهد ایجاد دسترسی مناسب برای استفاده کنندگان از دانش، استفاده از فناوری اطلاعات برای پشتیبانی از فعالیت های مدیریت دانش در کنار حصول اطمینان از اعتبار و امنیت اطلاعات می تواند موجب ارتقاء وضعیت مدیریت دانش در دانشگاه صنعتی ارومیه باشد.
کلیدواژه ها:
نویسندگان
رضا جاویدنیا
کارشناس ارشد کارآفرینی، دانشگاه تهران، تهران، ایران.
میرتوحید کمالی
کارشناس ارشد مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران
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 :