پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,223 |
| تعداد مقالات | 67,680 |
| تعداد مشاهده مقاله | 114,883,710 |
| تعداد دریافت فایل اصل مقاله | 89,556,359 |
ارائه مدلی جهت ارزیابی بهره‌وری کارکنان دانشی با به‌کارگیری روش دلفی فازی و روش بهترین – بدترین فازی (موردمطالعه: شرکت‌های دانش‌بنیان) | ||
| مجله علمی "مدیریت فرهنگ سازمانی" | ||
| دوره 19، شماره 2، تیر 1400، صفحه 377-404 اصل مقاله (1.03 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jomc.2021.311287.1008153 | ||
| نویسندگان | ||
| مهدی محمدرضایی1؛ محمد علی سرلک* 2؛ ابوالحسن فقیهی3 | ||
| 1دانشجوی دکتری مدیریت منابع انسانی، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2استاد گروه مدیریت، دانشگاه پیام‌نور، تهران، ایران | ||
| 3استاد گروه مدیریت دولتی، دانشگاه علامه طباطبائی(ره)، تهران، ایران | ||
| چکیده | ||
| در عصر حاضر اهمیت مدیریت دانش و تأثیر آن بر جنبه‌های مختلف سازمان، از جمله جایگاه سازمان میان رقبا و کسب مزیت رقابتی، به طور فزاینده‌ای رو به افزایش است. در فضای رقابتی امروز کارکنانی که دانش را خلق می‌کنند و از آن در جهت توسعة سازمان و ارائة محصولات و خدمات بهتر بهره می‌برند تأثیر قابل توجهی در بهره‌وری سازمان‌ها و جایگاه سازمان میان رقبا دارند. بنابراین، تلاش جهت افزایش بهره‌وری کارکنان دانشی و شناسایی عوامل مؤثر بر آن می‌تواند تأثیر قابل توجهی بر موفقیت سازمان‌ها بگذارد. هرچند عدم اطمینان در بازارهای جهانی سبب شده است تا نتوان به صورت دقیق میزان بهره‌وری کارکنان دانشی را ارزیابی کرد، در این پژوهش سعی شد با استفاده از روشهای تصمیم‌گیری چندمعیاره در محیط فازی به عدم اطمینان موجود پاسخ داد. بنابراین، از روش دلفی فازی برای تعیین معیارها بین 12 نفر از خبرگان شرکت‌های دانش‌بنیان و از روش بهترین‌ـ بدترین فازی جهت ارزیابی وزن معیارهای بهره‌وری کارکنان دانشی کمک گرفته شد. نتایج پژوهش نشان داد از بین معیارهای موجود «وجدان کاری»، «تعهد»، و «مسئولیت‌پذیری کارکنان» مهم‌ترین معیار ارزیابی بهره‌وری کارکنان دانشی است. این بدان مفهوم است که اگر سازمانی بخواهد بهره‌وری خود را از طریق کارکنان دانشی خود ارتقا دهد، باید کارکنانی داشته باشد که به سازمان تعهد داشته باشند تا بتوانند با حل به‌موقع مشکلات‌ْ بهره‌وری سازمان را ارتقا و توانایی سازمان را جهت رقابت در بازارهای جهانی افزایش دهند. | ||
| کلیدواژه‌ها | ||
| بهره‌وری سازمانی؛ بهره‌وری کارکنان دانشی؛ روش بهترین‌ـ بدترین فازی؛ روش دلفی فازی | ||
| عنوان مقاله [English] | ||
| Provide a Model to Evaluate the Productivity of knowledge Workers Using the Fuzzy Delphi Method and the Best-Worst Fuzzy Method: A Case Study of Knowledge-Based Companies) | ||
| نویسندگان [English] | ||
| Mahdi Mohammadrezai1؛ Mohammad Ali Sarlak2؛ Abollhassan Faghihi3 | ||
| 1PhD Student of Human Resource Management, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| 2Professor, Management Department, Payame Noor University, Tehran, Iran | ||
| 3Professor, Department of Public Administration, Allameh Tabataba'i University, Tehran, Iran | ||
| چکیده [English] | ||
| Nowadays, the importance of knowledge management and its impact on various aspects of the organization, including the position of the organization among competitors and gaining a competitive advantage, is increasing. In today's competitive environment, employees who create knowledge and use it to develop the organization and provide better products and services have a significant impact on the productivity of organizations and the organization's position among competitors. Therefore, efforts to increase the productivity of knowledge workers and identify the factors affecting it can have a significant impact on the success of organizations. Although uncertainty in global markets has made it difficult to evaluate accurately the productivity of knowledge workers, an attempt is made in this research to respond to the existing uncertainty by using multi-criteria decision-making methods in a fuzzy environment. To this end, the Delphi method is used to determine the key criteria as viewed by 12 experts of knowledge-based companies and the best-worst fuzzy method is used to evaluate the weight of the Knowledge workers’ productivity criteria. The results show that among the criteria of knowledge workers productivity, the “work conscience, commitment, and responsibility” is the most important criteria for the evaluation of knowledge workers’ productivity. This means that if an organization wants to improve its productivity through its knowledge workers, it must have employees in its organization who are committed to organizational issues to be able to improve the organization's productivity and increase the organization's ability to compete in global markets by solving problems on time. | ||
| کلیدواژه‌ها [English] | ||
| Organizational productivity, Knowledge workers’ productivity, Delphi fuzzy method, Best-worst fuzzy method | ||
| مراجع | ||
|
سیدنقوی، میرعلی؛ سعیده اسماعیلی (1392). «اولویت‌بندی منابع ارزیابی عملکرد کارکنان دانشی»، ششمین کنفرانس مدیریت دانش، تهران. صیادی‌نژاد، ریحانه؛ علی‌محمد کیمیاگری (۱۳۹۸). «یک مدل بر پایة رگرسیون چندمتغیره جهت شناسایی عوامل مؤثر، اندازه‌گیری، و بهبود بهره‌وری کارکنان دانشی حوزة مهندسی»، چهارمین کنفرانس بین‌المللی مدیریت صنعتی، یزد، دانشگاه یزد، انجمن علمی مدیریت صنعتی ایران. قربانی‌زاده، وجه‌الله؛ مهدی خیراندیش؛ اعظم عدنان‌راد) ۱۳۹۶). «عوامل مؤثر بر حفظ کارکنان دانشی با هدف توسعة برنامه‌های کیفیت زندگی کاری در مؤسسة مطالعات بین‌المللی انرژی»، مدیریت منابع انسانی در صنعت نفت، س 8، ش 32، ص 150-175 میرنعمتی، سیده اکرم و انیسه، محمد،1396،بررسی و شناخت عوامل موثر بر بهره وری نیروی انسانی با استفاده از روشهای فازی،دومین کنفرانس بین المللی مدیریت و حسابداری،تهران،https://civilica.com/doc/642803 References Abbott, M., Barraket, J., Erin, I., Castellas, P., Hiruy, K., Suchowerska, R., & Ward-Christie, L. (2019). “Evaluating the labour productivity of social enterprises in comparison to SMEs in Australia”, Social Enterprise Journal. Vol. 15 No. 2, pp. 179-194. Adeyeye, O. J., Adeniji, A. A., Osinbanjo, A. O., & Oludayo, O. O. (2015). Effects of workplace ethics on employees and organisational productivity in Nigeria. In: 2nd Covenant University Conference on African Development Issues (CU-ICADI), 11th - 13th May, 2015, Africa Leadership Development Center, Covenant University, Ota, Nigeria Bildstein, I., Gueldenberg, S. and Tjitra, H. (2013), "Effective leadership of knowledge workers: results of an intercultural business study", Management Research Review, Vol. 36 No. 8, pp. 788-804. Butt, M. A., Nawaz, F., Hussain, S., Sousa, M. J., Wang, M., Sumbal, M. S., & Shujahat, M. (2019). “Individual knowledge management engagement, knowledge-worker productivity, and innovation performance in knowledge-based organizations: the implications for knowledge processes and knowledge-based systems”, Computational and Mathematical Organization Theory, 25 (3), pp. 336-356. Chang, T. Y., Graff Zivin, J., Gross, T., & Neidell, M. (2019). “The effect of pollution on worker productivity: evidence from call center workers in China”, American Economic Journal: Applied Economics, 11 (1), pp. 72-151. Cheng, C. H. & Lin, Y. (2002). “Evaluating the best main battle tank using fuzzy decision theory with linguistic criteria evaluation”, European journal of operational research, 142 (1), pp. 174-186. Drucker, P. F. (1999). “Knowledge-worker productivity: The biggest challenge”, California management review, 41 (2), pp. 79-94. Escorpizo, R., Burghardt, E., & Richards, C. (2019). “Type of job, personal factors, and disease status are important contextual factors when measuring worker productivity in people with arthritis: a Delphi study”, Disability and Rehabilitation, pp. 1-8. Ghorbanizadeh, V., Kheirandish, M., & Adnan Rad, A. (2017). “The main factors affecting the retention of knowledge staff with the aim of developing quality of work life programs in the Institute of International Energy Studies”, Quarterly Journal of Human Resource Management in the Oil Industry, No. 32. (in Persian) Glock, C. H., Grosse, E. H., Jaber, M. Y., & Smunt, T. L. (2019). “Applications of learning curves in production and operations management: A systematic literature review”, Computers & Industrial Engineering, 131, pp. 422-441. Hatam, N., Kavosi, Z., Lotfi, M., Zarifi, M., Tavakoli, A., Rahimi, M. (2014). Localization of the Knowledge Workers’ Productivity Questionnaire and Evaluation of the Productivity of Knowledge Workers of the Central Field of Shiraz University of Medical Sciences. International Journal of Travel Medicine and Global Health, 2(2), 51-60. Hiyassat, M. A., Hiyari, M. A., & Sweis, G. J. (2016). “Factors affecting construction labour productivity: a case study of Jordan”, International Journal of Construction Management, 16 (2), pp. 138-149. Huang, Y., Aimin, Y. A. N., & Smith, R. (2019). “Methodology for the development of knowledge management on organizational performance based on employees’ professional competence”, Revista De Cercetare Si Interventie Sociala, 64, pp. 85-96. Kao, C. & Hwang, S. N. (2010). “Efficiency measurement for network systems: IT impact on firm performance”, Decision Support Systems, 48 (3), pp. 437-446. Khaksar, S. M. S., Chu, M. T., Rozario, S., & Slade, B. (2020). “Knowledge-based dynamic capabilities and knowledge worker productivity in professional service firms The moderating role of organisational culture”, Knowledge Management Research & Practice, pp. 1-18. Kianto, A., Shujahat, M., Hussain, S., Nawaz, F. and Ali, M. (2019), "The impact of knowledge management on knowledge worker productivity", Baltic Journal of Management, Vol. 14 No. 2, pp. 178-197 Kim, T. W., Lee, H. S., Park, M., & Yu, J. H. (2011). “Productivity management methodology using productivity achievement ratio”, KSCE Journal of Civil Engineering, 15 (1), pp. 23-31. Lu, M. & Zhu, K. (2018). Performance evaluation of the insurance companies based on AHP, in AIP Conference Proceedings (Vol. 1955, No. 1, p. 040002). AIP Publishing. Mir-Nemati, S.A. & Aniseh, M. (2017). “Study and recognition of factors affecting human resource productivity using fuzzy methods”, Second International Conference on Management and Accounting, Tehran, https://civilica.com/doc/642803. (in persian) Najafi, A. (2011). “Knowledge Workers Productivity and Stress Management in the Irancell Company”, Australian Journal of Basic and Applied Sciences, 5 (9), pp. 1412-1417. Najafi, A. (2012). “Knowledge worker productivity measurement using fuzzy analytical network process (FANP)”, Scientific Research and Essays, 7 (31), pp. 2754-2769. Nappi, I., de Campos Ribeiro, G. and Cochard, N. (2020), "The interplay of stress and workspace attachment on user satisfaction and workspace support to labour productivity", Journal of Corporate Real Estate, Vol. 22 No. 3, pp. 215-237 Palvalin, M., Van der Voordt, T., & Jylhä, T. (2017). “The impact of workplaces and self-management practices on the productivity of knowledge workers”, Journal of Facilities Management, 15 (4), pp. 423-438. Peter S. WONG & Philip A. NECK, 2010. "A Practitioner’s Approach to Drucker’s Knowledge - Worker Productivity in the 21st Century: A New Model (Part One)," REVISTA DE MANAGEMENT COMPARAT INTERNATIONAL/REVIEW OF INTERNATIONAL COMPARATIVE MANAGEMENT, Faculty of Management, Academy of Economic Studies, Bucharest, Romania, vol. 11(4), pages 685-695, October. Ramírez, Y.W. and Nembhard, D.A. (2004), "Measuring knowledge worker productivity: A taxonomy", Journal of Intellectual Capital, Vol. 5 No. 4, pp. 602-628. Rastgar, AA. & J’afari, T. (2019). “The Effect of Infrastructure Capabilities of Knowledge Management and Business Strategy on Organizational Performance through the Mediating Variable of Knowledge Management Process Capabilities”, Scientific Journal of Strategic Management of Organizational Knowledge, Vol. 2, Issue 5, pp. 173-208. (in Persian) Sadeghipour, N. (2014). “Factors Affecting Manpower Productivity in Isfahan Province Electricity Distribution Company”, International Conference on Accounting and Management, Tehran, https://civilica.com/doc/392990. (in Persian) Sahibzada, U. F., Jianfeng, C., Latif, K. F., Shafait, Z., & Sahibzada, H. F. (2020). “Interpreting the impact of knowledge management processes on organizational performance in Chinese higher education: mediating role of knowledge worker productivity”, Studies in Higher Education, pp. 1-18. Sayadinejad, R. & Kimia-Gari, A.M. (2019). “A model based on multivariate regression to identify effective factors, measure and improve the productivity of knowledge workers in the field of engineering”, 4th International Conference on Industrial Management, Yazd, https://civilica.com/doc/938063. (in Persian) Sayed-Naqavi, M.A. & Ismaili, S. (2014). “Prioritize resources for evaluating the performance of knowledge employees”, 6th Knowledge Management Conference, Tehran, Iran. (in Persian) Sheng, L. K., Khairuddin, S. M. H. S., Tehseen, S., & Yan, Y. H. (2019). “The influence of knowledge-based HRM practices on productivity of knowledge workers: A Study on Malaysian universities”. in 2019 13th International Conference on Mathematics, Actuarial Science, Computer Science and Statistics (MACS), pp. 1-7. Shujahat, M., Ali, B., Nawaz, F., Durst, S., & Kianto, A. (2018). “Translating the impact of knowledge management into knowledge‐based novation:The eglected and mediating role of knowledge‐worker satisfaction”, Human Factors and Ergonomics in Manufacturing & Service Industries, 28 (4), pp. 200-212. Shujahat, M., Sousa, M. J., Hussain, S., Nawaz, F., Wang, M., & Umer, M. (2019). “Translating the impact of knowledge management processes into knowledge-based innovation: The neglected and mediating role of knowledge-worker productivity”, Journal of Business Research, 94, pp. 442-450. Sondari, M. C. & Apriyanti, E. (2017). Knowledge Worker Productivity Indicators for Small Consultant Businesses: A Thematic Analysis. Varmazyar, M., Dehghanbaghi, M., & Afkhami, M. (2016). “A novel hybrid MCDM model for performance evaluation of research and technology organizations based on BSC approach”, Evaluation and program planning, 58, pp. 125-140. | ||
|
آمار تعداد مشاهده مقاله: 1,060 تعداد دریافت فایل اصل مقاله: 603 |
||