طراحی مدل راهبردی اثربخش به ‌منظور ارزیابی عملکرد دانشگاه‌ها

نوع مقاله: علمی-

نویسندگان

1 دانشیار، دانشگاه شهید بهشتی، تهران

2 دانشیار، دانشگاه شهید بهشتی،‌تهران

3 دانشجوی دکتری، دانشگاه شهید بهشتی،‌تهران

چکیده

دانشگاه‌ها نیز مانند هر سازمان دیگری به‌منظور استفاده بهینه از منابع محدود خود و اثربخشی بیشتر، نیازمند ارزیابی و سنجش عملکرد می‌باشند. تحقیق حاضر به ‌منظور تدوین مدلی جهت سنجش ارزیابی عملکرد دانشگاه‌ها بر اساس مطالعه حوزه‌های انسانی، پژوهشی، اداری- پشتیبانی، فرهنگی و آموزشی در میان دانشگاه­های استان فارس و اصفهان است. داده‌های تحقیق حاضر از طریق پرسشنامه‌ای 63 سؤالی و از میان 322 نفر از هیئت‌ علمی، کارشناسان و مدیران جامعه آماری مذکور جمع‌آوری گردید، در بررسی داده‌های تحقیق مشخص گردید که تمامی عوامل به‌استثنای عامل فرهنگی بر بهبود ارزیابی اثربخش تأثیرگذارند. مقدار ضریب تعیین داده‌های تحقیق نشان می‌دهد تمامی متغیرهای منابع آموزشی، منابع اداری ـ پشتیبانی، منابع انسانی، منابع فرهنگی و منابع پژوهشی رویهم‌ ‌رفته 3/68% از واریانس متغیر اثربخشی ارزیابی عملکرد را توضیح می‌دهند. با توجه به ضریب مسیر به‌دست ‌آمده می‌توان گفت که بیشترین اثر را شاخص منابع آموزشی داشته است (ضریب مسیر بزرگ‌تری داشته است)، منابع پژوهشی در رده دوم، منابع انسانی در رده سوم، منابع اداری پشتیبانی در رده چهارم و منابع فرهنگی نیز در رده پنجم و کمترین تأثیر را در ارزیابی عملکرد داشته است.

کلیدواژه‌ها


عنوان مقاله [English]

Designing and Defining the Effective Model of Universities’ Performance Appraisal

نویسندگان [English]

  • Gholamali Tabarsa 1
  • Akram Hadizadeh Moghadam 2
  • Mohammad Ghahramani 2
  • Serajedin Mohebbi 3
1 Associate professor, Shahid Beheshti University, Tehran
2 Associate professor, Shahid Beheshti University, Tehran
3 Phd Student, Shahid Beheshti University, Tehran
چکیده [English]

Like all other organizations the universities need their operations to be examined and assessed in order to benefit optimally and more effectively from their limited sources. Present study is to define a model to assess necessarily universities’ operations based on humanistic, research, and administrative- logistic, cultural and educational studies by contingency factors (Environment, size, life cycle) among Esfahan and Shiraz provinces. The present study data were collected by 64-question questionnaire and the universe included 322 members of scientific board, specialists and directors. Having examined the data it became known that all factors have positive and significant effects on the assessment except the cultural factor. Of course, such effect increases or decreases by contingency factors. The coefficient to define the study data indicates all humanistic, research, administrative- logistic, cultural and educational sources variables justify totally 68.30 percent of the operation assessment effective variable variance. By virtue of the gained path coefficient it can be said that the most effect was by the educational sources indicator (It had a greater path coefficient) and then the study sources, humanistic sources, administrative- logistic sources, cultural sources were second, third, fourth and fifth, respectively.

کلیدواژه‌ها [English]

  • Operation Assessment
  • Educational Sources
  • Humanistic Sources
  • Cultural Sources
  • Administrative- Logistic Sources
  • Study Sources
 

1. آذر، عادل و مؤمنی، منصور، (1377). آمار و کاربرد آن در مدیریت، جلد اول و دوم، تهران، سمت.

2. آوا، کاران (1385). روش‌های تحقیق در مدیریت، ترجمه محمد صائبی و محمود شیرازی، تهران، نشر مؤسسه آموزش و پژوهش و برنامه‌ریزی.

3. اعرابی، فیاضی، (1391). مدیریت منابع انسانی، پیوند استراتژی و عمل، تهران، مهکامه.

4. حافظ نیا، محمدرضا (1383). مقدمه‌ای بر روش تحقیق در علوم انسانی، تهران، سمت.

5. سعادت، اسفندیار (1380). مدیریت منابع انسانی، تهران، سمت.

6.Akter, S., D’Ambra, J., & Ray, P. (2011). Trustworthiness in mHealth Information Ser- vices: An Assessment of a Hierarchical Model with Mediating and Moderating Effects Using Partial Least Squares (PLS). Journal of The American Society for Infor- mation Science and Technology, 62(1), 100–116.

7.Amato, S., Esposito Vinzi, V., & Tenenhaus, M. (2004). A global goodness-of-fit index for PLS structural equation modeling. France: HEC School of Management (Oral Communication to PLS Club.).8. Bollen, K. A., & Barb, K. H. (1981). Pearson's r and coarsely categorized measures. American Sociological Review, 46, 232-239.

9.Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: Results from a Monte Carlo simulation study and voice mail emotion/adoption study. Informa- tion Systems Research, 14(2), 189–217.

10.Chin,W.W.,& Newsted.P.R.(1999). Structural equation modeling analysis with small samples using PLS, in rick hoyle(ed),Statistical strategies for small samples research, sage Publications:307-341

11. Marr, B. and Schiuma, G. (2003). Business performance measurement- past, present and future, Management Decision, 48(8).

12. Neely, A., Mills, J., plats, K., Richards, H. and Bourne, M, (2000). Performance measurement system design: developing and testing a process-based approach, International Journal of Operations & Production Management, 20(10)

13. Powena Jacobs (2013). The relationship between organizational culture and performance in acute hospital, social science and medicine.

14. Ringle, C. M., Wende, S., & Will, A. (2005). SmartPLS 2.0 M3 (beta). University of Hamburg. www.smartpls.de

 

 15. Tucker, L. R., & Lewis, C. (1973). A reliability coefficient for maximum likelihood factor analysis. Psychometrika, 38(1), 1-10

 

1. آذر، عادل و مؤمنی، منصور، (1377). آمار و کاربرد آن در مدیریت، جلد اول و دوم، تهران، سمت.

2. آوا، کاران (1385). روش‌های تحقیق در مدیریت، ترجمه محمد صائبی و محمود شیرازی، تهران، نشر مؤسسه آموزش و پژوهش و برنامه‌ریزی.

3. اعرابی، فیاضی، (1391). مدیریت منابع انسانی، پیوند استراتژی و عمل، تهران، مهکامه.

4. حافظ نیا، محمدرضا (1383). مقدمه‌ای بر روش تحقیق در علوم انسانی، تهران، سمت.

5. سعادت، اسفندیار (1380). مدیریت منابع انسانی، تهران، سمت.

6.Akter, S., D’Ambra, J., & Ray, P. (2011). Trustworthiness in mHealth Information Ser- vices: An Assessment of a Hierarchical Model with Mediating and Moderating Effects Using Partial Least Squares (PLS). Journal of The American Society for Infor- mation Science and Technology, 62(1), 100–116.

7.Amato, S., Esposito Vinzi, V., & Tenenhaus, M. (2004). A global goodness-of-fit index for PLS structural equation modeling. France: HEC School of Management (Oral Communication to PLS Club.).8. Bollen, K. A., & Barb, K. H. (1981). Pearson's r and coarsely categorized measures. American Sociological Review, 46, 232-239.

9.Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: Results from a Monte Carlo simulation study and voice mail emotion/adoption study. Informa- tion Systems Research, 14(2), 189–217.

10.Chin,W.W.,& Newsted.P.R.(1999). Structural equation modeling analysis with small samples using PLS, in rick hoyle(ed),Statistical strategies for small samples research, sage Publications:307-341

11. Marr, B. and Schiuma, G. (2003). Business performance measurement- past, present and future, Management Decision, 48(8).

12. Neely, A., Mills, J., plats, K., Richards, H. and Bourne, M, (2000). Performance measurement system design: developing and testing a process-based approach, International Journal of Operations & Production Management, 20(10)

13. Powena Jacobs (2013). The relationship between organizational culture and performance in acute hospital, social science and medicine.

14. Ringle, C. M., Wende, S., & Will, A. (2005). SmartPLS 2.0 M3 (beta). University of Hamburg. www.smartpls.de

 15. Tucker, L. R., & Lewis, C. (1973). A reliability coefficient for maximum likelihood factor analysis. Psychometrika, 38(1), 1-10