加强年度绩效协议培训的培训后评估:fsQCA和人工神经网络方法的融合
Md Zohurul Islam1, Munshi Muhammad Abdul Kader Jilani2, Mohammad Rezaul Karim3
1Research and Development Department, Bangladesh Public Administration Training Centre (BPATC), Savar, Dhaka, Bangladesh.
PloS one
|June 25, 2024
概括
本研究增强了年度绩效协议 (APA) 对公务员的培训评估,使用模糊集定性比较分析 (fsQCA) 和人工神经网络 (ANN). 学习技能显著影响培训的有效性,建议克服认知障碍的策略.
科学领域:
- 公共管理 公共管理
- 教育评价教育评价
- 计算社会科学 计算社会科学
背景情况:
- 有效的培训后评估对于公务员的发展至关重要.
- 柯克帕特里克的四个阶段模型是培训评估的标准框架.
- 孟加拉国公共管理培训中心 (BPATC) 要求其年度绩效协议 (APA) 培训加强评估方法.
研究的目的:
- 加强在BPATC对APA培训的培训后评估.
- 使用先进的分析技术,探索基克帕特里克的四个层次 (反应,学习,行为,结果) 之间的相互关系.
- 确定影响公务员培训有效性的关键因素.
主要方法:
- 使用模糊集定性比较分析 (fsQCA) 和人工神经网络 (ANN) 技术.
- 采用了配置方法来分析不对称的,非线性关系.
- 从71名现任公务员的自我管理问卷调查中收集的数据.
主要成果:
- 实习生在所有四个基克帕特里克级别都报告了满意度.
- 在评估水平之间发现了显著的非线性关系.
- "学习技能"成为APA培训成功的最关键因素,其次是行为,结果和反应.
结论:
- 这项研究通过结合fsQCA和ANN来推进Kirkpatrick的模型,以便对培训结果有更深入的了解.
- 建议优先考虑解决认知障碍的策略,以提高培训效率.
- 这些发现为公共服务培训机构和政策制定者提供了实际指导,以设计更有效的能力发展计划.
