ارزيابي عمكرد كاركنان دانشيِ واحد تحقيق‌وتوسعه در شرايط برون‌سپاري

Performance Evaluation of Knowledge Workers at R&D department in Outsourcing Conditions

امروزه تمركز صنايع از بهره‌وري نيروي كار، به‌صورت كلي،به بهره‌وري كاركنان دانشي تغيير كرده است. سوگيري نتايجدر عموم روش‌هاي ارزيابي عملكرد كه مبتني بر قضاوت ارزياب و ناشي ازجهت‌گيري و انگيزه‌هاي شخصي است، ضعف عمدۀروش‌هاي پيشين به حساب مي‌آيد.در اين پژوهش با توسعۀ رويكرد مديريت مبتني بر نتايج، به استخراج شاخص‌هاي ارزيابي عملكرد كاركنان دانشي مؤسسۀ هدايت فرهيختگان جوان در شرايط برون‌سپاري پرداخته شد. تحليل پوششي داده‌ها ابزاري براي سنجش بهره‌وري در ارزيابي عملكرد است. مدل‌هاي مختلف تحليل پوششيداده‌ها براي ارزيابي عملكرد 25 نفر از كاركنان دانشي واحد تحقيق و توسعۀمؤسسه به كار گرفته شد. در اين روش كاركنان با كارايي يك به‌عنوان الگويي براي بهبود عملكرد ساير كاركنان پيشنهادمي‌شوند.يافته‌ها نشان مي‌دهد 4 نفر از كاركنان دانشيداراي بهترين كارايي هستند. به‌كارگيري مدل غيرشعاعي تحليل پوششي داده‌هابا قدرت تفكيك‌پذيري بالاتر نسبت به مدل‌هاي شعاعي از نوآوري‌هاي اين پژوهش است.

Nowadays, the focus of industries is changed from efficiency of workers to efficiency of knowledge workers. Thus, the performance appraisal process of the knowledge workers is important. A basic drawback of previous methods for performance evaluation is their biased results due to influence of rater's personal motivations. In this study, by developing a Result Base Method (RBM) approach, the criteria of performance appraisal of knowledge workers in outsourcing conditions is identified in Hedayat-e-Farhikhtegan-e-Javan Institution (HFJ). Different models of data envelopment analysis (DEA) are validated on 25 knowledge workers working at the research and development department at the institution. The DEA was able to classify knowledge workers into efficient and inefficient ones. Based on project career development plans, a set of efficient knowledge workers was used to establish an internal best practice benchmark for improving the performance of other inefficient knowledge workers. The findings show that 4 knowledge workers are efficient. Our findings indicate that the non-radial model of data envelopment analysis owns more separation power comparing with other radial models.