معماري الگوي شناسايي استعدادهاي برتر در بنياد ملي نخبگان: روش‌شناسي الگوريتم تركيبي SSM و CM

The Architecture of Talent Identifying Process at National Elite Foundation: CM and SSM Hybrid Algorithm

هدف: با آغاز اقتصاد دانش‌محور، استعدادها سرمايۀ راهبردي براي كسب مزيت رقابتي پايدار و معياري براي رشد و بالندگي در سطوح مختلف سازماني و اجتماعي شناخته شده‌اند. از اين‌ رو در ساليان اخير مقوله معماري مديريت استعداد، بر كشف و شناسايي استعدادهاي برتر در حوزه‌هاي مختلف تأكيد داشته است. بر اين اساس پژوهش حاضر با هدف ارائه الگويي مطلوب براي شناسايي استعدادهاي برتر در بنياد ملي نخبگان انجام شده است. روش: اين پژوهش مبتني بر مطالعه‌اي توصيفي ـ اكتشافي و با رويكردي توسعه‌اي ـ كاربردي انجام شده است. جامعه آماري پژوهش شامل نخبگان علمي كشور و همچنين مديران ارشد بنياد ملي نخبگان است. نمونه آماري به روش هدفمند قضاوتي به تعداد 25 نفر انتخاب شده‌اند. ابزار گردآوري داده‌ها شامل مطالعات كتابخانه‌اي و مصاحبه نيمه‌ساختاريافته با خبرگان بوده است. همچنين تجزيه و تحليل داده‌ها با رويكرد كيفي و مبتني بر الگوريتم تركيبي روش‌شناسي سيستم‌هاي نرم و نگاشت‌ شناختي انجام شده است. يافته ها: يافته‌هاي اين پژوهش منتج به ارائه الگويي براي شناسايي استعدادهاي برتر در بنياد ملي نخبگان شده كه شامل دو روش كلي نخبه‌گزيني فعالانه و منفعلانه است. نتيجه گيري: نتايج نشان داد كه نخبه‌گزيني فعالانه دربرگيرنده دو روش معرفي‌گرايانه و جست‌وجوگرايانه و نخبه‌گزيني منفعلانه شامل دو روش گزينشي و خوداظهارانه است.

Objective: Within the knowledge based economy, talents are known as a strategic talent in order to achieve sustainable competitive advantage as well as a criterion for growth in different organizational and social level. Thus, in recent studies, talent management architecture has emphasized on exploring and identifying talents in different fields. Accordingly, the present study aimed to provide a model of talent identifying process at the Iran National Elite Foundation (INEF). Methods: This study is conducted based on a descriptive-exploratory study with a developmentalapplied approach. The statistical population of the research includes the scientific lasting faces of the country as well as top managers of the INEF. The statistical sample was selected through a purposeful judgment of 25 people. Data collection tools were library studies and semi-structured interviews with experts. Data were analyzed based on qualitative approach and based on a hybrid algorithm of the soft system methodology and cognitive mapping. Results: The findings proposed a model to identify talents in INEF including two methods of elite selection as active and passive manner. Conclusion: The results showed that the active process of elite selection includes two nominating and searchable methods and the passive process of elite selection includrs two selective and selfassertive methods.