عامل) نسبت به تعیین میزان اهمیت هر یک از آن ها در پیاده سازی موفق مدیریت دانش در سازمان های تحقیقاتی اقدام نمایند.
1-3-4 اطلاعات توصیفی خبرگان گروه دوم
در پرسشنامه دوم از خبرگان درخواست گردید که مشخصات خود را در قالب سه مشخصه میزان تحصیلات، سابقه خدمت تحقیقاتی و سن در محل مشخص شده علامت گذاری نمایند. این اطلاعات در قالب آمار توصیفی مشخصات خبرگان در نمودارهای(1-4) و (2-4) و (3-4) نشان داده شده است.

نمودار 1-4 اطلاعات توصیفی خبرگان گروه دوم از نظر میزان تحصیلات

نمودار 2-4 اطلاعات توصیفی خبرگان گروه دوم از نظر سابقه خدمت تحقیقاتی

نمودار3-4 اطلاعات توصیفی خبرگان گروه دوم از نظر سن

4-4 تجزیه و تحلیل و نتایج حاصل از پرسشنامه شماره2
جهت انجام تجزیه و تحلیل داده های جمع آوری شده، از نرم افزار SPSS 16 استفاده شده است. هر کدام از عوامل به عنوان یک متغیر در این پرسشنامه در نظر گرفته می شود که با توزیع 73 پرسشنامه و جمع آوری 55 عدد از آن ها، برای هر متغیر 55 نمونه موجود می باشد.
به علت طولانی بودن عناوین عوامل، برای هر عامل از حرف انگلیسی X برای تعریف متغیرها در نرم افزار SPSS 16 استفاده شده است که مشروح آن در جدول(1-4) آورده شده است.

جدول 1-4 عناوین متغییرهای بکار گرفته شده در نرم افزار
نام متغیر
عنوان متغیر
X1
وجود تیم های تخصصی در پروژه ها و سازمان های تحقیقاتی برای اجرای موفق مدیریت دانش
X2
وجود نظام مدیریت پروژه تحقیقات برای اجرای موفق مدیریت دانش
X3
وجود نظام مستندسازی فعالیت های تحقیقاتی برای اجرای موفق مدیریت دانش
X4
وجود نظام ثبت و ضبط(حفظ و نگه داری ایمن) دانش تحقیقاتی برای اجرای موفق مدیریت دانش
X5
طراحی و اجرای سیستم مدیریت دانش به صورت شفاف، استاندارد و انعطاف پذیر در سازمان تحقیقاتی
X6
مدل سازی فرایندهای مختلف مدیریت دانش قبل از اجرای آن در سازمان تحقیقاتی
X7
لزوم انجام فعالیت های تحقیقاتی به صورت مشارکتی برای اجرای موفق مدیریت دانش
X8
وجود حس اعتماد در محققین نسبت به سازمان و بلعکس برای اجرای موفق مدیریت دانش
X9
وجود فرهنگ سازمانی مناسب برای تحقق مدیریت دانش در سازمان های تحقیقاتی
X10
ایجاد انگیزه برای محققین به منظور تسهیم دیگران در یافته ها، تجربیات و دانش خود برای اجرای موفق مدیریت دانش
X11
تعهد و حمایت آشکار و مداوم رهبری یا مدیریت سازمان تحقیقاتی در پیاده سازی موفق مدیریت دانش
X12
هدف گذاری مناسب برای پیاده سازی مدیریت دانش در سازمان تحقیقاتی
X13
برنامه ریزی مناسب برای پیاده سازی مدیریت دانش در سازمان تحقیقاتی
X14
انطباق استراتژی مدیریت دانش با استراتژی اصلی سازمان تحقیق و توسعه برای اجرای موفق مدیریت دانش
X15
الگو گیری از سازمان های تحقیقاتی موفق در اجرای مدیریت دانش
X16
اجرای مدیریت دانش به صورت پایلوت(نمونه) در بخشی از سازمان تحقیقاتی
X17
وجود کارکنان تحقیقاتی خلاق، نوآور و یادگیرنده جهت اجرای موفق مدیریت دانش
X18
وجود کارکنان متخصص در حوزه فناوری اطلاعات جهت اجرای موفق مدیریت دانش
X19
آشنایی و مهارت کارکنان تحقیقاتی در بکارگیری تکنیک های مدیریت دانش برای اجرای موفق مدیریت دانش
X20
وجود آموزش های لازم در قالب کارگاه های آموزشی مدیریت دانش برای کارکنان تحقیقاتی برای اجرای موفق مدیریت دانش
X21
دادن قدرت و اختیار به محققین در تصمیم گیری های مرتبط با پروژه های تحقیقاتی برای اجرای موفق مدیریت دانش
X22
وجود سیاست های باز اطلاعاتی در سازمان تحقیقاتی برای اجرای موفق مدیریت دانش
X23
درک سودمندی و مزایای ناشی از خلق و تسهیم دانش از سوی محققین و مدیران تحقیقاتی برای اجرای موفق مدیریت دانش
X24
فراهم نمودن زیر ساخت های فنی سازمان تحقیقاتی اعم از ساختار فنی یکپارچه (شامل: شبکه، پایگاه داده، رایانه، نرم افزار و …) و کانال های چندگانه انتقال دانش (شامل: اینترنت، اینترانت، پست الکترونیک، ابزارهای مبتنی بر وب و …)
X25
بهره گیری از سامانه های اطلاعاتی جهت طراحی، اجرا و بکارگیری پروژه های تحقیقاتی
X26
متناسب سازی زیر ساخت های حقوقی سازمان تحقیقاتی ( قوانین، مقررات و آیین نامه ها) برای اجرای موفق مدیریت دانش
X27
وجود انعطاف پذیری در ساختار سازمان تحقیقاتی برای اجرای موفق مدیریت دانش
X28
تجهیز و تخصیص منابع مالی لازم برای اجرای موفق مدیریت دانش در سازمان های تحقیقاتی
X29
وجود نظام طبقه بندی و ارزشیابی مشاغل مبتنی بر معماری دانش در سازمان تحقیقاتی
X30
وجود نظام ارزیابی تحقق مدیریت دانش در سازمان های تحقیقاتی
X31
وجود نظام پاداش دانش محور (ارتباط مستقیم بین پاداش و کسب/تسهیم دانش) به منظور ایجاد انگیزش در اجرای موفق مدیریت دانش در سازمان تحقیقاتی
X32
وجود ارتباط نظام مند با مشتریان سازمان تحقیقاتی برای اجرای موفق مدیریت دانش
X33
وجود ارتباط نظام مند با کارفرمایان سازمان تحقیقاتی برای اجرای موفق مدیریت دانش
X34
وجود ارتباط نظام مند با تامین کنندگان و شرکای سازمان تحقیقاتی برای اجرای موفق مدیریت دانش

این مطلب رو هم توصیه می کنم بخونین:   دانلود پایان نامه ارشد درباره نیتروژن، اسید، افزایش

1-4-4 تجزیه وتحلیل قابلیت اطمینان(پایایی)
در این پرسشنامه جهت بررسی هماهنگی درونی سوالات با متغییرهای پرسشنامه ، آنالیز قابلیت اطمینان با استفاده از دو روش آلفای کرونباخ و روش دونیمه کردن انجام گردید. مطابق جدول(2-4) و جدول(3-4) نتیجه حاصل گویای آن است که مقدار ضریب آلفا برای پرسشنامه برابر 956/0 و ضریب دونیمه گاتمن برابر 941/0 می باشدکه بیانگر قابلیت اطمینان خوب و بالایی بوده و نشان دهنده این است که ابزار اندازه گیری طراحی شده از هماهنگی درونی کافی برخوردار است.

جدول 2-4 ضریب آلفا
Reliability Statistics
Cronbach’s Alpha
N of Items
.956
34

جدول 3-4 ضریب دو نیمه گاتمن
Reliability Statistics

Cronbach’s Alpha
Part 1
Value
.915

N of Items
17a

Part 2
Value
.921

N of Items
17b

Total N of Items
34
Correlation Between Forms
.896
Spearman-Brown Coefficient
Equal Length
.945

Unequal Length
.945
Guttman Split-Half Coefficient
.941
a. The items are: x1, x2, x3, x4, x5, x6, x7, x8, x9, x10, x11, x12, x13, x14, x15, x16, x17.
b. The items are: x18, x19, x20, x21, x22, x23, x24, x25, x26, x27, x28, x29, x30, x31, x32, x33, x34.

2-4-4 کفایت نمونه گیری
همان طور که قبلاً اشاره شد، قبل از انجام تحلیل عاملی ابتدا از کفایت نمونه گیری اطمینان پیدا میکنیم و می بینیم که آیا می توان داده های موجود را برای تحلیل مورد استفاده قرار داد یا خیر. برای این منظور از شاخص KMO47 و آزمون بارتلت48 استفاده می کنیم.
در جدول(4-4) نتیجه آزمون بارتلت که تقریبی از آماره کای دو است، نشان داده شده است. مقدار Sig=0.000 این آزمون کوچکتر از 05/0 است که نشان می دهد تحلیل عاملی برای شناسایی ساختار، مدل عاملی، مناسب است و فرض شناخته شده بودن ماتریس همبستگی رد می شود. همچنین شاخص KMO با مقدار 718/0 در ابتدای این جدول آمده است و چون مقدار آن نزدیک به یک است، تعداد نمونه- یعنی تعداد پاسخ دهندگان- برای تحلیل عاملی کافی می باشد.
جدول 4-4 شاخص KMO و آزمون بارتلت

KMO and Bartlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy(KMO).
.718

Bartlett’s Test of Sphericity
Approx. Chi-Square
1.946E3

Df
561

Sig.
.000

3-4-4 تحلیل عاملی
جدول خروجی اول ماتریس همبستگی بین متغیرها را نشان می دهد که همبستگی هر متغیر با خودش یک می باشد. (نمایش این جدول را ضروری ندیدیم)
جدول5-4 اشتراک ها
Communalities

Initial
Extraction
x1
1.000
.895
x2
1.000
.752
x3
1.000
.904
x4
1.000
.872
x5
1.000
.820
x6
1.000
.753
x7
1.000
.701
x8
1.000
.757
x9
1.000
.777
x10
1.000
.943
x11
1.000
.875
x12
1.000
.839
x13
1.000
.930
x14
1.000
.598
x15
1.000
.780
x16
1.000
.683
x17
1.000
.740
x18
1.000
.827
x19
1.000
.921
x20
1.000
.635
x21
1.000
.684
x22
1.000
.718
x23
1.000
.552
x24
1.000
.947
x25
1.000
.881
x26
1.000
.717
x27
1.000
.831
x28
1.000
.700
x29
1.000
.845
x30
1.000
.714
x31
1.000
.895
x32
1.000
.887
x33
1.000
.838
x34
1.000
.930
Extraction Method: Principal Component Analysis.

خروجی دوم- یعنی جدول(5-4)- به ترتیب اشتراک اولیه و اشتراک استخراجی می باشد. اشتراک یک متغیر برابر توان دوم همبستگی چندگانه برای متغیرهای مربوطه با استفاده از عامل ها به عنوان پیش بینی کننده است. ستون اول اشتراک ها را قبل از استخراج عامل بیان می کند به همین دلیل همه ی اشتراک ها یک هستند . در ستون دوم هر چه مقادیر اشتراک استخراجی بزرگ تر باشد(بیشتر از 5/0)، عامل های استخراج شده متغیرها را بهتر نمایش می دهند( کمتر از 5/0 حذف می شوند). در این مثال همه متغیرها مقادیرشان از 5/0 بزرگ تر می باشد .

جدول6-4 واریانس کل
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings

Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
1
14.237
41.872
41.872
14.237
41.872
41.872
4.864
14.304
14.304
2
2.750
8.087
49.960
2.750
8.087
49.960
4.771
14.031
28.336
3
2.419
7.115
57.074
2.419
7.115
57.074
4.085
12.014
40.350
4
2.122
6.241
63.316
2.122
6.241
63.316
3.946
11.607
51.957
5
1.911
5.620
68.935
1.911
5.620
68.935
3.230
9.501
61.457
6
1.406
4.136
73.071
1.406
4.136
73.071
2.500
7.353
68.810
7
1.179
3.468
76.539
1.179
3.468
76.539
2.450
7.206
76.016
8
1.117
3.286
79.825
1.117
3.286
79.825
1.295
3.809
79.825

در خروجی سوم – یعنی جدول(6-4) – قسمت اول با برچسب” Initial Eigenvalues” مربوط به مقادیر ویژه است که عامل ها با مقادیر ویژه بیشتر از یک در تحلیل باقی می

دسته‌ها: No category

دیدگاهتان را بنویسید