چکیده:
این مقاله حاصل پژوهشی است که با هدف طراحی الگوی دیدهبانی منابع انسانی با تاکید بر الزامات و چالشهای پیاده سازی آن در ستاد وزارت جهاد کشاورزی انجام شد. این پژوهش از نظر هدف در زمره پژوهشهای توسعهایی قرار داشت که با رویکرد کیفی و کمّی اجراء شد. به منظور دستیابی به هدف فوق، پس از مطالعه پیشینه موضوع، در ابتدا با مصاحبههای نیمه ساختار یافته و عمیق با خبرگان، ابعاد و مولفههای الزامات و چالشهای مورد نیاز برای طراحی مدل بر اساس نظریه سیستمی مشخص شد و در ادامه بمنظور تائید مدل طراحی شده از روش کمی با استفاده از روش تحلیل عاملی تائیدی استفاده شد. نمونهها در بخش کیفی با استفاده از روش نمونهگیری هدفمند به تعداد بیست نفر و در بخش کمّی به تعداد دویست نفر با معیار انتخاب نو ع و میزان تحصیلات مرتبط با منابع انسانی، حداقل ده سال سابقه کار در حوزه منابع انسانی و آشنایی با ساختار و تشکیلات انتخاب شدند، سپس با استفاده از نرم افزار maxqda 2018 مولفههای حاصل از مصاحبه استخراج گردید. نتایج حاصل از خروجی نرم افزار maxqda نشان دهنده آن بود که از میان هشتاد و سه مولفه احصاء شده اولیه، هشتاد و یک مولفه در مراحل ورود، فرآیند، خروج، نتایج و تاثیرات مورد تائید قرار گرفت و به منظور اعتباریابی یافتههای حاصل از مصاحبه از روائی تئوریکی ماکسول و روش لینکلن و گوبا در بخش کیفی استفاده گردید، همچنین پایایی دادههای حاصل از مصاحبه به روش ضریب پایایی هولستی مقدار 0.97گزارش شد. همچنین برای ارزیابی تناسب داده جهت انجام تحلیل عاملی تائیدی آزمون kmo محاسبه شده معادل 0.712 وکای اسکوئر 8634 با درجه آزادی 16599 و ضریب آلفای 0.001 تناسب دادهها برای انجام تحلیل عاملی تائیدی مورد تائید قرارگرفت. نتایج آزمون تحلیل عاملی تائیدی سنجش معیارهای ارزیابی برازش مدل اندازه گیری بار عاملی مولفهها بزرگتر از 0.7 و معیارهای ارزیابی برازش مدل ساختاری با t.value بالاتر از 1.96 در سطح معنیداری 0.05 و معیار r.square بالاتر از 0.67 نشان از تائید 81 مولفه احصائی در روشکیفی دارد.
this article is the result of a study conducted at the headquarters of the ministry of jihad agriculture with the aim of designing a model of human resource surveillance with an emphasis on the requirements and challenges of its implementation. in terms of purpose, this research was among the developmental researches that were implemented with a qualitative and quantitative approach. in order to achieve the above goal, after studying the background of the subject, first with semi-structured and in-depth interviews with experts, the dimensions and components of the requirements and challenges required to design the model based on system theory were determined and then designed to confirm the model. quantitative method was used using confirmatory factor analysis method. samples in the qualitative section using the targeted sampling method in the number of twenty people and in the quantitative section in the number of two hundred people with the criteria of new selection and the amount of education related to human resources, at least ten years of experience in human resources and familiarity with structure and organization they were selected, then the components of the interview were extracted using maxqda 2018 software. the results of maxqda software output showed that out of eighty-three initial calculated components, eighty-one components were approved in the input, process, output, results and effects stages, and in order to validate the findings of the interview from maxwell's theoretical validity and lincoln's and guba's methods were used in the qualitative section, and the reliability of the data obtained from the interview was reported to be 0.97 using the holistic reliability coefficient. also, to evaluate the appropriateness of the data to perform the confirmatory factor analysis, the calculated kmo test equal to 0.712 and k2=8634 with the degree of freedom 16599 and the alpha coefficient of 0.001 of the appropriateness of the data for the confirmatory factor analysis were confirmed. the results of the confirmatory factor analysis test measuring the fitness evaluation criteria of the factor load factor measurement model of the components greater than 0.7 and the fitness evaluation criteria of the structural model with t.value above 1.96 at the significance level of 0.05 and r.square criterion above 0.67 indicate the approval of 81 computational components in it has a quality method.