目的构建陆航飞行员岗位胜任特征模型,为编制陆航飞行员选拔系统提供依据。方法采用文献分析、半开放式问卷和开放式行为事件访谈方法整理出描述陆航飞行员胜任特征要素,经过专家小组讨论形成44个胜任特征要素。通过对124名陆航飞行员...目的构建陆航飞行员岗位胜任特征模型,为编制陆航飞行员选拔系统提供依据。方法采用文献分析、半开放式问卷和开放式行为事件访谈方法整理出描述陆航飞行员胜任特征要素,经过专家小组讨论形成44个胜任特征要素。通过对124名陆航飞行员测试后,形成正式问卷。采用随机抽样的方式对104名陆航飞行员施测,对所得的数据进行探索性因素分析和验证性因素分析,并检验问卷的内部一致性信度。结果题总相关结果显示成就力条目与问卷总体相关性低于0.4,予以删除。探索性因子分析结果显示,陆航飞行员胜任特征有岗位素养、操控能力、心理能力、人际互动4个因子共计22个胜任特征构成,共解释总方差的64.834%。验证性因子分析显示,拟合优度的χ2检验与自由的比值(χ2goodness-of-fit test/degree of freedom,χ2/df)为1.796、近似误差均方根(root-mean-square error of approximation,RMSEA)为0.089、递增拟合指数(incremental fit index,IFI)为0.919、标准拟合指数(normal of fit index,NFI)为0.833、非规范拟合指数(non-normed fit index,NNFI)为0.889、比较拟合指数(comparative fit index,CFI)为0.916、拟合优度指数(goodness-of-fit index,GFI)为0.867。问卷的内部一致性信度系数为0.927,各因子的内部一致性系数也均>0.8。结论 4因子22个胜任特征的陆航飞行员岗位胜任特征模型构建合理,可望作为陆航飞行员选拔系统编制的依据。展开更多
大数据时代的到来引起了业界和学界的广泛关注,大量研究成果不断涌现。对Web of Science数据库中收录的国外研究大数据的相关文献进行分析和综述。通过绘制关键词的知识图谱,梳理了国外大数据研究的5个热点:"大数据源起、概念和特...大数据时代的到来引起了业界和学界的广泛关注,大量研究成果不断涌现。对Web of Science数据库中收录的国外研究大数据的相关文献进行分析和综述。通过绘制关键词的知识图谱,梳理了国外大数据研究的5个热点:"大数据源起、概念和特点"、"生物信息学"、"云计算"、"MapReduce和Hadoop"、"可视化",并揭示了它们的研究现状、现存问题和发展方向。最后从大数据技术、大数据工程、大数据科学和大数据应用四个维度探讨了未来研究的整体发展趋势。展开更多
文摘目的构建陆航飞行员岗位胜任特征模型,为编制陆航飞行员选拔系统提供依据。方法采用文献分析、半开放式问卷和开放式行为事件访谈方法整理出描述陆航飞行员胜任特征要素,经过专家小组讨论形成44个胜任特征要素。通过对124名陆航飞行员测试后,形成正式问卷。采用随机抽样的方式对104名陆航飞行员施测,对所得的数据进行探索性因素分析和验证性因素分析,并检验问卷的内部一致性信度。结果题总相关结果显示成就力条目与问卷总体相关性低于0.4,予以删除。探索性因子分析结果显示,陆航飞行员胜任特征有岗位素养、操控能力、心理能力、人际互动4个因子共计22个胜任特征构成,共解释总方差的64.834%。验证性因子分析显示,拟合优度的χ2检验与自由的比值(χ2goodness-of-fit test/degree of freedom,χ2/df)为1.796、近似误差均方根(root-mean-square error of approximation,RMSEA)为0.089、递增拟合指数(incremental fit index,IFI)为0.919、标准拟合指数(normal of fit index,NFI)为0.833、非规范拟合指数(non-normed fit index,NNFI)为0.889、比较拟合指数(comparative fit index,CFI)为0.916、拟合优度指数(goodness-of-fit index,GFI)为0.867。问卷的内部一致性信度系数为0.927,各因子的内部一致性系数也均>0.8。结论 4因子22个胜任特征的陆航飞行员岗位胜任特征模型构建合理,可望作为陆航飞行员选拔系统编制的依据。
文摘大数据时代的到来引起了业界和学界的广泛关注,大量研究成果不断涌现。对Web of Science数据库中收录的国外研究大数据的相关文献进行分析和综述。通过绘制关键词的知识图谱,梳理了国外大数据研究的5个热点:"大数据源起、概念和特点"、"生物信息学"、"云计算"、"MapReduce和Hadoop"、"可视化",并揭示了它们的研究现状、现存问题和发展方向。最后从大数据技术、大数据工程、大数据科学和大数据应用四个维度探讨了未来研究的整体发展趋势。
