شناسايي الگوهاي ذهني انگيزش دانشكاران مجرب در راستاي ارتقاي نوآوري (مورد مطالعه:‌ مركز تحقيقات مخابرات ايران)

Identifying Motivation Patterns of the Experienced Knowledge Workers to Promote Innovation (Iran Telecommunication Research Center (ITRC) as a Case Study

دانشكاران، موتور محركه در اقتصاد دانش‌بنيان هستند و تحولات فناورانه و نوآورانه رابطه مستقيمي با عملكرد و انگيزه آن‌ها دارد. اين پژوهش، با استفاده از روش كيو، نوع تفكر دانشكاران مجرب و الگوهاي ذهني آنان درباره عوامل انگيزه‌بخش را موردبررسي قرار داد. به‌منظور گردآوري فضاي گفتمان، مرور نظام‌مند ادبيات انجام شد و بيش از هزار مقاله از پايگاه‌هاي معتبر علمي مرور و درنهايت از 90 مقاله منتخب، ليست كامل عوامل انگيزه‌بخش دانشكاران استخراج شد. نمونه معرفي از فضاي گفتمان با مراجعه به متخصصان، انتخاب و در قالب گزينه‌هاي كيو بازنويسي شد. سپس،13 دانشكار مجرب كه به‌طور هدفمند از مركز تحقيقات مخابرات ايران انتخاب شده بودند، طبق جدول مرتب‌سازي كيو در مرتب‌سازي گزينه‌ها مشاركت نمودند. الگوهاي ذهني دانشكاران مجرب با انجام تحليل عاملي و تفسير آن‌ها استخراج شد كه بر آن اساس، پنج گونه ذهني شامل رياست‌طلبان، محافظه‌كاران، احساساتي‌ها، بلندپروازان و كمال‌گرايان، شناسايي و ويژگي آن‌هاموردبحث قرار گرفت. با استفاده از نتايج، راه‌هاي انگيزه‌بخشي و درك دانشكاران مجرب قابل استحصال است. با در نظر گرفتن عوامل انگيزاننده‌ مستخرج و مشخصات هر يك ازاين‌گونه‌ها، علاوه بر ارتقاي عملكرد دانشكاران مجرب، سازمان نيز مي‌تواند به اهداف مدنظر خود از نوآوري توسط دانشكاران دست يابد.

Knowledge Workers (KWs) are the driving force in knowledge-based economy and their performance and motivation have a direct impact on technological evolution and innovation. This research, using Q Methodology, focuses on the experienced Knowledge Workers’ attitude and their mental patterns of motivation. To this end, a systematic review was carried out to form the concourse of communication and more than 1000 papers which were published in the authentic scientific databases were reviewed and 90 most-relevant papers were selected to extract the KWs’ motivating factors. Having consulted with experts, the concourse of communication was finalized and Q set was formed. Thirteen experienced KWs from ITRC were selected to participate in Q sorting. Finally, using factor analysis, the mental patterns of the experienced knowledge workers were extracted and five mental patterns were identified as “boss”, “conservative”, “sentimentalist”, “ambitious” and “perfectionist”. The results of this study provide us with useful information to better understand the experienced knowledge workers and find ways to motivate them. The research center can achieve its goals, enhance KWs’ performance and innovativeness using the motivating factors identified for each pattern.