پیش بینی فرسودگی شغلی اعضای هیئت علمی دانشگاه پیام نور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی
عنوان مقاله: پیش بینی فرسودگی شغلی اعضای هیئت علمی دانشگاه پیام نور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی
شناسه ملی مقاله: JR_TKJ-10-4_007
منتشر شده در در سال 1397
شناسه ملی مقاله: JR_TKJ-10-4_007
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:
حمیده شکاری - Payame Noor University
خلاصه مقاله:
حمیده شکاری - Payame Noor University
مقدمه: اعضای هیئتعلمی از عوامل اصلی نظام آموزش عالی هستند که تنیدگی شغلی بالای ناشی از وظایف آموزشی، پژوهشی و اجرایی، آنها را در معرض ابتلا به فرسودگی شغلی قرار میدهد. هدف از این مطالعه پیشبینی فرسودگی شغلی اعضای هیئتعلمی دانشگاه پیامنور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی است.
روش بررسی: تحقیق حاضر از لحاظ روش، توصیفی و از لحاظ هدف، کاربردی است. جامعه آماری این پژوهش اعضای هیئتعلمی دانشگاه پیام نور استان یزد میباشد. تجزیه و تحلیلها بر روی ۳۱۵ داده (نفر/سال) که از ۱۰۵ عضو هیئتعلمی در سه سال تحصیلی گذشته انجام شد. دادهها با استفاده از دو پرسشنامه بسته جمعآوری شد. تحلیل دادهها با نرم افزارSPSS ورژن ۲۲ انجام گرفت. برای تحلیل دادهها شامل ۲۳ متغیر مستقل و یک متغیر وابسته دو نوع شبکه عصبی پرسپترون چند لایه و تابع شعاع مدار طراحی و اجرا شد.
نتایج: درصد صحت پیشبینی فرسودگی شغلی در دادههای آموزش و آزمایش و اعتبارسنجی برای شبکه عصبی MLP به ترتیب برابر با ۳/۸۳، ۹/۸۰ و ۵/۷۴ و برای شبکه عصبی RBF به ترتیب برابر با ۱/۷۳، ۰/۹۳ و ۹/۷۶ محاسبه شد. سطح زیر منحنی راک برای دو شبکه MLP و RBF برابر با ۸۲۳/۰ و ۸۳۳/۰ بدست آمد.
نتیجهگیری: مقایسه دو شبکه عصبی MLP و RBF بر اساس معیارهای سطح زیر منحنی راک و درصد صحت پیشبینی
نشان داد شبکه عصبی RBF در پیشبینی فرسودگی شغلی اعضای هیئتعلمی دانشگاه پیامنور استان یزد کاراتر است و متغیرهای گروه علمی، مقطع تدریس، سن و میزان ارتباطات بیشترین تاثیر را بر فرسودگی شغلی داشتهاند.
کلمات کلیدی: Forecasting, Burnout, Neural Network, پیش بینی, فرسودگی, شبکه عصبی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1499266/