طراحی مدلی به منظور شناسایی شاخص های استرس شغلی در دوره پاندومی کووید ۱۹ با رویکرد شبکه عصبی مصنوعی (مورد مطالعه: کارکنان صنعت حمل و نقل هوایی)
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 6
فایل این مقاله در 46 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_OBS-12-4_002
تاریخ نمایه سازی: 7 بهمن 1404
چکیده مقاله:
هدف این پژوهش، یافتن شاخص های پراهمیت در ایجاد استرس شغلی کارکنان صنعت حمل و نقل هوایی کشور در دوران کرونا بوده است. این تحقیق از لحاظ هدف، توسعه ای-کاربردی، از حیث نحوه گردآوری داده ها از نوع پژوهش های توصیفی به شیوه پیمایشی و از نظر نوع داده های گردآوری شده، کمی است. جامعه آماری پژوهش را ۱۴۲۰ نفر از کارکنان شاغل در بخش ستاد صنعت حمل و نقل هوایی ایران تشکیل دادند که با روش نمونه گیری تصادفی ساده ۳۱۲ نفر از آنها برای نمونه انتخاب شدند. ابزار گردآوری داده های این پژوهش، پرسشنامه محقق-ساخته و مشتمل بر ۱۲۶ سوال تخصصی در راستای متغیرهای پژوهش بوده است که براساس طیف پنج گزینه ای لیکرت طراحی شده اند. نتایج پژوهش نشان داد ابعاد محیط کاری، سن و تجربه عامل های مهم در ایجاد استرس شغلی کارکنان صنعت حمل و نقل هوایی در دوره پاندومی کووید ۱۹ هستند و از تعداد ۱۲۶ شاخص معرفی شده، تعداد ۴۳ شاخص مستقل فعال در پیش بینی رفتار استرس شغلی موفق عمل کرده و مهم می باشند. لذا به مدیران صنعت حمل و نقل هوایی پیشنهاد می گردد با تقویت زمینه آموزش و آمادگی تخصصی اقدام موثری برای کاهش فشار روانی کارکنان داشته باشند و با حمایت سازمانی تلاش کنند شرایط کاری ایمنی را برای کارکنان فراهم نمایند.
کلیدواژه ها:
نویسندگان
رضا قربانی
دانشجوی دکتری، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
حمید شاه بندرزاده
دانشیار گروه مدیریت صنعتی، دانشکده کسب وکار و اقتصاد، دانشگاه خلیج فارس بوشهر، ایران (نویسنده مسئول)
مهدی مرتضوی
دانشیار مرکز مطالعات مدیریت و توسعه فناوری، دانشگاه تربیت مدرس، تهران، ایران
علی اکبر فرهنگی
استاد گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :