مدیریت هوشمند فرسودگی شغلی کادر درمان در عصر تحول دیجیتال رویکرد ترکیبی هوش مصنوعی و مدلهای تصمیم گیری چند معیاره

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 8

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CNTCONF07_049

تاریخ نمایه سازی: 4 مهر 1405

چکیده مقاله:

مقدمه فرسودگی شغلی در پرستاران به عنوان یک بحران پنهان در نظام سلامت پیامدهای مخربی از جمله افت کیفیت مراقبت از بیمار، افزایش خطاهای درمانی و کاهش شدید رضایت شغلی و ماندگاری نیروی کار را به همراه دارد با توجه به ماهیت پیچیده و چند بعدی این پدیده رویکردهای سنتی اغلب در تحلیل دقیق عوامل خطر و اولویت بندی مداخلات دچار ناتوانی هستند در همین راستا اتخاذ راهکارهای مدیریتی مبتنی بر هوش مصنوعی و مدلهای تصمیم گیری چند معیاره ضرورتی انکارناپذیر برای دستیابی به محیطهای درمانی پایدار و ایمن است. هدف: این پژوهش با هدف پیش بینی فرسودگی شغلی پرستاران و اولویت بندی راهکارهای مدیریتی، موثر یک چارچوب ترکیبی مبتنی بر هوش مصنوعی و تصمیم گیری چند معیاره ارائه میکند. روش کار: در این مطالعه ابتدا عوامل فردی و شغلی موثر بر فرسودگی با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی (Random Forest: RF) تحلیل شد و اهمیت نسبی متغیرها استخراج گردید. سپس وزن معیارها با روش بهترین-بدترین (The Best-Worst Method: BWM) و بر اساس نظر خبرگان تعیین و با نتایج حاصل از مدل یادگیری ماشین تلفیق شد. در ادامه راهکارهای مدیریتی با استفاده از تکنیک ترجیح بر اساس شباهت به راه حل ایده آل (Technique for Order Preference by Similarity to Ideal Solution: TOPSIS) رتبه بندی شدند. یافته ها: نتایج نشان دادند که خستگی هیجانی و حجم کاری از مهمترین عوامل موثر بر فرسودگی شغلی پرستاران هستند. همچنین، برنامه های مدیریت استرس و حمایت روان شناختی بالاترین اولویت را در میان مداخلات پیشنهادی به خود اختصاص دادند. نتیجه گیری: یافته های این پژوهش نشان می دهد که هم افزایی هوش مصنوعی و روشهای تصمیم گیری چند معیاره (Multi-Criteria Decision-Making: MCDM) ابزاری دقیق تر از روشهای آماری کلاسیک برای شناسایی ریشه های فرسودگی فراهم می کند. این مدل به مدیران بیمارستان اجازه می دهد که به جای مداخلات کلی و پرهزینه استراتژی های خود را دقیقا بر عوامل دارای بیشترین وزن تاثیر (مانند خستگی هیجانی) متمرکز کنند. به کارگیری این چارچوب داده محور علاوه بر کاهش نرخ فرسودگی می تواند گامی عملیاتی در راستای ارتقای تاب آوری سازمانی و بهبود کیفیت مراقبت های پرستاری باشد. پیشنهاد می شود در پژوهش های آتی ابعاد سازمانی و فرهنگی محیط کار نیز به این مدل اضافه گردد.

کلیدواژه ها:

فرسودگی شغلی ، هوش مصنوعی ، تصمیم گیری چند معیاره

نویسندگان

کیمیا سعیدی

گروه پرستاری واحد علی آباد کتول دانشگاه آزاد اسلامی علی آباد کتول ایران

مهران سعیدی

گروه پرستاری واحد علی آباد کتول دانشگاه آزاد اسلامی علی آباد کتول ایران