ارزیابی رضایت کارکنان از خدمات اداری مالی با روش فازی شهودی (مطالعه موردی: شهرداری مشهد)

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 836

فایل این مقاله در 19 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

STINP01_022

تاریخ نمایه سازی: 7 دی 1398

چکیده مقاله:

نیروی انسانی ارزشمندترین منبع سازمان های امروزی به شمار می آیند چراکه به تصمیمات سازمانی شکل داده، مسائل و مشکلات سازمان را حل نموده و بهره وری را عینیت می بخشند. افزایش بهره وری سازمان ها و توسعه روزافزون آنها، مستلزم رشد و بهره وری کارکنان و نیز تقویت نیروی انگیزش آنان می باشد. امروزه در تمامی سازمان ها، نهادها و ادارات بزرگ دولتی و خصوصی به منظور رفاه حال کارکنان خود خدماتی را ارائه می دهند. از این خدمات مهم و ضروری خدمات نقلیه یا ایاب و ذهاب، خدمات اداری و پشتیبانی، خدمات رفاهی و خدمات عمومی می باشد. شهرداری مشهد با بیش از 3000 کارمند در ستاد و مناطق و داشتن 13 منطقه تحت پوشش، از این امر مستثنی نیست. اما باید دید که این خدمات تا چه اندازه ارزشمند، مفید و کارا بوده است. اهمیت و ضرورت این تحقیق به این منظور است که از یک سو نظرات کارکنان شهرداری مشهد از خدمات نقلیه، خدمات اداری و پشتیبانی، خدمات رفاهی و خدمات عمومی جمع آوری و ارزیابی گشته تا رفاه و آسایش بیشتری برای کارکنان فراهم آید. از طرفی وجود نوآوری های فنی از قبیل استخراج و نگهداری داده ها به طور قابل ملاحظه ای موجب کاهش هزینه های نگهداری، دست یابی و نیز پردازش داده ها در سازمان شهرداری شده است. به منظور بهبود عملکرد و بالا بردن کیفیت خدمات نقلیه، خدمات اداری و پشتیبانی، خدمات رفاهی و خدمات عمومی میزان رضایت کارکنان شهرداری مشهد با استفاده از منطق فازی شهودی بررسی می شود. چالش اساسی در این موضوع نحوه ارزیابی و هوشمند داده هایی است که برای ارزیابی از کارمندان جمع آوری می شود. تا کنون الگوریتم های یادگیری بدون ناظر مختلفی برای این امر مانند k-means یا FCM ارائه و معرفی شده است اما با این حال همچنان خوشه بندی انجام شده با خطای بالایی اتفاق می افتد. در این تحقیق یک روش جدید مبتنی بر خوشه بندی فازی شهودی برای تجزیه و تحلیل داده ها جمع آوری شده مورد استفاده قرار گرفته است. به دلیل اینکه این روش خوشه بندی نسبت به خوشه بندی FCM از عدم قطعیت بیشتری برخورد دار است باعث می شود میزان خطای تشخیص کاهش چشمگیری داشته باشد. به همین دلیل در چارچوب ارائه شده در این تحقیق از خوشه بندی فازی شهودی برای خوشه بندی و تفکیک داده ها استفاده می شود. در تحقیق ارائه شده روش پیشنهادی بر روی 4 کاربرد مختلف مورد بحث و بررسی قرار گرفت که کاربرد های استفاده شده بین 20 تا 30 وی ژگی مورد استفاده قرار گرفت. در آزمایشات انجام شده روش پیشنهادی بر اساس 4 معیار ارزیابی با روش های گذشته مورد بحث و بررسی قرار گرفت. طبق نتایج بدست آمده میزان عملکرد روش پیشنهادی نسبت به روش های خوشه بندی FCM, kmeans عملکرد بسیار خوب و بهتری را داشته و روش پیشنهادی نسبت به روش های گذشته کاملا برتری دارد.

کلیدواژه ها:

نویسندگان

یوسف رمضانی

استادیار گروه مدیریت موسسه آموزش عالی عطار، مشهد

فرزانه اخلاقی

کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی