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 315 داده (نفر/سال) که از  105 عضو هیئت­علمی در سه سال تحصیلی گذشته انجام شد. داده­ها با استفاده از دو پرسش­نامه بسته جمع­آوری شد. تحلیل داده­ها با نرم افزارSPSS  ورژن 22 انجام گرفت. برای تحلیل داده­ها شامل 23 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 3/83، 9/80 و 5/74 و برای شبکه عصبی RBF به ترتیب برابر با 1/73، 0/93 و 9/76 محاسبه شد. سطح زیر منحنی راک برای دو شبکه MLP و RBF برابر با 823/0 و 833/0 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.
 

واژه‌های کلیدی: پیش بینی، فرسودگی، شبکه عصبی

متن کامل [PDF 770 kb]   (614 دریافت) |   |   متن کامل (HTML)  (1109 مشاهده)