دوره 10، شماره 4 - ( فصلنامه علمی تخصصی طب کار یزد 1397 )
جلد 10 شماره 4 صفحات 73-62 |
برگشت به فهرست نسخه ها
Ethics code: IR.SSU. REC.1398.123
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shekari H. Forecasting Job Burnout among University Faculty Members of Yazd Payame Noor University Using Artificial Neural Network Technique. tkj 2019; 10 (4) :62-73
URL: http://tkj.ssu.ac.ir/article-1-983-fa.html
URL: http://tkj.ssu.ac.ir/article-1-983-fa.html
شکاری حمیده. پیش بینی فرسودگی شغلی اعضای هیئت علمی دانشگاه پیام نور استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی. فصلنامه علمی تخصصی طب کار. 1397; 10 (4) :62-73
دانشگاه پیام نور تهران ، h.shekari@ymail.com
چکیده: (2533 مشاهده)
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.
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.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
