مقالات ترجمه شده دانشگاهی ایران

هوش مصنوعی ارزیابی رضایت شغلی

هوش مصنوعی ارزیابی رضایت شغلی

هوش مصنوعی ارزیابی رضایت شغلی – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه فنی مهندسی – بین رشته ای
مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

چگونگی سفارش مقاله

الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.

قیمت

قیمت این مقاله: 25000 تومان (ایران ترجمه - irantarjomeh)

توضیح

بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.

مقالات ترجمه شده فنی مهندسی - بین رشته ای - ایران ترجمه - irantarjomeh
شماره      
۳۸
کد مقاله
TEC38
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی
نام انگلیسی
Utilization of an Artificial Intelligence approach for Assessment of Job satisfaction
تعداد صفحه به فارسی
۲۰
تعداد صفحه به انگلیسی
۶
کلمات کلیدی به فارسی
هوش مصنوعی، رضایت شغلی، HSE ( سلامت، ایمنی و محیط زیست)، کارپژوهی (کارسنجی)
کلمات کلیدی به انگلیسی
Artificial Intelligence, Job Satisfaction, HSE
(Health, Safety and Environment), Ergonomics
مرجع به فارسی
ژورنال بین المللی کاربرد تکنولوژی اطلاعات هوشمند
بخش مهندسی صنعتی و حوزه تحقیقات بهینه سازی مهندسی
دانشکده مهندسی دانشگاه تهران، ایران
مرجع به انگلیسی
International Journal of Intelligent Information Technology Application, Department of  Industrial Engineering and Department of Engineering Optimization Research, Faculty of Engineering, University of Tehran, Iran
کشور
ایران
 

کاربرد روش هوش مصنوعی در ارزیابی رضایت شغلی

چکیده
محققان پیوسته به ارزیابی رضایت شغلی در بین مستخدمین علاقمند بوده اند. در جهت نیل به این هدف، توجه به سلامت، ایمنی و محیط (HSE) و سایر عوامل کار پژوهی (کارسنجی) از اهمیت بالایی برخوردار است. این تحقیق، الگوریتمی از هوش مصنوعی را برای سنجش و افزایش رضایت شغلی در بین مستخدمین با توجه به فاکتورهای HSE و کار پژوهی را ارائه می نماید که از این پس به آنها HSEE اطلاق میگردد. جهت انجام این تحقیق، پرسشنامه های استانداردی میان مستخدمین توزیع گردید. ما دارای ۴ گروه اصلی بعنوان ورودی بوده و رضایت شغلی بعنوان خروجی برای الگوریتم پیشنهادی بکار برده می شود. همچنین، این الگوریتم برای تشخیص رتبه بندی مستخدمین با توجه به رضایت شغلی آنها استفاده می شود. با این روش، مستخدمینیی که رضایت شغلی ناکافی دارند، شناسایی شده و  این مسئله به مدیران کمک می نماید که در مورد محل کار آنها، اقدامات اصلاحی بعمل آورند. این الگوریتم می تواند بطور موثر در سیستمهای پیچیده جهت افزایش رضایت شغلی مستخدمین بکار گرفته شود.

 

کلمات کلیدی: هوش مصنوعی، رضایت شغلی، HSE ( سلامت، ایمنی و محیط زیست)، کارپژوهی (کارسنجی)

هوش مصنوعی ارزیابی رضایت شغلی

 

۱- مقدمه
الف – HSEE (سلامت، ایمنی، محیط زیست و کار پژوهی)
HSE جهت تشخیص مخاطرات مرتبط با محیط زیست، سلامت و ایمنی و به حداقل رساندن این مخاطرات بین کارمندان، محیط زیست آنها و عموم مردم بکار برده می شود. اصول HSE به شناسایی بهترین شیوه ها و اجرای بهبود مستمر کمک می نمایند. علاوه بر این، افزایش رفتارهای سالم و کاهش رفتارهای مخاطره آمیز در بخشهای مختلف سیستم، یکی از اهداف HSE می باشد. در این رابطه، مدیران سعی بر این دارند که آموزشهای مرتبط با محیط زیست، سلامت و ایمنی را تأمین نموده و کلیه رویدادها را برای تشخیص علت ریشه ای آنها بررسی کرده و اقدامات اصلاحی موثری را  به اجرا در می آورند. آنها همچنین، با شناسایی و کاهش مخاطرات ناشی از تغییرات از جمله فرآیندهای تولید، محصولات و دستاورهای جدید تغییراتی را نیز بوجود می آورند. سنجش صحیح عملکرد محیط زیست، سلامت و ایمنی، نقش مهمی در تصمیم گیریهای مناسب دارد ([۱]).
شبکه های عصبی مصنوعی ( ANN ها )، فقط تکنیکهای ریاضی بوده و شیوه ای یکپارچه در هوش مصنوعی و محاسباتی محسوب می گردند. آنها عموماً جهت طراحی روابط و الگوهای پیچیده بکار می روند ([۱۷]). تشخیص الگو، داده کاوی، تعیین هویت، گفتار، پندار، طبقه بندی، پیش بینی و مدل سازی فرآیند از اصلی ترین کارهای ANN هستند. توانایی یادگیری، تعمیم دهی، پردازش موازی، بررسی اطلاعات صوتی، فقدان برد اطلاعات و خطا، از مشخصه های اصلی ANNها در حل مسائل پیچیده هستند ([۱۷]، [۱۸]، [۱۹]، [۲۰]، [۲۱]، [۲۲]، [۲۳]، [۲۴]، [۲۵]، [۲۶]، [۲۷]، [۲۸]، [۲۹]، [۳۰]، [۳۱]).
 ب – رضایت شغلی
این نکته غالبا اظهار می‌شود که هر اندازه که اشخاص در شغل خود شادتر باشند، رضایت شغلی آنها بیشتر خواهد بود. با این وجود، رضایت شغلی با انگیزه یکسان نبوده، بلکه بصورت آشکاری با آن مرتبط است. طراحی شغلی، در صدد افزایش عملکرد و رضایت شغلی است؛ روشهای آن شامل گردش شغلی، گسترش شغلی و غنی سازی شغلی می باشد. سایر موارد موثر بر رضایت در برگیرنده سبک مدیریت، فرهنگ مدیریت، مشارکت کارکنان و گروههای کاری مستقل است. رضایت شغلی، مفهومی قابل توجه است که بارها از سوی مدیران ارشد سازمانها اندازه گیری می‌گردد. معمولی ترین روش این سنجش، استفاده از مقیاس درجه بندی در جائی است که کارکنان واکنش خود را نسبت به شغل خویش نشان می دهند. پرسشها مربوط به میزان دستمزد، تعهدات کاری، تنوع کارها، فرصتهای ترقی، مبحث کار و همکاران می باشد. برخی پرسشگرها، پرسشهایی از نوع بله یا خیر می پرسند، در حالیکه برخی دیگر می خواهند که میزان رضایت در مقیاس ۱ تا ۵ اعلام گردد (در صورتیکه ۱ نشان دهنده عدم رضایت و ۵ نشانگر رضایت کامل می باشد).
ج – توجه به رضایت شغلی در رابطه با HSEE
هرچند که مطالعات بسیاری با درنظر گرفتن دانش مؤلفان و تحقیقات قبلی، به بررسی رضایت شغلی پرداخته اند، ولی فقدان تحقیق درمورد رضایت شغلی با توجه به HSE و عوامل کارپژوهی وجود دارد. این تحقیق، برای تعیین رضایت شغلی با توجه به فاکتورهای HSEE، الگوریتم موثری را ارائه می نمایـد.
جهت انجام این تحقیق، پرسشنامه هایی را میان ۴ گروه کارکنان با نوبت کاری های متفاوت در یک پالایشگاه گاز توزیع نمودیم که در آن انواع پرسشهایی در رابطه با HSE و کار پژوهی مطرح شده بود. از شبکه عصبی مصنوعی جهت پیش بینی راندمان این سیستم یکپارچه از طریق مقایسه خروجی های این شبکه با خروجی های واقعی استفاده نموده و این پارامترهای بازدهی را دسته بندی نمودیم.

هوش مصنوعی ارزیابی رضایت شغلی

 

۲- شبکه عصبی مصنوعی
شبکه های عصبی مصنوعی (ANN) بسادگی تنها جزء تکنیکهای ریاضی و تکنیکی جامع در هوش محاسبـاتی و مصنـوعی بشمار می‌آیند. این شبکه متشکل از یاخته های عصبی متصل بهم بوده و سعی در شبیه سازی رفتار شبکه های عصبی بیولوژیکی دارد. این شبکه ها عموماً در طراحی روابط و الگوهای پیچیده بکار برده می شوند ([۳۱]، [۳۶]).  الگوشناسی، داده کاوی، تعیین هویت، گفتار، پندار، طبقه بندی، پیش بینی و طراحی فرآیند از امور اصلی این شبکه ها هستند. توانایی یادگیری، عمومیت دهی، پردازش موازی و تحمل خطا، برخی از مشخصه های شبکه های عصبی مصنوعی در حل مسائل پیچیده می باشند. بررسی اطلاعات نویزدار و یا فقدان یا کمبود اطلاعات، از دیگر خصوصیات اصلی شبکه های عصبی هستند. این شبکه ها همچنین می توانند جهت مقابله با مشکلاتی که برای انسانها دشوار هستند، بکار برده شوند. تنها یک نوع شبکـه کـه ادراک چندلایه (MLP) نامیـده می شود، در اینجا مورد بحث قرار می گیـرد. اطلاعات بدون هیچ بازخوردی از MLP ، بصورت پیوسته بسوی خروجی پیش می رود. الگوریتم پس انتشاری خطا، یکی از پرکاربردترین قوانین در MLP بشمار می رود ([۳۷]).  
وربوس یادگیری پس انتشاری، که نوعی یادگیری کنترل شده است، را پیشنهاد نمود ([۳۸]). روملهارت و مک کللاند الگوریتم یادگیری مذکور را ابداع نمودند ([۳۹]). شبکه عصبی مصنوعی از مجموعه ای از اطلاعات استفاده می نماید که شامل ورودی – جفت های الگوی خروجی مطلوب می باشد. کار با شبکه عصبی مصنوعی در برگیرنده ۳ مرحله است: (۱) آموزش، (۲) آزمایش و (۳) بکارگیری یا یادآوری. در لایه آموزش، شبکه عصبی مصنوعی یاد می گیرد که الگوی حاضر را از مجموعه اطلاعات ورودی تمیز دهد. در لایه دوم، اجرای شبکه عصبی آموزش یافته، از طریق مشخص نمودن تفاضل بین خروجی های این شبکه و خروجی های واقعی، مورد محاسبه قرار می گیرد. پس از آموزش شبکه های عصبی مصنوعی محتمل، شبکه ای با حداقل خطا جهت بکارگیری در مطالعه موردی، انتخاب می گردد ([۲۷]، [۲۸]، [۲۹]، [۳۰]، [۳۱]، [۳۶]، [۳۷]).

هوش مصنوعی ارزیابی رضایت شغلی

 

۳- روش بررسی
جهت تخمین رضایت شغلی با توجه به HSEE، یک الگوریتم جامع شبکه عصبی مصنوعی بشرح ذیل ارائه میگردد:
۱- بیش از هر کار دیگری، باید متغیرهای ورودی و خروجی طرح را تعریف نمائیم.
۲- مجموعه اطلاعات S را گردآوری نمائیم. فرض کنید تعداد  nمستخدم باید مورد ارزیابی قرار بگیرند.
۳- S را به دو زیرمجموعه تقسیم نمائید: داده های آموزشی (S1) و آزمایشی (S2).
۴- از روش ANN جهت تخمین رابطه بین ورودی (ها) و خروجی (ها) استفاده کنید ([۴۰]).
۵- ساختار و پارامترهای آموزشی را تعیین نمائیـد.

هوش مصنوعی ارزیابی رضایت شغلی

 

۴- آزمایش – الگوریتم جامع ANN
الف- پالایشگاه گاز
پایشگاه گاز در استان جنوبی هرمزگان در کشور ایران واقع شده است. پرسشنامه ها در میان مستخدمین در ۴ نوبت کاری مختلف، توزیع گردید. از شبکه ANN جهت پیش بینی HSEE ناشی از بازخورد دریافتی از مستخدمین (پرسشنامه ها) استفاده کرده ایم. نتایج ANN  با استفاده از داده‌های حاصله از طریق میانگین قدر مطلق درصد خطا (MAPE) تایید شدند.
ب- جمع آوری و تجزیه و تحلیل داده ها
چهار مورد پرسشنامه شامل اطلاعات ارزشمند در رابطه با عوامل انسانی، ایمنی، محیط و سلامت تهیه و به مستخدمین داده شد. مستخدمین به آن پرسشنامه ها پاسخ داده و ما نیز به هریک از پاسخهای آنها، امتیاز ۰ و ۱ دادیم. برای انجام این مطالعه، نیاز داریم ورودی ها و خروجی های مرتبط با سیستم را تعریف نماییم. پس از مرتب نمودن داده های جمع آوری شده از پرسشنامه ها، شاخص های داده های ورودی را به ۴ گروه سلامت، ایمنی، محیط و کارپژوهی تقسیم نموده و رضایت شغلی را بعنوان شاخص داده های خروجی، تعریف نمودیم.
 ج- به جریان انداختن الگوریتم پیشنهادی
مرحله اول: همانطور که قبلاً نشان داده شد، اولین گام، تعیین متغیرهای ورودی و خروجی نمونه اصلی می باشد. ۴ مقوله اصلی (سلامت، ایمنی، محیط، کارپژوهی) را بعنوان متغیرهای ورودی انتخاب کرده و پرسشهایی را که مرتبط با آن مقوله ها بودند، مورد تجزیه و تحلیل قرار می دهیم. سپس، جهت هر مقوله، نمره میانگین را بعنوان نمره نهایی که باید در ANN پیشنهادی استفاده گردد، بکار می بریم. بعلاوه، یک سؤال اصلی را در میان پرسشنامه های خود بعنوان داده های خروجی، یعنی رضایت شغلی، انتخاب کرده ایم. پرسش خروجی به این صورت بیان می شود: “آیا از شغل خود راضی هستید؟”. پاسخ انتخابی، بله، خیر یا نمی دانم خواهد بود.

هوش مصنوعی ارزیابی رضایت شغلی

 

۵- نتیجه گیری
سلامت، ایمنی و محیط (HSE) جزء مفاهیم مهم در صنایع امروزی به شمار می‌آیند، چنانکه دانشمندان و محققان همواره سعی بر این داشته اند که ارتباط میان انسان و فضای پیرامونی را بهبود بخشند. بر این مبنا، الگوریتم بسیار متغیر و منحصربفرد شبکه عصبی مصنوعی (ANN) جهت اندازه گیری و رده بندی HSE و بازده کارپژوهی مستخدمین پیشنهاد گردید که دلیل آن نیز عدم خطی بودن شبکه های عصبی همراه با توابع تقریبی کلی و اجزای آن می‌باشد که خود سبب می‌شود تا آنها از انعطاف پذیری کاملا بالایی برخوردار باشند. الگوریتم پیشنهادی از ۱۱ مرحله مجزا تشکیل شده است. جهت نمایش قابلیت کاربرد و اولویتهای آن، چنین سیستمی برای گروهی از مستخدمین در یک پالایشگاه گاز بکار برده شد. هدف اصلی این تحقیق، ارزیابی رضایت شغلی با توجه به عوامل سلامت، ایمنی و محیط زیست (HSE) با روش شبکه عصبی مصنوعی (ANN) می باشد. جهت پیش بینی کارایی HSE و کاربرد سیستم کارپژوهی در خصوص مستخدمین و همچنین رده بندی کارایی آنها، پس از مقایسه آن با داده های واقعی ناشی از عملکرد سیستم، از ANN استفاده شد. برای هر مستخدم، نمره ای بین ۰ تا ۱ مشخص گردید که نشان دهنده عملکرد سیستم HSEE در زمینه رضایت شغلی مستخدمین می باشد.
Irantarjomeh
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.