آمار
| تعداد نشریات | 206 |
| تعداد شماره‌ها | 5,156 |
| تعداد مقالات | 56,817 |
| تعداد مشاهده مقاله | 92,951,499 |
| تعداد دریافت فایل اصل مقاله | 75,095,919 |
مدل‌سازی عملکرد شغلی با استفاده از سیستم بهینه استنتاج فازی-عصبی تطبیقی( مطالعه موردی: شرکت گاز استان گیلان) | ||
| مدیریت صنعتی | ||
| مقاله 7، دوره 6، شماره 1، بهار 1393، صفحه 111-136 اصل مقاله (1.3 MB) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2014.52238 | ||
| نویسندگان | ||
محمود مرادی  1؛ بهناز زنجانی2؛ علی جمالی3
| ||
| 1استادیار گروه مدیریت صنعتی، دانشگاه گیلان، رشت، ایران | ||
| 2کارشناسی ارشد مدیریت صنعتی، دانشگاه گیلان، رشت، ایران | ||
| 3استادیار گروه مهندسی مکانیک، دانشگاه گیلان، رشت، ایران | ||
| چکیده | ||
| استخراج مدل حاکم بر عملکرد شغلی بر اساس عملکرد کارکنان فعلی سازمان، رویکردی بسیار مؤثر است که بر اساس آن، می‌توان رفتار متقاضیان را پیش‌بینی و ضمن استفادة کم‌هزینه از داده‌های موجود، دانش‌های نهفته در سازمان را برای مدیران آشکار کرد. اما ابهام و عدم قطعیت موجود در ماهیت حوزة منابع انسانی و محدودیت شناختی ذهن انسان، پیش‌بینی عملکرد و مشخصات ناشناختة سیستم را دشوار می‌سازد. بنابراین، باید به دنبال ساخت مدل‌هایی بود که ابهام را بخشی از سیستم مدل در نظر داشته باشد. در این پژوهش ، به‌منظور مدل‌سازی عملکرد شغلی، با بهره‌گیری از هوش مصنوعی و الگوریتم‌های بهینه‌سازی پیشرفته، شامل الگوریتم ژنتیک و روش تجزیة مقادیر منفرد، سیستم بهینة استنتاج عصبی-فازی تطبیقی معرفی شده است. ضریب همبستگی 995/0 برای مدل ارائه‌شده، بیانگر دقت و توانمندی بسیار بالای مدل، حداقل خطای آموزش و حداقل خطای پیش‌بینی و حداکثر انطباق‌پذیری عملکرد شغلی پیش‌بینی‌شده با عملکرد واقعی است. درنتیجه، می‌توان مدیران منابع انسانی را به ابزاری قدرتمند به‌منظور تصمیم‌گیری‌های گزینشی به دور از خطای ناشی از قضاوت‌های ذهنی، مجهز کرد. | ||
| کلیدواژه‌ها | ||
| بهینه‌سازی؛ پیش‌بینی؛ سیستم بهینة استنتاج فازی-عصبی تطبیقی؛ عملکرد شغلی؛ مدل‌سازی | ||
| عنوان مقاله [English] | ||
| Modeling job performance using Optimized Adaptive Neuro-Fuzzy Inference System | ||
| نویسندگان [English] | ||
| Mahmoud Moradi1؛ Behnaz Zanjani2؛ Ali Jamali3 | ||
| چکیده [English] | ||
| Using current employee performance data to predict the future behavior of the applicants is an interesting area which can broaden new horizons of knowledge lay in the organization. Because of inherent ambiguity and uncertainty, cognitive limitations of the human mind make unknown behaviors of very complex systems difficult to predict. As a consequence, it is necessary to model the imprecise modes of reasoning to make rational decisions in an environment of uncertainty and imprecision. In this paper, artificial intelligence and advanced algorithms is introduced as an Adaptive Neuro-Fuzzy Inference Optimized System in order to model the job performance. The correlation coefficient is 0.9956 which indicates high accuracy of extracted model, minimum error and maximum adaptability to predict job performance with actual performance. This approach provides an effective tool for managers in order to avoid subjective judgment errors inherent in human decision making. | ||
| کلیدواژه‌ها [English] | ||
| Job performance, Predicting, modeling, Optimizing, Adaptive Neuro-Fuzzy Inference Optimized System | ||
|
آمار تعداد مشاهده مقاله: 2,364 تعداد دریافت فایل اصل مقاله: 1,255 |
||
