این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۶، شماره ۱، صفحات ۱۱۱-۱۳۶
عنوان فارسی مدل‌سازی عملکرد شغلی با استفاده از سیستم بهینه استنتاج فازی-عصبی تطبیقی( مطالعه موردی: شرکت گاز استان گیلان)
چکیده فارسی مقاله 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 استفاده کم‌هزینه از داده‌های موجود، دانش‌های نهفته در سازمان را برای مدیران آشکار کرد. اما ابهام و عدم قطعیت موجود در ماهیت حوزه منابع انسانی و محدودیت شناختی ذهن انسان، پیش‌بینی عملکرد و مشخصات ناشناخته 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 تجزیه مقادیر منفرد، سیستم بهینه 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modeling job performance using Optimized Adaptive Neuro-Fuzzy Inference System
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمود مرادی |
استادیار گروه مدیریت صنعتی، دانشگاه گیلان، رشت، ایران
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

بهناز زنجانی |
کارشناسی ارشد مدیریت صنعتی، دانشگاه گیلان، رشت، ایران
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

علی جمالی |
استادیار گروه مهندسی مکانیک، دانشگاه گیلان، رشت، ایران
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نشانی اینترنتی http://imj.ut.ac.ir/article_52238_1195e14876343c921e8b58f7fdc2baf2.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-209832.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات