این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بهداشت و ایمنی کار، جلد ۱۱، شماره ۳، صفحات ۵۱۶-۵۲۸
عنوان فارسی پیش بینی استرس شغلی با استفاده از هوش هیجانی: مدل شبکه عصبی مصنوعی و رگرسیون
چکیده فارسی مقاله امروزه میان صاحبنظران این توافق وجود دارد که هوش هیجانی در موفقیت افراد در حیطه های مختلف زندگی نقش به سزایی دارد. در مقابله با درخواست ها و فشارها در محیط کار نیز افرادی که هوش هیجانی بالاتری دارند کمتر دچار استرس می شوند. این پژوهش با هدف بکارگیری هوش مصنوعی برای پیش بینی استرس شغلی افراد و مقایسه عملکرد این مدل با مدل رگرسیون چند متغیره طراحی گردیده است. بدین منظور 892 نفر از بین افراد شاغل در گروه های شغلی مختلف به صورت تصادفی انتخاب شدند. سپس اطلاعات 15 بعد هوش هیجانی پرسشنامه بار-آن، 10 گروه شغلی و سن و تحصیلات به عنوان متغیرهای ورودی و 7 بعد پرسشنامه استرس شغلی HSE به عنوان متغیر خروجی در نظر گرفته شد. نتایج نشان داد که شبکه عصبی مصنوعی با الگوریتم پرسپترون با یک لایه میانی و 375 گره که از توابع تانژانت هاﻳﭘربولیک در لایه میانی و سیگموئید در لایه خروجی، توانست به طور قابل ملاحظه ای موفق تر از رگرسیون چند متغیره استرس شغلی افراد را در حیطه های مختلف برآورد نماید. به نحوی که، همبستگی بین نمرات برآورد شده از مدل رگرسیون با مقادیر واقعی تنها بین 364/0-192/0 بود اما این مقدار برای مدل شبکه عصبی در کلیه ابعاد استرس شغلی بیشتر از 527/0 بود.
کلیدواژه‌های فارسی مقاله هوش هیجانی، استرس شغلی، شبکه عصبی مصنوعی، رگرسیون چند گانه
عنوان انگلیسی Using emotional intelligence to predict job stress: Artificial neural network and regression models
چکیده انگلیسی مقاله Introduction: These days, there is a consensus that emotional intelligence plays an important role in the success of individuals in different areas of life. Persons with higher emotional intelligence had lower stress in dealing with demands and pressures in the workplace. The purpose of this study was to use artificial neural network to predict job stress and to compare the performance of this model with the multivariate regression model. Material and Methods: In order to do that, 892 participants were selected randomly in different job categories. Then, 15 dimensions of Bar-On questionnaire, 10 job categories, age and education were considered as input variables and 7 dimensions of health and safety executive HSE were determined as output variables in models. Results: The results revealed that an artificial neural network with hyperbolic tangent and sigmoid transfer functions respectively in hidden and output layers with 375 hidden neurons had significantly better performance than multivariate regression. So that, correlation of predicted values and job stress were only between 0.192-0.364 in regression model, but neural network had at least correlation 0.527 in all dimensions of job stress. Conclusion: In predicting job stress using emotional intelligence, artificial neural network method was much better than multivariate regression model.
کلیدواژه‌های انگلیسی مقاله Emotional Intelligence, Job Stress, Artificial Neural Network, Multivariate Regression
نویسندگان مقاله الهه الله یاری | Elahe Allahyari
Department of Epidemiology and Biostatistics, School of Health, Social Determinants of Health Research Center, Birjand University of Medical Sciences, Birjand, Iran
گروه اپیدمیولوژی و آمارزیستی، دانشکده بهداشت، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

عبدالله غلامی | Abdollah Gholami
Department of Occupational Health, School of Health Social Determinants of Health Research Center Birjand University of Medical Sciences, Birjand, Iran
گروه بهداشت حرفه ای، دانشکده بهداشت ، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

مرتضی عرب زوزنی | Morteza Arab-Zozani
Social Determinants of Health Research Center, Birjand University of Medical Sciences, Birjand, Iran
مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

حسین عامری | Hosein Ameri
Health Policy and Management Research Center, Department of Health Services Management, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran
مرکز تحقیقات سیاست و مدیریت سلامت، گروه مدیریت خدمات بهداشتی ، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی ، یزد، ایران

نگین ناصح | Negin Nasseh
Social Determinants of Health Research Center, Faculty of Health, Environmental Health Engineering Department, Birjand University of Medical Sciences, Birjand, Iran
گروه بهداشت محیط، دانشکده بهداشت، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

نشانی اینترنتی http://jhsw.tums.ac.ir/browse.php?a_code=A-10-74-108&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات