دانشگاه مازندران

  اخبار و اعلانات

 آمار

تعداد نشریات28
تعداد شماره‌ها426
تعداد مقالات4,164
تعداد مشاهده مقاله6,739,509
تعداد دریافت فایل اصل مقاله4,988,920
خسروی, مهدی, حسینی, ابوالحسن, قاسمی, جمال. (1399). طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد. پژوهشنامه مدیریت اجرایی, 2(3), 45-27. doi: 10.22080/shrm.2020.2980
مهدی خسروی; ابوالحسن حسینی; جمال قاسمی. "طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد". پژوهشنامه مدیریت اجرایی, 2, 3, 1399, 45-27. doi: 10.22080/shrm.2020.2980
خسروی, مهدی, حسینی, ابوالحسن, قاسمی, جمال. (1399). 'طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد', پژوهشنامه مدیریت اجرایی, 2(3), pp. 45-27. doi: 10.22080/shrm.2020.2980
خسروی, مهدی, حسینی, ابوالحسن, قاسمی, جمال. طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد. پژوهشنامه مدیریت اجرایی, 1399; 2(3): 45-27. doi: 10.22080/shrm.2020.2980

طراحی سیستم استنتاج فازی به منظور شناسایی اعضای هیات علمی با استعداد

مدیریت منابع انسانی پایدار
دوره 2، شماره 3، آبان 1399، صفحه 45-27    اصل مقاله (1.51 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22080/shrm.2020.2980
نویسندگان
مهدی خسروی1؛ ابوالحسن حسینی* 2؛ جمال قاسمی3
1دانشجوی دکتری خط مشی گذاری، دانشگاه تربیت مدرس
2دانشیار گروه مدیریت بازرگانی، دانشگاه مازندران
3دانشیار گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه مازندران
تاریخ دریافت: 10 آبان 1399،  تاریخ پذیرش: 10 آبان 1399 
چکیده
شناسایی افراد با ‌‌استعداد یکی از مهم‌ترین دغدغه‌ها و وظایف مدیران منابع ‌انسانی در سازمانهاست. تحقیق حاضر به لحاظ هدف، کاربردی و از حیث روش توصیفی-پیمایشی است. با توجه به خلاء پژوهشی در حوزه شناسایی افراد با استعداد در پژوهش‌های گذشته، پژوهش حاضر با هدف شناسایی اعضای هیات‌علمی با استعداد تدوین شده است. برای این منظور از دو متغیر عملکرد(آموزشی و پژوهشی) و پتانسیل(توانایی‌فردی، آرزوهای‌شغلی و تعامل‌شغلی) اعضای هیات‌علمی استفاده شده ‌است. جامعه آماری پژوهش حاضر 350 نفر از اعضای هیات‌ علمی دانشگاه مازندران است که با استفاده از روش نمونه‌گیری هدفمند 110 نفر از اعضای هیات‌علمی به عنوان نمونه انتخاب شده‌اند. داده‌های مربوط به عملکرد آموزشی با همکاری دفتر نظارت ارزیابی و نظارت، تضمین کیفیت و داده‌های مربوط به عملکرد پژوهشی با همکاری معاونت پژوهشی دانشگاه تهیه شده است. برای سنجش توانایی اعضای هیات علمی از فرم ارزیابی مدل سی-ای‌بی(2005) و نیز برای ارزیابی آرزوهای‌شغلی و تعامل‌شغلی به ترتیب از دو پرسشنامه استاندارد نادی و همکاران(1389) و شافلی و همکاران(2006) استفاده شده است. روایی محتوا پرسشنامه‌ها توسط خبرگان و پایایی پرسشنامه‌ آرزوهای‌شغلی(8/81) و تعامل‌شغلی(9/91) می‌باشد. بعد از خوشه‌بندی‌ اولیه بر روی داده‌ها، سیستم ‌استنتاج ‌فازی با دو ورودی(عملکرد و پتانسیل) و یک‌ خروجی(استعداد) در پنج ‌سطح تعریف شده ‌است. برای تجزیه و تحلیل داده‌ها از نرم‌افزار متلب(R2018b,v9) استفاده شده ‌است. نتایج حاکی از آن است که بیشتر اعضای هیات‌علمی72/42 % در بخش "متوسط" قرار دارند. همچنین 82/11 % در بخش "خیلی‌کم"، 37/16 % در بخش "کم"، 45/25 % در بخش "زیاد" و 64/3 % در بخش "خیلی‌زیاد" قرار گرفتند
کلیدواژه‌ها
اعضای هیات علمی؛ استعداد؛ عملکرد؛ پتانسیل؛ سیستم استنتاج فازی
عنوان مقاله [English]
Design a fuzzy inference system to identify talented faculty members
نویسندگان [English]
mehdi khosravi1؛ abolhassan hosseini2؛ jamal ghasemi3
1University of Mazandaran
2Associate Professor, Department of Business Management, University of Mazandaran
3faculty members Associate Professor, Department of Electrical Engineering, Faculty of Engineering, University of Mazandaran
چکیده [English]
The present research is applied in terms of purpose and descriptive-survey method. Due to the research gap in the field of identifying talented people in previous researches, the present study has been compiled with the aim of identifying talented faculty members. For this purpose, two variables of Performance (Educational and Research) and Potential (Ability,& Aspirations and Engagement) of faculty members have been used. The statistical population of the present study is 350 faculty members of Mazandaran University who have been selected as a sample using purposive sampling method of 110 faculty members. Data related to educational performance have been prepared in cooperation with the Office of Supervision of Evaluation and Supervision, Quality Assurance and data related to research performance in cooperation with the Vice Chancellor for Research. To evaluate the ability of faculty members, the evaluation form of the CEB model(2005) and also to evaluate job aspirations and job engagement, two standard questionnaires, Nadi et al (2010) and Shuffle et al(2006) were used, respectively. The content validity of the questionnaires by experts and the reliability of the questionnaire is job aspirations (81.8) and job interaction(91.9). After initial clustering on the data, a fuzzy inference system with two inputs (performance and potential) and one output (Talent) is defined at five levels. The results show that most of the faculty members are 42.72% in the "intermediate" section. Also, 11.82% were in the "very low" section, 16.37% in the "low" section, 25.45% in the "high" section and 3.64% in the "very high" section
کلیدواژه‌ها [English]
faculty members, talent, performance, potential, fuzzy inference system
مراجع

آیین­نامه ارتقای مرتبه اعضای هیئت‌علمی (1395). وزارت علوم، تحقیقات و فناوری، تهران، ایران.

برزده، سیدمحمد و تقوی­فرد، محمد (1392). طراحی و توسعه یک سیستم خبره مبتنی بر قانون برای ارزیابی اعتباری مشتریان شرکت­های تجاری(مورد مطالعه: شرکت توزیع و پخش البرز)، فصلنامه مدیریت بازرگانی، دوره 5، شماره 2، 46-17.

تقی­زاده­یزدی، محمدرضا؛ طهماسبی، رضا؛ امامت، سید محمدمحسن و دهقان، علیرضا (1397). شناسایی و رتبه‌بندی عوامل مؤثر در جذب و نگهداشت استعدادها با استفاده از رویکرد فرایند تحلیل سلسله‌مراتبی(مطالعۀموردی: دانشگاه تهران)، مدیریت فرهنگ سازمانی، دوره 16، شماره 1؛ 89-115.

جانعلی­زاده چوب­بستی، حیدر؛ فرزانه، سیف­اله و غلامی، علی­اصغر (1392). همبستگی کیفیت زندگی و بهره­وری علمی اعضای هیات­علمی، فصلنامه مطالعات جامعه‌شناختی جوانان، دوره 4، شماره 12؛ 56-31.

حسینی، ابوالحسن؛ حاج­کریمی، عباسعلی (1394). مدیریت استعداد برای سازمان. انتشارات دانشگاه مازندران، چاپ اول.

حسینی، ابوالحسن؛ خسروی، مهدی؛ قاسمی، جمال (1399). ارزیابی عملکرد منابع انسانی با رویکرد شبکه عصبی رگرسیون عمومی(مورد مطالعه: اعضای هیات علمی). مطالعات برنامه­ریزی آموزشی(در حال چاپ).

خسروپور بروجنی، پوریا و وزیری سرشک، مجید(1396). طراحی یک سیستم ­استنتاج­ فازی برای تعیین اندازه ارگانیکی یا مکانیکی بودن سازمان براساس ابعاد محتوایی. راه دکتری، سنجش و دانش؛ 116.

زین الدینی بیدمشکی، زهره؛ عدلی، فریبا و وزیری، مژده (1393). مقایسه وضعیت موجود جانشین پروری و مدیریت استعداد با وضعیت مطلوب آن در نظام آموزش­عالی. فصلنامه پژوهش و برنامه­ریزی در آموزش عالی، دوره 20، شماره 2، 72-51.

سبحانی، سیدمحمدجواد؛ چیذری، محمد؛ صدیقی، حسن و علم­بیگی، امیر(1397). بررسی تأثیر مؤلفه‌های مدیریت استعداد بر بالندگی سازمانی در نظام آموزش­عالی. علوم ترویج و آموزش کشاورزی، دوره 14، شماره 1؛ 67-53.

شعبانی­ورکی، بختیار و حسین­قلی­زاده، رضوان.(1385). بررسی کیفیت تدریس در دانشگاه. فصلنامه پژوهش و برنامه­ریزی در آموزش عالی، دوره 12، شماره 1؛ 21-1.

غلامحسین­پور انوری، ثریا؛ نوه ابراهیم، عبدالرحیم؛ آراسته، حمیدرضا و زین­آبادی، حسن (1396). رویکرد سیستمی بر مدیریت استعداد در دانشگاه­ها و تأثیر آن بر روی اجتماع و سازمان، پژوهش­های مدیریت عمومی، دوره 10، شماره 36؛ 160-143.

کیانی، اکبر؛ پاسبان عیسی­لو، وحید؛ بدلی، احد؛ کانونی، رضا (1395). کاربرد سیستم ­استنتاج­ فازی در زمینه سنجش توسعه انسانی مورد شناسایی: شهرستان پارس­آباد، جغرافیا و آمایش شهری، سال ششم، شماره 19؛ 16-1.

نادی، محمدعلی؛ گل­پرور، محسن و سیادت، سیدعلی.(1389). جامعه­پذیری سازمانی و آرزوهای­شغلی کارکنان در محیط­های­کاری. جامعه­شناسی کاربردی، سال بیست­و­یکم، شماره 1؛ 176-159.

 Alcântara, M. A., Sampaio, R. F., Assuncao, A. A., & Silva, F. C. M. (2014). Work Ability: using structural equation modeling to assess the effects of aging, health and work on the population of Brazilian municipal employees. Work, 49(3), 465-472.

 Berger, L. & Berger, D. (2004). The Talent Management Handbook. Cleveland: McGraw Hill companies.

 Bezdek, J, C. (1973). Cluster validity with fuzzy sets. Journal of Cybernetics. 3(3), 58-73.

 Blackmore, J. (2014). ”Wasting talent”? Gender and the problematics of academic disenchantment and disengagement with leadership”. Higher Education Research and Development. 33(1), 86-99.

 Breakwell, G. Tytherleigh, M. (2010). University leaders and university performance in the United Kingdom: is it ‘who’ leads, or ‘where’ they lead that matters most? Higher Education. 60, 491-506.

 Burke-Smalley, L. Barbara, L. Rau.A. (2017). Factors perpetuating the research-teaching gap in management: A review and propositions. The International Journal of Management Education. 15, 501-512.

 Cadez, S. Dimovski, V. Zaman Groff, M. (2017). Research, teaching and performance evaluation in academia: the salience of quality. Studies in Higher Education. 42(8), 1455-1473.

 CEB, High-Potential Employee Management Survey, Arlington, 2005.

 Chamorro-Premuzic, T., Akhtar, R., Winsborough, D., & Sherman, R. A. (2017). The datafication of talent: How technology is advancing the science of human potential at work. Current Opinion in Behavioral Sciences, 18, 13-16.

 Chung, Ch. Hsieh, Y. Lin, H. (2019). Fuzzy inference system for modeling the environmental risk map of air pollutants in Taiwan. Journal of Environmental Management. 246, 808–820.

 Collings, D, G. Mellahi, K. (2009). Strategic Talent Management: A Review and Research agenda. Human Resource Management Review. 19(4), 304-313.

 Corporate Leadership Council (CLC). (2005). Realizing the full potential of rising talent (volume I): A Quantitative analysis of the identification and development of high potential employees.

 Cui, W., Khan, Z., & Tarba, S. Y. (2018). Strategic talent management in service SMEs of China. Thunderbird International Business Review, 60(1), 9-20.

 Devine, M., & Syrett, M. (2014). Managing talent: Recruiting, retaining, and getting the most from talented people. The Economist, Hardcover – Illustrated.

 Falola, H. O., Adeniji, A. A., Adeyeye, J. O., Igbinnoba, E. E., & Atolagbe, T. O. (2020). Measuring institutional support strategies and faculty job effectiveness. Heliyon, 6(3), e03461.

 Festing, M. & Schäfer, L. (2014). Generational challenges to talent management: A framework for talent retention based on the psychological-contract perspective. Journalof World Business. 49, 262–271.

 Gandy, R., Harrison, P., & Gold, J. (2018). Talent management in Higher Education: Is turnover relevant? European Journal of Training and Development. https://doi.org/10.1108/ EJTD-11-2017-0099.

 Gallardo-Gallardo, E., Dries, N., & González-Cruz, T. F. (2013). What is the meaning of ‘talent’in the world of work? Human Resource Management Review, 23(4), 290-300.

 Iles, P. Preece, D. Chuai, X. (2010). Talent management as a management fashion in HRD: towards a research agenda. Human Resource Development International. 13(2), 125-145.

 Javadian, H., Asadollahpour, S., Ruiz, M., Sastre, A. M., Ghasemi, M., Asl, S. M. H., & Masomi, M. (2018). Using fuzzy inference system to predict Pb (II) removal from aqueous solutions by magnetic Fe3O4/H2SO4-activated Myrtus Communis leaves carbon nanocomposite. Journal of the Taiwan Institute of Chemical Engineers, 91, 186-199.

 Karatop, B., Kubat, C., & Uygun, Ö. (2015). Talent management in manufacturing system using fuzzy logic approach. Computers & Industrial Engineering, 86, 127-136.

 Khushboo, R. Puja, Kh. (2015). "Faculty engagement in higher education: prospects and areas of research". On theHorizon. 23(4), 285–308.

 Kiffer, S. Tchibozo, G. (2013). Developing the Teaching Competences of Novice Faculty Members: A Review of International Literature. Policy Futures in Education. 11(3), 277-289.

 Krishnan, T. N., & Scullion, H. (2017). Talent management and dynamic view of talent in small and medium enterprises. Human Resource Management Review, 27(3), 431-441.

 Lewis, R. E., & Heckman, R. J. (2006). Talent management: A critical review. Human resource management review, 16(2), 139-154.

 Li, J., Hedayati-Mehdiabadi, A., Choi, J., Wu, F., & Bell, A. (2018). Talent management process in Asia: a multiple case study. European Journal of Training and Development. https://doi.org/10.1108/EJTD-04-2018-0035.

 Lukovac, V., Pamučar, D., Popović, M., & Đorović, B. (2017). Portfolio model for analyzing human resources: An approach based on neuro-fuzzy modeling and the simulated annealing algorithm. Expert Systems with Applications, 90, 318-331.

 Meyers, M. Woerkom, M. Dries, N. (2013). Talent-innate or acquired? Theoretical considerations and their implications for talent management. Human Resource Management Review. 24(4), 305–321.

 Mignonac, K. Herrbach, O. (2003). Managing individual career aspirations and corporate needs: a study of software engineers in France. Journal of Engineering and Technology Management. 20(3), 205-230.

 Milan, S. G., Roozbahani, A., & Banihabib, M. E. (2018). Fuzzy optimization model and fuzzy inference system for conjunctive use of surface and groundwater resources. Journal of hydrology, 566, 421-434.

 Nafukho, F, M. Caroline, S. Muyia, M. (2019). Examining research productivity of faculty in selected leading public universities in Kenya. International Journal of Educational Development. 66, 44-51.

 Nilsson, S. Ellström, P. (2012). Employability and talent management: challenges for HRD practices. European Journal of Training and Development. 36(1), 26–45

 Nijs, S., Gallardo-Gallardo, E., Dries, N., & Sels, L. (2014). A multidisciplinary review into the definition, operationalization, and measurement of talent. Journal of World Business, 49(2), 180-191.

 Pandita, D., & Ray, S. (2018). Talent management and employee engagement–a meta-analysis of their impact on talent retention. Industrial and Commercial Training. https://doi.org/10.1108/ICT-09-2017-0073.

 Rebeťák, M., & Farkašová, V. (2015). Managing high–potential employees. Procedia economics and finance, 23, 867-871.

 Reilly, P. (2008). Identifying the right course for talent management. Public Personnel Management, 37, 381–388.

 Saddozai, S. K., Hui, P., Akram, U., Khan, M. S., & Memon, S. (2017). Investigation of talent, talent management, its policies and its impact on working environment. Chinese Management Studies,11 (3), 538-554.

 Santos, G. (2016). "Career barriers influencing career success: A focus on academics’ perceptions and experiences". Career Development International.21(1), 60-84.

 Schaufeli, B. Bakker, B. Salanova, M. (2006). The Measurement of work engagement with a short Questionnaire: A Cross-National Study. Educational and Psychological Measurement. 66(4), 701-716.

 Shahraiynia, H. Sodoudia, S. Kerschbaumerc, A. (2015). A new structure identification scheme for Anfis and its application for the simulation of virtual air pollution monitoring stations in urban areas. Engineering Applications of Artificial Intelligence. 41, 175–182.

 Sivanandam, S. N., Sumathi, S., & Deepa, S. N. (2007). Introduction to fuzzy logic using MATLAB (Vol. 1). Berlin: Springer.

 Smith, D. A., Arnold, W. L., Krupinski, E. A., Powell, C., & Meltzer, C. C. (2019). Strategic Talent Management: Implementation and Impact of a Leadership Development Program in Radiology. Journal of the American College of Radiology, 16(7), 992-998.

 Sonnenberg, M. Zijderveld, V. Brinks, M. (2013). The role of Talent-perception incongruence in effective talent management. Journal of World Business. 33, 112-121.

 Sparrow, P. Makram, H. (2015). What is the value of talent management? Building value-driven processes within a talent management architecture. Human Resource Management Review. http://dx.doi.org/10.1016/ j.hrmr.2015.04.002

 Tao, Y., Zhang, Y., & Wang, Q. (2018). Fuzzy c-mean clustering-based decomposition with GA optimizer for FSM synthesis targeting to low power. Engineering Applications of Artificial Intelligence, 68, 40-52.

 Tansley, C. (2011). What do we mean by the term talent in talent-management? Industrial and Commercial Training.43:266–274

 Tatari, F. Gazerani, A. Dehnoalian, A. Gharahzadeh, A. (2020). A critical study about the faculty members' evaluation models. J Adv Pharm Edu Res. 10(2), 71-76

 Ulrich, D., & Smallwood, N. (2012). What is talent? Leader to leader, 2012(63), 55-61.

 Umrao, R. K., Sharma, L. K., Singh, R., & Singh, T. N. (2018). Determination of strength and modulus of elasticity of heterogenous sedimentary rocks: An ANFIS predictive technique. Measurement, 126, 194-201.

 Zhang, Y., Huang, G., Ngai, B. & Chen, X. (2010). Case-based polishing process planning with fuzzy set theory. Journal of Intelligent Manufacturing. 21(6), 831–842.

 Zhang, Y. Nesbit, P. (2018). Talent Development in China: Human resource manager's perception of the vale of the MBA. The International Journal of Management Education. 16, 380-393.

 Van den Brink, M.; Fruytier, B. & Thunnissen, M. (2013). Talent management in academia: performance systems and HRM policies, Human Resource Management Journal, 23(2), 180-195.

 Verhaegen, P. (2005). Academic talent: Quo vadis? Recruitment and retention of faculty in European business schools, Journal of Management Development, 24(9), 807-818.

آمار
تعداد مشاهده مقاله: 742
تعداد دریافت فایل اصل مقاله: 1,302


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب