تعداد نشریات | 29 |
تعداد شمارهها | 431 |
تعداد مقالات | 4,216 |
تعداد مشاهده مقاله | 6,797,039 |
تعداد دریافت فایل اصل مقاله | 5,044,051 |
ارزیابی عملکرد منابع انسانی با رویکرد شبکه عصبی رگرسیون عمومی مورد مطالعه: اعضای هیات علمی | ||
مطالعات برنامه ریزی آموزشی | ||
دوره 9، شماره 17، شهریور 1399، صفحه 202-222 اصل مقاله (715.72 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22080/eps.2021.3199 | ||
نویسندگان | ||
مهدی خسروی1؛ ابوالحسن حسینی* 2؛ جمال قاسمی3 | ||
1دانشجوی دکتری خط مشی گذاری عمومی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس | ||
2عضو هیئت علمی دانشگاه مازندران | ||
3عضو هئیت علمی دانشگاه مازندران | ||
تاریخ دریافت: 24 اسفند 1399، تاریخ پذیرش: 24 اسفند 1399 | ||
چکیده | ||
ارزیابی اعضای هیاتعلمی شامل مراحلی است از سنجش و آگاه ساختن اعضای هیاتعلمی از نحوه انجام کار و مسئولیتهای محوله که در ابعاد مختلف مطرح میشود. در پژوهش حاضر ارزیابی اعضای هیاتعلمی از دو منظر آموزشی و پژوهشی صورت گرفته است. جامعه آماری پژوهش حاضر307 نفر از اعضای هیاتعلمی یکی از دانشگاههای دولتی است. اطلاعات عملکردآموزشی با همکاری دفتر نظارت، ارزیابی و تضمین کیفیت دانشگاه و همچنین اطلاعات عملکردپژوهشی با همکاری معاونت پژوهشی دانشگاه تهیه شده است. تجزیه و تحلیل دادهها با استفاده از روش هوشمصنوعی و با بکارگیری نرمافزار متلب انجام شده است. در تحلیل نتایج، ابتدا با استفاده از خوشهبندی آستانهای، اعضای هیاتعلمی به چهار خوشه تقسیمبندی شدند. سپس در گامدوم تحلیل، از پتانسیل شبکهی عصبی رگرسیون عمومی استفاده شده است. با بکارگیری شبکه عصبی رگرسیون عمومی، میزان وابستگی افراد به هر یک از خوشههای چهارگانه مشخص شده است. با توجه به نتایج به دست آمده بیشتر اعضای هیات علمی در خوشه دوم(فقط آموزش بالا) قرار گرفتند و کمترین فراوانی در خوشه سوم(فقط پژوهش بالا) قرار دارد. همچنین در مجموع عملکردپژوهشی و آموزشی بین دانشکدهها، دانشکدهشیمی(99/0و60/0) رتبه اول و دانشکدههایتربیتبدنی(34/0و99/0)، علومپایه(58/0و37/0) و علوم اقتصادیواداری(40/0و47/0) رتبههای بعدی را کسب کردند. در بخش پایانی با مقایسه دو روش ضمن بررسی مزایای استفاده از شبکه عصبی رگرسیون عمومی، پیشنهادات لازم ارائه شده است. | ||
کلیدواژهها | ||
ارزیابی منابع انسانی؛ عملکرد آموزشی؛ عملکرد پژوهشی؛ اعضای هیاتعلمی؛ شبکه عصبی رگرسیون عمومی | ||
عنوان مقاله [English] | ||
Evaluation of Human Resource Performance Using General Regression Neural Network Approach (Faculty Members) | ||
نویسندگان [English] | ||
mehdi khosravi1؛ aboalhassan hosseini2؛ Jamal Ghasemi,3 | ||
1PhD Student in Public Policy, Faculty of Management and Economics, Tarbiat Modares University | ||
2faculty member of university mazandaran | ||
3faculty member of university | ||
چکیده [English] | ||
Assessing faculty members involves formal steps in assessing and informing faculty members about how to do the job and the responsibilities assigned to them in different dimensions. In the present study, the evaluation of faculty members has been done from two educational and research perspectives. The statistical population of the present study is 307 faculty members of one of the public universities. Educational performance information has been prepared in collaboration with the Office of Monitoring, Evaluation and Quality Assurance of the University, as well as research performance information in collaboration with the Vice Chancellor for Research. Data analysis was performed using artificial intelligence method and using MATLAB software. In analyzing the results, first, using threshold clustering, faculty members were divided into four clusters. Then, in the second step of the analysis, the potential of the general regression neural network is used. Using the general regression neural network, the degree to which individuals depend on each of the four clusters is determined. The results show that most faculty members have a good educational situation, while the research status of faculty members is not good. Also, in general, research and educational performance between faculties, Faculty of Chemistry (0.99 and 0.60), first rank and physical education faculties (0.34 and 0.99), basic sciences (0.58 and 0.37) and economic and administrative sciences ( 0.40 and 0.47) gained the next ranks. In the final section, by comparing the two methods, while examining the advantages of using the general regression neural network, the necessary suggestions are presented. | ||
کلیدواژهها [English] | ||
Human Resource Evaluation, Educational Performance, Research Performance, Faculty Members, General Regression Neural Network | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 726 تعداد دریافت فایل اصل مقاله: 719 |