مقایسه ی روش شبکه ی عصبی مصنوعی با روش معادلات ساختاری در طراحی مدل ادراک عدالت کارکنان (مطالعه ی موردی: بانک های دولتی)
نویسندگان
چکیده
این مقاله، درصدد مقایسه ی یک روش کلاسیک آماری و یک روش غیرکلاسیک هوش مصنوعی در حوزه ی مطالعات مدیریت منابع انسانی است که این امر از طریق مقایسه ی اعتباریابی نتایج و توان برازش مدل ادراک عدالت کارکنان توسط دو روش معادلات ساختاری (sem) و شبکه ی عصبی مصنوعی (ann) انجام گردیده است. مدل مفهومی تحقیق شامل متغیر وابسته ی ادراک عدالت کارکنان و متغیرهای مستقل وظایف مدیریت منابع انسانی، فرهنگ فردی و سازمانی و ویژگی های سامانه ی پاسخ گویی است. روش این تحقیق پیمایشی است و در سه بانک ملت، تجارت وکشاورزی با نمونه گیری تصادفی شامل 325 نفر از کارکنان انجام شده است. معیار مقایسه ی دو روش مذکور، ضریب تعیین (r²) مدل می باشد که نتایج به دست آمده نشان می دهد که اگر تعداد متغیرهای مستقل کم باشد (r²) هر دو مدل اختلاف معناداری را نشان نمی دهند؛ اما با افزایش متغیرهای مستقل، مدل معادلات ساختاری فاقد توانایی برازش مدل بوده، در حالی که مدل شبکه ی عصبی نه تنها برازش مدل را انجام داد؛ بلکه (r²) آن به طور معناداری بیش تر از حالتی بود که تعداد متغیرهای مستقل مدل کم بودند. مهم ترین نتیجه ی این تحقیق، فراهم آوردن یک بصیرت علمی در خصوص قابلیت های دو روش یادشده در محدوده ی تحقیقات علوم رفتاری است.
منابع مشابه
مقایسهی روش شبکهی عصبی مصنوعی با روش معادلات ساختاری در طراحی مدل ادراک عدالت کارکنان (مطالعهی موردی: بانکهای دولتی)
این مقاله، درصدد مقایسهی یک روش کلاسیک آماری و یک روش غیرکلاسیک هوش مصنوعی در حوزهی مطالعات مدیریت منابع انسانی است که این امر از طریق مقایسهی اعتباریابی نتایج و توان برازش مدل ادراک عدالت کارکنان توسط دو روش معادلات ساختاری (SEM) و شبکهی عصبی مصنوعی (ANN) انجام گردیده است. مدل مفهومی تحقیق شامل متغیر وابستهی ادراک عدالت کارکنان و متغیرهای مستقل وظایف مدیریت منابع انسانی، فرهنگ فردی و سازم...
متن کاملمقایسه ی کاربرد روش شبکه ی عصبی مصنوعی با وایازی خطـی و چند متغیره درنحوه ی توزیع رسوب
پدیده ی فرسایش و انتقال رسوب یکی از پیچیده ترین مسایل هیدرودینامیک (آب پویایی ) می باشد که در مطالعه ی طرحهای آبی از اهمیتی بسیار برخوردار است. با توجه به این که شبکه های عصبی مصنوعی از دو ویژگی اساسی یادگیری یا نگاشت پذیری بر اساس ارایه ی داده های تجربی (قدرت و توانایی تعمیم پذیری) و ساختارپذیری موازی برخوردارند، یکی از مهم ترین روش های هوش مصنوعی می باشند که در آن با الهام گیری از مغز انسان، ...
متن کاملمقایسه دو روش طبقه¬بندی حداکثر احتمال و شبکه¬ی عصبی مصنوعی در استخراج نقشه¬ی کاربری اراضی مطالعه موردی: حوزه سد ایلام
یکی از ضروریترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشههای کاربری اراضی میباشد. دادههای ماهوارهای، به جهت ارایهی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش در تهیهی نقشههای کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سالهای اخیر به طور وسیع و گسترده جهت طبقهبندی تصاویر ماهوارهای از روشهای طبقهبندی پیشرفته از قبیل شبکههای عصبی مصنوعی، مجموعههای ...
متن کاملتخمین تراوایی با استفاده از مدل های تجربی و روش شبکه ی عصبی مصنوعی در یکی از مخازن کربناته ی جنوب ایران
متن کامل
مقایسه ی روشهای انتخابی تجربی و روشهای آماری و شبکه ی عصبی مصنوعی برای پهنه بندی خطر زمین لغزش(مطالعه ی موردی در مخزن سد بهشت آباد)
به منظور کاهش خسارتهای ناشی از زمینلغزش، شناسایی پهنههای دارای پتانسیل خطر زمینلغزش و به نقشه در آوردن آنها امری ضروری و اجتنابناپذیر است. برای انجام این امر، روشهای متعددی توسط محققین در کشورهای مختلف مورد استفاده قرارگرفته است که هر یک از آنها تحت شرایط ویژهای ارائه شدهاند. در این تحقیق، پس از تهیهی نقشه پراکنش زمینلغزشهای قدیمی و بررسی عوامل مؤثر در زمینلغزشهای محدوده مخزن سد ...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهش های مدیریت منابع انسانیجلد ۲، شماره ۳، صفحات ۸۱-۱۰۰
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023