چکیده مقاله
با توجه به نقش حیاتی کارکنان صنعت حمل ونقل هوایی در تداوم عملیات پروازی طی بحران های جهانی، بررسی عوامل موثر بر استرس شغلی آنان از اهمیت ویژه ای برخوردار است بر این اساس، هدف پژوهش حاضر، ارزیابی اثربخشی شبکه های عصبی مصنوعی در پیش بینی شاخص های استرس شغلی کارکنان صنعت حمل ونقل هوایی در دوران پاندمی کووید ۱۹ بر پایه داده های گردآوری شده است این پژوهش از نظر هدف، توسعه ای کاربردی، از نظر ماهیت، اکتشافی و از نظر نوع داده، کمی است جامعه آماری پژوهش شامل ۱۴۲۰ نفر از کارکنان ستادی صنعت حمل ونقل هوایی ایران بود که از میان آنان، ۳۱۲ نفر با استفاده از روش نمونه گیری تصادفی ساده انتخاب شدند ابزار گردآوری داده ها، پرسشنامه محقق ساخته ای شامل ۱۲۶ سوال تخصصی مبتنی بر طیف پنج گزینه ای لیکرت بود یافته های پژوهش نشان داد شبکه های عصبی مصنوعی در پیش بینی شاخص های استرس شغلی از دقت بسیار بالایی برخوردار بوده و توانسته اند با دقتی بیش از ۹۹ درصد، متغیرهای استرس زا را شناسایی کنند همچنین، شبکه عصبی پرسپترون سه لایه با یک لایه پنهان، بهترین عملکرد را در پیش بینی استرس شغلی نشان داد نتایج حاکی از آن است که متغیرهای محیط کاری، سن و تجربه، از مهم ترین عوامل موثر بر ایجاد استرس شغلی کارکنان محسوب می شوند افزون بر این، از مجموع ۱۲۶ شاخص معرفی شده موثر بر استرس شغلی، تعداد ۴۳ شاخص مستقل فعال در پیش بینی رفتار استرس شغلی موفق عمل کرده و مهم می باشند بر پایه یافته های پژوهش، بهره گیری از شبکه های عصبی مصنوعی می تواند ابزاری کارآمد برای پایش مستمر وضعیت روانی کارکنان، شناسایی زودهنگام عوامل استرس زا و طراحی مداخلات هدفمند مدیریتی باشد
کلیدواژهها
نویسندگان
شیوه ارجاع
قربانی، رضا و شاهبندرزاده، حمید و مرتضوی، مهدی و فرهنگی، علی اکبر،1405،تعیین اثربخشی شبکه های عصبی مصنوعی در پیش بینی شاخص های استرس شغلی کارکنان صنعت حمل ونقل هوایی در دوره پاندمی کووید-۱۹،دوازدهمین کنفرانس بین المللی و سیزدهمین کنفرانس ملی یافته های نوین در مدیریت، روان شناسی و حسابداری،تهران
ارائهشده در
مجموعه مقالات دوازدهمین کنفرانس بین المللی و سیزدهمین کنفرانس ملی یافته های نوین در مدیریت، روان شناسی و حسابداری31 اردیبهشت 1405 · تهران