چکیده:
ابهام و عدم قطعیت موجود در ماهیت و محدودیت شناختی ذهن انسان، همواره پیشبینی رفتار و مشخصات ناشناخته سیستمهایی که با انسان سروکار دارند را دشوار میسازد. درنتیجه، پیشبینی در این حوزه، نیازمند ساخت مدلهایی است که ابهام را به عنوان بخشی از سیستم درنظر گرفته و مدلسازی کند. هدف از این مقاله بهره-گیری از هوش مصنوعی و الگوریتمهای بهینهسازی پیشرفته برای مدلسازی کارایی پرسنل است که در این بررسی از متغیرهای هوش هیجانی و ویژگیهای فردی به عنوان ورودی و از سه بعد وظیفهشناسی، دقت در کار و سرعت در کار به عنوان خروجی مدل پیشبینی کارایی امدادگران وگازبانان شرکت گاز استفاده گردیده است. درنهایت، بهمنظور مدلسازی کارایی، با ترکیب الگوریتم ژنتیک و روش تجزیه مقادیر منفرد با سیستم استنتاج فازی عصبی، سیستم بهینهی استنتاج عصبی-فازی تطبیقی بر اساس دادههای واقعی بکار گرفته شد. این سیستم قادر است با وجود پیچیدگی و ناشناخته بودن رفتار در حوزه منابع انسانی، کارایی پرسنل را با حداقل خطای آموزش، حداقل خطای پیشبینی و حداکثر انطباقپذیری با کارایی واقعی پیشبینی نماید بهطوریکه بر اساس الگوریتم معرفی شده، درمورد 84% تا 96% از رکوردهای مورد بررسی، ابعاد کارایی دقیقا برابر با مقدار واقعی پیشبینی میشوند.
خلاصه ماشینی:
هدف از این مقاله بهرهگیری از هوش مصنوعی و الگوریتم های بهینه سازی پیشرفته برای مدلسازی کارایی کارکنان است که در این بررسی از متغیرهای هوش هیجانی و ویژگی های فردی به عنوان ورودی و از سه بعد وظیفه شناسی ، دقت در کار و سرعت در کار به عنوان خروجی مدل پیش بینی کارایی امدادگران و گازبانان شرکت گاز استفاده شده است .
بنابراین مدل مفهومی مورد بررسی به منظور پیش بینی عملکرد امدادگران و گازبانان شرکت گاز را می توان در شکل ٢ نشان داد: 2Emotional uotientnventoryQ-i) X١: عزت نفس X٢: خودآگاهی هیجانی X٣: استقلال X٤: خودابرازی X٥: خودشکوفایی X٦: مسئولیت پذیری اجتماعی X٧: روابط میان فردی هوش X٨: همدلی وظیفه شناسی به کارگیری هیجانی X: کنترل تکانش 9 Y: سیستم X١٠: تحمل فشار روانی کارایی بهینه X١١: واقع گرایی سرعت در کار کارکنان استنتاج X١٢:انعطافپذیری فازی-عصبی X١٣: حل مسئله تطبیقی X١٤: خوشبینی دقت در کار X١١:: سن ویژگی X١٢: تجربه حرفه ای های فردی X١٣: وضعیت جسمانی X١٤: عدد سلامت X١٥: مهارت شکل ٢ مدل مفهومی پژوهش ٤-٢- مرحله دوم: گردآوری اطلاعات به منظور دستیابی به نتایج قابل اعتماد در فرایند مدلسازی، معمولا حجم نمونه ای ١٠ برابر تعداد متغیرها کافی می باشد.