>
Fa   |   Ar   |   En
   عوامل موثر بر تمایل به ترک سازمان با استفاده از الگوریتم های مبتنی بر شبکه عصبی و ژنتیک چند هدفه  
   
نویسنده خضیری عفراوی سهام ,سرداری زارچی محسن ,فاطمی بوشهری محمدمهدی
منبع مطالعات راهبردي در صنعت نفت و انرژي - 1397 - دوره : 10 - شماره : 38 - صفحه:75 -104
چکیده    بهبود بازدهی سرمایه انسانی از آنجا که می تواند نقش موثری در کارایی سازمان داشته باشد، همواره یکی از موضوعات پژوهش بوده است. میزان تمایل به ترک سازمان یکی از عوامل تاثیرگذار بر کارایی سرمایه انسانی است که آن را می توان با استفاده از الگوهای درون داده ای، شرایط حاکم بر سازمان و بررسی عوامل موثر بر آن پیش بینی کرد. به همین منظور، از الگوریتم های هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه برای پیش بینی تمایل کارکنان به ترک سازمان در این پژوهش بهره گرفته شده است. در این راستا، ابتدا با طراحی پرسشنامه ای، نظرات کارکنان شرکت بهره برداری نفت و گاز کارون در مورد رضایت مندی و تمایل به ترک سازمان، جمع آوری شد و بر اساس آن، یک مجموعه داده تدوین گردید. سپس با استفاده از شبکه های عصبی مصنوعی به عنوان طبقه بند و الگوریتم تکاملی ژنتیک چندهدفه برای انتخاب ویژگی های موثر، یک سیستم خبره طراحی شد. به منظور تست و ارزیابی الگوریتم شبکه عصبی طراحی شده با مجموعه داده استاندارد ایجادشده، آموزش های لازم ارائه شد. نتایج ارزیابی سیستم پیشنهادی بیانگر آن است که با به کارگیری الگوریتم ژنتیک چندهدفه و شبکه های عصبی مصنوعی می توان مدلی ارائه کرد تا علاوه بر پیش بینی میزان تمایل کارکنان به ترک سازمان با دقت بالای 88%، با انتخاب ویژگی های موثر، عوامل کلیدی ترک سازمان را نیز مشخص کند
کلیدواژه جایگزینی، داده، کاوی، انتخاب کارکنان، شبکه های عصبی مصنوعی، الگوریتم ژنتیک چندهدفه
آدرس دانشگاه آزاد اسلامی واحد یزد, ایران, دانشگاه سراسری میبد, گروه کامپیوتر, ایران, دانشگاه یزد, مرکز فناوری اطلاعات و خدمات کامپیوتری, ایران
پست الکترونیکی fatemi@yazd.ac.ir
 
   Factors affecting the tendency to leave the organization using an intelligent model based on multi-objective neural network and genetic algorithms  
   
Authors Khaziri Afravi Saham ,Sardari Zarchi Mohsen ,Fatemi Booshehri Seyyed Mohammad mahdi
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved