ارزیابی عملکرد مراکز آموزشی با استفاده از شبکه عصبی مصنوعی ( مورد مطالعه: یکی از سازمان های دولتی کشور)

هدف پژوهش حاضر ارزیابی عملکرد مراکز آموزشی یکی از سازمان های دولتی کشور با استفاده از شبکه عصبی مصنوعی می باشد. این مقاله یک پژوهش ارزشیابی برای ارزیابی عملکرد مراکز آموزش سازمانی دولتی است. اطلاعات مورد نیاز این تحقیق از طریق کانال‏های موازی اطلاعات مثل استفاده از اسناد و مدارک مراکز آموزشی زیر مجموعه سازمان و مراجعه به اسناد و مدارک آنها با حفظ مراتب طبقه بندی جمع‏آوری شد. جامعه آماری مورد مطالعه این پژوهش 5 مرکز آموزشی یکی از سازمان های دولتی که برای حدود 10 هزار نفر پرسنل در بین سالهای 1392 الی 1399 دوره های آموزشی برگزار می کنند، می باشد؛ براساس نظر خبرگان و نتایج مطالعات مرتبط ورودی و خروجی های پژوهش انتخاب و تعیین گردید. جهت کاهش متغیرهای ورودی و خروجی، از روش مدل سازی معادلات ساختاری - حداقل مربعات جزئی و به منظور آموزش شبکه عصبی دولایه mlp از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید، پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار(میانگین مجذور خطا) mse مربوط به 13 الگوی تست برابر. 43/7413 که نشان دهنده دقت بالای شبکه آموزش داده شده است، در نهایت عملکرد مراکز آموزشی بر اساس داده های تجزیه و تحلیل شده مورد رتبه بندی قرار گرفت.

performance evaluation model of educational centers using artificial neural network: one of the government organizations in the country

the purpose of this study is “to design a model for evaluating the performance of educational centers of one of the government organizations in the country using artificial neural network”. this is an evaluation study to evaluate the performance of public organizational educational centers. the information required for this research was collected through parallel information channels such as using the documents of educational centers under the organization and referring to their documents while maintaining the classification level. the statistical population of this study was five educational centers, one of the government organizations that hold educational courses for about 10 thousand personnel between 2013 and 2020; based on the opinion of experts and the results of related studies, the inputs and outputs of the research were selected and determined. in order to reduce the input and output variables, the structural equation modeling method - partial least squares were used. in order to train the mlp bilayer neural network, the training method was used. after the teaching of neural network. the performance of neural network was examined through test patterns. the value (mean square error) of the mse corresponds to 13 equal test patterns and 74/7413, which indicated the high accuracy of the trained network. finally, the performance of the educational centers was ranked based on the analyzed data.