تعیین کارایی یادگیری واحدهای تصمیم گیرنده با استفاده از مدل ترکیبی تحلیل پوششی داده ها و شبکه عصبی مصنوعی (مطالعه موردی: دانشگاه صنعتی مالک اشتر اصفهان)
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 536
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMI01_451
تاریخ نمایه سازی: 20 دی 1394
Abstract:
دانشگاه ها به عنوان یکی از اثرگذارترین سازمان های جامعه، نیاز شدیدی به هماهنگ شدن با تحولات اجتماعی و فرهنگی و تحولات جهانی دارد که برای پاسخگویی به این تغییرات بایستی توان یادگیری کارکنان خود را بهبود بخشد. اما از آنجا که پیاده سازی هر نظریه ای نیازمند بررسی الزامات آن می باشد، بررسی مولفه های اصلی سازمان یادگیرنده به عنوان پیش شرط های تبدیل دانشگاه های کشور به سازمان یادگیرنده ضروری بنظر رسید. در این تحقیق مولفه های اصلی سازمان یادگیرنده بر طبق مدل پنج فرمان دکتر سنگه انتخاب شده اند . بدین منظور ابتدا با استفاده از روش های BCC و CCR کارایی دانشکده ها اندازه گیری شده است و پس از تحلیل حساسیت و اتخاذ تصمیماتی برای بهبود وضعیت دانشکده ها، بوسیله شبکه عصبی مصنوعی یک پیش بینی با فرض عملی شدن تصمیمات اتخاذ شده انجام گرفت و با استفاده از دادهای شبیه سازی شده، دانشکده های شبیه سازی شده ایجاد شدند. آنگاه با استفاده از واحدهای اصلی و شبیه سازی شده و به وسیله مدل های تحلیل پوششی داده ها به تعیین کارایی یادگیری واحدها پرداخته شده است. نتایج بدست آمده از تحلیل دوباره کارایی واحدها حاکی از این بود که تنها دانشکده کارا ، دانشکده صنایع می باشد.
Keywords:
Authors
میر فرهاد هاشمی تولون
دانشجو، فوق لیسانس مهندسی صنایع مدیریت سیستم و بهره وری، گروه مهندسی صنایع ، دانشکده مهندسی صنایع ، دانشگاه صنعتی مالک اشتر ، اصفهان ، ایران
بیژن خیامباشی
استادیار ، دکتری اقتصاد، گروه مهندسی صنایع ، دانشکده مهندسی صنایع ، دانشگاه صنعتی مالک اشت اصفهان
ام البنین یوسفی
استادیار، دکتری مهندسی صنایع، گروه مهندسی صنایع،دانشکده مهندسی صنایع ،دانشگاه صنعتی مالک اشتر اصفهان
عباس رفیعی
استادیار، دکتری مدیریت دولتی، گروه مهندسی صنایع ، دانشکده مهندسی صنایع ، دانشگاه صنعتی مالک اشتر اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :