تعیین رابطه بین مدیریت تغییر بر اساس استراتژی های رابرت چن با رضایت شغلی دبیران مرد و زن ناحیه 1 شهر ارومیه
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 527
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ARTHUMAN01_243
Index date: 19 February 2016
تعیین رابطه بین مدیریت تغییر بر اساس استراتژی های رابرت چن با رضایت شغلی دبیران مرد و زن ناحیه 1 شهر ارومیه abstract
پژوهش حاضر با هدف بررسی رابطه بین مدیریت تغییر بر اساس استراتژی رابرت چن با رضایت شغلی دبیران مرد و زن ناحیه 1 شهر ارومیه انجام شده است. که جامعه آماری آن شامل کلیه دبیران مرد و زن شاغل در ناحیه 1 که در مجموع 2107 نفر بوده که با استفاده از روش نمونه گیری طبقه ای متناسب با حجم جامعه، تعداد 183 نفر به عنوان نمونه آماری جهت مطالعه انتخاب گردیده است. روش پژوهش توصیفی – همبستگی بوده که برای جمع آوری داده ها از پرسشنامه های محقق ساخته، که برای تعیین روایی آنها علاوه بر اظهارنظر صاحبنظران از تحلیل عاملی نیز استفاده شده و همچنین برای سنجش پایانی آنها از ضریب آلفای کرونباخ استفاده شده که پایایی پرسشنامه مدیریت تغییر برابر با 0/924 = α و پایانی پرسشنامه رضایت شغلی برابر 0/912 = α برآورده شده است. تجزیه و تحلیل داده ها بوسیله آزمونهای ضریب همبستگی پیرسون، t مستقل و تحلیل رگرسیون چندگانه نشان داد که: 1- دبیران بیشتر با استراتژی عقلایی و تجربی مدیریت تغییر موافق هستند 2- از نظر رضایت شغلی در حد مطلوب قرار دارند 3- بین استراتژی های عقلایی – تجربی و هنجاری – باز آموزی با رضایت شغلی رابطه معنی داری وجود دارد 4- نتیجه رگرسیون چندگانه به روش گام به گام بیانگر آن است که استراتژی عقلایی – تجربی بعنوان یک متغییر پیش بینی، با رضایت شغلی همبستگی چندگانه دارد.
تعیین رابطه بین مدیریت تغییر بر اساس استراتژی های رابرت چن با رضایت شغلی دبیران مرد و زن ناحیه 1 شهر ارومیه Keywords:
تعیین رابطه بین مدیریت تغییر بر اساس استراتژی های رابرت چن با رضایت شغلی دبیران مرد و زن ناحیه 1 شهر ارومیه authors
سعید دیلمقانی
عضو هیئت علمی دانشگاه پیام نور نقده
محرمعلی خد ابنده
کارشناسی ارشد، مدرس دانشگاه پیام نور
محسن دادمهر
دانشجوی مدیریت صنعتی
بهرام صدقی خیاوی
دانشجوی مدیریت صنعتی
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 :