دوره 11، شماره 3 - ( 6-1400 )                   جلد 11 شماره 3 صفحات 528-516 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Allahyari E, Gholami A, Arab-Zozani M, Ameri H, Nasseh N. Using emotional intelligence to predict job stress: Artificial neural network and regression models. J Health Saf Work 2021; 11 (3) :516-528
URL: http://jhsw.tums.ac.ir/article-1-6543-fa.html
الله یاری الهه، غلامی عبدالله، عرب زوزنی مرتضی، عامری حسین، ناصح نگین. پیش بینی استرس شغلی با استفاده از هوش هیجانی: مدل شبکه عصبی مصنوعی و رگرسیون. بهداشت و ایمنی کار. 1400; 11 (3) :516-528

URL: http://jhsw.tums.ac.ir/article-1-6543-fa.html


1- گروه اپیدمیولوژی و آمارزیستی، دانشکده بهداشت، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران
2- گروه بهداشت حرفه ای، دانشکده بهداشت ، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران
3- مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران
4- مرکز تحقیقات سیاست و مدیریت سلامت، گروه مدیریت خدمات بهداشتی ، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی ، یزد، ایران
5- گروه بهداشت محیط، دانشکده بهداشت، مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران ، negin_nassseh@yahoo.com
چکیده:   (2058 مشاهده)
امروزه میان صاحبنظران این توافق وجود دارد که هوش هیجانی در موفقیت افراد در حیطه های مختلف زندگی نقش به سزایی دارد. در مقابله با درخواست ها و فشارها در محیط کار نیز افرادی که هوش هیجانی بالاتری دارند کمتر دچار استرس می شوند. این پژوهش با هدف بکارگیری هوش مصنوعی برای پیش بینی استرس شغلی افراد و مقایسه عملکرد این مدل با مدل رگرسیون چند متغیره طراحی گردیده است. بدین منظور ٨۹۲ نفر از بین افراد شاغل در گروه های شغلی مختلف به صورت تصادفی انتخاب شدند. سپس اطلاعات ۱۵ بعد هوش هیجانی پرسشنامه بار-آن، ۱۰ گروه شغلی و سن و تحصیلات به عنوان متغیرهای ورودی و ۷ بعد پرسشنامه استرس شغلی HSE به عنوان متغیر خروجی در نظر گرفته شد. نتایج نشان داد که شبکه عصبی مصنوعی با الگوریتم پرسپترون با یک لایه میانی و ۳۷۵ گره که از توابع تانژانت هاﻳﭘربولیک در لایه میانی و سیگموئید در لایه خروجی، توانست به طور قابل ملاحظه ای موفق تر از رگرسیون چند متغیره استرس شغلی افراد را در حیطه های مختلف برآورد نماید. به نحوی که، همبستگی بین نمرات برآورد شده از مدل رگرسیون با مقادیر واقعی تنها بین ۳۶۴/۰-۱۹۲/۰ بود اما این مقدار برای مدل شبکه عصبی در کلیه ابعاد استرس شغلی بیشتر از ۵۲۷/۰ بود.
متن کامل [PDF 884 kb]   (1235 دریافت)    

نوع مطالعه: پژوهشي |
دریافت: 1400/6/29 | پذیرش: 1400/6/10 | انتشار: 1400/6/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به بهداشت و ایمنی کار می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb