CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

آیا مدل شبکه عصبی مصنوعی بهتر از مدل رگرسیون استرس شغلی را پیش بینی می کند

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۳ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: ESCONF04_122
زبان مقاله: فارسی
حجم فایل: ۹۴۴.۰۱ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۱ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله آیا مدل شبکه عصبی مصنوعی بهتر از مدل رگرسیون استرس شغلی را پیش بینی می کند

  الهه الله یاری - استادیار آمار زیستی، گروه اپیدمیولوژی و آمار، دانشکده بهداشت، مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی بیرجند

چکیده مقاله:

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 شبکه عصبی اطلاعات 15 بعد هوش هیجانی پرسشنامه بار-آن، 10 گروه شغلی و سن و تحصیلات 892 نفر را به عنوان متغیرهای ورودی و 7 بعد پرسشنامه استرس شغلی HSE را به عنوان متغیر خروجی در نظر گرفت. شبکه عصبی توانست به طور قابل ملاحظه ای موفق تر از رگرسیون چند متغیره استرس شغلی افراد را در حیطه های مختلف برآورد نماید.

کلیدواژه‌ها:

هوش هیجانی، استرس شغلی، شبکه عصبی مصنوعی، رگرسیون چند گانه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ESCONF04-ESCONF04_122.html
کد COI مقاله: ESCONF04_122

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
الله یاری, الهه، ۱۳۹۸، آیا مدل شبکه عصبی مصنوعی بهتر از مدل رگرسیون استرس شغلی را پیش بینی می کند، چهارمین کنفرانس بین المللی پژوهش های نوین درحوزه علوم تربیتی و روانشناسی و مطالعات اجتماعی ایران، دبیرخانه دائمی کنفرانس، https://www.civilica.com/Paper-ESCONF04-ESCONF04_122.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (الله یاری, الهه، ۱۳۹۸)
برای بار دوم به بعد: (الله یاری، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: علوم پزشکی
تعداد مقالات: ۵۲۷
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.