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)

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.

کلیدواژه ها:

سازمان های یادگیرنده ، تحلیل پوششی داده ها ، شبکه های عصبی مصنوعی ، شبیه سازی داده ها