ارایه یک مدل جهت تعیین میزان تناسب شغلی با ویژگیهای فردی دانشجویان کامپیوتر

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 380

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF04_365

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

در دنیای پیچیدهی امروزی، شناخت دقیق انسانها و تشخیص ویژگیهای رفتاری آنها بهمراتب دشوارتر از هرزمانی شده است. از طرف دیگر، رشد فناوری و افزایش سطح دانش بشری، باعث سختگیرانهتر شدن فرایندهای گزینش شغلی و حساسیتبیشتر نسبت به شخصیت فردی متقاضیان شده است. یکی از راهحلهای موثر برای غلبه بر این پیچیدگیها و دشواریها، تعیین شخصیت رفتاری افراد و تطبیق دهی آن با شغل مورد درخواستشان است تا میزان سازگاری فرد با شغل موردنظرشمعلوم گردد. هدف از این تحقیق استفاده از رویکرد هوشمند یادگیری مبتنی بر شبکههای عصبی و منطق فازی جهت کشفالگوهای شخصیتی از دادههای فردی برای کارشناسان کامپیوتر مشغول به تحصیل در دورهی کارشناسی ارشد مهندسی نرمافزار میباشد که تخصص کاری اصلیشان در شش گروه کلی )مدیر طراح، تحلیلگر، برنامهنویس، مستندساز، ارزیاب، بازاریاب( قرار دارد. روش تحلیل پنج عاملیFFM مولفههای رفتاری هر فرد به پنج دسته تقسیم میکند: روان رنجوری برون-گرایی، انعطافپذیری، موردپذیرش بودن و وظیفهشناسی. ایدهی اصلی ارایهشده در این پژوهش مرتبط ساختن عاملهای رفتاری و شخصیتی به حوزههای تخصصی رشته مهندسی کامپیوتر است؛ برای کشف رابطهی بین عاملهای رفتاری و حوزههایتخصصی رشته مهندسی کامپیوتر، به بررسی قابلیتهای سیستم استنتاج فازی مبتنی بر کاربرد شبکههای عصبی جهت یادگیری برای کشف الگوهای شخصیتی و ارتباط دادن آن به حیطهی شغلی افراد پرداختهشده است و نشان داده میشود که با استفاده از یک سیستم استنتاج فازیFIS میتوان یک فرایند سیستماتیک برای تبدیل یک پایگاه دانش به یک نگاشت غیرخطی فراهم آورد

نویسندگان

سمیرا رزم

گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی ، مرودشت، ایران

بابک امیری

دانشیار، هییت علمی، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی ، مرودشت، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Raccanello, D. (2015). Students' Expectations about Interviewees' and Interviewers' of ...
  • Manea, L, Gilbody, S., & McMillan, _ (2015). A diagnostic ...
  • Bahgaat, N. K., El-Sayed, M. I., Hassan, M. M., & ...
  • Mellor, A., Boukir, S., Haywood, A., & Jones, S. (2015). ...
  • Carver, C. S., & Scheier, M. F. (1982). Control theory: ...
  • Olweus, D. (1980). _ consistency issue in personality psychology revi ...
  • Horowitz, D. L. (1985). Ethnic groups in conflict. Univ of ...
  • Shima, J. E., McLean, D. J., McCarrey, J. R., & ...
  • Barik, H. C., & Swain, M. (1976). A Canadian experiment ...
  • Salgado, J. F. (1997). The Five Factor Model of personality ...
  • Schneider, B., Hanges, P.J., Smith, D.B., & Salvaggio, A.N. (2003). ...
  • Vieira, J., Dias, F.M., & Mota, A. (2004, April). Neuro-fuzzy ...
  • Egan, V., Deary, I., & Austin, E. (2000). The NEO-FFI ...
  • Fink, B., Weege, B., Fligge, J., Roder, S., Neave, N., ...
  • Mamdani, E. H. (1974, December). Application of fuzzy algorithms for ...
  • McCulloch, W. S., & Pitts, W. (1943). A logical calculus ...
  • _ Rosenblatt, F. (1958). The perceptron: a probabilistic model for ...
  • Widrow, B., & Hoff, M. E. (1960). Adaptive switching circuits. ...
  • Azadeh, A., Ghaderi, S. F., & Sohrabkhani, S. (2008). A ...
  • Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), ...
  • Zadeh, L. A. (1962). From circuit theory to system theory. ...
  • Mamdani, E. H., & Assilian, S. (1975). An experiment in ...
  • Ostergaard, J. J. (1977). Fuzzy logic control of a heat ...
  • Dubois, D. J. (1980). Fuzzy sets and systems: theory and ...
  • Lee, C. G. (1983). Robot arm kinematics, dynamics, and control. ...
  • Yasunobu, S., Miyamoto, S., & Ihara, H. (1991). U.S. Patent ...
  • Koczy, L, & Hirota, K. (1993). Approximate reasoning by linear ...
  • Yamakawa, H. (1971). Modern theory of polymer solutions. Harper & ...
  • Jang, J.-S.R. (1993). ANFIS: adaptive -network-b ased fuzzy inference system. ...
  • Ladas, _ Aickelin, U., Garibaldi, J., & Ferguson, E. (2013). ...
  • Jun Lee, S., & Siau, K. (2001). A review of ...
  • Kafeza, E., Kanavos, A., Makris, C., & Chiu, D. (2014). ...
  • Chitta, R., Jin, R., Havens, T. C., & Jain, A. ...
  • Bachrach, Y., Kosinski, M., Graepel, T., Kohli, P., & Stillwell, ...
  • Fuzzy Systems (1992). IEEE Int erhational Conference On, pp. 8-12, ...
  • IEEE Xplore: IEEE Transactions on Fuzzy Systems, www.ieee.org _ ...
  • Bechet, N., Cellier, P., Charnois, T., & Cremilleux, B. (2012). ...
  • نمایش کامل مراجع