کاربرد نظریه شواهد جهت تجمیع داده ها در مدل بازخورد ۳۶۰ درجه
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-3-2_012
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
در مدل ارزیابی بازخورد ۳۶۰ درجه، داده های ارزیابی به طورمعمول با استفاده از مقیاس لیکرت توسط چندین گروه ارزیاب با دیدگاه های مختلف ارائه می شود. این داده ها به دلیل ماهیت کیفی و ذهنی ارزیابی، توام با عدم قطعیت و واگرایی زیاد هستند. این وضعیت باعث شده است تا تجمیع آن ها درون گروه های ارزیابی و در مرحله بعد، بین گروه های ارزیابی با استفاده از روش های معمول مبتنی بر میانگین، از دقت و اعتبار کافی برخوردار نباشد. نظر به اهمیت مسئله یادشده و عدم وجود راهکاری مناسب در این زمینه، مدلی جدید در چارچوب نظریه شواهد جهت مدل سازی عدم قطعیت و تجمیع داده ها در فرایند بازخورد ۳۶۰ درجه، در این مقاله ارائه شده است. در این مدل، ابتدا داده های مرتبط با هر گروه ارزیابی در قالب یک تخصیص باور پایه، تجمیع و عدم قطعیت آن مدل سازی شده است. در مرحله بعد، شواهد حاصل از گروه های مختلف ارزیابی با استفاده از عملگرهای ترکیب شواهد، تجمیع می شوند. در طراحی مدل مذکور، حالات مختلف مدل سازی داده های ارزیابی در ساختار توابع باور، قوانین مختلف ترکیب شواهد و معیارهای مختلف استخراج نتیجه نهایی از ساختار باور موردبررسی قرار گرفته و بهترین عملگر ها و مولفه های مدل، پس از بررسی عملکرد آن در ۲۷ حالت مختلف و با استفاده از ده هزار رکورد شبیه سازی شده، تعیین شده است. نتایج نشان می دهد مدل استخراج شده، نسبت به روش متداول میانگین، به طور معنادار خطای کمتر و دقت بیشتری در تجمیع داده های مدل بازخورد ۳۶۰ درجه دارد. علاوه بر این، سایر مزایای مدل ارائه شده، در متن مقاله تبیین شده است.
کلیدواژه ها:
نویسندگان
حسین ناهید تیتکانلو
دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه پیام نور، تهران، ایران
عباس کرامتی
دانشیار، دانشکده مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، تهران، 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 :