مدلسازی تأثیر استرس کووید19 و تاب آوری بر فرسودگی شغلی با استفاده از شبکه عصبی مصنوعی RBF، موردمطالعه شرکت های دانش بنیان

نوع مقاله : مقاله پژوهشی- فارسی

نویسندگان

1 استادیار، گروه مدیریت و کارآفرینی، دانشکده علوم اجتماعی، اقتصاد و کارآفرینی، دانشگاه رازی، کرمانشاه، ایران

2 دانشیار، گروه مهندسی برق، دانشکده انرژی، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران

چکیده

پژوهش حاضر با هدف مدلسازی تأثیر استرس کووید19 و تاب آوری بر فرسودگی شغلی در شرکت‏های دانش بنیان انجام شد.. روش پژوهش، کمّی- مقطعی و هدف آن کاربردی بود. جامعۀ آماری، مدیران لایه‌های اول و دوم و کارکنان شرکت‌های دانش‌بنیان نوپا بودند که براساس فرمول حجم نمونۀ آماری از جامعۀ نامحدود، 384 نفر از آنها ارزیابی شدند. برای گردآوری داده‌ها از پرسشنامه‌های استاندارد مسلش و تاب‌آوری و پرسشنامۀ محقق‌ساختۀ کووید19 استفاده شد. براساس یافته‌ها، 65درصد از مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا سطح تاب‌آوری متوسط و پایین‌تر و 61درصد از نمونۀ آماری، فرسودگی شغلی داشتند. همچنین، میزان استرس ناشی از کووید 19 در میان زنان متأهل بیش از دیگران بوده است. برای طراحی شبکۀ عصبی مصنوعی از روش توابع پایۀ‌‍ شعاعی استفاده شد. بر این اساس، تعداد نورون‌ها در لایۀ ورودی برابر با 10، تعداد نورون‌ها در تنها لایۀ پنهان برابر با 35، تعداد نورون لایۀ خروجی برابر با 1 و سیگما برابر با 10 بود. 70% از داده‌ها برای آموزش و 30% برای تست به کار گرفته شد. در شبکۀ عصبی مصنوعی طراحی‌شده، همۀ داده‌های آزمون به‌جز یک نمونه و تمامی داده‌‍های آزمایش به استثنای دو نمونه، صحیح پیش‌بینی و خطای RMSE کمتر از 3/0 محاسبه شد. درنهایت، مدل ارائه‌شده مبتنی بر نتایج به‌دست‌آمده تأیید شد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Modeling the impact of Covid-19’s stress and resilience on job burnout using Radial Basis Functions - Artificial Neural Network The case of knowledge-based companies

نویسندگان [English]

  • Saba Amiri 1
  • Gholamhossein Roshani 2
1 Management and Entrepreneurship Department, Faculty of Social Sciences, Economics and Entrepreneurship, Razi University, Kermanshah, Iran
2 Electrical Engineering Department, Faculty of Energy, Kermanshah University of Technology, Kermanshah, Iran
چکیده [English]

Purpose: This study aims to model the impact of Covid-19’s stress and resilience on job burnout in knowledge-based companies.
Design/methodology/approach: This study is typically quantitative and cross-sectional and in terms of purpose it is applied research. The statistical population included the managers of the first and second-tier and the employees of the knowledge-based companies. Based on the equation of the statistical sample size of the unlimited population, 384 were examined.  The standard questionnaires of Maslach and Brief Resilient Coping Scale (BRCS) and Covid-19 researcher-made questionnaires were used for data collection. Radial Basis Functions - Artificial Neural Network (RBF-ANN) was used for data analysis.
Findings: 65% of the managers and employees of knowledge-based companies were at moderate and lower resilience levels and 61% of the statistical sample had job burnout. Also, the amount of stress caused by Covid-19 was higher among married women compared to others. The RBF method was used to design the ANN. Accordingly, the number of neurons in the input layer was equal to 10, the number of neurons in the single hidden layer was equal to 35, the number of neurons in the output layer was equal to 1, and  was equal to 10. 70% and 30% of the data were used for training and testing, respectively. In the designed ANN, all but one of the test data, and all but two of the experimental data were correctly predicted and the Root Mean Square Error (RMSE) error was less than 0.3. Finally, based on the obtained results, the proposed model was confirmed.
Research limitations/implications: The difficulty of accessing statistical samples in Covid-19 conditions and the resulting limitations along with the lack of relevant research background were among the limitations of the present study. For future research, similar comparative studies are suggested to be conducted in the manufacturing knowledge-based companies for modeling and adapting the results and conducting a study using other methods of ANN design, including multilayer perceptron (MLP). Also, separating the areas of activity of knowledge-based companies and comparing the results are suggested as the subjects of study on the variables of this research.
Practical implications: Since in the research related to social sciences and humanities, less use is made of engineering methods such as neural network design, the present study seems innovative in terms of subject and methodology and the researchers and experts who are interested in the subject of this study can benefit from the findings. Business and entrepreneurship and organizational behavior, engineering sciences and sustainability issues, students and managers, and employees of technology and knowledge-based companies are the other beneficiaries of this study.
Social implications: Since there is no immediate and definitive solution to reduce the stress and burnout of managers and employees of the startups, constant pressure has created a long-term detrimental situation for startup companies. Addressing this issue is necessary because the performance and productivity of a company require the physical and mental health of its managers and employees; stress and resilience are also the two factors affecting job burnout which have been exacerbated by the Covid-19 crisis over the past two years.
Originality/value: Because dealing with complex relationships between research variables requires the use of precise and in-depth analytical methods, in this study, an ANN was used to predict their behavior and the impact of variables on each other. Therefore, the attempt made to reduce the theoretical gap and the contribution made in theory based on innovation in the subject and research variables and the analysis method has led this paper to have an interdisciplinary approach.

کلیدواژه‌ها [English]

  • Operations research
  • Coronavirus
  • Resilience
  • Job burnout
  • Radial Basis Functions-Artificial Neural Network

اصل مقاله

  • مقدمه

سازمان بهداشت جهانی در 11 مارس 2020، هنگامی که عفونت‌ها و مرگ‌ و میرها به‌صورت تصاعدی افزایش پیدا کرد، کووید 19 را یک پاندمی گسترده معرفی کرد. اولین نمونه در ووهان چین گزارش شد (سازمان بهداشت جهانی[i]، 2020). براساس آمار، از ابتدای این پاندمی تا تاریخ 4 فوریۀ 2022، تعداد 962/548/386 مورد در سراسر جهان مبتلا شده‌اند که 754/705/5 نفر از آنها فوت کرده‌اند (سازمان بهداشت جهانی[ii]، 2022 الف). این در حالی است که کووید 19 تنها یک بحران عظیم در حوزۀ سلامت نیست، این ویروس در حال تغییردادن ساختار نظم جهانی در کسب و کارها و اقتصاد است (کمپانی مکنزی[iii]، 2020). چنین پاندمی‌هایی علاوه بر تأثیر بر سلامت جسمی افراد، بر سلامت روحی و روانی نیز آثار بلندمدتی خواهند گذاشت (کیسلی و همکاران[iv]، 2020). به بیان دیگر، کووید 19 کیفیت زندگی بسیاری از شهروندان را تحت تأثیر قرار داده و ماهیت تجربۀ فردی پاندمی با توجه به عوامل جمعیت‌شناختی و اجتماعی، برای هر فرد از دیگری متفاوت بوده است (اپیفیانو و همکاران[v]، 2021). در دوران پاندمی، قوانین قرنطینه شهروندان را ملزم کرد تعاملات اجتماعی را کاهش دهند تا احتمال ابتلا به عفونت‌های جدید کاهش یابد (مارچتی و همکاران[vi]، 2020). تعطیلی مشاغل، سرگرمی‌ها، افزایش ساعت کار بیمارستان‌ها و مراکز درمانی، ممنوعیت‌های تردد و سفر و مواردی از این دست، در زمرۀ محدودیت‌هایی بودند که در بسیاری از کشورها اجرایی شد. این پروتکل‌ها و محدودیت‌ها در کنار نگرانی و ترس ابتلای افراد و خانواده‌ها به کووید 19، کاهش ارتباطات و تعاملات و درنتیجه کاهش درآمد کسب و کارها، به بروز اضطراب‌ها و ناراحتی‌های روحی و روانی برای تعداد زیادی از افراد منجر شد (رودریگز ری و همکاران[vii]، 2020). در همین خصوص، فرسودگی شغلی یکی از پیامدهای مهمی است که استرس مزمن ناشی از کووید 19 به‌همراه داشته است؛ فرسودگی شغلی یک سندرم روان‌شناختی است که در پاسخ به استرس مزمن مرتبط با شغل ایجاد می‌شود و تجربیات استرس‌زای حرفه‌ای، افزایش بار کاری، کاهش کیفیت کار و انزوای اجتماعی از نشانه‌های آن است (مورالی و همکاران[viii]، 2018). در این حالت، فرد اهمیت و معنای خود را برای کار از دست می‌دهد و فردی که دچار فرسودگی شغلی می‌شود، احساس تحلیل‌رفتگی و خستگی مزمن می‌کند، خلق و خوی پرخاشگرانه پیدا می‌کند، در روابط بین‌فردی تا اندازه‌ای بدبین و بدگمان می‌شود و عمدتاً حالت منفی‌بافی خواهد داشت. در این وضعیت، حوصلۀ فرد شدیداً کاهش می‌یابد و دردهای جسمی و روحی بروز خواهد کرد (الغزالی و همکاران[ix]، 2021)؛ بنابراین با توجه به اینکه ماهیت برخی بحران‌ها و تجارب به‌گونه‌ای است که خواه‌ناخواه افراد دچار مشکل می‌شوند، به نحوی که ممکن است سلامت روانی آنها تحت تأثیر قرار گیرد، توجه به ظرفیت‌های فردی و روانی که افراد به کمک آنها بتوانند در شرایط بحران مقاومت کنند و دچار آسیب‌دیدگی نشوند و حتی در چنین شرایطی خود را ارتقا بخشند، درخور توجه روان‌شناسان مثبت‌گرا قرار گرفته است (لینلی و جوزف[x]، 2004). روان‌شناسان معتقدند بین رویدادهای استرس‌زا و اختلالات روان‌شناختی عوامل تعدیل‌کننده‌ای وجود دارد که موجب می‌شود رویدادهای استرس‌زا آثار متفاوتی را در افراد به جای بگذارد (بلتمن[xi]، 2021). درنتیجه پژوهشگران به‌دنبال تقویت متغیرهایی درون فردند که سطح سازگاری و سلامت آنها را افزایش می‌دهد (مهدیانی و آنگار[xii]، 2021). یکی از همین ویژگی‌های شخصیتی تعدیل‌کننده، تاب‌آوری است؛ تاب‌آوری یکی از مهم‌ترین توانایی‌های انسان است که باعث سازگاری مؤثر با عوامل بحرانی و تنش‌زا در موقعیت‌های فشار روانی می‌شود. از این ‌رو تاب‌آوری عاملی در جهت سازگاری موفقیت‌آمیز با تغییرات و توانایی‌ مقاومت در برابر مشکلات شناخته شده است (اهران و نوریس[xiii]، 2011). تاب‌آوری به قابلیت تطابق انسان در مواجهه با تجارب و بحران‌ها، غلبه‌یافتن و حتی تقویت‌‌شدن به‌وسیلۀ آن تجارب اطلاق می‌شود (دینر و همکاران[xiv]، 2010).وآ

 

این در حالی است که در کشور ایران براساس آمار سازمان بهداشت جهانی، تعداد مبتلایان تا تاریخ 4 فوریۀ 2022، تعداد 266/579/6 نفر بوده است که 830/132 نفر از آنها فوت کرده‌اند (سازمان بهداشت جهانی[xv]، 2022 ب). با توجه به مطالب پیش‌گفته و ایجاد محدودیت‌ها و تعطیلی بسیاری از کسب و کارها ازجمله شرکت‌های دانش‌بنیان نوپا برای کنترل کووید 19، بروز فرسودگی شغلی برای مدیران و کارکنان آنها اجتناب‌ناپذیر است؛ زیرا بسیاری از این شرکت‌ها ناچار به تعدیل نیروهای کاری، کاهش فعالیت و درنتیجه کاهش فروش و درآمد و گاهی تعطیلی شده‌اند. این دسته از شرکت‌های دانش‌بنیان به‌علت محدودیت منابع و نوپابودن، برخلاف شرکت‌های بزرگ، توانایی ماندگاری در شرایط نبود ثبات را برای طولانی‌مدت ندارند و چالش‌های بسیاری دارند، ازجمله مشکلات مربوط به منابع مالی به‌ویژه سرمایه در گردش، در صورتی که کووید 19 نزدیک به دو سال است به ایجاد محدودیت‌های جدی برای آنها منجر شده است؛ بنابراین با عنایت به این مسئله که هیچ راه‌حل فوری و قطعی برای کاهش استرس‌ها و فرسودگی شغلی مدیران و کارکنان این شرکت‌های نوپا وجود ندارد و فشار مداوم، یک وضعیت آسیب‌زای طولانی‌مدت را برای شرکت‌های دانش‌بنیان نوپا به وجود آورده است، این مسئله نیازمند توجه جدی است. بررسی این مسئله به این دلیل ضرورت دارد که عملکرد و بهره‌وری در یک شرکت، نیازمند سلامت جسمی و روانی مدیران و کارکنان آن است و استرس و تاب‌آوری دو عامل تأثیرگذار بر فرسودگی شغلی‌اند که در اثر بحران کووید 19 طی دو سال اخیر، تشدید شده و پیامدهای منفی بسیاری بر سلامت روحی افراد گذاشته‌ است. با توجه به این نکته که پرداختن به روابط پیچیده میان چنین متغیرهایی، نیازمند به‌کارگیری روشی دقیق و تحلیلی عمیق و موشکافانه است، در این پژوهش از شبکۀ عصبی مصنوعی برای پیش‌بینی تأثیر متغیرها بر یکدیگر و رفتار آنها استفاده شده است؛ زیرا اگر نگاهی واقع‌بینانه داشته باشیم، دیگر روش‌های سنتی تجزیه‌وتحلیل آماری، دقت کافی را برای پیش‌بینی متغیرهای رفتاری ندارند. بنابراین، پژوهش حاضر در پی پاسخگویی به پرسش ذیل است:

مدل شبکۀ عصبی مصنوعی پیش‌بینی‌کنندۀ تأثیر استرس کووید 19 و میزان تاب‌آوری بر فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا به چه صورت است و چه روابطی میان متغیرهای ورودی و خروجی این پژوهش، ازجمله متغیرهای جمعیت‌شناختی، ابعاد فرسودگی شغلی و تاب‌آوری در شرایط پاندمی کووید 19 در شرکت‌های دانش‌بنیان نوپا وجود دارد؟

نظر به اینکه این مسئله تاکنون در پژوهش‌های داخلی دیگر بررسی نشده است و شکاف نظری جدی در این حوزه وجود دارد، انجام این پژوهش در راستای کاهش شکاف نظری و تئوری‌سازی، ضرورتی اجتناب‌ناپذیر بوده است.

 

 

 

 

  • مبانی نظری پژوهش

2-1- فرسودگی شغلی

محیط زندگی انسان شامل عوامل فیزیکی، روانی و اجتماعی است که هرکدام در وضعیت سلامتی بشر ایفای نقش می‌کنند. بخش درخور توجهی از زندگی روزانۀ هر فرد، صرف محیط کار می‌شود (شومان و همکاران[xvi]، 2021). بنابراین یکی از مفاهیمی که در سال‌های اخیر درخور توجه روان‌شناسان کار، روان‌شناسان صنعتی و روان‌شناسان بهره‌وری قرار گرفته است، نشانه‌ها، علل و آثار فرسودگی شغلی است (نادی و همکاران، 1392). فرسودگی شغلی به خستگی جسمی و روانی ناشی از فشارهای موجود در محل کار و خود کار (زندگی شغلی) و همچنین علائم و حالات تحلیل‌رفتگی قوا، سرخوردگی، گوشه‌گیری و ناامیدی اطلاق می‌شود (کرافت[xvii]، 2006) و ازجمله خطرهای شغلی است که به‌علت اثر منفی بر کارکنان، سازمان‌ها و کسب و کارها در سال‌های اخیر درخور توجه جدی قرار گرفته است (نیشیمورا و همکاران[xviii]، 2021). فرسودگی شغلی تنها مسئله‌ای برخاسته از ضعف یا ناتوانی محض در کارمندان نیست، بلکه با محیط کار و نبود هماهنگی بین خصوصیات شخصی افراد و ماهیت شغلشان نیز مرتبط است (پرسلی[xix]، 2021). به بیان دیگر، فرسودگی شغلی نشان‌دهندۀ نبود تناسب و سازگاری بین کارمند و محل کارش است و رشد تدریجی آن سبب استفاده از راهبردهای مقابلۀ نامناسب و غیرمؤثر برای محافظت از خود در برابر استرس‌های ناشی از کار می‌شود (شافلی و هنن[xx]، 2009).

 

2-2- تاب‌آوری

مفاهیم تاب‌آوری در زمینه‌های مختلف علمی مانند مدیریت بحران (پارک و همکاران[xxi]، 2013)، پزشکی (کیم و همکاران[xxii]، 2019)، زنجیره‌های تأمین (دلگی و همکاران[xxiii]، 2018؛ ژائو و همکاران[xxiv]، 2019؛ لی و زوبل[xxv]، 2020) یا شبکه‌های همکاری (دیکسیت و همکاران[xxvi]، 2020) مطالعه شده است، اما در حال حاضر بر یک تعریف مشخص، اتفاق‌نظر وجود ندارد. تاب‌آوری توانایی سیستم در کاهش احتمال شوک، جذب شوک در صورت بروز و بهبودی سریع بعد از یک شوک تعریف شده است. همچنین به تاب‌آوری به‌عنوان توانایی با دشواری‌ها اشاره شده است. آنچه مانعِ از پای در آمدن افراد در مقابل استرس می‌شود، روش‌هایی است که آنها برای تعدیل استرس به کار می‌برند؛ این روش‌های کارآمد بر پایۀ ویژگی تاب‌آوری بروز می‌کند (مک‌کالیستر و مک‌کنون[xxvii]، 2009). تاب‌آوری به‌عنوان حیطه‌ای پرطرفدار در سال‌های اخیر، توانمندی‌های فردی و بین ‌فردی را مطالعه و کشف می‌کند و باعث پیشرفت و مقاومت در شرایط دشوار می‌شود (علم‌الدین و همکاران[xxviii]، 2021).

 

2-3- پیشینۀ پژوهش

در ادامه به‌مرور، مختصری از چند پژوهش بررسی می‌شود که در چند متغیر مرتبط با موضوع‌اند:

اوجو و همکاران[xxix] (2021) در پژوهشی با عنوان «بررسی میزان تاب‌آوری و مشارکت در کار در پاندمی کووید 19» که در مالزی و با روش مدل‌سازی معادلات ساختاری انجام شده است، به این نتیجه دست یافتند که تاب‌آوری با میزان مشارکت شغلی، رابطۀ مثبت و معنادار دارد. نتایج پژوهش الغزالی و همکاران (2021) که با عنوان «تأثیر فرسودگی شغلی ناشی از کووید19 بر کادر درمان» در بیمارستان‌های مصر با روش همبستگی انجام شد، نشان داد حدود یک‌سوم از مشارکت‌کنندگان خستگی عاطفی بالا، حدود دو سوم بدبینی بالا و حدود یک‌چهارم کارآیی حرفه‌ای پایین داشتند. همچنین، میزان فرسودگی شغلی در میان کارکنان بیمارستان در اثر کووید19 افزایش یافته است. نتایج پژوهش کریمی جوهنی و همکاران (1399) با عنوان «بررسی رابطۀ بین فرسودگی شغلی و عملکرد شغلی در اپیدمی کرونا از دیدگاه پرستاران» که در شهر ارومیه و با روش همبستگی انجام شد، نشان داد کووید 19 بر فرسودگی شغلی به‌صورت مستقیم، تأثیر معنادار داشته است، اما بر عملکرد شغلی تأثیر منفی دارد. رحمانی و همکاران (1399) در پژوهشی با عنوان «بررسی اضطراب ناشی از کرونا و ارتباط آن با فرسودگی شغلی در کارکنان بیمارستان» که در بیمارستان‌های زاهدان و با روش همبستگی صورت گرفت، دریافتند بین اضطراب ناشی از کرونا و فرسودگی شغلی، ارتباط معناداری وجود دارد. عزیزی و همکاران (1395) در پژوهش خود با عنوان «مقایسۀ میزان تاب‌آوری، اهمال‌کاری، استرس و فرسودگی شغلی در پرستان بخش‌های روان‌پزشکی و غیرروان‌پزشکی» که در شهر سنندج و با روش همبستگی انجام شد، دریافتند که میان پرستاران بخش‌های روان‌پزشکی و غیرروانپزشکی ازنظر میزان استرس و فرسودگی شغلی تفاوت معنادار وجود دارد، اما ازنظر تاب‌آوری و اهمال‌کاری تفاوت معنادار وجود ندارد. سردارزاده و همکاران (1395) در پژوهشی با عنوان «نقش تاب‌آوری در کاهش استرس شغلی و فرسودگی شغلی کارمندان طرح اقماری شرکت نفت فلات قارۀ ایران» که در جزیرۀ خارگ و با روش همبستگی اجرا شد، به این نتیجه دست یافتند که تاب‌آوری با مؤلفه‌های خستگی عاطفی، بدبینی و فرسودگی شغلی رابطۀ منفی و معنادار و با کارآیی حرفه‌ای رابطۀ مثبت دارد. همچنین، تاب‌آوری با مؤلفه‌های استرس شغلی رابطۀ منفی و معناداری دارد.

 

  • روش‌شناسی پژوهش

پژوهش حاضر ازنظر هدف کاربردی است و روش کمّی- مقطعی دارد، همچنین ازنظر گردآوری داده‌ها، رویکرد توصیفی- همبستگی دارد. جامعۀ مطالعه‌شده مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا در کشور بودند. براساس آخرین آمار موجود در تابستان 1400، 2223 مورد شرکت دانش‌بنیان نوپا در کشور در حال فعالیت‌اند. بنابراین حجم جامعۀ آماری با تخمین حضور میانگین 2 نفر در هر شرکت دانش‌بنیان نوپا، 4446 نفر خواهد بود که براساس پروتکل تخمین، حجم نمونه برای جامعۀ آماری نامحدود است و به‌جهت اطمینان از قابلیت تعمیم‌پذیری نتایج، حداکثر تعداد نمونۀ آماری براساس پروتکل‌های موجود آماری، یعنی 384 نفر منتخب شدند. روش نمونه‌گیری با توجه به در اختیار بودن چارچوب نمونه‌گیری (لیست کامل شرکت‌های دانش‌بنیان نوپا در کشور)، تصادفی ساده بود. نمونه‌ها در بازۀ زمانی اوایل مرداد 1400 تا اواخر شهریور 1400 گردآوری شد.

در این پژوهش از پرسشنامه برای گردآوری داده‌ها استفاده شد:

  • پرسشنامۀ استاندارد فرسودگی شغلی: این پرسشنامه شامل سه بُعد خستگی عاطفی، کارآیی حرفه‌ای و بدبینی است که خستگی عاطفی شامل 6 گویه (1، 2، 3، 4، 6)، کارآیی حرفه‌ای شامل 6 گویه (5، 7، 10، 11، 12، 16) و بدبینی شامل 5 گویه (8، 9، 13، 14، 15) است. خستگی عاطفی بالا، کارآیی حرفه‌ای پایین و بدبینی بالا نشان از وجود فرسودگی شغلی دارد. برای پاسخگویی از طیف لیکرت شش‌درجه‌ای به شرح درجۀ صفر برای هرگز، درجۀ یک برای چندبار در سال یا کمتر، درجۀ دو برای ماهی یک‌بار یا کمتر، درجۀ سه برای چندبار در ماه، درجۀ چهار برای یک‌بار در هفته، درجۀ پنج برای چندبار در هفته و درجۀ شش برای هر روز استفاده شد. با توجه به استانداردبودن پرسشنامه، روایی و پایایی آن تأییدشده است. براساس پژوهش مسلش و جکسون[xxx] (1981)، ابزار 22 ماده‌ای دارای آلفای کرونباخ 9/0 برای بُعد خستگی عاطفی، 79/0 برای بُعد بدبینی و 71/0 برای بُعد کارآیی حرفه‌ای و درنهایت، آلفای کرونباخ برای کل گویه‌ها 76/0 به دست آمده است. در پژوهش حاضر نیز، برای بررسی روایی از تأیید پنل متخصصان و برای تأیید پایایی (پس از بومی‌کردن یک گویه از پرسشنامه) از روش آزمون پایلوت استفاده و آلفای کرونباخ 82/0 محاسبه شد.
  • پرسشنامۀ استاندارد تاب‌آوری[xxxi]: این پرسشنامه شامل چهار گویه در مقیاس لیکرت از 1 تا 5 است. امتیاز 1 به این معنی است که «این گویه اصلاً مرا توصیف نمی‌کند» و امتیاز 5 به این معنی است که «این گویه کاملاً مرا توصیف می‌کند». در این پرسشنامه امتیاز 17 یا بالاتر نشان‌دهندۀ تاب‌آوری بالاست. این پرسشنامه نیز به‌علت استانداردبودن روایی و پایایی دارد (مورت تیتی و همکاران[xxxii]، 2015) و آلفای کرونباخ برای آن 86/0 بیان شده است.
  • پرسشنامۀ محقق‌ساختۀ استرس ناشی از کووید 19: این پرسشنامه شامل پرسش‌های مربوط به متغیرهای جمعیت‌شناختی ازجمله سن، جنسیت، وضعیت تأهل، سابقۀ شغلی و وضعیت فرزندان و همچنین شش پرسش مربوط به ارزیابی استرس ناشی از ابتلا به کووید19 است. روایی این پرسشنامه توسط پنل متخصصان تأیید و آلفای کرونباخ برای پایایی آن، 79/0 محاسبه شد که نشان از تأیید روایی و پایایی پرسشنامه دارد.

نمونۀ آماری ارزیابی‌شده ازنظر ویژگی‌های جمعیت‌شناختی به شرح جدول 1 بودند.

 

جدول1- ویژگی‌های جمعیت‌شناختی نمونۀ ارزیابی‌شده

Table 1- Demographic characteristics of the evaluated sample

مشخصات جمعیت‌شناختی

به تفکیک جنسیت

مرد

زن

مجموع

تعداد (نفر)

217

167

384

فراوانی (درصد)

5/56

5/43

100

میانگین سابقۀ شغلی (سال)

63/14

86/11

25/13

میانگین سن (سال)

84/42

43/40

64/41

وضعیت تأهل (نفر)

متأهل

131

133

264

مجرد

86

34

120

وضعیت فرزند (نفر)

با فرزند

118

100

218

بدون فرزند

99

67

166

 

گفتنی است که از میان نمونه‌های آماری، 75 نفر در حوزۀ فناوری زیستی، کشاورزی و صنایع غذایی، 43 نفر در حوزۀ دارو و فراورده‌های پیشرفتۀ تشخیص و درمان، 58 نفر در حوزۀ مواد پیشرفته و محصولات مبتنی بر فناوری‌های شیمیایی، 59 نفر در حوزۀ ماشین‌آلات و تجهیزات پیشرفته، 35 نفر در حوزۀ وسایل، ملزومات و تجهیزات پزشکی، 49 نفر در حوزۀ برق و الکترونیک، فوتونیک و مخابرات، 44 نفر در حوزۀ فناوری اطلاعات و نرم‌افزارهای رایانه‌ای، 14 نفر در حوزۀ خدمات تجاری‌سازی و 7 نفر در حوزۀ صنایع فرهنگی، خلاق و علوم انسانی فعالیت داشتند.

داده‌های گردآوری‌شده به کمک نرم‌افزارSPSS نسخۀ 23 برای آمار توصیفی و آمار استنباطی نمونۀ آماری (آزمون‌های برابری واریانس، آزمون t، آزمون کولموگروف- اسمیرنف و آزمون همبستگی) و نرم‌افزار MATLAB برای طراحی شبکۀ عصبی مصنوعی تجزیه‌وتحلیل شدند. بر این اساس، در بخش طراحی شبکۀ عصبی مصنوعی، فرسودگی شغلی (وجود در مقابل وجودنداشتن) یا (وجود فرسودگی= 1- و وجودنداشتن فرسودگی شغلی = 1) خروجی یا متغیر وابسته انتخاب شد؛ زیرا الزام طراحی شبکۀ عصبی مصنوعی، کدگذاری متغیر خروجی است. همچنین ده ورودی به شرح ذیل برگزیده شدند:

  • سه متغیر اسمی شامل جنسیت (زنان= 1 و مردان= 0)، وضعیت تأهل (مجرد/ بیوه/ طلاق‌گرفته= 0 و متأهل= 1) و فرزندداشتن (وجود فرزند= 1 و وجودنداشتن فرزند= 0)؛
  • هفت متغیر کمّی شامل سن، سابقۀ شغلی، استرس ناشی از کووید 19، خستگی عاطفی، بدبینی، کارآیی حرفه‌ای و تاب‌آوری.

طی دهۀ گذشته، شبکه‌های عصبی یک فناوری شناخته شده‌ است که الگوی داده‌ها را شناسایی و مدل‌سازی می‌کند. شبکه‌های عصبی دقت و عملکرد بهتری از تکنیک‌های آماری سنتی نظیر رگرسیون چندمتغیره دارند و برای مجموعه‌ای بزرگ و متنوع از مسائل مناسب‌اند (میرغفوری و همکاران، 1390). با توجه به اینکه یکی از قدرتمندترین شبکه‌های عصبی استفاده‌شده در مسائل تخمین تابع، شبکۀ عصبی توابع پایۀ شعاعی[xxxiii] است، این شبکه به یکی از پرکاربردترین گونه‌‌های شبکۀ عصبی تبدیل شده است. معماری کلی این شبکه شامل سه‌لایه است (شکل 1)؛ لایۀ اول فقط یک لایۀ ورودی است و هیچ پردازشی بر داده‌ها صورت نمی‌گیرد. در لایۀ دوم که به لایۀ پنهان معروف است، یک انطباق غیرخطی مابین فضای ورودی و یک فضا معمولاً با بعد بزرگ‌تر برقرار می‌شود که در آن الگوها به‌صورت تفکیک‌پذیر خطی در می‌آیند. درنهایت، لایۀ سوم تولیدکنندۀ یک جمع وزنی به‌همراه یک خروجی خطی است. خصوصیت منحصربه‌فرد این نوع شبکۀ پردازشی است که در لایۀ پنهان بر داده‌ها انجام می‌شود (روشنی و همکاران[xxxiv]، 2017). در شبکۀ RBF، نورون‌های مخفی فضا را به اشتراک می‌گذارند و عملاً از یکدیگر مستقل‌اند. این امر باعث ایجاد همگرایی سریع‌تر شبکه‌های RBF در مرحلۀ یادگیری می‌شود، که یکی از نقاط قوت این روش است. همچنین روشRBF در حالت یادگیری مدل سریع‌تر است. شایان ذکر است که مزیت اصلی شبکۀ RBF نسبت‌به دیگر شبکه‌ها، استفاده از معکوس ماتریس در به دست آوردن وزن‌های شبکه است که این امر به جواب ثابت در هر اجرا منجر و مزیت بسیار مهمی نیز محسوب می‌شود.

 

 

شکل 1- ساختار شبکۀ تابع پایۀ شعاعی (منبع: روشنی و ناظمی[xxxv]، 2018)

Figure 1- Network structure of Radial Basis Function (Roshani & Nazemi, 2018)

ایدۀ اصلی آن است که الگوهای فضای ورودی تشکیل خوشه دهند. در صورت مشخص‌بودن مراکز این خوشه‌ها، فاصله از مرکز خوشه اندازه‌گیری‌شدنی است. همچنین این فاصله به‌صورت غیرخطی اندازه‌گیری می‌شود. بنابراین در صورتی ‌که الگویی در ناحیۀ مجاور مرکز یک خوشه قرار داشته باشد، مقداری نزدیک به یک تولید می‌شود و در خارج از این ناحیه مقدار به‌دست‌آمده کاهش می‌یابد (روشنی و همکاران، 2017). نکتۀ درخور توجه آن است که این ناحیه به‌صورت شعاعی در اطراف مرکز خوشه متقارن است. بنابراین تابع غیرخطی به‌صورت تابع شناخته‌شدۀ پایۀ شعاعی در می‌آید. معمولی‌ترین شکل تابع پایۀ شعاعی به‌صورت زیر است:

 

رابطه (1)

 

                                                                                                                    

در رابطۀ (2) r برابر مقدار عددی فاصله از مرکز خوشه است. رابطۀ (2) یک منحنی نرمال زنگی‌شکل را نشان می‌دهد (شکل 2). معمولاً فاصلۀ اندازه‌گیری‌شده تا مرکز خوشه از نوع فاصلۀ اقلیدسی است. برای هر نورون موجود در لایۀ پنهان، وزن‌ها نشان‌دهندۀ مختصات مرکز خوشه‌هاست.

 

 

خروجی تابع

 

ورودی تابع

 

شکل2- تابع گوسین (منبع: روشنی و ناظمی، 2018)

Figure 2- Gaussian function (Roshani Nazemi, 2018)

 

بنابراین وقتی نورون یک الگوی ورودی X را دریافت می‌کند، فاصلۀ گفته‌شده از رابطۀ (2) به دست می‌آید:

 

رابطه (2)

 

بنابراین خروجی نورون j در لایۀ پنهان به‌صورت رابطۀ (3) است:

رابطه (3)

 

 

در رابطۀ (3) متغیر  عرض یا شعاع منحنی زنگی تعریف و گاهی اوقات به‌صورت تجربی تعیین می‌شود.

 

 

  • مطالعۀ کاربردی

پژوهش حاضر در کشور ایران انجام شده است. همان‌طور که اشاره شد، جامعۀ آماری شرکت‌های دانش‌بنیان نوپا در کشور در حوزه‌‌های مختلف کاری اعم از فناوری زیستی، کشاورزی و صنایع غذایی، دارو و فرآورده‌های پیشرفتۀ تشخیص و درمان، مواد پیشرفته و محصولات مبتنی بر فناوری‌های شیمیایی، ماشین‌آلات و تجهیزات پیشرفته، وسایل، ملزومات و تجهیزات پزشکی، برق و الکترونیک، فوتونیک، مخابرات، فناوری اطلاعات و نرم‌افزارهای رایانه‌ای، خدمات تجاری‌سازی، صنایع فرهنگی، خلاق و علوم انسانی بودند که تعداد آنها در تابستان 1400 برابر با 2223 مورد بود و توسط معاونت علمی و فناوری ریاست جمهوری نیز تأیید شده بودند. پرسشنامه‌ها به‌صورت آنلاین تکمیل شد. پس از تأیید پروتکل پژوهش، از مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا، خواسته شد در این مطالعه شرکت کنند. گفتنی است که اطلاعات پژوهش به‌صورت محرمانه بررسی شد.

 

  • تجزیه‌و‌تحلیل یافته‌ها
    • بررسی وضعیت تاب‌آوری مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا

نتایج به‌دست‌آمده دربارۀ وضعیت تاب‌آوری مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا، نشان داد میانگین تاب‌آوری زنان برابر با 11.86 و میانگین تاب‌آوری مردان برابر با 13.73 بوده است. همچنین میزان تاب‌آوری در میان زنان متأهل دارای فرزند برابر با 9.44 و در مردان متأهل دارای فرزند برابر با 10.06 بوده است. درنهایت، میزان تاب‌آوری زنان مجرد برابر با 15.76 و در مردان مجرد برابر با 17.77 بوده است. این نتایج نشان می‌دهد با توجه به استانداردهای پرسشنامۀ تاب‌آوری که در آن عدد 13 و کمتر نشان‌دهندۀ تاب‌آوری پایین است، می‌توان بیان کرد سطح تاب‌آوری افراد مجرد از افراد متأهل بیشتر است. براساس نتایج، 194 نفر (حدود 50درصد از جامعۀ آماری) تاب‌آوری پایین، 56 نفر (حدود 15درصد از جامعۀ آماری) تاب‌آوری متوسط و 134نفر (حدود 35درصد از جامعۀ آماری) تاب‌آوری بالایی داشته‌اند.

توضیح این مطلب لازم است که در دو گروه مستقل شامل 1)زنان و مردان مجرد و 2) زنان و مردان متأهل، آزمون t به‌منظور مقایسۀ سطح تاب‌آوری آنها انجام شد (نرمال‌بودن توزیع داده‌ها با روش کولموگروف- اسمیرنف تأیید شد). بنابراین ابتدا آزمون برابری واریانس و سپس آزمون برابری میانگین انجام شد:

 

 

H0       : میان واریانس نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود ندارد.

H1          : میان واریانس نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود دارد.

 

جدول2- آزمون مقایسۀ واریانس نمونه‌های آماری مجرد و متأهل

Table 2- The test of analysis of variance of single and married statistical samples

درجۀ آزادی درون‌گروهی

سطح معناداری

382

879/0

 

با توجه به جدول2، چون سطح معناداری 879/0 به دست آمده است، در سطح اطمینان 95درصد، فرض صفر تأیید می‌شود. به بیان دیگر میان واریانس دو گروه زنان و مردان مجرد با زنان و مردان متأهل تفاوت معنادار وجود ندارد.

 

 

H0       : میان تاب‌آوری نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود ندارد.

H1          : میان تاب‌آوری نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود دارد.

 

جدول 3- آزمون مقایسۀ میانگین تاب‌آوری نمونه‌های آماری مجرد و متأهل با فرض برابری واریانس‌ها

Table 3- Comparison test of mean resilience of single and married statistical samples with the assumption of equality of variances

معیارها

متغیر وابسته

آمارۀ t

درجۀ آزادی

سطح معناداری دوطرفه

تاب‌آوری

114/17

382

004/0

 

با توجه به جدول 3، سطح معناداری 004/0 به دست آمده است که می‌توان گفت در سطح اطمینان 95درصد فرض صفر رد می‌شود و میان تاب‌آوری دو گروه زنان و مردان مجرد با زنان و مردان متأهل تفاوت معنادار وجود دارد.

 

2-5- بررسی وضعیت فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا

نتایج به‌دست‌آمده از آمار استنباطی نشان می‌دهد 232نفر از 384نفر از جامعۀ آماری (61درصد)، سندرم فرسودگی شغلی (خستگی عاطفی بالا، کارآیی حرفه‌ای پایین و بدبینی بالا) دارند. از این تعداد، 115نفر را زنان و 117نفر را مردان تشکیل داده‌اند. همچنین نتایج نشان می‌دهد فرسودگی شغلی در میان زنان و مردان متأهل (221نفر) بیش از زنان و مردان مجرد است. درنهایت، میانگین امتیازهای متغیر خستگی عاطفی برابر با 3.99، میانگین امتیازهای متغیر کارآیی حرفه‌ای برابر با 2.97 و میانگین امتیازهای متغیر بدبینی برابر با 3.72 به دست آمد که برای دو متغیر خستگی عاطفی و بدبینی بالاتر از میانگین امتیازهای طیف لیکرت و برای متغیر کارآیی حرفه‌ای، پایین‌تر از میانگین امتیازهای طیف لیکرت بوده است.

گفتنی است که در دو گروه مستقل شامل 1)زنان و مردان مجرد و 2) زنان و مردان متأهل، آزمون t به‌منظور مقایسۀ سطح فرسودگی شغلی آنها انجام شد.

 

 

H0       : میان واریانس نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود ندارد.

H1          : میان واریانس نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود دارد.

 

جدول 4- آزمون مقایسۀ واریانس نمونه‌های آماری مجرد و متأهل

Table 4- The test of analysis of variance of single and married statistical samples

درجۀ آزادی درون‌گروهی

سطح معناداری

382

879/0

با توجه به جدول 4، چون سطح معناداری 879/0 به دست آمده است، در سطح اطمینان 95درصد، فرض صفر تأیید می‌شود. به بیان دیگر میان واریانس دو گروه زنان و مردان مجرد با زنان و مردان متأهل تفاوت معنادار وجود ندارد.

 

 

H0       : میان فرسودگی شغلی نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود ندارد.

H1          : میان فرسودگی شغلی نمونه‌های آماری مجرد و نمونه‌های آماری متأهل تفاوت معنادار وجود دارد.

 

جدول 5- آزمون مقایسۀ میانگین فرسودگی شغلی نمونه‌های آماری مجرد و متأهل با فرض برابری واریانس‌ها

Table 5- The test for comparing the average burnout of single and married statistical samples with the assumption of equality of variances

معیارها

متغیر وابسته

آمارۀ t

درجۀ آزادی

سطح معناداری دوطرفه

فرسودگی شغلی

098/13

382

032/0

 

با توجه به جدول 5، سطح معناداری 032/0 به دست آمده است که می‌توان گفت در سطح اطمینان 95درصد فرض صفر رد می‌شود و میان فرسودگی شغلی دو گروه زنان و مردان مجرد با زنان و مردان متأهل تفاوت معنادار وجود دارد.

  • بررسی رابطۀ میان میزان تاب‌آوری و فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا

در این بخش از تجریه‌وتحلیل، برای ارزیابی رابطۀ میان تاب‌آوری و فرسودگی شغلی، از آزمون همبستگی پیرسون استفاده شد؛ زیرا هر دو متغیر کمی پیوسته‌اند. توضیح این مطلب لازم است که در بخش طراحی شبکۀ عصبی مصنوعی به‌دلیل ماهیت تجزیه‌وتحلیل و نیاز و الزام به کدگذاری کمّی متغیر خروجی، فرسودگی شغلی به‌صورت متغیر دارای دو حالت 1- و 1 (وجود=1- و وجودنداشتن=1) در نظر گرفته شده است، اما در ماهیت کمّی، پیوسته است؛ زیرا سطوح فرسودگی شغلی در افراد مختلف متفاوت است. بنابراین آزمون همبستگی پیرسون، رابطۀ میان دو متغیر پیوسته را نشان داده است.

نتایج تحلیل همبستگی پیرسون نشان داد فرسودگی شغلی رابطۀ مستقیم و معناداری با خستگی عاطفی (rp=0.594, p <0.001) و بدبینی (rp=0.467, p <0.001) دارد، اما دارای رابطۀ منفی و معنادار با کارآیی حرفه‌ای (rp= - 0.322 , p <0.01) است. همچنین میان تاب‌آوری و فرسودگی شغلی رابطۀ منفی و معنادار وجود دارد
(rp= - 0.222, p <0.01)، به این معنا که با افزایش میزان تاب‌آوری، سطح فرسودگی شغلی کاهش یافته است.

 

  • بررسی رابطۀ میان استرس کووید 19 و تاب‌آوری مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا

نتایج آمار استنباطی نشان داد میزان استرس ناشی از کووید 19 در میان مردان برابر با 6.24 و در میان زنان برابر با 8 بوده است که نشان از میزان استرس بالاتر زنان نسبت‌به مردان دارد. همچنین، این استرس در میان زنان متأهل دارای فرزند به میزان 8.94 و در میان مردان متأهل دارای فرزند برابر با 7.97 بوده است. براساس تحلیل همبستگی پیرسون، میان استرس ناشی از کووید 19 با تاب‌آوری رابطۀ معکوس و معنادار وجود دارد، به این معنا که با افزایش میزان استرس ناشی از کووید 19، سطح تاب‌آوری کاهش می‌یابد (rp= - 0.306, p <0.01).

 

  • بررسی رابطۀ میان استرس کووید 19 و فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا

رابطۀ میان استرس ناشی از کووید 19 و فرسودگی شغلی براساس تحلیل آماری به‌صورت مستقیم و معنادار بوده است، به این معنا که با افزایش استرس ناشی از کووید 19، سطح فرسودگی شغلی نیز افزایش یافته است (rp= 0.499, p <0.001). همچنین استرس ناشی از کووید 19 با خستگی عاطفی دارای رابطۀ مستقیم و معنادار (rp= 0.532, p <0.001)، با کارآیی حرفه‌ای دارای رابطۀ معکوس و معنادار (rp= - 0.200, p <0.01) و با بدبینی دارای رابطۀ مستقیم و معنادار (rp= 0.427, p <0.001) بوده است.

 

  • طراحی شبکۀ عصبی مصنوعی با تکنیک RBF

لایۀ پنهان یک شبکۀ تابع پایۀ شعاعی دارای واحدهای وزن‌داری است که این وزن‌های متناظر با بردار، نشان‌دهندۀ مرکز خوشه است. وزن‌ها را می‌توان به شیوه‌‌های سنتی نظیر الگوریتم k میانگین به‌ دست آورد. در هر صورت آمورزش شبکه به‌صورت غیرنظارتی انجام می‌شود، ولی تعداد خوشه‌های موردانتظار یا به‌عبارتی k پیشاپیش انتخاب می‌شوند؛ سپس با استفاده از این الگوریتم‌ها بهترین برازش برای این خوشه‌ها ارائه می‌شود.

در بخش تجزیه‌وتحلیل، داده‌های جمع‌آوری‌شده به دو دسته داده‌های آموزش و آزمون تقسیم شده‌اند. داده‌های آموزش برای تخمین وزن‌های شبکه و درواقع برای ایجاد مدل شبکۀ عصبی و داده‌های آزمون برای ارزیابی شبکۀ آموزش‌دیده استفاده می‌شوند. درواقع با استفاده از این داده‌ها، توانایی شبکۀ عصبی طراحی‌شده در پیش‌بینی مشخص می‌شود. مسئلۀ مهم، چگونگی تقسیم داده‌ها به این دو مجموعه است؛ در این زمینه باید به مسائلی همچون ویژگی‌های مسئله و نوع و اندازۀ داده‌های در دسترس توجه کرد. این دو مجموعه باید ویژگی‌های جامعه را داشته باشند. در این پژوهش 70درصد داده‌ها (269 نمونه) برای آموزش و 30درصد داده‌ها (115 نمونه) برای آزمون شبکه استفاده شده و انتخاب این داده‌ها به‌صورت تصادفی بوده است.

مهم‌ترین معیار برای بررسی عملکرد شبکۀ عصبی مصنوعی، معیار دقت پیش‌بینی است. معیارهای صحت و دقت اغلب برحسب خطای پیش‌بینی تعریف می‌شود. برخی از مهم‌ترین معیارهای دقت پیش‌بینی، که در این پژوهش رعایت شده‌اند، عبارتند از:

  • ریشۀ میانگین مربعات خطا

رابطه (4)

 

                                                                                                                    

  • میانگین قدرمطلق درصد خطا

رابطه (5)

 

 

در روابط فوق،  خطای تک‌تک پیش‌بینی‌ها،  مقادیر واقعی و Nتعداد داده‌‍های پیش‌بینی است.

ساختار شبکۀ عصبی طراحی‌شده و عملکرد این شبکه در برابر داده‌های آموزش و آزمون در شکل‌های 3 تا 7 نشان داده شده است. همچنین، مشخصات شبکۀ عصبی طراحی‌شده در جدول 6 و مقایسۀ‌‍ بین داده‌‍های واقعی و پیش‌‍بینی‌شده توسط این شبکه برای داده‌‍های آزمون، در جدول 7 نشان داده شده است.

 

جدول 6- مشخصات شبکۀ عصبی طراحی‌شده

Table 6- Specifications of the designed neural network

نوع شبکه

RBFNN

میانگین مربعات خطای هدف

0

 

10

‌ نورون‌های لایۀ ورودی (تعداد)

10

نورون‌های لایۀ پنهان (تعداد)

35

نورون‌های لایۀ خروجی (تعداد)‌

1

 

 

شکل 3- ساختار شبکۀ عصبی مصنوعی طراحی‌شده در پژوهش

Figure 3- The structure of the artificial neural network designed in the research

 

شکل 4 نمودار رگرسیون داده‌های آموزش (70درصد داده‌ها معادل 269نمونه) را نشان می‌دهد که در آن، محور افقی داده‌های واقعی و محور عمودی، داده‌های پیش‌بینی‌شده را نشان می‌دهد (براساس کدگذاری، 1- معادل وجود فرسودگی شغلی و 1 معادل وجودنداشتن فرسودگی شغلی در محور افقی و کوچک‌تر از صفر، معادل وجود فرسودگی شغلی و بزرگ‌تر از صفر، معادل وجودنداشتن فرسودگی شغلی در محور عمودی است). براساس شکل 5، فقط یک دادۀ اشتباه پیش‌بینی شده است و دیگر داده‌های آموزش به‌درستی تشخیص داده شده است. گفتنی است که دایره‌های روی شکل، نمونه‌های آموزش را نشان می‌دهد.

 

داده‌های پیش‌بینی‌شده توسط شبکۀ عصبی

کوچک‌تر از صفر = وجود فرسودگی شغلی

بزرگ‌تر از صفر=  وجودنداشتن فرسودگی شغلی

داده‌های واقعی

1- = وجود فرسودگی شغلی          1 =  وجودنداشتن فرسودگی شغلی

شکل 4- نمودار رگرسیون داده‌‍های آموزش

Figure 4- Training data regression diagram

 

 شکل 5 نمودار رگرسیون داده‌های آزمون (30درصد داده‌ها معادل 115نمونه) را نشان می‌دهد که در آن، محور افقی داده‌های واقعی و محور عمودی، داده‌های پیش‌بینی‌شده را نشان می‌دهد. براساس شکل 5، فقط دو دادۀ اشتباه پیش‌بینی شده است و دیگر داده‌های آزمون به‌درستی تشخیص داده شد‌ه‌اند.

 

 

داده‌های پیش‌بینی‌شده توسط شبکۀ عصبی

کوچک‌تر از صفر = وجود فرسودگی شغلی

 بزرگ‌تر از صفر=  وجودنداشتن فرسودگی شغلی

داده‌های واقعی

1- = وجود فرسودگی شغلی          1 =  وجودنداشتن فرسودگی شغلی

شکل 5- نمودار رگرسیون داده‌‍های آزمون

Figure 5- Test data regression diagram

 

در شکل‌های 6 و 7، مقایسۀ خروجی واقعی و خروجی پیش‌بینی‌شده توسط شبکۀ عصبی مصنوعی طراحی‌شده، ارائه شده است که نشان از دقت بالای شبکه دارد. در این شکل‌ها، میزان خطا به‌تفکیک برای هر نمونه ارائه شده است که فقط در سه‌نمونه، این خطا بالا بوده و به اشتباه پیش‌بینی در شبکه منجر شده است. در نمودار توزیع خطا مشخص است که بیشتر داده‌ها به‌درستی تشخیص داده شده‌ و فقط در چند حالت محدود، شبکه دچار خطا شده است که نشان از دقت بالای آن دارد.

شکل 6 برای داده‌های آموزش و شکل 7 برای داده‌های آزمون ارائه شده است.

 

داده پیش‌بینی شده

 

خروجی واقعی و پیش‌بینی‌شده توسط شبکه

داده‌های واقعی

شمارۀ نمونه

 

فراوانی نمونه

 

میزان خطا

میزان خطا

شمارۀ نمونه

شکل 6- عملکرد شبکۀ عصبی در برابر داده‌‍های آموزش

Figure 6- Neural network performance against training data

 

 

در جدول 7 مقدار خطاهای ذکرشده برای داده‌های آموزش و آزمون نشان داده شده است.

 

جدول7- خطاهای اندازه‌گیری‌شده برای داده‌های آموزش و آزمون

Table 7- Measured errors for training and test data

آزمون RMSE

آزمون MAPE%

آموزش RMSE

آموزش MAPE%

 

2710/0

8436/17

2000/0

9672/13

خروجی

 

 

 

 

داده پیش‌بینی شده

 

خروجی واقعی و پیش‌بینی‌شده توسط شبکه

داده‌های واقعی

شمارۀ نمونه

 

فراوانی نمونه

 

میزان خطا

میزان خطا

شمارۀ نمونه

شکل 7- عملکرد شبکۀ عصبی در برابر داده‌های آزمون

Figure 7- Neural network performance against test data

 

  • بحث

پژوهش حاضر با هدف مدل‌سازی تأثیر استرس کووید 19 و تاب‌آوری بر فرسودگی شغلی، بررسی روابط میان متغیرهای ورودی و خروجی و طراحی شبکۀ عصبی مصنوعی با تکتیک RBF در شرکت‌های دانش‌بنیان نوپا در ایران انجام شد. ضرورت پرداختن به این مسئله در تأثیرگذاری استرس ناشی از کووید 19 بر وضعیت و عملکرد کسب و کارها و وضعیت روحی مدیران و کارکنان آنها بود؛ موضوعی که تاکنون در پژوهش‌های دیگر در کشور، مطالعه نشده بود و بنابراین شکاف نظری موجود در این حوزه بسیار جدی بوده است. بنابراین این پژوهش با هدف کاربردی، به تئوری‌سازی و کاهش این شکاف نظری اقدام کرد. همچنین، با توجه به قابلیت‌ تعمیم‌پذیری آماری روش کمّی استفاده‌شده در پژوهش، می‌توان با دقت نسبتاً بالایی نتایج به‌دست‌آمده را به کل جامعۀ آماری تعمیم داد. تنوع مشارکت‌کنندگان در پژوهش اعم از زنان و مردان مجرد و متأهل، دارای فرزند و بدون فرزند و با سنین و سابقه‌های شغلی مختلف نشان می‌دهد نتایج به‌دست‌آمده و به‌طور ویژه شبکۀ عصبی مصنوعی ارائه‌شده، مقبولیت دارد.

به این منظور در این پژوهش حاضر، نتایج ذیل حاصل شد:

بیش از 65درصد از نمونۀ آماری سطح تاب‌آوری متوسط و پایین (16 و پایین‌تر) داشته‌اند. همچنین، 61درصد از نمونۀ آماری فرسودگی شغلی دارند. میزان تاب‌آوری در میان زنان کمتر از مردان است. علاوه بر این، نتایج نشان می‌دهد در میان زنان و مردان متأهل دارای فرزند، بالاترین درصد فرسودگی شغلی وجود دارد. از سوی دیگر، میزان استرس ناشی از کووید 19 در میان زنان بیش از مردان است و بالاترین میزان آن (8.94) به زنان متأهل دارای فرزند اختصاص دارد.

براساس تحلیل همبستگی پیرسون، رابطۀ میان استرس ناشی از کووید 19 با میزان تاب‌آوری، معکوس و معنادار و با فرسودگی شغلی مستقیم و معنادار است. همچنین رابطۀ میان تاب‌آوری با فرسودگی شغلی منفی و معنادار است. همچنین تحلیل شبکۀ عصبی نشان می‌دهد افراد با سن و سابقۀ شغلی بالاتر که متأهل‌اند و فرزند دارند، از میزان فرسودگی شغلی بیشتری برخوردارند و این وضعیت در میان زنان پررنگ‌تر است. بنابراین به کمک این شبکه می‌توان با دقت بسیار بالا، با ورود اطلاعات مربوط به ده متغیر سن، جنسیت، وضعیت تأهل، سابقۀ شغلی و فرزندان، استرس کووید 19، خستگی عاطفی، کارآیی حرفه‌ای، بدبینی و تاب‌آوری، وضعیت فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان را تبیین و پیش‌بینی کرد و برای جذب یا جذب‌نشدن آنها در شرکت، طراحی سیستم انگیزشی برای کارکنان، طراحی سیستم تشویق هدفمند، بازطراحی سیستم ارزیابی کارکنان و موارد مشابه اقدام کرد.

نتایج پژوهش با پژوهش‌های اوجو و همکاران (2021) دربارۀ تأثیر تاب‌آوری بر مشارکت شغلی؛ الغزالی و همکاران (2021) دربارۀ تأثیر کووید 19 بر افزایش فرسودگی شغلی؛ کریمی جوهنی و همکاران (1399) دربارۀ تأثیر کووید 19 بر فرسودگی شغلی و عملکرد شغلی؛ رحمانی و همکاران (1399) دربارۀ تأثیر کووید 19 بر فرسودگی شغلی؛ عزیزی و همکاران (1395) دربارۀ رابطۀ معکوس تاب‌آوری با فرسودگی شغلی و سردارزاده و همکاران (2017) دربارۀ تأثیر تاب‌آوری بر استرس شغلی همسوست؛ اما همان‌طور که اشاره شد، پژوهشی انجام نشده است که مشابه با پژوهش حاضر باشد و در پژوهش‌های پیشین، رابطۀ میان متغیرهای محدود ارائه شده است که صرفاً با روش‌های سنتی مانند همبستگی بررسی شده‌اند.

بنابراین با توجه به این مسئله که در پژوهش‌های مرتبط با علوم اجتماعی و علوم انسانی، استفاده از روش‌های مهندسی ازجمله طراحی شبکۀ عصبی کمتر بررسی می‌شود، پژوهش حاضر از جهت موضوع و روش‌‌شناسی نوآوری دارد و پژوهشگران و متخصصان حوزۀ کسب و کار و کارآفرینی و رفتار سازمانی، علوم مهندسی و مباحث پایداری، دانشجویان و مدیران و کارکنان شرکت‌های فناور و دانش‌بنیان می‌توانند از نتایج آن استفاده کنند.

 

  • نتیجه‌گیری

نتایج به‌دست‌آمده از پژوهش نشان می‌دهد مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا در شرایط پاندمی کووید 19، سطح نسبتاً بالایی را از فرسودگی شغلی دارند که عوامل مختلفی ازجمله سن، جنسیت، وضعیت تأهل، فرزندآوری، میزان تاب‌آوری، خستگی عاطفی، بدبینی و کارآیی حرفه‌ای بر آن تأثیر می‌گذارد. شبکۀ عصبی مصنوعی طراحی‌شده با 10 ورودی و 1 خروجی، با دقت بسیار بالا، قابلیت پیش‌بینی متغیر خروجی با تکیه بر متغیرهای ورودی را داشته و مدل‌سازی دقیق و معتبری ارائه داده است که در پژوهش‌های دیگر انجام نشده است.

دشواری دسترسی به نمونه‌های آماری در شرایط کووید 19 و محدودیت‌های ناشی از آن، به‌همراه وجودنداشتن پیشینۀ پژوهشی مرتبط، ازجمله محدودیت‌های این پژوهش بوده است. بنابراین پیشنهاد می‌شود در پژوهش‌های آتی، به انجام مطالعه‌ای تطبیقی مشابه در شرکت‌های دانش‌بنیان تولیدی برای الگوبرداری و تطبیق نتایج و انجام پژوهشی، با بهره‌گیری از روش‌های دیگر طراحی شبکۀ‌ عصبی مصنوعی ازجمله MLP پرداخته شود. همچنین، با مطالعۀ متغیرهای بررسی‌شده در این پژوهش، به‌‌تفکیک حوزه‌های فعالیت شرکت‌های دانش‌بنیان و مقایسۀ نتایج پیشنهاد می‌شود.

براساس نتایج به‌دست‌آمده از پژوهش، می‌توان پیشنهادهای کاربردی ذیل را ارائه کرد:

  • با توجه به تأیید وجود رابطۀ میان استرس کووید 19 و فرسودگی شغلی، پیشنهاد می‌شود اقدامات کنترلی و پیشگیرانه برای بهبود سلامت روانی شاغلان ازجمله افزایش حمایت اجتماعی، بهبود چرخه‌های کار و استراحت و بهبود مستمر نظام انگیزشی در شرکت دانش‌بنیان توسط سازمان‌های ذی‌ربط متولی انجام شود. به این منظور تهیۀ بسته‌های حمایتی مادی و معنوی (رفاهی) می‌تواند راهگشا باشد.
  • با توجه به تأیید وجود رابطۀ معکوس میان تاب‌آوری و فرسودگی شغلی، به‌ویژه برای زنان متأهل دارای فرزند، پیشنهاد می‌شود سازوکارهای فعالیت کاری در شرکت‌های دانش‌بنیان انعطاف‌پذیرتر و شرایط ویژه‌ای برای زنان تدوین شود. در این راستا، انجام دورکاری‌ و کاهش ساعت حضور فیزیکی در شرایط بحران می‌‌تواند مفید باشد.
  • با توجه به نتایج به‌دست‌آمده و بالابودن سطح فرسودگی شغلی مدیران و کارکنان شرکت‌های دانش‌بنیان نوپا، پیشنهاد می‌شود از روش‌های متنوع بازی‌وارسازی (گیمیفیکیشن) برای جذاب‌ترشدن محیط کاری و کاهش استرس‌های شغلی استفاده شود. شایان ذکر است که به‌کارگیری این روش در چند سال اخیر بسیار مرسوم و متداول شده است. همچنین، برگزاری نشست‌های دوستانۀ کوتاه برای تغییر فضای کسالت‌بار محیط کاری پیشنهاد می‌شود.
  • درنهایت، پیشنهاد می‌شود با توجه به سطح بالای آسیب‌پذیری شرکت‌های دانش‌بنیان نوپای ناشی از استرس کووید 19، بسته‌های حمایتی ویژه، شامل کاهش حق بیمه و مالیات و اعطای مشوق‌های مالی و معنوی، برای این شرکت‌های تازه آغاز به کار کرده توسط نهادهای ذی‌ربط در شرایط بحران، تدوین و ارائه شود.

 

[i]. World Health Organization or WHO

[ii]. WHO

[iii]. Mckinsey Company

[iv]. Kisely et al.

[v]. Epifanio et al.

[vi]. Marchetti et al.

[vii]. Rodríguez-Rey et al.

[viii]. Murali et al.

[ix]. Elghazally et al.

[x]. Linley & Joseph

[xi]. Beltman

[xii]. Mahdiani & Ungar

[xiii]. Ahern & Norris

[xiv]. Diener et al.

[xv]. WHO

[xvi]. Shoman et al.

[xvii]. Kraft

[xviii]. Nishimura et al.

[xix]. Pressley

[xx]. Schaufeli & Rhenen

[xxi]. Park et al.

[xxii]. Kim et al.

[xxiii]. Dolgui et al.

[xxiv]. Zhao et al.

[xxv]. Li & Zobel

[xxvi]. Dixit et al.

[xxvii]. Mcallister & McKinnon

[xxviii]. Alameddine et al.

[xxix] Ojo et al.

[xxx]. Maslach & Jackson

[xxxi]. Brief Resilience Coping Scale (BRCS)

[xxxii]. Moret-Tatay et al.

[xxxiii]. The Radial Basis Functions or RBF

[xxxiv]. Roshani et al.

[xxxv]. Roshani & Nazemi

مراجع

Ahern, N., & Norris, A. (2011). Examining Factors That Increase and Decrease Stress in Adolescent Community College Students. Journal of pediatric nursing, 26(6), 530-540. DOI: 10.1016/j.pedn.2010.07.011.
Alameddine, M., Bou-Karroum, K., Ghalayini, W., & Abiad, F. (2021). Resilience of nurses at the epicenter of the COVID-19 pandemic in Lebanon. International Journal of Nursing Sciences, 8(4), 432-438. DOI: 10.1016/j.ijnss.2021.08.002.
Azizi, K., Ahmadian, H., & Nazemi, A. R. (2017). Comparison of resiliency, procrastination, stress and burnout among nurses in psychiatric and non- psychiatric wards. Nursing Management, 5(3 , 4), 80-91. DOI: 10.29252/ijnv.5.3.4.80 (In Persian).
Beltman, S. (2021). Understanding and Examining Teacher Resilience from Multiple Perspectives. Chapter2, in book: Cultivating Teacher Resilience. DOI: 10.1007/978-981-15-5963-1_2.
Diener, E., Wirtz, D., & Tov, W. (2010). New measures of well-being: Flourishing and positive and negative feelings. Social Indicators Research, 97, 143-156. DOI: 10.1007/s11205-009-9493-y.
Dixit, V., Verma, P., & Tiwari, M. K. (2020). Assessment of pre and post-disaster supply chain resilience based on network structural parameters with CVaR as a risk measure. International Journal of Production Economics, 227, 107655. DOI: 10.1016/j.ijpe.2020.107655.
Dolgui, A., Ivanov, D., & Sokolov, B. (2018). Ripple effect in the supply chain: an analysis and recent literature. International Journal of Production Research, 56(1-2), 414-430, DOI: 10.1080/00207543.2017.1387680.
Elghazally, S., Alkarn, A., Elkhayat, H., Ibrahim, A, & Elkhayat, M. (2021). Burnout Impact of COVID-19 Pandemic on Health-Care Professionals at Assiut University Hospitals. International Journal of Environmental Research and Public Health, 18(10), 5368. DOI: 10.3390/ijerph18105368.
Epifanio, M. S., Andrei, F., Mancini, G., Agostini, F., Piombo, M., Spicuzza, V., Riolo, M., Lavanco, G., Trombini, E., & La Grutta, S. (2021). The Impact of COVID-19 Pandemic and Lockdown Measures on Quality of Life among Italian General Population. Journal of Clinical Medicine, 10 (289), 1-19. DOI: 10.3390/jcm10020289.
Karimi Johani, R., Taghilou, H., Karimi Johani, F., Jarzadeh Gharajag, Z., & Babapour Azam, L. (2021). Investigating the Relationship between Burnout and Job Performance in
the Corona Epidemic from the Perspective of Nurses. Nursing Management, 9(4), 27-33. (In Persian).
Kim, T. Y., Kim, Y., & Kim, J. Y. (2019). Role of Resilience in (De) Motivation and Second Language Proficiency: Cases of Korean Elementary School Students. Journal of Psycholinguistic Research, 48(1), 1-20. DOI: 10.1007/s10936-018-9609-0.
Kisely, S., Warren, N., McMahon, L., Dalais, C., Henry, I., & Siskind, D. (2020). Occurrence, prevention and management of the psychological effects of emerging virus outbreaks on healthcare workers: rapid review and meta-analysis. BMJ. 2020 May 5; 369: m1642. DOI: 10.1136/bmj.m1642. PMID: 32371466; PMCID: PMC7199468.
Kraft, U. (2006). Kraft, U. (2006). The Burned Out. Scientific American Mind, 17(3), 28-33.
Li, Y. & Zobel, C. (2020). Exploring supply chain network resilience in the presence of the ripple effect. International Journal of Production Economics, 228(6794), 107693. DOI: 10.1016/j.ijpe.2020.107693.
Linley, P. & Joseph, S. (2004). Positive Change Following Trauma and Adversity: A Review. Journal of traumatic stress, 17(1), 11-21. DOI: 11-21. 10.1023/B:JOTS.0000014671.27856.7e.
Mahdiani, H., & Ungar, M. (2021). The Dark Side of Resilience. Adversity and Resilience Science, 2(3), 147-155. DOI: 10.1007/s42844-021-00031-z.
Marchetti, D., Fontanesi, L., Di Giandomenico, S., Mazza, C., Roma, P., & Verrocchio, M. C. (2020). The Effect of Parent Psychological Distress on Child Hyperactivity/Inattention during the COVID-19 Lockdown: Testing the Mediation of Parent Verbal Hostility and Child Emotional Symptoms. Frontiers in Psychology, 11:567052. DOI: 10.3389/fpsyg.2020.567052.
Maslach, C., & Jackson, S. (1981). MBI: Maslach Burnout Inventory, 20 ed.; Palo Alto, CA: Consulting Psychologists Press, USA.
Mcallister, M., & McKinnon, J. (2009). The importance of teaching and learning resilience in the health disciplines: A critical review of the literature. Nurse Education Today, 29(4), 371-9. DOI: 10.1016/j.nedt.2008.10.011.
Mckinsey Company (2020). COVID-19 and the great reset: Briefing note. March 30, 2020. Available at: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/Risk/Our%20Insights/COVID%2019%20Implications%20for%20business/COVID%2019%20July%2030/COVID-19-Briefing-note-Number-16-July-30-2020.pdf.
Mirghafoori, S. H. A., Asadian Ardakani, F., & Sadeqi Arani, Z. (2011). Designing an Integrative Model for Evaluation and Selection of Six Sigma Projects Using Artificial Neural Networks. Journal of Production and Operations Management, 2(2), 37-54. (In Persian).
Moret-Tatay, C., Fernández-Muñoz, J. J., Civera-Mollá, C., Navarro-Pardo, E., & Alcover-de-la-Hera, C. (2015). Propiedades psicométricas y estructura factorial del BRCS en una muestra de personas mayores españolas. Anales de Psicología / Annals of Psychology, 31(3), 1030-1034. DOI:10.6018/analesps.31.3.188401.
Murali, A., Bhargava, A. & Wright, E. S. (2018). IDTAXA: a novel approach for accurate taxonomic classification of microbiome sequences. Microbiome, 6(140), 1-14. DOI: 10.1186/s40168-018-0521-5.
Nadi, M. A., Yarmohammadiean, M. H., & Azizi, H. (2013). The Relationship between Informal Learning, Burn out, Mental Health and Job Satisfaction among Workers of Esfahan Steel Company. Journal of Production and Operations Management, 4(2), 133-150. (In Persian).
Nishimura, Y., Miyoshi, T., Hagiya, H., Kosaki, Y., & Otsuka, F. (2021). Burnout of Healthcare Workers amid the COVID-19 Pandemic: A Japanese Cross-Sectional Survey. International Journal of Environmental Research and Public Health, 18(5), 2434. DOI: 10.3390/ijerph18052434.
Ojo A. O., Fawehinmi, O., & Yusliza, M. Y. (2021). Examining the Predictors of Resilience and Work Engagement during, the COVID-19 Pandemic. Sustainability. 13(5), 2902. DOI: 10.3390/su13052902.
Park, J. S., Okumura, Y., Tachikawa, H., & Neiman, A. M. (2013). SPO71 Encodes a Developmental Stage-Specific Partner for Vps13 in Saccharomyces cerevisiae. Eukaryot Cell, 12(11), 1530-1537. DOI: 10.1128/EC.00239-13.
Pressley, T. (2021). Factors Contributing to Teacher Burnout during COVID-19. Educational Researcher, 50(5), 325-327. DOI: 10.3102/0013189X211004138.
Rahmani, R., Sargazi, V., Shirzaei Jalali, M., & Babamiri, M. (2020). Relationship between COVID-19-caused Anxiety and Job Burnout among Hospital Staff: A Cross-sectional Study in the Southeast of Iran. JOHE. 7(4), 61-69. DOI: 10.52547/johe.7.4.61 (In Persian).
Rodríguez-Rey, R., Garrido-Hernansaiz, H., & Collado, S. (2020). Psychological Impact of COVID-19 in Spain: early data report. Psychological Trauma Theory Research Practice and Policy, 12(5), 550-552. DOI: 10.1037/tra0000943.
Roshani, G. H., Karami, A., Salehizadeh, A., & Nazemi, E. (2017). The capability of radial basis function to forecast the volume fractions of the annular three-phase flow of gas-oil-water. Applied Radiation and Isotopes: Including Data, Instrumentation and Methods for use in Agriculture, Industry and Medicine, 129, 156-162. DOI: 10.1016/j.apradiso.2017.08.027.
Roshani, G. H. & Nazemi, E. (2018). A novel dual-molality densitometer for gauging in annular two phase flows using radial basis function. Kerntechnik, 83(2), 145-151. DOI: 10.3139/124.110838.
Sardarzadeh, F., Jian Bagheri, M., & Farahani Mashhadi, M. (2017). The role of resilience in reduction of job stress and job burnout among employees of satellite project of Iranian Offshore Oil Company Shenakht. Journal of Psychology and Psychiatry, 3(4), 61-77. (In Persian).
Schaufeli, W. & Rhenen, W. (2009). How Changes in Job Demands and Resources Predict Burnout, Work Engagement, and Sickness Absenteeism. Journal of Organizational Behavior, 30(7), 893-917. DOI: 10.1002/job.595.
Shoman, Y., El May, E., Marca, S. C., Wild, P., Bianchi, R., Bugge, M. D., Caglayan, C., Cheptea, D., Gnesi, M., Godderis, L., Kiran, S., McElvenny, D. M., Mediouni, Z., Mehlum, I. S., Mijakoski, D., Minov, J., van der Molen, H. F., Nena, E., Otelea, M., & Guseva, I. (2021). Predictors of Occupational Burnout: A Systematic Review. International Journal of Environmental Research and Public Health, 18(17), 9188. DOI: 10.3390/ijerph18179188.
WHO (2020). COVID-19 – China. January 12, 2020. Available at: https://www.who.int/emergencies/disease-outbreak-news/item/2020-DON233
WHO (2022a). Coronavirus disease (COVID-19) Situation dashboard. Retrieved in: https://covid19.who.int/
WHO (2022b). Coronavirus disease (COVID-19) Situation dashboard. Retrieved in:  https://covid19.who.int/region/emro/country/ir
Zhao, K., Zuo, Z., & Blackhurst, J. V. (2019). Modelling supply chain adaptation for disruptions: An empirically grounded complex adaptive systems approach. Journal of Operations Management, 65(6), 606-608. DOI: 10.1002/joom.1009

فایل ها

هم رسانی

ارجاع به این مقاله

آمار