پژوهش های مدیریت در ایران

چکیده امروزه انتقال تکنولوژی‌های جدید و برتر یکی از راهکار‌های مهم حفظ مزیت رقابتی در بنگاه‌ها محسوب می‌‌شود. با توجه به نرخ بالای شکست پروژه‌های انتقال تکنولوژی در بسیاری از بنگاه‌ها، توجه به شناسایی عوامل بازدارنده و تسریع‌کننده جذب و توسعه تکنولوژی از اهمیت به‌سزایی برخوردار است. یکی از عوامل مهم در شکست پروژه‌های‌ انتقال تکنولوژی‌، عوامل سازمانی یا توان‌مندی سازمانی بنگاه‌ها در ایجاد سازگاری بین تکنولوژی‌های تازه وارد با ساختار سازمانی‌، فرهنگ سازمانی و منابع سازمانی می‌‌باشد. در این مقاله نقش توان‌مندی سازمانی بر اثر‌بخشی انتقال تکنولــوژی در بنگاه‌های ایرانی اندازه‌گیری شده است. برای نیل به این هدف‌، ابتدا متغیر‌ها یا شاخص‌های تشکیل‌دهنده توان‌مندی سازمانی در بنگاه‌های ایرانــی شناسایی و سپس برای انــدازه‌گیری میزان موفقیت بنگاه در جذب تکنولوژی، اقدام به شناسایی متغیر‌های تشکیل‌دهنده اثر‌بخشی انتقال تکنولوژی در بنگاه‌های ایرانی مورد نظر شده است. در نهایت آثار توان‌مندی سازمانی و متغیر‌های آن بر اثربخشی انتقال تکنولوژی و متغیر‌های آن اندازه‌گیری شده است.

چکیده یکی از گامهای مهم در توسعه شبکه‌های عصبی مصنوعی طراحی معماری شبکه است که تأثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکه‌های عصبی مصنوعی، عواملی از قبیل تعداد لایه‌های پنهان، تعداد نرون‌ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به‌طور عمده از طریق سعی و خطا عمل می‌کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی‌گیرند. در این تحقیق، یک مدل مبتنی بر تکنیک طراحی آزمایشها برای طراحی بهینه معماری شبکه عصبی با یادگیری تحت نظارت، با توجه به اثر متقابل بین عوامل ذکرشده، ارائه می‌شود. در این تحقیق، از مدل پیشنهادی برای طراحی معماری شبکه عصبی به منظور پیش‌بینی مصرف نفت‌گاز کل کشور استفاده شده است. به‌منظور مقایسه عملکرد مدل پیشنهادی با استفاده از روش سعی و خطا به‌عنوان یکی از روشهای مرسوم در طراحی معماری، یک مدل شبکه عصبی برای پیش‌بینی مصرف نفت‌گاز توسعه داده شده و طی آن برتری مدل پیشنهادی نشان داده شده است. همچنین برای مقایسه عملکرد شبکه عصبی با روشهای آماری، دو مدل با استفاده از رگرسیون و ARIMA طراحی شده‌اند. نتایج به دست آمده در پیش‌بینی مصرف نفت‌گاز در این بخش نیز نشان می‌دهد که پیش‌بینی با شبکه‌عصبی طراحی شده جوابهای بهتری دارد.

چکیده انتخاب و به کارگماری شایسته‏ترین افراد در هر شغل، یکی از مهمترین مسائل و تصمیمات مدیریتی محسوب می‏شود. اینگونه تصمیمات در سازمانها به طور مرسوم از طریق انطباق ساده شاغل و شغل» انجام می‏پذیرد. از کاستیهای این روش، انطباق شاغل با شغل در «سطح فردی» است در حالی که با توجه به اهمیت فراینده «کار گروهی» در سازمانها، انجام انطباقهای دیگر ضروری به نظر می‏آید. در این مقاله «انطباق افراد شاغل با یکدیگر» علاوه بر انطباق دادن شاغل و شغل در نظر گرفته شده و بر این اساس الگوی نوینی برای انتخاب و به کارگماری نیروی انسانی نیز پیشنهاد و توسعه داده شده است. به منظور مقایسه الگوی پیشنهادی (مبتنی بر سطح تحلیل گروهی) با الگوی مرسوم (مبتنی بر سطح تحلیل فردی)، مدل ریاضی آن در قالب یک مدل غیر خطی (درجه دوم) فرموله شده؛ سپس به وسیله «شبکه عصبی بازپختی» با استفاده از نرم‏افزار Matlab حل شد. نتایج تحلیل آمـاری نشـان می‏دهد که بین میانگین جوابهای به دست آمده از الگوی پیشنهادی و میانگین جوابهای بـه دست آمده از الگوی مرسوم، با توجه به معیار هزینه، اختلاف بسیار معناداری وجود ( و ). در نتیجـه استفـاده از الگـوی پیشنهـادی بـرای انتخاب و به کارگماری نیروی انسانی در مشاغل و پستهای سازمانی به جای الگوی مرسوم توصیه می‏شود.

چکیده -

چکیده -