بررسي عوامل مؤثر بر توانمندي تصميم گيري شغلي دانشجويان ترويج و آموزش كشاورزي دانشگاه رازي كرمانشاه: كاربرد تحليل شبكه عصبي مصنوعي

Investigating the factors affecting decision-making ability of students of Agricultural extension and Education College in Razi University-Kermanshah province: Application of artificial nervous system

هدف اصلي اين مطالعه بررسي عوامل موثر بر توانمندي تصميم گيري شغلي دانشجويان ترويج و آموزش كشاورزي دانشگاه رازي كرمانشاه براساس نظريه شناخت اجتماعي اشتغال با كاربرد تحليل شبكه عصبي مصنوعي است جامعه آماري مطالعه را دانشجويان ترويج و آموزش كشاورزي دانشگاه رازي كرمانشاه در سال 88 تشكيل دادند حجم نمونه آماري با استفاده از فرمول كوكران 108 نفر N=108 تعيين و نمونه گيري با روش تصادفي انجام شد ابزار گردآوري داده ها پرسشنامه اي مشتمل بر پنج قسمت بود در بخش اول خودكارآمدي تصميم گيري شغلي با استفاده از مقياس CDMSE در بخش دوم انتظارات بازده تصميم گيري شغلي با استفاده از مقياس CDMOE در بخش سوم نيت تصميم گيري شغلي با استفاده از مقياس CEPI در بخش چهارم تصميم يگري شغلي با استفاده از مقياس CDP و دربخش پنجم سبكهاي شخصيتي دانشجويان با استفاده از مقياس NEO-FFI مورد بررسي قرارگرفت. به منظور اعتبارسنجي با استفاده از روش ترجمه معكوس ابتدا پرسشنامه ها به فارسي و سپس بارديگر به انگليسي برگردانده و با متن اصلي مطابقت داده شد و در نهايت روايي نسخه نهايي توسط اساتيد گروه ترويج و آموزش كشاورزي دانشگاه رازي مورد تاييد قرارگرفت دراين مطالعه از ابزار شبكه عصبي مصنوعي و نرم افزار MATLAB و از نوع شبكه هاي چند لايه با الگوريتم پس انتشار خطا بهره گرفته شد. در نهايت، بر اساس كوشش و خطا و مقايسه عملكرد شبكه ها، شبكه اي سه لايه با يك لايه مياني و تعداد 20 نرون در اين لايه، الگوريتم آموزشي لونبرگ - ماركوارت و توابع انتقال سيگموييد و خطي در لايه مياني و خروجي، مناسب تشخيص داده شد. پس از آزمون شبيه سازي خروجي ها، كارايي شبكه با استفاده از ايجاد رگرسيون خطي بين خروجي هاي واقعي و خروجي هاي شبكه، مورد بررسي قرار گرفت و ضرايب همبستگي (R) برازش خطي مربوط به مجموعه هاي آموزشي، معتبرسازي و آزمايشي بالاتر از 0/999 بود. به منظور حصول اطمينان بيشتر از كارايي و قابليت تعميم پذيري شبكه مجدد مورد آزمايش قرار گرفت و در مرحله ي دوم نيز همبستگي برازش خطي 0/998 به دست آمد كه اين نتايج حكايت از كارايي و قابليت تعميم پذيري بالاي شبكه طراحي شده در پيش بيني توانمندي تصميم گيري شغلي دانشجويان دارد.

The main objective of this study is to explore the factors affecting decision-making ability of agricultural students in Razi University, Kermanshah province, based on social diagnosis of employment and application of artificial nervous system analysis. The target population comprised of students of the same university in 2009, of whom 108 students were randomly selected via Cochran formula. For data collection, a 5-part questionnaire was applied whose first part analyzed self-reliability in employment decision-making process through CDMSE scale. The second part focuses on expectation of employment decision-making feed-back using CDMOE scale. The third considers the employment decision-making intention via CEPI scale application. The forth part emphasizes on employment decision-making through CDP scale and the fifth part aims at students characteristic style using NEO-FFI scale. To assess validity, the questionnaire was translated into Persian and then to English, and compared to original text and eventually, it's final version validity was also confirmed through a panel of agricultural faculty members. For reliability, a Cronbach’s alpha was applied whose coefficient computed at >0.7. This study enjoys an artificial nervous system (and MATLAB software) and a multilayer network with post-emission algorithm. Ultimately, based on try and error and comparison of networks function, a 3-layer network was adopted with a medium layer bearing 20 neurons, and Lonbur-Mrkuat educational algorithm as well as Zigmond linear transmission functions within the outer layer. Performance of this system was analyzed through real linear regression after education and simulation of the outputs. Correlation coefficients (R) of linear analysis associate to educational complexes, validation and experimental values were more than 0.999. The network was re-assessed to assure its performance and adaptability that led to R=0.998 which highly confirmed the objectives for prediction of employment decision-making of students ability.