امروزه سرمایه انسانی به‌عنوان رکن اصلی موفقیت سازمان‌ها شناخته می‌شود. بنابراین، پژوهش حاضر ازنظر هدف، پژوهشی کاربردی و ازنظر شیوه اجرا، پژوهشی تلفیقی(کیفی/کمّی) بود. در بخش کیفی، مشارکت‌کنندگان شامل 15 نفر از خبرگان دانشگاهی شهر زنجان در سال تحصیلی 99-1398 بودند که با روش نمونه‌گیری هدفمند انتخاب شدند. در بخش کمّی پژوهش، جامعه آماری شامل مدیران مدارس متوسطه شهر زنجان در سال تحصیلی 1398-99 به تعداد 1029 نفر بودند که حجم نمونه بر اساس جدول کرجسی و مورگان 292 تعیین و با روش نمونه‌گیری تصادفی ساده انتخاب شدند. ابزار پژوهش بخش کیفی مصاحبه‌های نیمه ساختاریافته و در بخش کمّی نیز پرسشنامه محقق ساخته بود. اعتبار یافته‌های کیفی با دیدگاه اساتید و پایایی نیز با کدگذاری مجدد 89/0 محاسبه شد. همچنین اعتبار ابزار کمّی با دیدگاه خبرگان و پایایی آن نیز با آزمون آلفای کرونباخ 81/0 به دست آمد. برای تحلیل داده‌ها در بخش کیفی از روش تحلیل مضمون و برای تحلیل بخش کمّی نیز از تحلیل عاملی تأییدی و مدل‌یابی ساختاری با نرم‌افزار Amos24 استفاده شد. نتایج نشان داد سرمایه انسانی دارای 5 بعد، 20 مؤلفه و 70 شاخص بود که ابعاد، شامل مهارتی (5 مؤلفه)، دانشی (4 مؤلفه)، اخلاقی(4 مؤلفه)، سلامت روانی (4 مؤلفه) و اجتماعی- فرهنگی 3 مؤلفه) بود. نتایج تحلیل عاملی تأییدی نشان داد که مدل‌های اندازه‌گیری، برازش مناسبی دارند مقدار RMSEA از 08/0 کمتر، مقادیر GFIو AGFIو NFI بزرگ‌تر از 9/0 و شاخص‌های (PNFI و PCFI) بیشتر از 5/0 بود. نتایج معادلات ساختاری نیز نشان داد همه ابعاد تأثیر مستقیم و مثبتی بر سرمایه انسانی داشتند (05/0>P).

پرونده مقاله

یکی از عوامل اصلی ویرانی آبشکن‌ها آبشستگی می‌باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه‌ی هر یک از آنها، به‌دلیل محدودیت شرایط آزمایشگاهی می‌شود. در این تحقیق امکان استفاده از شبکه‌های پرسپترون چندلایه(MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره‌ی عمودی،‌ بالدار و نیم‌دایره‌ای مورد مطالعه قرار گرفتند. دستاوردهای شبیه شبکه عصبی مصنوعی با نتایج به‌دست آمده از رابطه‌ی تجربی پیشنهادی به‌وسیله‌ی باربهیوا و دی(2004) مقایسه گردیدند. هشت نمایشنامه بر اساس فراسنجهای مؤثر و شبکه‌های با ورودیهای مختلف برای پیش‌بینی ژرفای آبشستگی تعریف شدند. مقایسه‌‌ی نتایج نمایشنامه‌های مختلف نشان دادند که نمایشنامه ای که تنها از دو فراسنج و برای برآورد ژرفای آبشستگی در پیرامون آبشکن استفاده می‌کند، از عملکرد بهتری برخوردار است. همچنین، نتایج تحلیل حساسیت نشان دادند که فراسنجهای و بیشترین تأثیر را در پیش‌بینی ژرفای آبشستگی آبشکن دارند. مقایسه نتایج شبیه شبکه‌های عصبی و مقادیر محاسبه شده از رابطه‌ی تجربی با داده‌های آزمایشگاهی نشان دادند که مقادیر بیشترین ژرفای آبشستگی به‌دست آمده از روش شبکه‌های عصبی مصنوعی از دقت بیشتری نسبت به رابطه-ی تجربی برخوردارند. همچنین، دقت شبکه‌های عصبی مصنوعی در برآورد ژرفای آبشستگی پیرامون آبشکنهای با دیواره‌ی عمودی در مقایسه با دو نوع آبشکن دیگر بیشتر است.   پرونده مقاله