شناسایی پیشران‌های اثربخشی تیمی از راه شبکه عصبی مصنوعی (موردمطالعه: شرکت فولاد خوزستان)

نوع مقاله : توصیفی و نظرسنجی

نویسندگان
حدهن مقدم نیا 1
حمید شاهبندرزاده 2
مهدی مرتضوی 3
علی اکبر فرهنگی 1
1 گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 گروه مدیریت صنعتی، دانشکده کسب‌وکار و اقتصاد، دانشگاه خلیج فارس بوشهر، ایران.
3 گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
چکیده
هدف این پژوهش، شناسایی پیشران­های اثربخشی تیمی در شرکت فولاد خوزستان از راه شبکه عصبی مصنوعی است. این پژوهش بر‌اساس هدف، از نوع پژوهش­های کاربردی-توسعه­‌ای بر‌مبنای روش و نحوه گردآوری داده­‌ها، پژوهشی توصیفی- پیمایشی و از نظر نوع داده­‌ها، رویکرد پژوهش کمی است. جامعه آماری پژوهش را 1020 نفر از کارکنان و مدیران شرکت فولاد خوزستان تشکیل می‌دهند که با روش نمونه‌­گیری تصادفی ساده و هدفمند، 360 نفر برای نمونه انتخاب شدند. نتایج نشان داد شبکه عصبی مصنوعی با درصد دقت بالا (در شناسایی شاخص­هایی که اثربخشی را افزایش می­‌دهند: یعنی 3/97 در بخش آموزش و 8/95 در بخش آزمایش، همچنین در شناسایی شاخص‌­هایی که اثربخشی را افزایش نمی­‌دهند: یعنی 5/96 درصد در بخش آموزش و 9/92 در بخش آزمایش) توانسته است درست عمل کرده و پیش‌بینی کند که این موضوع بیانگر کارایی و حساسیت بسیار بالای این سیستم است. همچنین، از تعداد 125 شاخص ارائه‌شده، تعداد 65 شاخص مستقل فعال در پیش­بینی اثربخشی تیمی موفق عمل کردند که این روش توانست با تعریف متغیر صفر و یک آنها را شناسایی کند. شبکه عصبی مصنوعی در تحلیل داده‌­ها ما را به این نتیجه رساند که به‌ترتیب شاخص‌­های یادگیری تیمی، جهت‌سازی یکسان تیمی و ذهنیت چابک، مهم‌ترین پیشران‌ها در اثربخشی تیمی محسوب می‌شوند و نیاز است مطالعه عمیقی روی این ابعاد انجام شود.
کلیدواژه‌ها
تیم
اثربخشی تیمی
شبکه عصبی مصنوعی

موضوعات

عنوان مقاله English

Identifying the Drivers of Team Effectiveness through Artificial Neural Network (Case Study: Khuzestan Steel Company)

نویسندگان English

Hadhen Moghadamnia 1
hamid shahbandarzadeh 2
Mahdi Mortazavi 3
Aliakbar Farhangi 1
1 PhD student, Department of Public Administration, Faculty of Management and Economic, Science and Research Branch, Islamic Azad University, Tehran, Iran.
2 Associate Professor, Department of Industrial Management, Faculty of Business and Economics, Persian Gulf University, Bushehr, Iran.
3 Associate Professor, Department of Public Administration, Faculty of Management and Economic, Tarbiat Modares University, Tehran, Iran.
چکیده English

The purpose of this research is to identify the drivers of team effectiveness in Khuzestan Steel Company through artificial neural network. This research is based on the purpose of applied-development research, based on the data collection method, it is a descriptive-survey research, and in terms of data type, it is a quantitative research approach. The statistical population of research is 1020 employees and managers of Khuzestan Steel Company, of which 360 employees were selected as a sample using a simple and purposeful random sampling method. The results showed that the artificial neural network, with a high percentage of accuracy (in identifying indicators that increase effectiveness: that is, 97.3 in the training section and 95.8 in the testing section, also in identifying indicators that do not increase effectiveness: that is, 96.5% in the training section and 92.9% in the testing section), has been able to work correctly and predict that this indicates the very high efficiency and sensitivity of this system. Also, out of the 125 indicators presented, 65 active independent indicators were successful in predicting team effectiveness, which this method was able to identify by defining zero and one variables. Artificial neural network in the data analysis led us to the conclusion that team learning, group orientation and agile mindset indicators are the most important drivers in team effectiveness, respectively, and there is a need for a deep study on these dimensions.

کلیدواژه‌ها English

Team
Team Effectiveness
artificial neural network
[1] Muskat, B., Anand, A., Contessotto, C., Tan, A. H. T., & Park, G. "Team familiarity-Boon for routines, bane for innovation? A review and future research agenda", Human Resource Management Review, 32(4), (2022), 100892.
[2] Ficapal-Cusí, P., Enache-Zegheru, M., & Torrent-Sellens, J. "Enhancing team performance: A multilevel model", Journal of Cleaner Production, 289, (2021), 125158.
[3] Rezvani, A., Barrett, R., & Khosravi, P. "Investigating the relationships among team emotional intelligence, trust, conflict and team performance", Team Performance Management: An International Journal, 25(1/2), (2019), 120-137.
[4] Ramírez‐Mora, S. L., Oktaba, H., & Patlan Perez, J. "Group maturity, team efficiency, and team effectiveness in software development: A case study in a CMMI‐DEV Level 5 organization", Journal of Software: Evolution and Process, 32(4), (2020), 1-19.
[5] Katzenbach, J. R., & Smith, D. K. "The discipline of teams", Harvard business review, 83(7), (2005), 162.
[6] Loving, V. A. "Collaborative interdepartmental teams: benefits, challenges, alternatives, and the ingredients for team success", Clinical Imaging, 69, (2021), 301-304.
[7] Zhang, Y., Xu, N., Frost, M., Zhou, W., & Li, Y. "Modeling team efficiency for international production assignments in Chinese manufacturing multinationals", International Journal of Production Economics, 235, (2021), 108076.
[8] Volmer, J., & Sonnentag, S. "The role of star performers in software design teams", Journal of Managerial Psychology, 26(3), (2011), 219-234.
[9] Latif, K. F., & Williams, N. "Team effectiveness in non-governmental organizations (NGOs) projects", Evaluation and program planning, 64, (2017), 20-32.
[10] Qaddumi, B., Ayaad, O., Al-Ma'aitah, M. A., Akhu-Zaheya, L., & Alloubani, A. "The factors affecting team effectiveness in hospitals: The mediating role of using electronic collaborative tools", Journal of Interprofessional Education & Practice, 24, (2021), 100449.
[11] Breaugh, J., Alfes, K., & Ritz, A. "Strength in numbers? Understanding the effect of team-level PSM on team effectiveness", International public management journal, 25(1), (2022), 65-85.
[12] خزائی، ع.، کشکر، س.، محمودی، ا.، جمالی، م. «شناسایی ویژگی‌های مؤثر در شکل-گیری تیم‌های موفق ورزشی»، فصلنامه علمی پژوهش‌های کاربردی در مدیریت ورزشی، 11(1)، (1401)، 11-25.
[13] اردلان، م.، عزیزی، ا.، ساکی، ج. «تأثیر کیفیت زندگی کاری بر اثربخشی تیمی با نقش میانجی خشنودی شغلی»، اندیشه‌های نوین تربیتی، 17(1)، (1400)، 219-244.
[14] Brown, S. A., Sparapani, R., Osinski, K., Zhang, J., Blessing, J., Cheng, F., ... & Olson, J. "Team principles for successful interdisciplinary research teams", American Heart Journal Plus: Cardiology Research and Practice, (2023), 100306.
[15] Mayer, C., Sivatheerthan, T., Mütze-Niewöhner, S., & Nitsch, V. "Sharing leadership behaviors in virtual teams: effects of shared leadership behaviors on team member satisfaction and productivity", Team Performance Management: An International Journal, 29(1/2), (2023), 90-112.
[16] Kilcullen, M., Bisbey, T. M., Rosen, M., & Salas, E. "Does team orientation matter? A state‐of‐the‐science review, meta‐analysis, and multilevel framework", Journal of Organizational Behavior, 44(2), (2023), 355-375.
[17] Cavanaugh, K. J., Logan, J. M., Zajac, S. A., & Holladay, C. L. "Core conditions of team effectiveness: Development of a survey measuring Hackman’s framework", Journal of Interprofessional Care, 35(6), (2021), 914-919.
[18] Kwiatkowski, C. "Effective Team Leader and Interpersonal Communication Skills", In Sustainable Leadership for Entrepreneurs and Academics, Springer International Publishing, (2019), 121-130.
[19] Al-Dhuhouri, F. S., Alshurideh, M., Al Kurdi, B., & Salloum, S. A. "Enhancing our understanding of the relationship between leadership, team characteristics, emotional intelligence and their effect on team performance: A Critical Review", In International Conference on Advanced Intelligent Systems and Informatics, Springer International Publishing, (2020), 644-655.
[20] Akan, O. H., Jack, E. P., & Mehta, A. "Concrescent conversation environment, psychological safety, and team effectiveness: examining a mediation model", Team Performance Management: An International Journal, 26(1/2), (2020), 29-51.
[21] Miler, J., & Gaida, P. "On the agile mindset of an effective team–an industrial opinion survey", In 2019 federated conference on computer science and information systems (fedcsis), IEEE, (2019), 841-849.
[22] Kocoglu, I., Lynn, G., Jung, Y., Dominick, P. G., Aronson, Z., & Burke, P. "Actions speak louder than words: How team trust and commitment enhance team action listening and team success", Management Decision, 58(3), (2019), 465-494.
[23] Drivas, I. C., Sakas, D. P., & Riziotis, C. "Communicating Strategically for Improving Team Effectiveness in ICTs Organizations", In Strategic Innovative Marketing, Springer International Publishing, (2017), 125-132.
[24] Ford, R. C., Piccolo, R. F., & Ford, L. R. "Strategies for building effective virtual teams: Trust is key", Business Horizons, 60(1), (2017), 25-34.
[25] مرتضوی، س.، پور، س.، سعادت‌یار، ف.، بیطرف، ف.، رضایی‌راد، م. «اثر گرایشات فرهنگی بر عرق ملی و تأثیر آن بر قصد و رفتار خرید مشتری»، پژوهش‌های مدیریت عمومی، 5(15)، (1391)، 5-26.
[26] قربانی، ر.، شاه‌بندرزاده، ح.، مرتضوی، م.، فرهنگی، ع. ا. «طراحی مدلی به‌منظور شناسایی شاخص‌های استرس شغلی در دوره پاندومی کووید 19 با رویکرد شبکه عصبی مصنوعی (موردمطالعه: کارکنان صنعت حمل‌و نقل هوایی)»، فصلنامه مطالعات رفتار سازمانی، 12(4)، (1402)، 23-67.
[27] Zacharis, N. Z. "Predicting student academic performance in blended learning using artificial neural networks", International Journal of Artificial Intelligence and Applications, 7(5), (2016), 17-29.
[28] Muparuri, L., & Gumbo, V. "On logit and artificial neural networks in corporate distress modelling for Zimbabwe listed corporates", Sustainability Analytics and Modeling, (2022), 2, 100006.
[29] واحدی، ش.، انواری رستمی، ع. «طراحی مدل پیش‌بینی احتمال سقوط یا ریزش قیمت سهام در بورس اوراق بهادار: رویکرد شبکه عصبی مصنوعی»، پژوهش‌های مدیریت منابع سازمانی، 12(2)، (1401)، 187-210.
[30] حسینی، س.، آرمان، م.، محمدی‌زاده، ز. «نقش کانون ارزیابی در برنامه‌های بهبود کارکنان با استفاده از شبکه‌های عصبی مصنوعی»، پژوهش‌های مدیریت منابع سازمانی، 7(3)، (1396)، 93-115.
[31] Jiang, H., Xi, Z., Rahman, A. A., & Zhang, X. "Prediction of output power with artificial neural network using extended datasets for Stirling engines", Applied Energy, 271, (2020), 115123.
[32] Almomani, F. "Prediction of biogas production from chemically treated co-digested agricultural waste using artificial neural network", Fuel, 280, (2020), 118573.
[33] ایقانی اردبیلی، ا.، ریاحی کاشانی، م.، آقامحمدی، ا. «پیش‌بینی قیمت زنجیره محصولات با استفاده از سیستم مبتنی بر شبکه‌های عصبی»، پژوهش‌های مدیریت منابع سازمانی، 5(2)، (1394)، 1-20.
[34] Swift, J. R., Turner, M. A., & Reynolds, J. C. "A Rapid Dynamic Headspace Method for Authentication of Whiskies Using Artificial Neural Networks", Available at SSRN, (2023), 4364237.
پژوهش های مدیریت منابع سازمانی
دوره 14، شماره 4
اسفند 1403
صفحه 105-126