مهناز مقبولی

برای سال های متمادی تصور بر این بود که ضریب هوشی نماینده میزان موفقیت افراد است. در دهه اخیر تحقیقات در یافتند که علاوه بر ضریب هوشی، عاملی به نام هوش هیجانی نیز جز شاخص های ارزیابی موفقیت یک فرد می تواند قلمداد شود. در ابتدای پیدایش شاخص هوش هیجانی، روانشناسان بیشتر برروی جنبه های شناختی همانند حافظه و حل مسئله تأکید می کردند. اما خیلی زود دریافتند که جنبه های غیرشناختی مانند عوامل عاطفی و اجتماعی نیز دارای اهمیت زیادی هستند. برای بررسی اهمیت این شاخص در ارزیابی ها  یک نمونه تصادفی 81 تایی از دانشجویان رشته های الکترونیک و مکانیک  دانشگاه آزاد اسلامی واحد یادگار امام (ره) انتخاب شد. ابزار گردآوری، پرسشنامه هوش هیجانی برگرفته شده از کتاب تراویس برادبری می باشد. بعد از جمع آوری داده ها، با استفاده از مدل های تحلیل پوششی داده ها،  عملکرد هوش هیجانی دانشجویان مورد ارزیابی قرار گرفت. سپس برای تمیز دادن دانشجویانی که عملکرد آنها خوب تشخیص داده شده بود از مدل های ابرکارایی استفاده شد. نتایج نشان دهنده آن است که دانشجویان الکترونیک عموماً رتبه بالاتری را به خود اختصاص می دهند. همچنین بررسی تأثیر ضریب چهار فاکتور انتخابی(خودمدیریتی، خودآگاهی، آگاهی اجتماعی، مدیریت رابطه) در این مطالعه،  نشان می دهد که مدیریت رابطه بیشترین تأثیر و خود مدیریتی کمترین تأثیر را در ارزیابی هوش هیجانی این تعداد از دانشجویان به خود تخصیص داده است.

هدف: مدل های استاندارد تحلیل پوششی داده ها، برای ارزیابی کارایی یک سیستم، اطلاعات ورودی و خروجی واحدهای تصمیم گیرنده را در یک دوره زمانی در نظر می گیرند؛ اما در برخی از سیستم های موردبررسی، چند دوره زمانی مجزا و مستقل از هم موردنظر است و کارایی کل سیستم به کارایی واحدهای تصمیم گیرنده در هر دوره زمانی وابسته خواهد بود. در این حالت ممکن است واحدی در تمام دوره ها کارا باشد اما کارای کل نباشد؛ که در این صورت با مفهومی به نام ناکارایی کاذب مواجهه خواهیم شد. روش شناسی پژوهش: در این مقاله برای بررسی ناکارایی کاذب در سیستم های چند دوره ای، به جای استفاده از وزن ها که از هر دوره زمانی به دست می آید، با استفاده از مدل های تحلیل پوششی داده های نسبی، الگوریتمی سه مرحله ای پیشنهاد می شود. علت استفاده از مدل های نسبی به دلیل انعطاف پذیری آن ها و نزدیک تر بودن تقریب آن به واقعیت است. یافته ها: در گام اول الگوریتم، میانگین کارایی های دوره ای و در گام دوم کارایی سیستم به عنوان جعبه سیاه محاسبه می شود. نسبت حاصل از این دو کمیت، اگر عددی نزدیک به یک باشد، یعنی این دو برآورد به هم نزدیک هستند و ناکارایی کاذب وجود ندارد و اگر نسبت حاصل از یک بزرگ تر باشد در این صورت این دو برآورد از هم فاصله دارند و ناکارایی کاذب موجود است. اصالت/ارزش افزوده علمی: مقایسه روش پیشنهادی بر روی داده های 22 بانک تجاری از تایوان در طی یک دوره زمانی سه ساله با روش پیشنهادی کایو و لیو [8] از لحاظ آماری دلالت بر کاهش پراکندگی اعداد کارایی داشت. همچنین آزمون های آماری حاکی از قوت روش پیشنهادی نسبت به روش کایو و لیو [8] می باشد.