浅论高校图书馆员工工作满意度的神经网络模型

1、浅论高校图书馆员工工作满意度的神经网络模型                        论文关键词高校图书馆；员工工作满意度；人工神经网络模型 论文摘要以8所高校130名图书馆员工的工作满意度调查所得数据为基础根据BP人工神经网络算法原理建立了高校图书馆员工工作满意度与领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途6个影响因素之间的关系模型。结

2、果表明。BP人工神经网络用于高校图书馆员工工作满意度的研究是可行的所建模型能很好地反映实际情况可以进一步推广应用于其他行业的员工工作满意度研究。 工作满意度是员工对其所从事职业以及工作条件与状况的一种总体的、带有情绪色彩的感受与看法。对于员工工作满意度的评价，一直都是人力资源管理和组织行为学领域研究的热点之一，近年来国内外学者从不同的角度开展了大量的研究工作，并且随着工作满意度研究的逐步深入，研究对象不断扩大，研究内容也在不断拓展。 本文将以8所高校130名图书馆员工的工作满意度调查所得数据为基础，根据BP人工神经网络算法原理，利用MATLAB65软件，建立高校图书馆员工工作满意度与其影响因素

3、之间的关系模型。研究结果将为高校图书馆员工工作满意度的定量综合评价提供科学依据，有助于提升高校图书馆人力资源建设和管理水平，推动和谐高校图书馆的建设，同时可为同行业人员进行员工工作满意度评价提供理论指导与方法基础。 1研究对象及影响因素 本文研究对象为高校图书涫正式员工，采用整群抽样的方法，随机抽取来自清华大学、北京理工大学、北京科技大学、中国矿业大学、对外经济贸易大学、北京工业大学、首都师范大学和北方工业大学等北京市8所高校的130名图书馆职工，发放了130份问卷，回收121份问卷，剔除了无效问卷19份，剩余有效问卷102份，有效回收率785。满意度量表采用李克特式5点计分法：“1”为“完全

4、不满意”；“2”为“大部分不满意”；“3”为“部分满意，部分不满意”；“4”为“大部分满意”；“5”为“完全满意”。 影响高校图书馆员工工作满意度的因素比较多。综合国内外有关研究员工工作满意度的评价指标情况，基于笔者的高校图书馆员工工作满意度调查量表的编制研究，本文重点选取了领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途6个影响因素来进行高校图书馆员工工作满意度评价研究，见表1。这6个影响因素的确立是借助SPSS130统计分析软件，进行了项目分析和因素分析，经过信度检验而得到的，具有较好的效度。 2BP神经网络的基本原理 设BP算法的网络结构有输入层、中间隐含层和输出层：在输入层有

5、n个输入向量；有Z个隐含层；在输出层有m个输出向量；输入层结点、隐含层结点和输出层结点分别用下标i，h，J表示；由输入结点i到隐含层的h结点的权值用表示；由隐含层结点J到输出层结点j的权值用表示。 对于输入数据x，设其目标输出为d，而实际输出为Y。为了训练网络，由组成训练样本组，上标k表示训练样本的序号，对每组样本进行如下的正向传播和反向传播处理。 21正向前馈计算 当输入第k个数据(k)时，隐含层结点的总输入(加权和)为： 采用S型作用函数处理输入与输出的关系，隐含层结点h的输出为： 相应地，输出层结点j的输出为： 如果用k个输入的所有输出结点的误差平方总和作为网络训练指标，则有： 由于转移

6、函数(s型函数)是连续可微的，很显然，j(w)也是每个权值的连续可微函数。 22误差反向传播修正各层权值 采用梯度规则，由j对各个w求导，可以求得使j最小的梯度，作为调整权值的反向。 由隐含层到输出层的权值的调整： 在实际应用时，常用当前误差对权值进行调整，因此，式(5)和式(7)中对k的求和项就可省掉。 3基于BP神经网络的员工工作满意度模型的建立                     

7、60;       31数据预处理 数据样本除主要用于训练网络、确定权值外，还用于检验网络的正确性、确定所建网络模型的预测误差。因此，所获得的数据样本需要划分为两个部分，即训练样本和检验样本。从回收的102份有效问卷的样本中，选取前92组样本作为训练样本。根据BP神经网络输入范围的要求，按式(9)对训练样本中输入层的6个参数(领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途)进行归一化处理，使各特征变量在0109范围内取值，避免网络模型迭代计算时数值过于集中在某些神经元和权值上而降低模型的解算精度。 式中，Q为网络

8、的输入参数分别为相应数据Q的最小值和最大值。 32网络模型的设计 利用ind2vec函数将样本中满意度的李克特式5点计分法转换为每行只有一个“1”的稀疏矩阵，即，用(1，0，0，0，0)表示“完全不满意”，(0，1，0，0，0)表示“大部分不满意”，(0，0，1，0，0)表示“部分满意，部分不满意”，(0，0，0，1，0)表示“大部分满意”，(0，0，0，0，1)表示“完全满意”。根据Kolmogorov定理，采用NX(2N+1)XM的3层BP神经网络作为分类器。其中，N表示网络模型输入层的输入向量，本文中即为领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途等6个值；中间隐含层的结点

9、数为2N+1，即13；M表示输出层的输出向量，本文中即为稀疏矩阵中的5个值。中间隐含层神经元的传递函数为s型正切函数；输出层神经元的传递函数为S型对数函数，之所以选择S型对数函数，是因为该函数为01函数，正好满足分类器的输出要求。网络的训练函数为运行速度较快的trainlm，学习函数取默认的leamgdm，性能函数取默认的rnse。 33网络训练 利用MATI_AB65软件平台开发程序。设定网络最大训练次数为5O，训练目标误差为0001，其余训练参数为默认值。利用归一化处理后的训练样本对BP神经网络进行训练，经过44次训练后，网络误差达到设定的最小值，结果如图1所示。 34网络检验 网络训练完

10、成后，还必须利用另外一组数据对其进行检验。所谓检验，实际上是利用所建神经网络模型来获得网络的预测值，然后将预测值和真实值进行比较，以此来验证所建神经网络模型的精度及适用性。从回收的102份有效问卷的样本中，选取后l0组样本对训练好的神经网络进行检验。按式(9)对检验样本中的神经网络输入量(领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途)进行归一化处理，然后输入训练好的神经网络，利用sim函数进行检验预测，其输出的预测值见表2。其中“类别”和“真实值”中的1表示“完全不满意”，2表示“大部分不满意”，3表示“部分满意，部分不满意”，4表示“大部分满意”，5表示“完全满意”。 由于神经

11、网络输出的预测值并非每列只含一个“1”的标准稀疏矩阵，为此，将网络输出值每列中最大值置1，其余值置0，使其标准化；然后根据分类方法，利用vce2ind函数将稀疏矩阵转换为对应类别，并与检验样本中的真实值进行比较(见表2)。从表中可以看出，采用所建立的神经网络模型进行检验时，获得的高校图书馆员工工作满意度的预测值与检验样本的真实值完全吻合，说明利用BP神经网络建立的高校图书馆员工工作满意度与领导管理、人际关系、工作本身、工作压力、福利报酬和发展前途6个影响因素之间的关系模型是可行的和正确的，能够很好地反映实际情况。 4结论 (1)将BP人工神经网络用于高校图书馆员工工作满意度的研究是可行的，所建模型能很好地反映实际情况，为高校图书馆员工工作满意度的定量综合评价提供了科学依据。 (2)利用所建立的神经网络模型，可以随时对员工的工作满意度进行评价，能够方便、快捷、准确地及时掌握图书馆员工的思想动态，有利于充分发挥和有效调动图书馆员工工作的积极性和主动性，有助于提升高校图书馆人力资源建设和管理水平，推动和谐高校图书馆的建设。                &