ارزیابی هوش هیجانی با استفاده از تحلیل پوششی داده‌ها(نمونه موردی: دانشجویان دانشگاه آزاد اسلامی واحد یادگار امام (ره) )

نوع مقاله: علمی پژوهشی

نویسندگان

1 گروه ریاضی، واحد یادگار امام(ره) شهر ری، دانشگاه آزاد اسلامی، تهران، ایران

2 گروه ریاضی، واحد هادیشهر، دانشگاه آزاد اسلامی، هادیشهر، ایران

چکیده

برای سال‌های 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 شاخص‌های ارزیابی موفقیت یک فرد می‌تواند قلمداد شود. در ابتدای پیدایش شاخص هوش هیجانی، روانشناسان بیشتر برروی جنبه‌های شناختی همانند حافظه و حل مسئله تأکید می‌کردند. اما خیلی زود دریافتند که جنبه‌های غیرشناختی مانند عوامل عاطفی و اجتماعی نیز دارای اهمیت زیادی هستند. برای بررسی اهمیت این شاخص در ارزیابی‌ها  یک نمونه تصادفی 81 تایی از دانشجویان رشته‌های الکترونیک و مکانیک  دانشگاه آزاد اسلامی واحد یادگار امام (ره) انتخاب شد. ابزار گردآوری، پرسشنامه هوش هیجانی برگرفته شده از کتاب تراویس برادبری می‌باشد. بعد از جمع‌آوری داده‌ها، با استفاده از مدل‌های تحلیل پوششی داده‌ها،  عملکرد هوش هیجانی دانشجویان مورد ارزیابی قرار گرفت. سپس برای تمیز دادن دانشجویانی که عملکرد آنها خوب تشخیص داده شده بود از مدل‌های ابرکارایی استفاده شد. نتایج نشان دهنده آن است که دانشجویان الکترونیک عموماً رتبه بالاتری را به خود اختصاص می‌دهند. همچنین بررسی تأثیر ضریب چهار فاکتور انتخابی(خودمدیریتی، خودآگاهی، آگاهی‌اجتماعی، مدیریت‌رابطه) در این مطالعه،  نشان می‌دهد که مدیریت رابطه بیشترین تأثیر و خود مدیریتی کمترین تأثیر را در ارزیابی هوش هیجانی این تعداد از دانشجویان به خود تخصیص داده است.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluating Emotional Quota: A DEA-Based Approach (Case Study: Yadegar Emam, Shahr-e Rey Islamic Azad University)

نویسندگان [English]

  • Fatemeh Moradi 1
  • Mahnaz Maghbouli 2
1 Tehran
چکیده [English]

For many years, it was believed that Intelligence Quota (IQ) was the benchmark showing how successful one is. However, recent researches have revealed that IQ is not the only factor in one's success but also, other criteria called as Emotional Quota (EQ) has taken its place in many researches. Since the inception of this structure, psychologists mainly paid attention on its cognitive aspects, such as memory and problem solving. Soon, they realized that non-cognitive aspects like emotional and social factors played a key role as well. To study the importance of this issue, a random sample of 81 Electronic and Mechanic engineering graduates from Islamic Azad University, Yadegar Emam Branch, were selected. They were handed out a questioner on EQ derived from Travis-Bradberry book. The collected data evaluated applying Data Enveloping Analysis (DEA) models. In order to rank and distinguish the students’ performance, super efficiency models were employed.  The results show that the Electronic graduates scored some higher rank. Top of all, the study conflicts the selected four factors in evaluating EQ and reveals that the relationship- management factor has the most effect and self-management factor can take the least influence in this evaluation.

کلیدواژه‌ها [English]

  • Emotional Quota (EQ)
  • Self-Management
  • Relationship-Management
  • Self-Consciousness
  • Social Awareness
  • Data envelopment analysis (DEA)

درطول سال‌های متمادی روانشناسان بر این باور بودند که مهمترین استعداد فرد را بهره هوشی او تشکیل می دهد. با توجه به همین سازه دست به گزینش دانشجویان و افراد برای تصدی مشاغل  می زدند. این طرز فکر را گادنر[1] دوران تفکر هوشبهری می نامد(بلوم،1374 ). وی در رد این عقاید، می گوید: در هوش، واحد یکپارچه ای وجود ندارد که موفقیت در زندگی را تضمین کند، بلکه ایجاد طیف وسیعی از انواع مختلف هوش ها در این باره نقش دارند. وی هوش را به هفت دسته تقسیم می نماید. گادنر در این بین به هوش بین فردی (اجتماعی ) اعتقاد دارد. این هوش به فهم دقیق و واقعی از خود و توانایی‌های خود و استفاده بهینه از آن در طول زندگی اشاره دارد. تنها ایراد گادنر در این نکته نهفته است که ایجاد و تقویت هوش بین فردی و درون فردی نقش هیجان را مورد غفلت قرار داده است و بیشتر به مسایل شناختی پرداخته است(بلوم،1374 و گلمن،1995). روانشناسانی چون سالوی و مایر(1990) و مایر  و همکاران(2000)  بعد از سال‌ها تحقیق و مطالعه نظریه هوش هیجانی را معرفی کردند و به اهمیت و تأثیر آن بر موفقیت افراد تاکید نمودند. آنها اصطلاح هوش هیجانی را برای اولین بار در مقالات خود این گونه تعریف نمودند: "هوش هیجانی[2]توانایی است که امکان درک احساسات و هیجانات خود و دیگران را به فرد می دهد تا با استفاده از این قابلیت بتواند تفکر و تعقل و عملکرد خود را هدایت کند". همان گونه که در تعریف مشاهده می شوند محققان فوق در تنظیم فعالیت شناختی به وسیله هیجانات تاکید دارند.معمولی ترین اختصار برای هوش هیجانی، از روی ضریب هوشی[3] IQ برداشته شده است که به آن ضریب هوش هیجانیEQ می گویند. پس از ارایه این نظریات تحقیقات زیادی  در باره هوش هیجانی و ارتباط آن با جنبه‌های مختلف زندگی انسان انجام شد ازجمله رابطه بین هوش هیجانی با قدرت رهبری (کاربونا و آلدهید،2000 و زون و جورج،2003) ، رضایت مندی اجتماعی[4] (آستین و همکاران،2005)، روابط بین فردی[5] (شات،2001 ولوپز و همکاران،2003 )، سازگاری اجتماعی[6] (زون و جورج،2003) کنترل رفتار[7]  (ترینداد،2004) و سلامت روانی[8]  (تیلور و کمنی،2000 و وانروی،2005)  اشاره نمود.  بین IQ و EQ هیچ رابطه شناخته شده ای وجود ندارد؛ شما اصلا نمی توانید از روی هوش شناختی یک نفر هوش هیجانی او را حدس بزنید. ضریب هوشی از همان لحظه تولد ثابت است یا دست کم ثبات نسبی دارد، مگر اینکه یک تصادف، مثلا آسیب مغزی، آن را تغییر بدهد .هیچ کس با یادگیری واقعیت های جدید یا فرا گرفتن اطلاعات عمومی بیشتر با هوش تر نمی شود. هوش شناختی یعنی توانایی یادگیری، در پانزده سالگی همان است که در پنجاه سالگی. اما برعکس، هوش هیجانی، مهارتی انعطاف پذیر است که به آسانی آموخته می شود. با اینکه بعضی مردم، نسبت به دیگران، به طور طبیعی هوش هیجانی بالاتری دارند. کسی که بدون هوش هیجانی به دنیا آمده است بازهم می تواند در خود، EQ بالا به وجود اورد. با درک هیجانهای خود می توانید از میان مشکلات ماهرانه بگذرید و از مشکلات بعدی اجتناب کنید(برادبری و گریوز،1384). اگر عکس این کار را انجام دهید و احساسات خود را سرکوب کنید مهارتهای هوش هیجانی شما را قادر می سازند تا جلوی وضعیتهای دشوار را، پیش از آنکه غیر قابل کنترل شوند، بگیرند و با این کار مدیریت استرس ( کنار آمدن با استرس) برای شما آسانتر شود. توصیف گلمن از هوش هیجانی، که در طول سال‌ها تحول یافته است، چهار زمینه را در برمی گیرد: خود – آگاهی،خود- مدیریتی، آگاهی اجتماعی و مدیریت رابطه (گلمن،1995). او بیست "قابلیت" مشخص ارایه می دهد که در قالب این چهار زمینه جای می گیرند برای مثال، زمینه خود-مدیریتی شامل شش قابلیت می شود: خود- دار، قابل اعتماد بودن، وظیفه شناسی، سازگاری، انگیزه پیشرفت و قابلیت ابتکار و رهبری.

 

انتخاب چهار مؤلفه برای ارزیابی هوش هیجانی

خودآگاهی:

   از نظر گلمن(1995) خود آگاهی ریشه و اساس مؤلفه های هوش هیجانی  است و تا زمانیکه از سطح خود آگاهی پایینی برخوردا ریم و در انتخاب هدف و برنامه ریزی – برای رسیدن به هدف مدیریت کنترل احساسات خود و بر انگیختگی خود و بکار گیری نظمی که بتوان بر اساس آن با احساسات دیگران هماهنگ شد و رشد مهارت های اجتماعی متناسب با هدف و عمل با مشکلات مواجه می شویم. تعریفی که گلمن(1995) و برادبری و گریوز(1384) برای خود آگاهی در نظر گرفته عبارتست از درک عمیق و روشن احساسات، هیجانات، نقاط ضعف و قوت و نیاز و سائق های خود می باشد.

 

خودمدیریتی:

همچنان که با آگاهی خود درمورد احساسات، هیجانات، و اثرات آنها رشد می دهیم ما نیز می توانیم توانایی خود را در جهت کنترل آنها بهبود بخشیم. به طوریکه آنها نتوانند تأثیر ناجور بر روی عملکرد ما داشته باشند. خود کنترلی هیجان به معنای سرکوب هیجان نیست بدین شکل نیست که با یک سد دفاعی محکم در مقابل احساسات و انگیزه های خود درست کنیم بر عکس خود کنترلی به این می‌پردازد که با یک انتخاب برای چگونگی ابراز احساساتمان داریم و چیزی که مورد تأکید است روش ابراز احساسات می باشد به شکلی که این روش  ابراز هم جریان تفکر را تسهیل کند و هم از انحراف آن جلوگیری کند (گلمن،1995 و برادبری و گریوز،1384). کسانی که خود را بسیار عالی مدیریت می کنند کسانی هستند که می توانند کارهارا بدون دلسرد شدن به انجام برسانند.شاید بزرگترین مشکلی که مردم با آن مواجه هستند، (کنترل  مدیریت) گرایشهایشان در طول زمان و به کارگیری مهارتهایشان در وضعیتهای مختلف است (برادبری و گریوز،1384).

 

آگاهی اجتماعی:

شعور اجتماعی  یا آگاهی اجتماعی سومین مؤلفه هوش هیجانی می باشد و عبارت است از درک احساسات و جنبه‌های مختلف دیگران و بکار گیری سه عمل مناسب و واکنش مورد علاقه برای افرادی که پیرامون ما قرار گرفته اند (گلمن،1995 و برادبری و گریوز،1384). این مؤلفه برای افرادی که با مراجعین زیاد و متفاوت برخوردارند ضروری می باشد. خیلی از متخصصین هوش هیجانی عقیده دارند که نشان اصلی هوشیاری اجتماعی توان همدلی است. در بین مؤلفه های هوش هیجانی تشکیل همدلی از همه راحتتر می باشد همه ما همدلی یک دوست، یک معلم را  حساس کرده ایم و تشخیص داده ایم که واکنش او تا چه حد باعث دلگرمی ما شده است.

 

مدیریت رابطه:

مهارتهای اجتماعی یا مدیریت رابطه یکی دیگر از مؤلفه های هوشی هیجانی می باشد و شامل توانایی ها برای مدیریت روابط با خود و دیگران می باشد مهارتهای اجتماعی فقط شامل دوستیابی نمی شود اگر چه افرادی که این مهارت را زیاد دارند خیلی سریع یک جو دوستانه با افراد ایجاد می کنند ولی این مهارت بیشتر به دوستیابی هدفمند مربوط می شود افرادی که مهارتهای اجتماعی قوی دارند به راحتی می توانند میسر فکری دیگران را در سمتی که می خواهند هدایت کنند خواه برای ایجاد رفتار جدید باشد خواه برانگیختن او برای ایجاد رفتار عملکرد ویا تولید جدید باشد (گلمن،1995 و برادبری و گریوز،1384).افرادی که مهارتهای اجتماعی بالایی دارند همیشه درصدد هستند که یک چرخة وسیعی از اطلاعات با افراد را بدست آورند و خیلی سریع جنبه‌های مشترک افراد را شناسایی کنند بعد از آن یک رابطه مؤثر برقرار کنند و این عمل حاکی از آن است که اعمال چنین افرادی بر اساس فرضیات حساب شده و دقیق می باشد چنین افرادی در اولین فرصت در محیط کاری یک شبکه ارتباط قوی برقرار می کند. دارابودن سطوح بالای هوش هیجانی موجب افزایش کنترل افراد بر احساسات درون شده و همین امر موجب برانگیخته شدن واکنش های منطقی نسبت به مسایل می گردد. بار – ان هوش هیجانی را مجموعه ی مرکبی از خود آگاهی هیجانی و مهارتها و ویزگی های دیگر می داند که بر موفقیت فرد در مقابله با فشارها و خواسته ی محیط تأثیر می گذارند(بار-آن،2000). با توجه به تعاریف و مطالب ارایه شده در خصوص اهمیت هوش هیجانی و عوامل موثر بر آن، در این تحقیق درصدد هستیم که بر خلاف روش های معمول و سنتی رایج در سنجش و ارزیابی، از مدل های ریاضی  و غیر پارامتری برای تحلیل بهره مند شویم و معین کنیم که کدام یک از این چهار عامل مورد بحث در ارزیابی هوش هیجانی، نقش پررنگ تری را ایفا می کنند. شایان ذکر است که پرسشنامه  توزیع شده  برگرفته از برادبری و گریوز(1384) می باشد.

 

روش تحقیق:

با توجه به اهمیت سنجش ضریب هوش هیجانی یا همان EQ و تأثیر آن در آموزش افراد، درصدد برآمدیم با استفاده از مدل های ریاضی غیر پارامتری تحلیل پوششی داده‌ها  این برآورد را انجام دهیم. برای این منظور، نمونه ای متشکل از 81 دانشجو را انتخاب کردیم. هر دانشجو را به عنوان یک واحد تصمیم گیرنده[9]در نظر گرفتیم. هر واحد تصمیم گیرنده با چهار ورودی متشکل از خودآگاهی، مدیریت رابطه، خودآگاهی و آگاهی اجتماعی و یک خروجی  که همان EQ است مورد ارزیابی قرار می گیرد. اعداد حاصل برای هر کدام از ورودی ها را به صورت کیفی و توسط پرسشنامه ای سنجیده سپس به صورت کمی در مدل های ریاضی مورد بحث قرار دادیم.  پرسش نامه ی توزیع شده برگرفته از کتاب( برادبری و گریوز،1384) می باشد. مدل های استاندارد تحلیل پوششی داده‌ها در فرم پوششی مورد استفاده در این ارزیابی هستند. مدل  [10]CCR اولین مدل سنجش و ارزیابی عملکرد است که توسط چارنز، کوپر و رودز در 1978 ارایه گردید (جهانشاهلو و همکاران،1395، چارنز و همکاران،1978 و کوپر و همکاران،2007). این مدل در دو قالب ورودی محور و خروجی محور مورد استفاده قرار می گیرد. با فرض اینکه هر کدام از  واحد تصمیم گیرنده ورودی های نامنفی  را برای تولید خروجی های نامنفی به کار بگیرد، مدل پوششی CCR   در فرم ورودی محور به صورت برنامه ریزی خطی زیر تعریف می شود(جهانشاهلو و همکاران،1395 و کوپر و همکاران،2007):

 

در مدل (1) مقادیر سمت راست  و  به ترتیب ورودی و خروجی واحد تحت ارزیابی می باشد و  در واقع ضریب انقباض ورودی است.متغیر نامنفی  نیز به عنوان سهم هر واحد در ارزیابی واحدهای متجانس در مدل می باشد. اگر جواب بهینه مدل بالا برابر یک ارزیابی گردد واحد تحت ارزیابی را کارا می نامند در غیر اینصورت آن واحد ناکارا قلمداد می گردد. مدل فوق را مدل با بازده به مقیاس ثابت نیز می نامند. دوآل مدل (1) را مدل CCR مضربی می نامند زیرا در مدل مضربی وزن هایی برای ورودی و خروجی اختصاص داده می شود. این مدل به صورت مسئله برنامه ریزی خطی زیر فرمول بندی می گردد.

 

 

یکی از مشکلاتی که در مدل مضربی با آن مواجه میشویم صفر شدن وزن های مرتبط با ورودی ها و خروجی های متناظر آن هاست. در مدل(2)  و  به ترتیب وزن های نظیر ورودی ها و خروجی هاست و اهمیت هر عنصر از بردار ورودی ها و خروجی ها را در مدل نشان می دهد. صفرشدن هر کدام از این اوزان به منزله عدم اهمیت آن در ارزیابی واحد مورد نظر است. برای جلوگیری از صفر شدن این اوزان مدل های -دار پیشنهاد می گردد. که در آن  یک عدد غیر ارشمیدسی بی نهایت کوچک مثبت است. این روش جهت جلوگیری از صفر شدن اوزان پیشنهاد شده است (چارنز و همکاران،1978 و کوپر و همکاران،2007).

 

 

مدل(3) موسوم به مدل CCR - می باشد. همانطور که از مدل بر میآید اوزان ورودی و خروجی در این مدل عدد بسیار کوچک نامنفی است. یکی از توسیع هایی که بر مدل CCR  تعریف شد مدل موسوم به بازده به مقیاس متغیر است که در سال 1984 توسط بنکر، چارنز و رودز پیشنهاد گردید(بنکر و همکاران،1984). این مئل موسوم به مدل BCC  می باشد که در فرم پوششی به صورت مسئله برنامه ریزی خطی زیر تعریف می گردد.

 

 

 

 

 

 

 

 

 

 

تفاوت مدل(4) با مدل(1) در افزودن محدودیت  است(بنکر و همکاران،1984). مقادیر سمت راست همان مقادیر ورودی و خروجی نظیر واحد تحت ارزیابی یا همان  می باشد. همانند قبل اگر جواب بهینه مدل(4) برابر یک باشد واحد تصمیم گیرنده کارا ارزیابی می گردد در غیر اینصورت واحد ناکارا است. جواب بهینه این مدل همواره در بازه  قرار دارد. دوگان این مدل را مدل مضربی  BCCدر ماهیت ورودی می نامند. که ساختار آن  به صورت برنامه ریزی خطی زیر است.

 

در مدل مضربی فوق وجود متغیر آزاد در علامت ، ناشی از افزودن محدودیت  می باشد. همان طور که واضح است برای جلوگیری از صفر شدن وزن ها، اوزان مربوط به ورودی ها و خروجی ها بزرگتر از   قرار داه شده است. مدل های فوق همگی در ماهیت ورودی و براساس ضریب انقباض ورودی تعریف شده است. مدل ها در ماهیت خروجی بر اساس انبساط خروجی ها تعریف می گردد ومنطبق بر برنامه ریزی خطی زیر است:

 

مدل (6) را مدل   CCR   پوششی در ماهیت خروجی محور می نامند.  نکته قابل تامل اینکه جواب بهین این مدل همواره بزرگتر یا مساوی یک است. و نیز اگر واحدی به جواب بهینه یک برسد کارا ارزیابی خواهد شد در غیر اینصورت ناکارا خواهد بود. با افزودن محدویت    مدل BCC  خروجی محور را خواهیم داشت. به روال قبل، دوآل این مدل ها، مدل های مضربی را نتیجه می دهد. همان طور که اشاره شد، واحدهایی که در ارزیابی با مدل های CCR  و BCC دارای مقدار بهینه یک باشند کارا ارزیابی می شوند. برای تعیین اینکه بین واحدهای کارا کدام یک رتبه بالاتری را دارند، یا به اصلاح دقیقتر، برای ایجاد تمایز بین واحدهای کارا مدل های رتبه بندی پیشنهاد شدند. اولین مدل پیشنهادی مدل اندرسون و پترسون در 1993 می باشد(آندرسون و پترسون،1993). در این مدل که موسوم به مدل ابر کارایی است، واحد تحت ارزیابی از مجموع داده‌ها کنار گذاشته شده و ارزیابی انجام میگیرد. مدل ابر کارایی CCR  در ماهیت ورودی به صورت مدل برنامه ریزی خطی زیر می باشد.

 

با اجرای مدل فوق، به ترتیب واحدهای کارا از هم تمیز داده می شود و واحدی که اندازه کارایی بالاتری را به دست آورد در رتبه اول قرار می گیرد. به همین ترتیب مدل ابرکارایی BCC نیز با افزودن محدودیت     حاصل می شود. ایراد عمده مدل های ابرکارایی، نشدنی بودن آنهاست. برای جلوگیری از نشدنی شدن مدل، مدل های کارایی متقاطع،  وزن مشترک و... به وجود آمدند. در مدل های کارایی متقاطع، با ارزیابی  واحدهای دیگر با وزن های به دست آمده  از واحد های تحت ارزیابی و سپس  تعیین جدول کارایی متقاطع، از نشدنی بودن جلوگیری می شود. نیز در مدل موسوم به وزن مشترک، برای واحدهای تحت ارزیابی وزن مشترکی برای رتبه بندی پیشنهاد میگردد. برای توضیح بیشتر مدل های رتبه بندی میتوان به منابعی نظیر(جهانشاهلو و همکاران،1395، چیانگ و همکاران،2011، کوک و بالا،2007، کوپر و همکاران،2007، دویل و گرین،1994، وو و همکاران،2012 و یانگ و همکاران،2013) ارجاع شود. در این مطالعه بعد از ارزیابی داده‌های جمع آوری شده، با استفاده از مدل های استاندارد تحلیل پوششی داده‌ها، به رتبه بندی واحدها با استفاده از مدل ابرکارایی می پردازیم. نکته قابل تامل اینکه به دلیل تک خروجی بودن واحدها، از مدل های ورودی محور استفاده نمودیم و مدل های خروجی محور را استفاده ننمودیم.

 

داده‌ها و تحلیل نتایج:

81 نفر دانشجو به صورت تصادفی از بین دانشجویان دو رشته الکترونیک و مکانیک  از دانشگاه آزاد اسلامی واحد یادگار امام (ره) انتخاب گردید. سپس پرسش نامه هایی برگرفته از  کتاب (برادبری و گریوز،1384) بین آنها توزیع شد.  نتایج حاصل از پرسش نامه ها  به صورت کمیت عددی برای استفاده از مدل های غیر پارامتری استخراج گردید.. در این نمونه 81 نفری مورد ارزیابی، 29 نفر از دانشجویان رشته مکانیک و 52 نفر بقیه از دانشجویان رشته الکترونیک بودند. هر دانشجو به عنوان یک واحد تصمیم گیرنده در نظر گرفته شده است و چهار عامل خودآگاهی، خود مدیریتی، مدیریت رابطه و آگاهی اجتماعی به عنوان ورودی مورد پرسش واقع شدند. تنها خروجی مورد نظر هوش هیجانی یا همان EQ بود. جدول(1) داده‌های مربوط به این نمونه 81 نفری را نشان می دهد.

 

جدول(1): داده‌ها

Table1

Data Set

N

خود آگاهی

Self-Consciousness

خودمدیریتی

Self-Management

آگاهی اجتماعی

Social Awareness

مدیریت رابطه

Relationship Management

هوش هیجانی

EQ

1

94

74

81

87

336

2

85

76

76

75

312

3

77

51

74

87

289

4

98

87

93

87

365

5

76

65

76

67

284

6

74

71

79

67

291

7

87

78

96

84

345

8

86

91

26

77

280

9

79

73

77

75

304

10

94

55

90

75

314

11

76

58

76

67

277

12

83

75

88

78

324

13

76

78

76

71

301

14

83

95

90

87

355

15

79

73

74

70

296

16

90

96

88

80

354

17

85

80

76

75

316

18

89

78

72

67

306

19

83

87

77

77

324

20

76

71

76

65

288

21

94

73

76

70

313

22

77

71

92

80

320

23

82

95

65

83

325

24

90

75

79

75

319

25

77

71

77

70

295

26

79

76

77

77

309

27

90

76

74

75

315

28

74

71

76

73

294

29

85

85

90

89

349

30

83

65

81

87

316

31

83

55

74

56

268

32

94

82

88

78

342

33

77

87

88

75

327

34

89

85

79

84

337

35

83

82

76

80

321

36

92

65

79

78

314

37

83

65

72

87

307

38

85

65

90

71

311

39

83

65

77

65

290

40

89

99

76

83

347

41

85

87

88

86

346

42

61

78

68

83

290

43

85

68

74

71

298

44

82

75

90

80

327

45

85

78

79

71

313

46

79

74

79

70

302

47

92

93

77

70

332

48

84

68

70

70

292

49

74

73

79

53

279

50

76

75

77

78

306

51

77

73

81

78

309

52

67

37

76

43

223

53

95

80

90

77

342

54

92

85

81

78

336

55

77

93

79

93

342

56

85

92

93

95

365

57

90

73

88

71

322

58

79

78

93

77

327

59

92

80

81

80

333

60

92

91

81

89

353

61

89

76

81

84

330

62

77

78

74

75

304

63

85

52

81

45

263

64

90

76

77

86

329

65

83

68

81

80

312

66

86

95

93

80

354

67

79

68

72

70

289

68

92

65

79

84

320

69

76

49

74

67

266

70

83

96

96

96

371

71

85

58

88

83

314

72

92

78

92

87

349

73

90

96

79

67

332

74

89

75

90

91

345

75

90

94

88

84

356

76

82

52

72

65

271

77

74

55

81

83

293

78

72

71

88

70

301

79

77

62

64

61

264

80

77

80

77

71

305

81

77

76

90

87

330

         

315

مدل‌های CCR  و BCC ورودی محور برای تحلیل و ارزیابی کارایی 81 نفر در نمونه انتخابی مورد استفاده قرار گرفت. نتایج حاصل از این ارزیابی در جدول (2) آورده شده است. ستون دوم جدول اندازه های کارایی ناشی از مدل CCR ورودی محور و ستون سوم نتایج حاصل از مدل BCC ورودی محور را نشان می دهد. همان طور که واضح است تعداد واحدهای کارای مدل CCR کمتر از تعداد واحدهای کارا مدل BCC است که  البته به دلیل ساختار مدل BCC میباشد

 

جدول(2): نتایج حاصل از ارزیابی با مدل های پوششی  و مضربی

Table2

Efficiency Scores

مدل مضربی BCC

BCC-M

مدل مضربیCCR

CCR-M

مدل پوششی BCC

BCC-E

مدل پوششی CCR

CCR-E

واحد ها

DMU

0.99

0.96

1

0.96

1

0.92

0.92

0.92

0.92

2

1

1

1

1

3

1

0.91

1

0.91

4

0.94

0.91

0.95

0.91

5

0.95

0.91

0.95

0.91

6

0.99

0.94

1

0.94

7

1

1

1

1

8

0.93

0.92

0.93

0.92

9

1

1

1

1

10

0.96

0.94

0.96

0.94

11

0.92

0.92

0.93

0.93

12

0.94

0.92

0.94

0.92

13

0.98

0.96

0.98

0.96

14

0.93

0.91

0.93

0.91

15

1

0.93

1

0.93

16

0.91

0.91

0.91

0.91

17

0.94

0.95

0.95

0.95

18

0.93

0.93

0.93

0.93

19

1

1

1

1

20

0.94

0.93

0.95

0.95

21

0.95

0.95

0.98

0.98

22

0.97

0.99

1

0.99

23

0.92

0.92

0.93

0.93

24

0.93

0.90

0.93

0.9

25

0.93

0.92

0.93

0.92

26

0.93

0.94

0.94

0.94

27

0.95

0.92

0.95

0.92

28

0.97

0.94

0.97

0.94

29

0.97

0.96

0.98

0.96

30

0.97

0.97

0.98

0.97

31

0.95

0.91

0.96

0.91

32

0.96

0.97

0.97

0.97

33

0.96

0.92

0.97

0.92

34

0.92

0.93

0.93

0.93

35

0.97

0.97

0.98

0.97

36

0.98

0.98

0.99

0.98

37

0.95

0.94

0.95

0.94

38

0.94

0.93

0.94

0.93

39

1

0.95

1

0.95

40

0.94

0.93

0.96

0.93

41

1

1

1

1

42

0.94

0.94

0.95

0.94

43

0.94

0.94

0.95

0.94

44

0.91

0.90

0.91

0.9

45

0.92

0.90

0.92

0.9

46

0.98

0.97

1

0.97

47

0.95

0.94

0.95

0.94

48

0.99

1

1

1

49

0.94

0.93

0.94

0.93

50

0.93

0.94

0.94

0.94

51

1

1

1

1

52

0.96

0.91

0.97

0.91

53

0.95

0.91

0.96

0.91

54

1

0.98

1

0.98

55

1

0.96

1

0.96

56

0.93

0.92

0.94

0.92

57

0.94

0.95

0.96

0.95

58

0.95

0.93

0.96

0.93

59

1

0.93

1

0.93

60

0.95

0.93

0.96

0.93

61

0.93

0.92

0.93

0.92

62

1

1

1

1

63

0.96

0.95

0.98

0.95

64

0.93

0.93

0.94

0.93

65

1

0.95

1

0.95

66

0.94

0.92

0.95

0.92

67

0.98

0.98

1

0.98

68

0.99

0.98

0.99

0.98

69

1

0.98

1

0.98

70

1

0.99

1

0.99

71

1

0.92

1

0.92

72

0.99

0.99

1

0.99

73

1

0.94

1

0.94

74

0.99

0.92

0.99

0.92

75

1

0.99

1

0.99

76

1

1

1

1

77

0.96

0.96

0.97

0.96

78

0.97

0.94

0.97

0.94

79

0.94

0.92

0.94

0.92

80

0.97

0.99

0.99

0.99

81

 

همان طور که از جدول برمی آید واحدهای کارای مدل CCRپوششی  عبارتند از 3، 8، 10، 20، 42، 49، 52، 63 و 77. که چهار تن از آنها از دانشجویان مکانیک  و بقیه از دانشجویان الکترونیک هستند. همان طور که معلوم است جواب های بهینه مدل مضربی و پوششی CCR با هم برابرند. اما واحدهای کارا در مدل پوششی BBC عبارتند از واحدهای 1،3،4،7،8،10،16،20 و23 که جز دانشجویان مکانیک و مابقی واحدهای کارا از دانشجویان الکترونیک هستند. یعنی واحدهای 40،42 ،47 ،49 ،52 ،55 ،56 ،60 ،63 ،66 ،68 ،70 ،71 ،72 ،73 ،74 ،76 و 77 از دانشجویان الکترونیک هستند. نکته قابل توجه اینکه در مدل های مضربی و پوششی BCC جواب های بهینه یکسان نخواهند بود. واحدهای 3 ،8، 10،،20 ،42 ،49 ،52 ،63  و 77 در هر دو مدل کارا می باشد. از بین این افراد چهار تن از بین دانشجویان مکانیک و پنج تن بقیه از بین دانشجویان الکترونیک می باشند برای تمایز بیشتر بین واحدهای کارا ی ارزیابی شده با مدل های پوششی  CCR و BCC، از مدل های ابرکارایی در ماهیت ورودی محور استفاده شده است. در اجرای این مدل ها، به ترتیب واحد تحت ارزیابی از مجموعه امکان تولید حذف شده و بر اساس اندازه کارایی به دست آمده واحدها رتبه بندی می شود. نتایج حاصل از اجرای مدل های ابرکارایی CCR و BCC در جدول زیر خلاصه شده است.

 

جدول(3): نتایج رتبه بندی برای واحدهای کارا

Table3

Results of Ranking for Efficient Units

رتبه بندی با مدل BCC

BCC Scores

رتبه بندی با مدل CCR

CCR Scores

واحد ها

DMU

1.01     (10)

0.96

1

1.06     (7)

1.06     (5)

3

1.06     (7)

0.91

4

1.00     (11)

0.94

7

2.55  (1)

2.36     (1)

8

0.93

0.92

9

1.07     (6)

1.01     (6)

10

1.01     (10)

0.93

16

1.12   (5)

1.12    (2)

20

1.00     (11)

0.99

23

1.03     (8)

0.95

40

0.96

0.93

41

1.18     (3)

1.07    (4)

42

1.00     (11)

0.97

47

0.95

0.94

48

1.01     (10)

1.00     (7)

49

1.36    (2)

1.11     (3)

52

1.02     (9)

0.98

55

1.00    (11)

0.96

56

1.02     (9)

0.93

60

1.13    (4)

1.12  (2)

63

1.02  (9)

0.95

66

1.01    (10)

0.98

68

1.02  (9)

0.99

71

1.00     (11)

0.92

72

1.03     (8)

0.99

73

1.01     (10)

0.94

74

1.00    (11)

0.99

76

1.02     (9)

1.01    (6)

77

همان طور که از جدول(3) برمی آید، مدل های متفاوت، نتایج متفاوتی به دست می دهد. واحد هشت (از دانشجویان گروه مکانیک) در برآورد با هر دو مدل در رتبه اول قرار داد. رتبه دوم در مدل CCR مشترکا متعلق به واحد بیست و واحد شصت و سه است. یکی از گروه الکترونیک و دیگری از گروه مکانیک. رتبه دوم در مدل بازده به مقیاس متغیر یا همان مدل BCC متعلق به نفر پنجاه و دوم از گروه الکترونیک  است. رتبه ها در جدول(3) آورده شده است. اما برای تعیین میزان تأثیر ورودی های تعریف شده در ارزیابی هوش هیجانی، ورودی های اول تا چهارم را به ترتیب حذف کرده و سپس کارایی واحدها را محاسبه می کنیم. میانگین کارایی های به دست آمده به ترتیب نزولی نشان دهنده پایین ترین ضریب تأثیر است (بالا و کوک،2003 و کوک و بالا،2007). بنا به مطالعه انجام شده در ارزیابی هوش هیجانی، کمترین میانگین مربوط به حذف ورودی دوم می باشد. یعنی در این مطالعه، خود مدیریتی کمترین تأثیر در ارزیابی هوش هیجانی را دارد و مکان های بعدی به ترتیب ورودی سوم، ورودی اول و ورودی چهارم است. یعنی مدیریت رابطه بیشترین ضریب تأثیر بر ارزیابی هوش هیجانی دارد.  سپس خود آگاهی و آگاهی اجتماعی در مکان‌های بعدی قرار می گیرد. مقادیر میانگین حاصل  از نمرات کارایی اخذ شده در جدول(4) نشان داده شده است.

 

جدول(4): بررسی تأثیر ضرایب ورودی ها

Table 4

Inputs Effect on Efficiency Score

 

حذف ورودی اول

Input1

حذف ورودی دوم

Input2

حذف ورودی سوم

Input3

حذف ورودی چهارم

Input4

میانگین نمرات کارایی در بین 81 واحد تصمیم گیرنده

Efficiency Average

0.950

0.934

0.944

0.954

 

همان طور که از جدول(4) برمیاید، ورودی چهارم  یعنی مدیریت رابطه با بالاترین میانگین ممکن، بالاترین تأثیر را در ارزیابی هوش هیجانی دارد و کمترین تأثیر را  ورودی دوم(خود مدیریتی) در این مطالعه به خود اختصاص داده است.

 

نتیجه‌گیری:

امروزه، هوش هیجانی به عنوان یکی از معیارهای ارزیابی موفقیت افراد قلمداد می گردد. از این رو در بین دانش آموختگان، نمونه تصادفی 81 تایی از دانشجویان الکترونیک و مکانیک انتخاب گردید. و پرسش نامه هایی که در خصوص هوش هیجانی، برگرفته شده از کتاب تراویس برادبری  به آنها داده شد. چهار فاکتور مهم در ارزیابی  هوش هیجانی( خود مدیریتی،خود آگاهی،آگاهی اجتماعی،مدیریت رابطه) در نظر گرفته شد. بعد از جمع آوری داده‌ها، با استفاده از مدل های تحلیل پوششی داده‌ها،  عملکرد هوش هیجانی دانشجویان مورد ارزیابی قرار گرفت. نتایج ارزیابی نشان می دهد که  دانشجویان  گروه الکترونیک رتبه بالاتری را نسبت به گروه مکانیک کسب کرده اند. برای تمیز دادن واحدهای کارا یعنی افرادی با رتبه یک  از مدل های ابرکارایی استفاده گردید. و سپس برای بررسی تأثیر ضریب چهار فاکتور انتخابی ( خود مدیریتی،خود آگاهی،آگاهی اجتماعی،مدیریت رابطه) در این مطالعه،  مشخص گردید که  مدیریت رابطه بیشترین تأثیر و  خود- مدیریتی کمترین تأثیر را در این ارزیابی داشته است.



1. Howard  Earl Gardner

2. Emotional Intelligence (EI) or Emotional quotient (EQ)

3. Intelligent Quota(IQ)

4. Social Satisfaction

5. Interpersonal relationship

6. Social Adjustment

7. Behavioral Control

8. Mental Health

1. Decision Making Unit(DMU)

2. Charnes, Cooper and Rhodes(CCR)

جهانشاهلو، غلامرضا، حسین‌زاده‌لطفی، فرهاد و نیکومرام، هاشم (1395). تحلیل پوششی داده‌ها و کاربردهای آن، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، چاپ اول.

بلوم، بنجامین (1374). ویژگی‌های آدمی و یادگیری آموزشگاهی، ترجمه علی‌اکبر سیف، مرکز نشر دانشگاهی، تهران، چاپ دوم.

برادبری، تراویس و گریوز، جین (1384). هوش هیجانی (مهارت‌ها و آزمون‌ها)، ترجمه مهدی گنجی، انتشارات ساوالان، تهران، چاپ اول.

Andersen, P & Petersen, N.C. (1993), A Procedure for Ranking Efficient Units in Data Envelopment Analysis, Management Science, 39(10), 1261-1264.

Austin, E. J., Saflofske, D. H., & Egan, V. (2005), Personality, well-being and health correlates of trait emotional intelligence, Personality and individual differences, 38(3), 546-558.

Bala, K & Cook, W. D. (2003), Performance measurement with classification information: an enhanced additive DEA model, OMEGA, 31, 439-450.

Banker, R. D., Charnes, A., & Cooper, W. W. (1984), Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science, 30(9), 1078-1092.

Bar-On, R. (2000), Emotional and social intelligence: Insights from the emotional quotient Inventory, In R. Bar-On & J.D.A Parker. (Eds), the Handbook of Emotional Intelligence (1 (, Jossey-Bass, San Francisco, 368-388.

Bloom, B. S. (1976), Human Characteristics and School learning, Mc Graw-Hill, New York, First Edition.

Bradberry, T., & Greaves, J. (2005), The Emotional Intelligence Quick Book: Everything you need to know to put your EQ to Work, Fireside Publication, First Edition.

Charbonneau, I., & Adelheid, A. M. (2002), Emotional intelligence and leadership in adolescents, Personality Journal Differences, 33(7), 1101-1113.

Charnes A., Cooper, W. W., & Rhodes, E. L. (1978), Measuring the efficiency of decision making units, European Journal of Operational research, 2(6), 429-444.

Chiang C. I., Hwang, M. J., & Liu, Y. H.  (2011), Determining a common set of weights in a DEA problem using a separation vector, Mathematical and Computer Modelling, 54(9–10), 2464–2470.

Cook W. D. & Bala, K. (2007), Performance measurement with classification information in DEA: Input-oriented model, OMEGA, 37, 39-52.

Cooper, W. W., Seiford, L. M., & Tone, K. (2006), Introduction to Data Envelopment Analysis and Its uses: with DEA-Solver Software and References, Springer Publication, Boston, 2nd Edition.

Doyle, J., & Green, R. (1994), Efficiency and Cross-Efficiency in DEA: Derivations, Meanings and Uses, Journal of the Operational Research Society, 45,567-578.

Goleman, D. (1995), Emotional intelligence, New York Bantam Books.

Jahanshahloo, G. R., Hoseinzadeh Lotfi, F., & Nikoo Maram, H. (2016), Data Envelopment Analysis and Its Application, Islamic Azad University, Tehran Science and Research Branch Publication, Tehran, First Edition.

Lopez-Cabrales, A., Pérez-Luño, A., & Cabrera, R. V. (2003), Knowledge as a mediator between HRM practices and innovative activity, Human Resource Management, 48 (4), 485–503.

Mayer J., Caruso, D., & Salovey, P. (2000), Emotional intelligence meets traditional standards for intelligence, Intelligence, 27,267-98.

Salovey, P., & Mayer, J. D.  (1990), Emotional Intelligence, Imagination Cognition and Personality, 9(3), 185-211.

Schutt, N. C. (2001), Emotional intelligence and Inter Personal Relations, Social Psychology and Psychiatry, 141, (4), 523-535.

Trinidad, D. R. (2004), The Proactive association of emotional intelligence with psychosocial smoking risk factor for adolescents, Personality and Individual differences, 36, 4, 945-954.

Taylor S. E., & Kemeny, M. E. (2000), Psychological Resources, Positive Illusions, and Health, American Psychology, 55(1), 99-109.

Zhon, J., & George, J. (2003), Awaking employee creativity: the role of leader emotional intelligence, The leadership Quarterly, 14, 4-5-5450568.

Vanrooy, D. L. (2005), Group Differences in Emotional Intelligence Scores, Personality and Individual Differences, 38, 3, 689-700

Wu, J., Sun, J., & Liang, L. (2012), Cross efficiency evaluation method based on weight-balanced data envelopment analysis model, Computers & Industrial Engineering, 63(2), 513–519.

Yang, G. L., Yang, J. B., Liu, W. B.  & Li, X. X.  (2013), Cross-efficiency aggregation in DEA models using the evidential-reasoning approach, European Journal of Operational research, 231, 393-404.