كاربرد شبكه‌هاي عصبي مصنوعي در بررسي ارتباط بين سرمايه‌اجتماعي و رضايت مشتري

Application of Artificial Neural Networks to Recognize the Relationship between Social Capital and Customer Satisfaction

هدف از اين تحقيق توسعه يك مدل از شبكه‌هاي عصبي مصنوعي براي شناسايي ارتباط بين سرمايه اجتماعي و رضايت مشتري است. بدين منظور، ضمن مرور ادبيات و مفاهيم موجود در زمينه سرمايه‌اجتماعي و رضايت مشتري، عوامل موثر مورد مطالعه قرار گرفت. تحقيق حاضر بر پايه دو مجموعه داده متفاوت استوار است. اولين مجموعه داده‌ها از پاسخگويي 100 مدير از شركت‌هايي كه در زمينه قطعه‌سازي خودرو در آذربايجان شرقي فعاليت مي‌كنند، جمع‌آوري شده است. حجم اين نمونه با استفاده از جدول بارتلت بدست آمده است. براي گردآوري داده‌هاي سرمايه‌اجتماعي و ابعادش از پرسشنامه استفاده شده است. دومين مجموعه داده‍ا از پاسخ مشتريان به پرسشنامه‌هايي كه با طيف 5 نقطه‌اي ليكرت(كاملاً موافق،...، كاملاً مخالف) طراحي شده‌اند، جمع‌آوري گرديد. روش تحقيق از نوع همبستگي است. از ضريب همبستگي اسپيرمن و شبكه‌هاي عصبي مصنوعي براي تجزيه و تحليل داده‌ها استفاده شده است. شبكه‌هاي عصبي چند لايه، با تابع آموزشي تانژانت هايپربوليك، آموزش داده شده با الگوريتم پيش‌خور براي ساخت مدل شناسايي بكار گرفته شده‌اند. آزمون سوالات نشان داد كه رابطه معني‌داري بين سرمايه ‌اجتماعي و رضايت مشتري وجود دارد.

The purpose of the present research was to develop a neural networks model to identify the relationship between social capital and customer satisfaction. For this purpose, the effective factors were investigated by reviewing the literature and the related concepts in social capital and customer satisfaction. The present research is based on information obtained from two different data sets. The first data set was built up from the responses of 100 managers of the companiesʹ active in the field of automobile parts manufacturing industries in East Azarbaijan. This sample was chosen by Bartlett charts. For gathering information about SC and its dimensions, we used a questionnaire. The second data set resulted from the responses of customers to a questionnaire survey formulated according to five-point Likert scale items ranging from strongly disagree to strongly agree. The method of research is correlation. Spearman correlation coefficient and Artificial Neural Networks were used for data analysis. Multi-layer perceptron (MLP) neural networks with hyperbolic tangent function, trained by feed forward algorithm, were utilized to build the identification model. Testing the questions showed that there is a significant relation between social capital and customer satisfaction.