مدل‌سازی عامل‌بنیان مبتنی بر یادگیری ماشین: شبیه‌سازی تصمیم مهاجرت نیروهای انسانی بخش سلامت

نویسندگان

1 استاد، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران نویسنده مسئول : kazemi@um.ac.ir

2 دانشیار، گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

3 دانشجوی دکتری رشته مدیریت صنعتی گرایش مدیریت سیستم‌ها، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران

4 دانشیار گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران

doi
10.22054/ims.2026.89993.2727
چکیده

مهاجرت نیروی انسانی در بخش سلامت، علاوه بر کاهش کیفیت خدمات درمانی، تبعات مخربی در گستره اجتماعی و اقتصادی کشورهای در حال توسعه مانند ایران دارد. بنابراین مدل‌سازی دقیق رفتار تصمیم‌گیری این قشر نیازمند رویکردهای تحلیلی پیشرفته برای بازنمایی پیچیدگی‌ها و تعاملات اجتماعی است. این پژوهش با هدف طراحی و اعتبارسنجی یک مدل عامل‌بنیان داده‌محور انجام شد تا رفتار مهاجرت نیروی انسانی بخش سلامت ایران را شبیه‌سازی کند. در این پژوهش از داده‌های ثانویه استفاده شد که توسط رصدخانه مهاجرت ایران در سال ۱۴۰۲ با عنوان "پیمایش ملی مهاجرت نخبگان و عوامل موثر بر خروج سرمایه انسانی بخش سلامت" از طریق پرسشنامه استاندارد جمع‌آوری شده بود. روش پژوهش شامل یک چارچوب ترکیبی است که در آن از ۳۸۴ نمونه متوازن‌شده برای آموزش استفاده شد و الگوریتم یادگیری ماشین جنگل تصادفی به عنوان فرامدل رفتاری عامل‌ها عمل کرد تا قوانین تصمیم‌گیری غیرخطی را مستقیماً از داده‌های خرد استخراج نماید. سپس، خروجی این مدل، به عنوان احتمال مهاجرت هر عامل، به مدل عامل‌بنیان وارد شد با مقایسه آن با یک آستانه تصمیم بهینه، اقدام نهایی مهاجرت یا عدم مهاجرت عامل شبیه‌سازی شود. نتایج نشان داد که مدل عامل‌بنیان داده‌محور در پیش‌بینی قصد مهاجرت، به طور معناداری از مدل عامل‌بنیان نظریه‌محور مبتنی بر رگرسیون لجستیک پیشی گرفت. همچنین تحلیل‌ها تأیید کردند که متغیرهای کلیدی سن، سابقه کار، و اثرات شبکه اجتماعی، نقشی غیرخطی و اساسی در شکل‌دهی تصمیم نهایی داشتند.