Tekst badawczy „Innovative machine learning approach and evaluation campaign for predicting the subjective feeling of work-life balance among employees" przygotowany przez naukowców z Uniwersytetu Technologiczno-Przyrodniczego oraz Uniwersytetu Kazimierza Wielkiego: dr hab. Renatę Tomaszewską, prof. uczelni i prof. dra hab. Ryszarda Gerlacha, został opublikowany w prestiżowym czasopiśmie PLOS ONE wydawanym przez Public Library of Science (wskaźnik cytowań w 2018 r. 2.776; 100 pkt.).
Artykuł ten jest efektem zastosowania sztucznej sieci neuronowej do predykcji czynników wpływających na subiektywne poczucie osiągania równowagi praca-życie przez pracowników. W dzisiejszych czasach hasło „sztuczna inteligencja” wywołuje dwoiste reakcje. Z jednej strony budzi skojarzenie z filmami z gatunku science fiction, gdzie nierzadko przejmuje ona władzę nad światem i w rezultacie doprowadza do anihilacji rodzaju ludzkiego. Z drugiej zaś strony, dla osób mających nieco tylko większe rozeznanie w temacie, stanowi nadzieję na poprawę bardzo wielu aspektów życia codziennego, zarówno dla jednostek, jak i firm, miast czy całych państw. W kontekście pracy spekuluje się, że tzw. uczenie maszynowe odciąży człowieka w wykonywaniu przynajmniej części obowiązków, usprawni procesy albo pomoże znaleźć najefektywniejsze sposoby wykonania zadań. Co za tym idzie, na dłuższą metę pomoże w poprawieniu równowagi praca-życie (Work-Life Balance) osób zatrudnionych, a więc wpłynie na podniesienie jakości ich życia. Gdyby jednak sztuczną inteligencję samą w sobie zastosować do zbadania jak osiągnąć WLB? Dostępna literatura nie odnotowuje podejmowania takich prób. W związku z tym, autorzy niniejszego artykułu postanowili za pomocą sztucznej sieci neuronowej zbadać, czy istnieją konkretne czynniki, które wpływają na subiektywne poczucie osiągnięcia równowagi przez pracowników i w przyszłości pomogłyby zarówno w predykcji, jak i zapobieganiu występowania konfliktu na linii „praca – życie osobiste".
Pedagodzy w sukcesie bydgoskich naukowców!
18 maja 2020
modyfikacja: 22.05.2020 10:01