بابک سهرابی

بابک سهرابی

مدرک تحصیلی: استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران تهران.

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲۰ مورد از کل ۵۳ مورد.
۱.

Tehran Stock Exchange, Stocks Price Prediction, Using Wisdom of Crowd(مقاله علمی وزارت علوم)

کلید واژه ها: Wisdom of Crowd Stock Price Prediction Long Short-Term Memory LSTM

حوزه های تخصصی:
تعداد بازدید : ۳۴ تعداد دانلود : ۳۱
Two predominant methods for analyzing financial markets have been technical and fundamental analysis. However, the emergence of the Internet has altered the trading landscape. The availability of Internet and social media access plays a moderating role in information asymmetry, resulting in investors making informed decisions. Social media has turned into a source of information for investors. Through diverse communication channels on social media, investors articulate their perspectives on whether to buy or sell a stock. According to Surowiecki, the collective opinions gathered through social media frequently offer better predictions than individual opinions, a phenomenon referred to as the Wisdom of the Crowd. The wisdom of the crowd stands as an essential measure within social networks, with its potential to reduce errors and lessen information-gathering costs. In this study, we tried to evaluate the wisdom of the crowd's potential to improve stock price prediction accuracy. So, we developed a prediction model by Long Short-Term Memory based on the wisdom of the crowd. Users’ opinions in Persian about the Tehran Stock Exchange (TSE) stocks were collected from SAHMETO for eight months. The Support Vector Machine classified them into buy, sell, and neutral classes. During the research period, people mentioned 823 stocks, and 52 stocks with over 100 signals were chosen. The results of the study show that although the model presented has achieved an acceptable level of accuracy, correlations between the actual and predicted values exceeded 90%. The accuracy metrics of the proposed model compared to the base model were not improved.
۲.

طراحی سیستم ارزیابی هوشمند جهت پیش بینی خسارت بیمه های آتش سوزی با استفاده از یادگیری عمیق(مقاله علمی وزارت علوم)

کلید واژه ها: ارزیابی ریسک بیمه آتش سوزی پیش بینی خسارت نظریه ریسک یادگیری عمیق

حوزه های تخصصی:
تعداد بازدید : ۸۴ تعداد دانلود : ۶۰
پیشینه و اهداف: بیمه آتش سوزی نوعی بیمه است که از خسارت مالی به اموال محافظت می کند. معمولاً حوادثی مانند آتش سوزی، سرقت و خسارت های مربوط به آب وهوا را پوشش می دهد و می تواند به جبران هزینه های تعمیر یا جایگزینی اموال آسیب دیده کمک کند. شرکت های بیمه و علاقه مندان به توسعه خدمات بیمه آتش سوزی به دنبال استفاده از روش های تحلیلی مدرن برای تجزیه وتحلیل بیمه نامه ها، ارزیابی و پیش بینی خسارت احتمالی آن ها برای مدیریت ریسک هستند. پیش بینی ادعای خسارت، معیاری حیاتی برای پیش بینی خسارت های آتی در شرکت های بیمه است. براساس نظریه ریسک، پیش بینی خسارت عنصری مهم در کسب وکار بیمه آتش سوزی برای ارزیابی حداکثر خسارت احتمالی است. روش شناسی: در این پژوهش سه معیار پیش بینی خسارت (احتمال وقوع، شدت، زمان بروز) با تهیه مجموعه داده، یادگیری و مقایسه الگوریتم های مختلف توصیف می شوند. در ابتدا، تجزیه وتحلیل داده های اکتشافی برای انتخاب ویژگی های مورد نیاز انجام شد و در نهایت 44 قلم اطلاعاتی از اطلاعات بیمه نامه و خسارت پرداختی رشته آتش سوزی انتخاب گردید. ابعاد مجموعه داده ها توسط روش حذف بازگشتی ویژگی ها کاهش یافته و برای هر الگوریتم، مجموعه مختلفی از فیلدهای اطلاعاتی مؤثر انتخاب شده است. ما بیش از 780،000 رکورد بیمه نامه و حدود 70،000 رکورد مرتبط خسارت پرداختی را برای یک بازه ده ساله (ابتدای 1390 تا ابتدای 1400) از بانک اطلاعاتی عملیاتی سامانه آتش سوزی بیمه ایران انتخاب کرده ایم. مدل های یادگیری رگرسیونی برتر مانند رگرسیون خطی، رگرسیون جنگل تصادفی، رگرسیون بردار پشتیبان و شبکه عصبی عمیق برای هر سه الگوریتم پیش بینی خسارت پیاده سازی شد. سپس دقت الگوریتم ها با مقدار میانگین مربعات خطا و مقدار میانگین خطای مطلق مقایسه شد. یافته ها : نتایج پیش بینی مدل نشان داد که بهترین الگوریتم برای هر سه معیار، یادگیری عمیق و مشخصاً شبکه عصبی چندلایه پرسپترون است. پس از تنظیم فراپارامترها و چندین بار اجرا، بهترین الگوریتم یادگیری عمیق با کمترین خطا با مقادیر 0.117 (احتمال وقوع)، 0.042 (شدت خسارت)، 0.106 (زمان بروز خسارت) حاصل شد. پیش بینی نتایج مدل نوآورانه ما در داده های آزمایشی، به این نتیجه رسید که مدل هوشمند ارائه شده دقت مناسبی دارد. شرکت های بیمه به شدت علاقه مند پیش بینی آینده اند و پیش بینی خسارت فرصتی برای کاهش زیان مالی برای شرکت فراهم می کند. به کارگیری یادگیری عمیق در پیش بینی خسارت آتش سوزی و پیش بینی زمان بروز خسارت، علاوه بر احتمال و شدت، نوآوری های مدل هستند. نتیجه گیری: یادگیری ماشین می توانند به شرکت ها کمک کنند تا خدمات خود را با دقت بیشتری بهینه کنند، مدیریت ریسک را تقویت و در نتیجه ابزارهایی برای تصمیم گیری بهتر فراهم نمایند. به کارگیری یادگیری عمیق در پیش بینی خسارت بیمه می تواند به صورت کاربردی جایگزین فرایند دستی پیچیده، زمان بر و نادقیق موجود در شرکت های بیمه شود و سرآغار توسعه نوین در مدیریت ریسک، مدیریت اتکایی و بهبود نرخ گذاری بیمه آتش سوزی باشد.
۳.

Credit Scoring Active Telegram Channels Offering Stock Signals(مقاله علمی وزارت علوم)

کلید واژه ها: Credit scoring Social credit scoring RFM K means CRISP-DM Methodology

حوزه های تخصصی:
تعداد بازدید : ۲۸۷ تعداد دانلود : ۷۹
The impact of personal judgment on the assessment of an individual’s financial situation has been drastically reduced through the development of credit scoring. The systems are capable of deciding based on an applicant’s total score which is a combination of several factors and indicators. Over the past few decades, credit scoring has been considered an essential tool for evaluation in various institutions and has also been able to transform the industry as a whole. Most of the research conducted in the field has taken into account traditional credit scoring, but considering the ever-evolving technological world that we live in and the increasing emergence of new social media networks, such research has now become obsolete. Such technological advancements have not only paved the way for far more sophisticated credit scoring systems but also essentially rendered the previous generations useless. It should be noted that credit scoring and its features have widely been discussed across the globe but, considering the various aspects and models that have to be taken into account, no one best method has been designed or suggested for it so far. This study shows that social media channels tend to perform relatively well in predicting stock market trends when the overall index is growing positively. The research also illustrates that a higher number of days of activity and a large number of signals released do not necessarily mean that the channels can or have credited their offered stock return on a one-month time frame. The methodology used is "CRISP-DM," which consists of six steps. The main variables include social and financial variables that are examined for six months. In the research, we seek to identify, analyze and categorize active telegram channels in stock signals using the data mining model and the RFM method. The k-means algorithm is selected for this category. Then, in each cluster, the importance of social variables and the performance of the channels are extracted by the EXTRATREECLASSIFIER algorithm, and channel performance is measured by considering the changes in the total index.
۴.

واکاوی نظریه های نیازهای روانشناختی بنیادین انسان: یک رویکرد فرانظری(مقاله علمی وزارت علوم)

کلید واژه ها: نیاز نیازهای روانشناختی نیازهای روانشناختی بنیادین نظریه نیازهای انسان فرانظریه

حوزه های تخصصی:
تعداد بازدید : ۵۸۷ تعداد دانلود : ۶۵۵
زمینه: نظریه های نیازهای روانشناختی بنیادین انسان، یکی از پاسخ های محققین به چرایی رفتارهای بشر بوده است و امروزه بیش از آنکه شاهد ظهور نظریه جدیدی در باب نیازهای بنیادین انسان باشیم، شاهد بکارگیری روزافزون این نظریه ها در سایر حوزه ها هستیم؛ با این حال عدم جامعیت در مرور و بررسی تحلیلی این نظریه ها همواره خلاء اساسی در تحقیقات گذشته بوده است. هدف: پژوهش حاضر می کوشد تا در گام نخست نظریه های نیازهای روانشناختی بنیادین را گرد آوری نموده و سپس با رویکردی فرانظری به تجزیه وتحلیل آن ها اقدام نماید. روش: در این مطالعه، برای جمع آوری نظریه ها از روش مرور نظام مند استفاده شده است. جامعۀ آماری پژوهش، کلیه منابع فارسی و لاتین مرتبط با موضوع است که بدون محدودیت زمانی در پایگاه های علمی معتبر انتشار یافته اند. از میان 1152 پژوهش بررسی شده نهایتاً 29 نظریه معتبر استخراج شد. سپس، بر اساس مطالعات گذشته، سه متغیر «ساختار نظریه»، «سطح تحلیل نظریه» و «مقوله بندی های ارائه شده» مبنای انجام تحلیل فرانظریه قرار گرفتند. یافته ها: اکثر نظریه های نیازهای بنیادین انسان از ساختار مجموعه نیازهای مستقل پیروی می کنند، سه نیاز «لذت جویی»، «حفظ بقاء» و «تعلق» تاکنون به عنوان نیاز ریشه ای در سه نظریه متفاوت مطرح و مدل سلسله مراتبی جز در نظریات مازلو در نظریه دیگری تکرار نشده است و چهار نظریه قائل به وجود ارتباطاتی بین مولفه های ذکر شده هستند. سطح تحلیل نیازهای روانی، وجه مشترک همه نظریه ها است و نهایتاً این که کمتر از یک سوم نظریه ها اقدام به مقوله بندی نیازها نموده اند. نتیجه گیری: هریک از نظریه های نیازهای روانشناختی ساختار منحصربه فرد خود را دارند. بکارگیری این نظریه ها برای حل مسائل مختلف در داخل و خارج از حوزه روانشناسی، مستلزم درک شباهت ها و تفاوت های ساختاری این نظریه ها و نیازهای مطرح شده در هریک از آن ها است.
۵.

نقش هویت فناوری اطلاعات در رفتار خودافشایی کاربران شبکه اجتماعی اینستاگرام: پیمایشی پیرامون دانشجویان دانشگاه تهران(مقاله علمی وزارت علوم)

کلید واژه ها: هویت فناوری اطلاعات دغدغه های حریم خصوصی رفتار خودافشایی تناقض حریم خصوصی

حوزه های تخصصی:
تعداد بازدید : ۲۹۵ تعداد دانلود : ۱۲۳
از آن جایی که افراد بیش از هر زمان دیگری از سایت های شبکه های اجتماعی استفاده می کنند، افشای اطلاعات شخصی تبدیل به مساله ای با اهمیت فزاینده در پژوهش و عمل شده است. علیرغم وجود دغدغه های حریم خصوصی، افراد در رفتاری متناقض به افشای اطلاعات شخصی خود می پردازند. ادبیات رشته سیستم های اطلاعاتی توضیحی نسبی برای این تناقض ارائه کرده است. با این حال، مطالعات اخیر توجه به رفتارهای ناخودآگاه مرتبط با حریم خصوصی را توصیه کرده است. تحقیقات نوظهور در زمینه هویت فناوری اطلاعات پنجره جدیدی را برای توضیح بهتر رفتارهای مربوط به استفاده از فناوری باز کرده است. هویت فناوری اطلاعات در واقع، هویت فردی نشأت گرفته از فناوری اطلاعات است و به معنای «میزانی است که یک فرد در حسش نسبت به خود [و در تعریفش از خود] فناوری اطلاعات را جدانشدنی می بیند». هدف این پژوهش بررسی نقش هویت فناوری اطلاعات در رفتار خود افشایی کاربران شبکه های اجتماعی است. بدین منظور، پیمایشی با مشارکت 467 دانشجوی دانشگاه تهران که کاربر شبکه اجتماعی اینستاگرام نیز بودند، انجام شد. نتایج این تحقیق نشان می دهد که هویت فناوری اطلاعات ارتباطی مثبت با خودافشایی در شبکه های اجتماعی دارد و همچنین هویت فناوری اطلاعات به طور غیر مستقیم و از طریق ساز ه های اعتماد، مزایا و مخاطرات ادارک شده با رفتار خودافشایی اطلاعات مرتبط است. یافته های این پژوهش به توضیح بهتر پدیده تناقض حریم خصوصی کمک می کند و نقش هویت فناوری اطلاعات را برای پیش بینی رفتارهای مربوط به حریم خصوصی در نظر می گیرد
۶.

بررسی وضعیت مدل های بلوغ ارائه شده در حوزه هوشمندی و تحلیل کسب وکار: مرور نظام مند پیشینه پژوهش(مقاله علمی وزارت علوم)

کلید واژه ها: هوشمندی وتحلیل کسب وکار مدل بلوغ حوزه های فرایندی کلیدی

حوزه های تخصصی:
تعداد بازدید : ۳۱۷ تعداد دانلود : ۸۶
با توجه به اهمیت هوشمندی کسب وکار، سازمان ها برای ارزیابی قابلیت های خود در این زمینه نیازمند ابزاری هستند که بتواند آن ها را نه تنها در ارزیابی بلکه در برنامه ریزی مسیر ارتقاء و مقایسه ی سطح قابلیت ها در زمان های مختلف به آن ها کمک کند. مدل های بلوغ ابزارهایی بسیار سودمند برای حل این موضوع هستند. در مسیر ارزیابی سطح بلوغ، تصویری از وضعیت سازمان با توجه به شاخص های موردنظر به دست می آید. بدین منظور مطالعات متعددی در زمینه ی توسعه ی مدل های بلوغ هوشمندی کسب وکار انجام شده است و سازمان های متعددی نیز در جهت توسعه ی تجربی این مدل ها اقداماتی انجام داده اند. در پژوهش حاضر سعی شده است با مرورنظام مند ادبیات پژوهش در این زمینه، مدل های بلوغ مرتبط با هوشمندی کسب وکار استخراج و سپس از نظر مبانی نظری مدل، روش شناسی توسعه و حوزه های فرایندی کلیدی پوشش داده شده، مورد بررسی قرار گیرند. این بررسی به سازمان ها کمک می کند تا با توجه به پیچیدگی های صنعت خود از یک یا ترکیبی از مدل های معرفی شده بهره مند شوند و در صورت نیاز به توسعه ی مدل خاص خود، به جنبه های ضروری در توسعه مدل بلوغ هوشمندی کسب وکار توجه داشته باشند.
۷.

شناخت و تحلیل سیستمی متدولوژی های کیفیت داده و ارائه یک چارچوب جامع (با استفاده از روش فراترکیب)(مقاله علمی وزارت علوم)

کلید واژه ها: کیفیت داده متدولوژی کیفیت داده رویکرد سیستمی فراترکیب

حوزه های تخصصی:
تعداد بازدید : ۳۲۷ تعداد دانلود : ۲۶۴
علی رغم وجود تحقیقات فراوان در حوزه کیفیت داده، تاکنون پژوهشی که بتواند دیدگاه جامعی نسبت به متدولوژی های کیفیت داده فراهم آورد، انجام نشده است. در این مطالعه 3909 مقاله و پژوهش مرتبط در بازه ی زمانی ماقبل 2020 از نمایه های استنادی وب آوساینس[1] و اسکوپوس انتخاب شد که با استفاده از روش فراترکیب و معیارهای ورود در نهایت 27 مقاله در راستای هدف پژوهش مورد ارزیابی قرار گرفتند. در این راستا ضمن به کارگیری دیدگاه سیستمی، با استفاده از روش کدگذاری باز، کدهای مربوط به سه مقوله ی اصلی رویکرد سیستمی شامل ورودی، فرایند و خروجی استخراج گردیدند و مفاهیم مشابه در کدهای فرعی و در ادامه کدهای فرعی در کدهای اصلی دسته بندی شدند. ورودی های اصلی شامل زمینه و وضعیت سازمان، داده ها و منابع اطلاعاتی و ابعاد کیفیت داده هستند. همچنین گام های متدولوژی های کیفیت داده در سه مرحله اصلی بازسازی وضعیت، ارزیابی/ اندازه گیری و ارتقاء طبقه بندی شده اند. علاوه بر این خروجی های کیفیت داده در شش دسته کلی شامل فهرست فعالیت ها و تکنیک های مرتبط مشخص شده برای ارتقاء کیفیت داده ها، فرایندهای کنترل شده یا بازطراحی شده، جریان ها و پایگاه های داده اندازه گیری یا ارتقاء داده شده، نتایج ارائه شده از وضعیت کیفیت داده، سیاست ها یا قوانین کیفیت داده تصحیح شده و هزینه ها و منفعت ها طبقه بندی شده اند. نتایج حاصل از این پژوهش می تواند ابزار مناسبی جهت شناخت متدولوژی های کیفیت داده موجود و همچنین ارزیابی نقاط ضعف و قوت متدولوژی های کیفیت داده باشد. [1] Web Of Science (WOS)
۸.

تعریف «نیازهای روانشناختی بنیادین» کاربر در استفاده از محصولات تعاملی و شناسایی مولفه های آن(مقاله علمی وزارت علوم)

کلید واژه ها: تجربه کاربر نیاز نیازهای روانشناختی بنیادین انسان نیازهای روانشناختی بنیادین کاربر

حوزه های تخصصی:
تعداد بازدید : ۱۳ تعداد دانلود : ۱۶
هدف: پژوهش حاضر با هدف ارائه تعریف دقیقی از «نیازهای بنیادین روانشناختی کاربر» در استفاده از محصولات تعاملی و همچنین استخراج مولفه های آن انجام شد. روش تحقیق: در این مطالعه از روش فراترکیب به منظور جمع آوری و تحلیل داده ها استفاده شده است. جامعه آماری پژوهش، پایان نامه ها و مقالات فارسی و لاتین مرتبط با موضوع است که بدون محدودیت زمانی در پایگاه های اطلاعاتی و مجلات علمی پژوهشی معتبر داخل و خارج کشور انتشار یافته اند. 45 عنوان پژوهش با کسب شرایط مناسب برای ورود به فراترکیب انتخاب شدند. یافته ها: پژوهش حاضر در گام اول، با ایجاد تمایز مفهوم «نیازهای روانشناختی بنیادین کاربر» از «نیازهای روانشناختی بنیادین انسان» به تعریف هر یک از این مفاهیم رسیده و سپس در گام دوم تعداد 37 مولفه نیاز روانشناختی بنیادین را استخراج و تعریف نموده است. اصالت اثر: استفاده از ظرفیت نظریه های مربوط به نیازهای روانشناختی انسان در سایر علوم، همواره محدود به بکارگیری یک نظریه خاص بوده است، درحالی که استفاده از یک فرامطالعه که بتواند فرصت های بیشتری برای خلق ایده های جدید مرتبط با طراحی و توسعه محصولات تعاملی فراهم آورد مغفول مانده است. نتایج این تحقیق می تواند به درک عمیق تر از مفهوم نیازهای روانشناختی کاربر در مسیر طراحی محصولات تعاملی کمک نماید. همچنین نیازهای روانشناختی معرفی شده در این پژوهش را می توان به عنوان نقطه شروع طراحی محصولات تعاملی درنظر گرفت و این رویکرد جدید می تواند ظرفیت عظیمی برای ایجاد ایده های خلاقانه و تازه باشد.
۹.

Forecasting Stock Price Movements Based on Opinion Mining and Sentiment Analysis: An Application of Support Vector Machine and Twitter Data(مقاله علمی وزارت علوم)

کلید واژه ها: Social networking Stock Prediction Group Emotion Collective Emotion Sentiment Analysis Opinion Mining Neural Network

حوزه های تخصصی:
تعداد بازدید : ۲۰۳ تعداد دانلود : ۱۳۲
Today, social networks are fast and dynamic communication intermediaries that are a vital business tool. This study aims at examining the views of those involved with Facebook stocks so that we can summarize their views to predict the general behavior of this stock and collectively consider possible Facebook stock price movements, and create a more accurate pattern compared to previous patterns. In this study, we have analyzed two statistical samples, the first being a large dataset containing a variety of tweets with an emotional tag. That is, it needed a set that had already been extracted from each individual tweet by a trusted human or machine. Consequently, we have collected posts on Facebook in an eighty-day period. In this study, we used a tagged dataset using Python's programming language and vector-to-word algorithm. The research results show that, we need stock change information, machine learning and sentiment analysis, and on paper we conclude that positive news about a company excites people to have positive opinions about it which in turn results in people encouraging each other to buy and hold stocks. Meanwhile, the opposite trend is also true, but everything will not always be easy and clear, and it is in areas of high complexity and mental uncertainty that the art of using the three elements mentioned above is evident.
۱۰.

پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (مورد مطالعه: شرکت گلپخش اول)(مقاله علمی وزارت علوم)

کلید واژه ها: بخش بندی مشتریان پیش بینی فروش سیستم پیشنهادگر صنعت خرده فروشی فروش آنی

حوزه های تخصصی:
تعداد بازدید : ۲۴۹ تعداد دانلود : ۸۹
هدف: طی دو دهه اخیر، داده کاوی به یکی از روش های اصلی بهبود اثربخشی و کارایی صنعت خرده فروشی تبدیل شده و صنعت خرده فروشی نیز به دلیل ماهیت داده های آن، از زمین های بازی مورد علاقه علم داده کاوی بوده است. در این مطالعه به پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (FMCG) با هدف افزایش کمّی و کیفی فروش در مورد مطالعه شرکت گلپخش اول پرداخته شده است. روش: تحقیق حاضر از لحاظ هدف در دسته پژوهش های کاربردی قرار می گیرد و از نظر نحوه گردآوری داده ها، پیمایش داده ای طرح ریزی شده است. مراحل اجرای تحقیق مبتنی بر فرایند CRISP-DM است که از مدل خوشه بندی RFMCL و تکنیک های دسته بندی و پیش بینی رگرسیونی استفاده کرده و در نهایت برای پیشنهاد از روش پیشنهاددهی مشارکتی بهره برده است. یافته ها: حاصل مطالعه یک مدل پیش بینی است که به بهترین مشتریان، کالاهایی را که تا به حال خرید نکرده اند، در تاریخ خاص و به مقدار خاص پیشنهاد داده و بدین ترتیب روش فروش سفارشی را به فروش آنی تغییر می دهد. سیستم نهایی از سه زیر مدل خوشه بندی مشتریان، پیش بینی فروش و زیرسیستم پیشنهادگر تشکیل شده است. در زیرمدل خوشه بندی، مدل جدید RFMCL متناسب با مورد مطالعه توسعه یافته است. در زیرمدل پیش بینی فروش، مدل پنج متغیره ای با استفاده از رگرسیون با دقت MSE/Range 24/2 درصد ایجاد شده است. نتیجه گیری: با پیاده سازی این مدل در شرکت، برنامه ریزی تولید پیش فعالانه شده و فرایند فروش از ویزیتوری به «فروش آنی» تغییر می یابد که این تغییر، صرفه جویی شایان توجهی در حمل و نقل و هزینه های پرسنلی فروش به ارمغان خواهد آورد.
۱۱.

Topic Modeling and Classification of Cyberspace Papers Using Text Mining

کلید واژه ها: Cyberspace text mining trend discovery topic modeling

حوزه های تخصصی:
تعداد بازدید : ۶۰۸ تعداد دانلود : ۲۹۷
The global cyberspace networks provide individuals with platforms to can interact, exchange ideas, share information, provide social support, conduct business, create artistic media, play games, engage in political discussions, and many more. The term cyberspace has become a conventional means to describe anything associated with the Internet and the diverse Internet culture. In fact, cyberspace is an umbrella term that covers all issues occurring through the interaction of information systems and humans over these networks. Deep evaluation of the scientific articles on the cyberspace domain provides concentrated knowledge and insights about major trends of the field. Text mining tools and techniques enable the practitioners and scholars to discover significant trends in a large set of internationally validated papers. This study utilizes text mining algorithms to extract, validate, and analyze 1860 scientific articles on the cyberspace domain and provides insight over the future scientific directions or cyberspace studies.
۱۲.

کشف ویژگی های حوزه های تحقیقاتی نوظهور با استفاده از روش فراترکیب(مقاله علمی وزارت علوم)

تعداد بازدید : ۱۴۱ تعداد دانلود : ۵۸
کشف حوزه های تحقیقاتی نوظهور از جمله موارد مهم برای سیاست گذاران علم و فناوری و پژوهشگران است. علی رغم اهمیت این موضوع تاکنون مطالعه جامعی به منظور ارائه تعریفی مشخص و همچنین تبیین مؤلفه های شناسایی یک حوزه تحقیقاتی نوظهور انجام نشده است. در این مطالعه 1883 مقاله و پژوهش مرتبط سال های 1970 تا 2017 از نمایه استنادی Web of science انتخاب شد که با استفاده از روش فراترکیب و معیارهای ورود، در نهایت 68 مقاله در راستای هدف مطالعه مورد ارزیابی قرار گرفتند. معیارهایی که مفهوم نوظهور بودن یک حوزه یا شاخه علمی را بیان می دارند استخراج و سه مقوله «تعمیم پذیری»، «نوآوری» و «نفوذ» به علاوه 9 مفهوم و 29 کد متناظر با هر معیار، طراحی و تبیین شد. در این مطالعه همچنین تعریفی از یک حوزه علمی نوظهور ارائه شد: "حوزه علمی با اهمیت زیاد که به تازگی ایجاد و فرآیند شکل گیری آن به سرعت طی شده باشد و پس از ایجاد نیز سطح وسیعی از تأثیرات و وابستگی ها را بر روی پژوهش های حوزه خود و سایر حوزه ها داشته باشد و نظر تعداد زیادی از پژوهشگران و دست اندرکاران علمی را هم به خود جلب کند". کلیدواژه ها: کشف، حوزه تحقیقاتی، نوظهور، فراترکیب برای استنادات بعدی به این مقاله، قالب زیر به نویسندگان محترم مقالات پیشنهاد می شود: Sohrabi, B., Khalili Jafaraabd, A., & Roodi, A. (2017). Discover the Properties of Emerging Research Areas Using Meta-Synthesis Method. Journal of Science & Technology Policy, 9(4), 15-30. {In Persian}.
۱۳.

ارائه مدلی جهت دسته بندی حساسات خریداران کتاب با استفاده از رویکرد ترکیبی(مقاله علمی وزارت علوم)

کلید واژه ها: متن کاوی تحلیل احساسات عقیده کاوی مدل ترکیبی

حوزه های تخصصی:
تعداد بازدید : ۴۴۹ تعداد دانلود : ۳۵۳
  در سال های اخیر رشد شبکه های اجتماعی و به تبع آن افزایش فزاینده محتوای این شبکه ها باعث شده است تا افراد برای خرید و استفاده از محصولات، خدمات و یا حتی انتخاب های سیاسی خود از نظرات سایر افراد برای تصمیم گیری استفاده نمایند. با توجه به آنکه نظرات کاربران به صورت متنی است و خواندن و جمع بندی آن ها زمان بر و مشکل است، خودکارسازی استخراج عقاید و احساسات نظرات کاربران یکی از راهکارهای پیشنهادی برای سایت های فروش آنلاین جهت ارائه خدمات کاراتر به مشتریان جهت تصمیم گیری آگاهانه تر است. تحلیل احساسات یا عقیده کاوی فرآیندی است که نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می شود و به عنوان شاخه ای از متن کاوی شناخته می شود. نتایج حاصل از تحلیل احساسات می تواند در سیستم های پیشنهاددهنده جهت ارائه پیشنهاد های کاراتر برای خرید مورد استفاده قرار گیرد. اطلاعات حاصل از عقیده کاوی می تواند در زمینه های مختلف ازجمله کتابخانه ها در انتخاب بهتر و خرید مبتنی بر نظرات واقعی کاربران کاربرد داشته باشد. در این پژوهش سیستمی جهت دسته بندی خودکار احساسات بیان شده در نظرات مربوط به خریداران کتاب سایت آمازون ارائه شده است. سیستم با استفاده از مدل های ترکیبی برای تحلیل احساسات نظرات کاربران سایت آمازون طراحی شده است. جهت کلیه تحلیل ها از پکیج های متن کاوی پایتون استفاده است. نتایج نشان می دهند سیستم پیشنهادی می تواند به صورت خودکار نظرات مثبت و منفی را با دقت بالای 80% دسته بندی نماید.
۱۴.

ارزیابی روند های توسعه و اجرای سیستم های اطلاعاتی در حوزه مدیریت منابع انسانی با استفاده از روش های متن کاوی(مقاله علمی وزارت علوم)

کلید واژه ها: خوشه بندی متن سیستم های اطلاعاتی مدیریت منابع انسانی متن کاوی همبستگی لغات

حوزه های تخصصی:
تعداد بازدید : ۷۰۴ تعداد دانلود : ۳۶۹
مدیریت منابع انسانی با ظهور سیستم های اطلاعاتی شاهد تغییرات بسیاری بوده و سیستم های اطلاعاتی توانسته است در جای جای این حوزه وارد شود. همچنین، کاربرد های گسترده سیستم های اطلاعاتی در مدیریت منابع انسانی بر کسی پوشیده نیست، اما اینکه این سیستم ها در کدام یک از حوزه های مدیریت منابع انسانی نقش پررنگ تری ایفا کرده و کاربرد بیشتری داشته است مسئله مهمی است که تاکنون به آن پرداخته نشده است. درنتیجه هدف از انجام این پژوهش یافتن ارتباط میان کلمات این حوزه، تشخیص پرکاربرد ترین کلمات، همچنین مطالعه روند کلی سیستم های اطلاعاتی در حوزه مدیریت منابع انسانی، با استفاده از روش های متن کاوی است. از میان روش های موجود متن کاوی، از وزن دهی به کلمات، همبستگی کلمات و الگوریتم خوشه بندی استفاده شده است. داده های این پژوهش از میان نشریات برتر بین المللی سیستم های اطلاعات از پایگاه داده اسکوپوس و بین سال های 2013 تا 2017 جمع آوری شده است. این مطالعه با استفاده از الگوریتم های متن کاوی روی تیتر، چکیده و کلمات کلیدی سعی در پیداکردن ارتباط میان این کلمات و روند کلی سیستم های اطلاعاتی در حوزه مدیریت منابع انسانی دارد. نتایج این تحقیق می تواند اطلاعات مفیدی را در اختیار محققان قرار دهد درخصوص اینکه چه موضوعاتی اهمیت و به تمرکز بیشتری نیاز دارند؟. از نتایج این تحقیق می توان به اهمیت موضوعات مدیریت دانش و خصوصاً فرایند تسهیم دانش، تیم های مجازی، استفاده از سیستم اطلاعات منابع انسانی و نقش پررنگ شبکه های اجتماعی در سازمان اشاره کرد.
۱۵.

تحلیل نظرات کاربران وب سایت های تجارت اجتماعی بر اساس روش های متن کاوی و داده کاوی(مقاله علمی وزارت علوم)

تعداد بازدید : ۸۷ تعداد دانلود : ۴۶
هدف از این پژوهش مطالعه و تحلیل نظرات کاربران وب سایت های تجارت اجتماعی با بهره گیری ترکیبی از تکنیک های متن کاوی و داده کاوی است. بدین منظور پایگاه داده وب سایت تریپ ادوایزر مورد ارزیابی قرار گرفته و از میان همه کاربرانی که در مورد یکی از هتل های شهر لیسبون پرتغال ابراز نظر کرده اند، نمونه گیری سیستماتیک انجام می شود. سپس همه نظرات این کاربران نمونه در مورد همه مطالب از قبیل هتل ها، رستوران ها و اماکن دیدنی استخراج شده و با استفاده از نرم افزار رپیدماینر و تکنیک های متن کاوی و داده کاوی تجزیه و تحلیل می شوند. محاسبه شاخص دیویس و بولدین بهینه ترین تعداد خوشه، سه به دست می آید و کاربران به سه خوشه تقسیم می شوند. هر خوشه دارای ویژگی های منحصر به فردی است که پرتغال دوست، رستوران دوست و سفر دوست نامیده می شوند. سپس بر اساس ویژگی های هر خوشه و اطلاعات موجود در پروفایل کاربران با استفاده از قواعد انجمنی اقدام به شناخت بیشتر هر خوشه می شود. در انتها متناسب با ویژگی های تحلیل شده هر خوشه اقدام به ارائه راهکار جهت افزایش مشارکت آن ها در وب سایت کرده، و پیشنهاد های ترفیعی هدفمندی برای هر کدام از این خوشه ها بیان می شوند.
۱۶.

ارزیابی کیفیت پر مشاهده ترین وب سایت های خبری در ایران مبتنی بر روش یادگیری ماشین(مقاله علمی وزارت علوم)

کلید واژه ها: TOPSIS روش تاپسیس ارزیابی وب سایت خودکارسازی یادگیری ماشین وب سایت های خبری

حوزه های تخصصی:
تعداد بازدید : ۹۰۶ تعداد دانلود : ۴۴۵
موفقیت و کارایی وب سایت ها تا حد زیادی وابسته به کیفیت وب سایت می باشد. بزرگ ترین سهم از مفهوم جدید کیفیت این است که جنبه های فنی محصولات و سرویس ها، با استفاده و برداشت مشتریان ترکیب می شود. بنابراین ارزیابی وب سایت ها بر اساس بیشترین استفاده و درک از سمت مشتریان امر مهمی به شمار می آید تا موفقیت یک وب سایت را به سازمان های مربوطه اعلام کند. این رتبه بندی و ارزیابی بایستی در یک دامنه خاص فعالیتی صورت بگیرد، تا رتبه یک وب سایت بسته به دیگر رقبای آن تعیین گردد. در این پژوهش بر این بوده ایم تا بتوان با به دست آوردن اطلاعات وب سایت ها به صورت خودکار و بدون دخالت نیروی انسانی، ارزیابی وب سایت ها را به صورت لحظه ای و بلادرنگ ممکن ساخت. بنابراین از دو روش یادگیری ماشین، شبکه عصبی و ماشین بردار پشتیبان برای این منظور استفاده شده است. از آنجایی که از الگوریتم یادگیری با نظارت در این روش ها استفاده کرده ایم، نیاز به داده های برچسب دار وجود داشت که به جای برچسب دار کردن خروجی ها توسط خبرگان و به صورت دستی از یکی از روش های تصمیم گیری چندمعیاره(MCDM) به نام تاپسیس کمک گرفته شده است. در این روش محاسبه وزن های معیارهای ارزیابی از روش آنتروپی به صورت خودکار محاسبه گردیده است. درنهایت رتبه بندی 791 وب سایت خبری که بر اساس گزارش الکسا بیشترین بازدیدکننده از طرف کاربران ایرانی را داشته اند، با روش تاپسیس حاصل شد، ولی از سمتی دیگر ارائه یک رتبه عددی به عنوان خروجی نهایی ارزیابی وب سایت ها چندان با هدف رقابت وب سایت ها همخوانی ندارد، به همین خاطر از این رتبه های عددی به عنوان خروجی روش های یادگیری ماشین به جای رتبه بندی خبرگان و افراد استفاده گردید تا بتوان وب سایت ها را در شش طبقه جداگانه از بسیار عالی تا بسیار ضعیف برچسب دار نمود. در ادامه از روش های یادگیری ماشین ذکر شده جهت طبقه بندی و همچنین پیش بینی طبقه یک وب سایت جدید استفاده شده است. نهایتا، این پژوهش به این نتیجه رسید که امکان طراحی سیستمی با دقت بالا برای ارزیابی وب سایت های خبری با روش شبکه عصبی و ماشین بردار پشتیبان وجود دارد به گونه ایی که این سیستم از عوامل مهم تاثیرگذار بر کیفیت وب سایت های خبری که به صورت خودکار قابلیت جمع آوری اطلاعات آن ها و جود داشته باشد، تشکیل شده باشد.
۱۷.

ارائه الگویی برای تحلیل رفتار کاربران شبکه های اجتماعی با استفاده از روشهای داده کاوی: مطالعه موردی یک شبکه اجتماعی در ایران(مقاله علمی وزارت علوم)

۱۸.

بخش بندی مشتریان صنعت دارو بر اساس مدل RFML(مقاله علمی وزارت علوم)

کلید واژه ها: بخش بندی مشتریان داده کاوی صنعت دارو مدل RFML

حوزه های تخصصی:
تعداد بازدید : ۲۶۴ تعداد دانلود : ۷۲
در صنعت دارو مدیران بازاریابی و فروش با حجم انبوهی از داده های فروش شرکت های پخش، به داروخانه های مشتری خود مواجه اند. یکی از روش هایی که به آنان در کنترل وضعیت بازار، رقابت با سایر رقبا، برنامه ریزی هر چه بهتر برای افزایش فروش محصولات خود و در نتیجه هدفمند کردن فعالیت های بازاریابی کمک خواهد کرد، آگاهی از بخش بندی های مختلف مشتریان و سیاست گذاری بازاریابی و فروش بر مبنای آن خواهد بود. هدف اصلی این مقاله، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخش های مختلف مشتریان و ارائه پیشنهاد های متناسب با هر بخش، به منظور حفظ و افزایش خرید آنان به کمک روش های داده کاوی است. در این تحقیق، بر اساس متغیرهای تازگی، تکرار، ارزش پولی و مدت زمان خرید در مدل RFML، داروخانه ها در خوشه های مختلف قرار گرفته و تحلیل شده اند. در نتیجه این بخش بندی، سه دسته داروخانه به نام های: داروخانه های کم خرید و کم سود، با میزان خرید و سود متوسط و وفادار و پُر سود از نظر روند فروش شناسایی شدند و بر اساس این بخش بندی، تحلیل های مربوط به آن ارائه شده است
۱۹.

طبقه بندی و تحلیل عوامل مؤثر بر استفاده کارآمد از سیستم های اطلاعاتی یکپارچه در سازمان های دولتی ایران(مقاله علمی وزارت علوم)

کلید واژه ها: استفاده کارآمد سازمان دولتی سیستم اطلاعاتی یکپارچه طبقه بندی

حوزه های تخصصی:
تعداد بازدید : ۲۸۴ تعداد دانلود : ۱۰۳
طی سال های اخیر، پیاده سازی سیستم های اطلاعاتی یکپارچه در سازمان های دولتی ایران، افزایش چشمگیری داشته است. این مهم در سازمان های مادر و چندشعبه ای نمود بارزتری دارد. با توجه به اینکه هزینه، مدت و کیفیت پیاده سازی این سیستم ها، تأثیرات شگرفی بر اثربخشی و مدیریت سازمان های دولتی دارد، شناسایی، طبقه بندی و تحلیل عوامل و شاخص های اثرگذار بر استفاده کارآمد از این سیستم ها، اهمیت بیشتری یافته است. در این تحقیق، پنج عامل مؤثر شامل اثرگذاری کارکنان دولت؛ اثرگذاری سیستم و شاخص های فنی و زیرساخت فناوری اطلاعات؛ شاخص های کارکردی و فرایندهای سازمان های دولتی؛ شاخص های مدیریتی و حاکمیتی دستگاه های دولتی؛ اثرگذاری قوانین و الزامات ساختار دولتی و در نهایت، استفاده کارآمد دستگاه های دولتی از سیستم های اطلاعاتی یکپارچه، توسط پرسشنامه سنجیده شد، سپس با استفاده از الگوریتم طبقه بندی، تفکیک شاخص های اثرگذار صورت پذیرفت و در نهایت نتایج داده کاوی، اعتبارسنجی و تحلیل شدند. نتیجه نهایی نشان دهنده اثرگذاری فراوان عامل میزان تعهد و اشتیاق کارکنان و سطوح مدیریتی دستگاه دولتی و پس از آن، زیرساخت های فنی و فرایندی بر استفاده کارآمد از سیستم های اطلاعاتی یکپارچه است.
۲۰.

تدوین الگوی مدیریت ارتباط با دانشجو در دانشگاه های ایران(مقاله علمی وزارت علوم)

کلید واژه ها: مدیریت ارتباط با دانشجو مدیریت ارتباط با مشتری نظریه برخاسته از داده ها کدگذاری دانشگاه

حوزه های تخصصی:
تعداد بازدید : ۴۳۴ تعداد دانلود : ۲۷۸
در حال حاضر در بیشتر دانشگاه ها مشکلات زیادی در رابطه با فرایندهای مدیریت ارتباط با دانشجو به چشم می خورد و دانشجویان، اساتید و پرسنل دانشگاه در طول چرخه عمر کاری خود با آن مشکلات روبرو هستند. همواره در دانشگاه ها به این مشکلات اشاره شده و بودجه های کلانی جهت خرید، توسعه و یا بهبود این سیستم ها هزینه گردیده است ولی متأسفانه بسیاری از مشکلات یا برطرف نشده اند و یا صرفاً مقداری از شدت آن ها کاسته شده است. بدین منظور پژوهشی صورت پذیرفت تا الگویی جهت مدیریت ارتباط با دانشجویان ارائه داده و این مسئله را بررسی و مرتفع نماید. در این پژوهش از روش کیفی نظریه مبتنی بر داده ها استفاده شده و جهت توسعه الگو با خبرگان مصاحبه صورت پذیرفته است. کدگذاری باز، محوری و گزینشی و رسیدن به کفایت بلوغ یافتگی داده ها و یافته ها از طریق نمونه گیری نظری مراحل توسعه این الگو را تشکیل می دهند. این مقاله بعد از معرفی اجمالی از پیشینه پژوهش، روش پژوهش و مراحل کدگذاری را شرح داده و در انتها ضمن جمع بندی و معرفی ذی نفعان و استفاده کنندگان از این الگو، جهت ادامه و توسعه این پژوهش پیشنهاداتی را ارائه می دهد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان