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 ۴۱ تا ۵۳ مورد از کل ۵۳ مورد.
۴۱.

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 : ۳۲۹ تعداد دانلود : ۱۳۲
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.
۴۲.

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 : ۳۱۸ تعداد دانلود : ۱۰۶
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
۴۳.

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 : ۲۸۹ تعداد دانلود : ۱۱۹
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.
۴۴.

سنجش میزان موفقیت پیاده سازی پودمان مالی سیستم برنامه ریزی منابع سازمان: ارزیابی تخصصی زیرسیستم های پودمان مالی(مقاله علمی وزارت علوم)

کلید واژه ها: بهترین تجارب پودمان مالی سیستم برنامه ریزی منابع سازمان

حوزه های تخصصی:
تعداد بازدید : ۲۴۵ تعداد دانلود : ۱۱۶
در سال های اخیر، استفاده از سیستم برنامه ریزی منابع سازمان در سازمان های خصوصی و دولتی ایران رشد چشمگیری داشته است. بررسی بهترین تجارب پیاده سازی پودمان مالی سیستم های برنامه ریزی منابع سازمان، سبب کاهش میزان شکست در پیاده سازی این سیستم می شود؛ چراکه پودمان مالی، مهم ترین بخش کاربری این سیستم را شکل می دهد و استقرار صحیح و مدیریت بهینه مالی سازمان، به واسطه استفاده از بهترین تجارب پیاده سازی آن امکان پذیر است. در پژوهش حاضر با مطالعه دقیق ادبیات موضوعی مرتبط، شاخص های عمومی و اختصاصی ارزیابی پیاده سازی موفق پودمان مالی سیستم برنامه ریزی منابع سازمان شناسایی شد و سپس نسبت به یافتن اولویت این شاخص ها اقدام گردید. با استفاده از ابزارهای پرسشنامه و مصاحبه با مدیران و کارشناسان فنی استقرار پروژه در کمیته امداد، فهرستی از بهترین تجارب پیاده سازی پودمان مالی سیستم برنامه ریزی منابع سازمان به دست آمد و در ادامه، به تحلیل و بررسی هریک از پودمان های مهم مالی این سیستم پرداخته شد. نتایج این پژوهش راهکارهای مناسبی را برای پیاده سازی پودمان مالی در سازمان های مشابه دیگر ارائه می کند.
۴۵.

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 : ۲۳۹ تعداد دانلود : ۱۶۳
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.
۴۶.

The Decision Support System for the Resolution of Real-life Vehicle Routing and Scheduling Problem(مقاله علمی وزارت علوم)

تعداد بازدید : ۲۰۶ تعداد دانلود : ۱۶۱
In this paper, we investigate a decision support system (DSS) for the resolution of real-life vehicle routing and scheduling problem (VRSP). Scheduling the deliveries from a regional distribution centre (RDC) to large stores of a major fmcg retailer includes every possible vehicle routing complexity. Usual constraints that are seen are: size of the vehicle and the length of the driving day, loading feasibility of products in different parts of the vehicle, and also with various time windows. More importantly, in this scheduling decision-making is customer oriented, in which, Customer's value for the company is considered as one of the most important factors. The algorithms for the resolution of the distribution problems constitute a very important part of DSS. Therefore, a simulated annealing based algorithm has been developed to speed up the process by circumventing the need for the skeletal schedule.
۴۷.

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

تعداد بازدید : ۱۸۲ تعداد دانلود : ۱۲۹
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}.
۴۸.

ارایه مدلی جامع برای ارزیابی تسهیم دانش در سازمان های پروژه محور دولتی بر مبنای عوامل انسانی، سازمانی و فنی(مقاله علمی وزارت علوم)

کلید واژه ها: بهبود عملکرد تسهیم دانش دولت سازمان پروژه ای

حوزه های تخصصی:
تعداد بازدید : ۱۵۱ تعداد دانلود : ۹۸
امروزه استفاده از دانش سازمانی و تسهیم مؤثر آن بین کارکنان دولتی، به منبعی راهبردی برای دستیابی به مزیت رقابتی و حفظ آن تبدیل شده است. برای دستیابی به چنین مزیتی، سازمان های دولتی نیازمند راهکارهایی هستند که آن ها را قادر به بهبود عملکرد تسهیم دانش نموده و در دستیابی به موقعیت بهتر یاری رسانند. بر این اساس هدف اولیه این پژوهش عبارت است از مرور ادبیات بین المللی پژوهش در حوزه تسهیم دانش و شناسایی عواملی که بر عملکرد تسهیم دانش در سازمان های دولتی مبتنی بر پروژه مؤثر هستند. این عوامل در این پژوهش به سه دسته عوامل فردی، سازمانی و فنی تقسیم بندی شدند. با توجه به نتایج آماری به دست آمده عوامل فردی، سازمانی و فنی بر تسهیم دانش مؤثر هستند. یکی از سازمان های بزرگ دولتی نیز به عنوان سازمان مورد بررسی انتخاب شد و توسط آزمون های آماری بررسی شده و شرایط تسهیم دانش در این سازمان مشخص شده است. در نهایت پیشنهادهایی برای بهبود عملکرد تسهیم دانش در سازمان های پروژه ای ارایه شده است.
۴۹.

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 : ۱۴۸ تعداد دانلود : ۱۲۲
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.
۵۰.

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

تعداد بازدید : ۱۲۰ تعداد دانلود : ۸۰
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.
۵۱.

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 : ۱۰۸ تعداد دانلود : ۷۷
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.
۵۲.

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 : ۸۶ تعداد دانلود : ۶۰
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.
۵۳.

ارائه سیستمی کاربردی برای ارزیابی میزان کیفیت وب سایت کتابخانه های دیجیتال در ایران بر مبنای طراحی سیستم استنتاج فازی(مقاله علمی وزارت علوم)

کلید واژه ها: آنتروپی شانون خدمات سیستم استنتاج فازی نسبت اعتبار سنجی محتوا وب سایت کتابخانه دیجیتال

حوزه های تخصصی:
تعداد بازدید : ۷۷ تعداد دانلود : ۴۶
هدف : هدف اصلی این مقاله ارائه یک سیستم استنتاج فازی جامع از مجموعه خدمات مهم وب سایت های فارسی کتابخانه ها برای ارزیابی کیفیت وب سایت کتابخانه های دیجیتال جهت ارتقاء کیفی این خدمات می باشد. روش: خدمات اساسی و ضروری جهت ایجاد و بهبود وب سایت کتابخانه های دیجیتال در ایران پس از بررسی سی و پنج وب سایت پر بیننده کتابخانه های دیجیتال در ایران استخراج گردیده و توسط آزمون های آماری آنتروپی شانون و نرخ اعتبار سنجی محتوا، مورد بررسی و تحلیل قرار گرفته است. در ادامه با استفاده از روش شناسی ایجاد سیستم استنتاج فازی، سیستم فازی به منظور کیفیت وب سایت کتابخانه های دیجیتال در ایران طراحی گردیده است. یافتهها: یافته های این پژوهش مشتمل بر شناسایی پرکاربردترین خدمات وب سایت های کتابخانههای دیجیتال و طراحی سیستم استنتاج فازی جهت ارزیابی کیفیت وب سایت های کتابخانه های دیجیتال در ایران می باشد. سیستم ارائه شده برای طراحان و مدیران وب سایت کتابخانه های دیجیتال این امکان را فراهم می سازد که بر مبنای پرکاربردترین خدمات وب سایت ها، نسبت به ارزیابی سایت اقدام نموده و نقاط ضعف را شناسایی نمایند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان