احمد بختیاری شهری

امروزه در بسیاری از کشورها به منظور کاهش هزینه های سربار بازرگانی، از تجارت الکترونیکی استفاده می شود. در ایران نیز گسترش فعالیت های اقتصادی، برقراری ارتباط با کشورهای خارجی و رشد استفاده از دستگاه های الکترونیکی، شرکت های کوچک و متوسط را به این سمت سوق داده است. اهمیت استفاده از تجارت الکترونیک، نه تنها در بسیاری از شاخص های رشد شرکت ها تأثیرگذار است، بلکه هزینه تهیه اطلاعات و پردازش و کاربرد اطلاعات را نیز کاهش می دهد. یکی از مسائل مهم در تحقیقات علمی که با هدف گسترده کردن ثروت و پیشرفت برای شرکت های کوچک و متوسط مطرح است شناسایی عوامل مؤثر بر پذیرش تجارت الکترونیک در این شرکت ها است. در این پژوهش ضمن بررسی مبانی نظری تحقیق، به روش کتابخانه ای و تحقیق میدانی، عوامل موثر بر پذیرش چنین تجارتی براساس پژوهشی پیمایشی توصیفی در شرکت های کوچک و متوسط شهرستان چابهارمورد بحث قرار گرفته است. در این راستا 268 نفر از مدیران، کارشناسان و کارکنان شرکت های کوچک و متوسط در شهرستان چابهار مورد مطالعه قرارگرفته است. یافته ها حاکی از آن است که عوامل چهارگانه سازمانی، محیطی، فناورانه و اخلاقی بر پذیرش تجارت الکترونیک تأثیر مستقیم دارند.

مقدمه: رشد فناوری اطلاعات در سازمان ها، منبع عظیمی از داده های ذخیره شده در حوزه جرائم مرتبط با مواد مخدر را فراهم آورده است. تحلیل این داده ها و کشف الگوهای پنهان موجود در آن به کمک داده کاوی می تواند به کشف و پیشگیری از وقوع جرائم در این حوزه کمک نماید. هدف این مقاله بکارگیری تکنیک های داده کاوی جهت شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان و نیز کشف الگوهای جرم است. روش : پژوهش حاضر بر روی داده های 467 مجرم حوزه مواد مخدر در استان سیستان و بلوچستان که در ﻃی ﺳﺎل های 1392 الی 1399 ﻣﺮﺗکﺐ جرم قاچاق مواد مخدر شده اند با نمونه گیری در دسترس انجام گرفته است. برای انجام این تحقیق از متدولوژی استاندارد CRISP-DM و الگوریتم های طبقه بندی ماشین بردار پشتیبان، بیزین ساده، رگرسیون لجستیک، درخت تصمیم و نزدیکترین همسایه و برای استخراج الگوهای جرائم از الگوریتم الگوکاوی اپریوری استفاده شده است. یافته ها: الگوریتم الگوکاوی بالغ بر 20 الگوی جرم با دقت بالای 80 درصد استخراج کرده است. به علاوه نتایج نشان می دهد در میان الگوریتم های طبقه بندی، طبقه بند نزدیکترین همسایه قادر است با دقت 84 درصد افراد در معرض خطر را شناسایی کند. نتیجه گیری: با بکارگیری مدل ساخته شده با این الگوریتم می توان سامانه ای برای شناسایی افراد مستعد به قاچاق مواد مخدر طراحی کرد. نتایج حاصل از پیش بینی های انجام گرفته توسط سامانه مذکور و کشف الگوهای پنهان موجود در داده ها می توانند کمک شایانی به پلیس، دستگاه های قضایی و مددکارهای اجتماعی در شناسایی افراد در معرض خطر و کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.