علیرضا اکبری

هدف. امروزه، استخدام از دوره سنتی و منفعل عبور کرده و فناوری های مدرن ظهور یافته و استراتژی های جدید، مانند تأکید بر ارزیابی مهارت ها و به کارگیری شیوه های آن لاین، در حال افزایش است. از طرف دیگر، استقرار هوش مصنوعی با اهداف عمومی همچنان در حوزه منابع انسانی هدفی بلندمدت است. سرعت پیشرفت سیستم های هوش مصنوعی تخصصی در صنعت خودرو، رسانه های اجتماعی، تبلیغات، و بازاریابی قابل توجه است. اما پیشرفت بسیار کمتری در مسائل مربوط به مدیریت کارکنان در اولین گام از مسیر هوش مصنوعی در مدیریت منابع انسانی صورت گرفته است. روش پژوهش. در پژوهش حاضر سعی شد با شناسایی کاربردها و الزامات به کارگیری هوش مصنوعی، به منزله دانشی نو در جذب و استخدام، علاوه بر ایجاد یک پل بین این دو حوزه، بتوان با به کارگیری هوش مصنوعی در مباحث مدیریت منابع انسانی گامی مؤثر در جذب افراد شایسته و تأثیرگذار در سازمان ها برداشت. پژوهش حاضر به صورت کیفی و با استراتژی مطالعه موردی انجام گرفت. برای جمع آوری اطلاعات از مصاحبه و برای تجزیه وتحلیل اطلاعات از روش تحلیل تم استفاده شد. یافته ها و نتیجه گیری. بر اساس یافته ها، کاربردها و الزامات شناسایی شده به منظور به کارگیری هوش مصنوعی در جذب و استخدام شامل هفت مضمون اصلی است: کاربردها، الزامات فنی، الزامات هوشمندی، الزامات عملکردی، الزامات اخلاقی، کژکارکردها، عوامل غیر ساختاری.

امروزه با وجود اهمیت بسیار بالای علم و دانش در عرصه بین الملل و لزوم ترویج علم در سطح جهان، تبعیضات گسترده ای در این حوزه علیه برخی کشورها اعمال می گردد که آثار مخربی برای کشورهای هدف به همراه دارد. این نوع تبعیض که از آن با عنوان آپارتاید علمی یاد می شود، موضوعی قابل تأمل و نیازمند بررسی علمی و حقوقی است. با توجه به اهمیت این موضوع، این پژوهش با هدف شناسایی چالش ها و خلاءهای حقوقی موجود در قواعد بین المللی و سازمان های بین المللی، درصدد است تا با رویکردی توصیفی تحلیلی به این سوالات پاسخ دهد که رویکرد حقوقی و قانونی در قبال آپارتاید علمی در حقوق بین الملل چیست و چه چالش ها و خلاء هایی در این رابطه وجود دارد؟ نتایج پژوهش نشان می دهد اگرچه قوانین و مقرراتی در چهارچوب حقوق بین الملل در رابطه با رفع تبعیض و آپارتاید علمی وضع شده است اما خلاءهای مهمی از قبیل کاهش حوزه فعالیت یونسکو، تعریف موسع و مبهم از مفهوم تبعیض و عدم ذکر مصادیق آن، فقدان ضمانت اجرای قوانین موجود، قدیمی بودن و عدم کفایت قواعد حقوقی بین-الملل، اعمال قدرت برخی کشورها در سازمان های بین المللی و عدم جرم انگاری تبعیض علمی در قواعد حقوقی بین الملل در این حوزه وجود دارد.

اندازه گیری و یا محاسبه بیشینه شتاب ناشی از زمین لرزه (Peak Ground acceleration, PGA) به عنوان یکی از پارامترهای اساسی جنبش نیرومند زمین، از دغدغه های مهم محققین علوم زمین است. کمیت مذکور از روشهای مبتنی بر داده های میرایی و زلزله های رخ داده در محل تهیه شده و در محاسبات تحلیل خطر زمین لرزه مورد استفاده واقع می شود. در پهنه های وسیع جغرافیایی و یا در شرایطی که تاسیس ایستگاههای دائمی یا موقت شبکه میسر نباشد، رویکردهای مبتنی بر یادگیری ماشین به عنوان یک راه حل جایگزین مورد استفاده قرار می گیرند. در راستای افزایش دقت شبکه عصبی در مسئله پیش بینی بیشینه شتاب زمین، با استفاده از تحلیل شناسایی داده های پرت یا نامتجانس، داده های ورودی شبکه یادگیرنده تفکیک شده و سپس فرآیند آموزش و تعمیم شبکه انجام شده است. این رویکرد باعث کاهش خطای شبکه انفیس شده، چنانچه خطای جذر میانگین مربعات 36 درصد بهبود داشته است. با استناد به نتیجه مذکور، داده های طول و عرض جغرافیاییِ رومرکز، عمق و بزرگای مربوط به 1571 رکورد ثبت شده در شبکه شتاب نگاری کشوری به همراه داده های مربوط به میانگین سرعت موج مورد استفاده قرار گرفت تا شبکه انفیس آموزش داده شود. سپس، شبکه آموزش دیده، جهت ارزیابی کارآیی روش، بر روی داده های زلزله مورموی، 1393، در استان ایلام تعمیم داده شد تا نقشه پهنه بندی مقادیر بیشبینه شتاب، در پیرامون رومرکز زلزله محاسبه گردد. بررسی خروجی ها نشان می دهد که نقشه بدست آمده با گزارش رسمی پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله تطابق داشته و از روش ارائه شده می توان به عنوان یک روش جایگزین در پیش بینی بیشینه شتاب ناشی از زلزله اقدام نمود.

امروزه تولید و تبادل علم و دانش مرزهای ملی و بین المللی را درنوردیده است، اما تبعیض و ایجاد نابرابری در این عرصه که آپارتاید علمی نامیده می شود برای بسیاری از کشورها اهمیت یافته و در جامعه جهانی به یک موضوع بسیار مهم و رایج تبدیل شده است. این تبعیض به دلایل مختلف برای برخی کشورها عمیق تر است. جمهوری اسلامی ایران یکی از کشورهایی است که در طول چند دهه گذشته با این پدیده روبرو بوده و این موضوع مشکلات بسیاری در عرصه داخلی و رقابت های علمی بین المللی و دستیابی به جایگاه علمی ایجاد کرده و مانع ارتقاء و تبادل دانش در دهکده جهانی اطلاعات شده است. با توجه به اهمیت این موضوع، پژوهش حاضر با استفاده از رویکردی توصیفی تحلیلی درصدد پاسخگویی به این سوالات است که جمهوری اسلامی ایران تاکنون در قبال آپارتاید علمی و اعمال تبعیض در این عرصه چه اقداماتی اتخاذ نموده است و چه راهکارها و راهبردهای حقوقی را می تواند علیه این وضعیت در پیش گیرد؟ یافته های پژوهش نشان می دهد که جمهوری اسلامی ایران تاکنون اقدام و راهبرد حقوقی خاصی در رابطه با این موضوع اتخاذ نکرده است. با این حال می توان از طریق جرم انگاری بین المللی آپارتاید علمی، پیگیری موضوع از سوی نهادهای حقوقی و کیفری بین المللی، وضع قوانین حقوقی الزام آور بین المللی و اقدام متقابل در راستای رفع آپارتاید علمی اقدام نمود.

امروزه سرمایه اجتماعی به عنوان سرمایه ای کلیدی در سازمان ها و جوامع ایفای نقش می کند. اهمیت آن تا حدی است که بدون توجه به آن ممکن است نرخ بازگشت سرمایه حاصل از دیگر سرمایه های موجود کاهش یابد. با توجه به اهمیت این نوع سرمایه، شاهد انجام پژوهش های متعددی در سطوح و بافت های متفاوت هستیم که شاخص های گوناگونی در سطوح تحلیل متفاوت را برای ابعاد سه گانه مفهوم سرمایه اجتماعی معرفی کرده اند. بنابراین، بررسی یکپارچه این پژوهش ها برای شناسایی شاخص های کلیدی این مفهوم در سطوح تحلیل متفاوت ضرورت دارد. در این راستا هدف از انجام این پژوهش، بررسی جامع شاخص های سرمایه اجتماعی در سطوح تحلیل متفاوت است. بدین منظور از رویکرد فراترکیب و روش تحلیل محتوای قیاسی استفاده شد. جامعه مورد بررسی مقالات موجود در زمینه سرمایه اجتماعی، در پایگاه های علمی از سال 1970 تا 2018 به تعداد 5195 مقاله بود که از میان آن ها 72 مقاله به روش نمونه گیری قضاوتی انتخاب شدند. نتیجه اولیه استخراج کدهای اولیه در قالب ۱۴ مقوله فرعی و طبقه بندی آن ها ذیل سه مقوله اصلی سرمایه اجتماعی بود. تدقیق و مطالعه متون مرتبط با این شاخص ها نشان داد سه سطح تحلیل برای مفهوم سرمایه اجتماعی قابل تبیین است. این سه سطح مختلف تحلیل عبارتند از: سطح کلان (جوامع)، سطح میانی (گروه ها یا سازمان ها) و سطح خرد (عاملان فردی).

"مقدمه: برای دستیابی به اطلاعات مورد نیاز در شبکه ی جهانی وب، از ابزارهای کاوش که شامل موتورهای جستجو، ابر موتورهای جستجو و راهنماهای موضوعی است استفاده می شود. به همین منظور مطالعه ی حاضر با هدف بررسی مقایسه ای موتورهای کاوش و ابرموتورهای کاوش منتخب، در بازیابی اطلاعات فیزیوتراپی از شبکه ی جهانی وب و تعیین همپوشانی میان آنها انجام شد. روش بررسی: در این مطالعه که به روش پیمایشی، توصیفی، تطبیقی در رشته ی فیزیوتراپی انجام گردید، هفت موتور کاوش و هفت ابر موتور کاوش که بر اساس معرفی سایت Searchenginewatch.com پر استفاده ترین موتور و ابر موتورها بودند تعیین و مورد بررسی قرار گرفتند. سپس زیر رده های موضوعی فیزیوتراپی در هشت زمینه ی موضوعی از سر عنوان موضوعی پزشکی (MeSH) انتخاب و عمل جستجو انجام گردید تا میزان نتایج هر یک جداگانه به دست آید. پس از آن نتایج حاصل از جستجو در هر یک از موتورهای کاوش دو به دو مقایسه گردید تا میزان همپوشانی آنها در هر کلیدواژه به دست آید. این عمل جداگانه و به صورت مشابه در ابرموتورهای کاوش نیز انجام شد. سرانجام نتایج همپوشانی میان موتورها و ابر موتورهای کاوش که دارای بیشترین دفعات بازیابی بودند پس از آنالیز داده ها با روش آمار توصیفی و با استفاده از نرم افزار SPSS تعیین گردید و نتایج آن در قالب جداول آماری ارائه شد. یافته ها: نتایج این مطالعه نشان داد که موتورهای کاوش All the web، Altavista و Google به ترتیب بیشترین نتایج بازیابی را داشتند و در بین ابر موتورهای کاوش Ixquick دارای بیشترین نتایج بازیابی بود. ضمناً مشخص شد که نتایج جستجو در موتورهای کاوش Altavista و All the web تا حد زیادی با هم همپوشانی دارند. در میان ابرموتورهای کاوش نیز بیشترین همپوشانی میان ابرموتورهای کاوش Clusty با Vivisimo و Meta Crawler با Dogpile بود. ضمن اینکه میزان همپوشانی موتورهای کاوش با ابرموتورهای کاوش در هر یک از کلیدواژه ها مورد بررسی، تعیین گردید. نتیجه گیری: میزان همپوشانی نتایج جستجو در موتورها و ابرموتورهای کاوش منتخب، با استفاده از کلیدواژه های مورد نظر در این مطالعه (60-40 درصد) بود که به نظر می رسد این امر به دلیل تفاوت در شیوه های رتبه بندی نتایج در موتورها و ابر موتورهای کاوش مختلف می باشد."