محمد فتحیان بروجنی

هدف: بازی گونگی به مفهوم استفاده از مؤلفه های انگیزشی بازی و روش های طراحی بازی در زمینه های غیربازی، توجه بسیاری از پژوهشگران را به خود جلب کرده است. با توجه به جدید بودن این مفهوم و پژوهش های کمّی که در این حوزه نوپا، به ویژه در صنعت بانکداری وجود دارد، هدف این پژوهش بررسی تأثیر مؤلفه های انگیزشی بازی گونگی بر میزان تعامل مشتریان در باشگاه مشتریان صنعت بانکداری (بانک حکمت ایرانیان) با مشاهده ویژگی های شخصیتی و جمعیت شناختی است. روش: پژوهش حاضر از نظر هدف کاربردی و از لحاظ روش اجرا در دسته پژوهش های توصیفی پیمایشی قرار می گیرد. به منظور جمع آوری داده ها، پرسش نامه 32پرسشی تدوین شده است که در نهایت با روش نمونه گیری تصادفی خوشه ای 384 پاسخ جمع آوری شدند. یافته ها: بر اساس ترجیحات گزارش شده توسط مشتریان مشخص می شود که هر یک از اعضای باشگاه مشتریان با ویژگی های جمعیت شناختی و شخصیتی با چه نوع مؤلفه های انگیزشی بازی گونگی جذب و سرگرم می شوند و در ازای فعالیت های خود، انتظار دریافت چه پاداش هایی دارند. نتیجه گیری: با توجه به یافته های پژوهش، برای طراحان سامانه های بازی گونگی، مجموعه راهکارها و رهنمودهایی ارائه شده است تا به کمک آن بتوانند ضمن شناسایی ویژگی های مشتریان بانکی به شخصی سازی مؤلفه های انگیزشی و در نهایت تأمین رضایت آنها از عضویت و فعالیت در باشگاه مشتریان بپردازند.

هدف مطالعه حاضر، بررسی نقش متغیرهای پذیرشی در موفقیت تحصیلی دانشجویان دوره کارشناسی و کارشناسی ارشد و تدوین آنها در قالب مدل پیش بینی بوده و طرح مطالعه از نوع همبستگی بوده است. جامعه آماری شامل، کلیه پذیرفته شدگان در دوره های کارشناسی و کارشناسی ارشد مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران بود که تا پایان نیمسال دوم سال تحصیلی 92-1391حداقل، یک نیمسال، نمرات ثبت شده داشته اند. معدل کل واحدهای اخذ شده در مقطع تحصیلی فعلی به عنوان متغیر وابسته، در نظر گرفته شد. تحلیل داده ها با مدل رگرسیون خطی و به شیوه گام به گام به اجرا درآمد. نتایج تحلیل ها حاکی از آن است که شاخص های پذیرشی به تنهائی از توان نسبتاً پائینی برای پیش بینی موفقیت تحصیلی در دوره های آموزش الکترونیکی برخوردارند. لذا نمی توان سیاست گذاری های آموزشی در این دوره ها را صرفاً برمبنای مؤلفه های پذیرشی بنا نهاد. با اینحال، در صورتیکه اطلاعات در اختیار یا قابل حصول مدیریت دانشگاه، محدود به اطلاعات پذیرشی باشد، می توان گفت: در مقطع کارشناسی، بومی بودن، معدل دیپلم و پذیرش از طریق آزمون اختصاصی و در مقطع ارشد، رشته تحصیلی مقطع کارشناسی(مهندسی)، پذیرش از طریق آزمون اختصاصی(با وزن منفی)، معدل کل مقطع کارشناسی، نوع دانشگاه محل تحصیل مقطع کارشناسی(دولتی) و رشته تحصیلی مقطع کارشناسی(علوم پایه)، به ترتیب، به عنوان مؤثرترین  پیش بینی کننده های موفقیت تحصیلی، قابل معرفی اند. درمجموع فرض بر این است که نتایج این مطالعه   می تواند برای دانشگاه مورد مطالعه و سایر دانشگاه های مشابه در امر برنامه ریزی آموزشی برای توسعه دوره های آموزش الکترونیکی مورد بهره برداری قرار گیرند.

هدف پژوهش حاضر، توسعه مدلی برای پیش بینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشته های مهندسی بوده که به روش داده کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفته شدگان سال های 1387 لغایت 1390 در سه مورد از دانشگاه های فنی و مهندسی کشور بوده است. داده های پژوهش با بهره برداری مستقیم از سیستم های آموزش هر سه دانشگاه در مدل سازی وارد شدند. نتایج حاکی از آن است که با   بهره گیری از داده های موجود در سیستم های حوزه آموزش دانشگاه ها و به خدمت گرفتن شبکه عصبی می توان با صحت بیش از 95 درصد نسبت به پیش بینی وضعیت تحصیلی یکایک دانشجویان اقدام نمود. کارآئی مدل های حاصله در دانشگاههای مورد مطالعه، به ترتیب برابر 0.72، 0.556و 0.565 حاصل گردیدند. معدل کل، تعداد واحدهای گذرانده، تعداد نیمسال های مبادرت به   فعالیت های فوق برنامه و تعداد نیمسال های مشروطی قبلی به عنوان به عنوان موثرترین متغیرهای پیش بین، توسط شبکه عصبی تشخیص داده شدند.