فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۲۲۱ تا ۲۴۰ مورد از کل ۸۷۴ مورد.
بکارگیری سیستم بهینه استنتاج فازی-عصبی تطبیقی به منظور پیش بینی کارایی پرسنل (مطالعه موردی)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ابهام و عدم قطعیت موجود در ماهیت و محدودیت شناختی ذهن انسان، همواره پیش بینی رفتار و مشخصات ناشناخته سیستم هایی که با انسان سروکار دارند را دشوار می سازد. درنتیجه، پیش بینی در این حوزه، نیازمند ساخت مدل هایی است که ابهام را به عنوان بخشی از سیستم درنظر گرفته و مدل سازی کند. هدف از این مقاله بهره-گیری از هوش مصنوعی و الگوریتم های بهینه سازی پیشرفته برای مدل سازی کارایی پرسنل است که در این بررسی از متغیرهای هوش هیجانی و ویژگی های فردی به عنوان ورودی و از سه بعد وظیفه شناسی، دقت در کار و سرعت در کار به عنوان خروجی مدل پیش بینی کارایی امدادگران وگازبانان شرکت گاز استفاده گردیده است. درنهایت، به منظور مدل سازی کارایی، با ترکیب الگوریتم ژنتیک و روش تجزیه مقادیر منفرد با سیستم استنتاج فازی عصبی، سیستم بهینه ی استنتاج عصبی-فازی تطبیقی بر اساس داده های واقعی بکار گرفته شد. این سیستم قادر است با وجود پیچیدگی و ناشناخته بودن رفتار در حوزه منابع انسانی، کارایی پرسنل را با حداقل خطای آموزش، حداقل خطای پیش بینی و حداکثر انطباق پذیری با کارایی واقعی پیش بینی نماید به طوری که بر اساس الگوریتم معرفی شده، درمورد 84% تا 96% از رکوردهای مورد بررسی، ابعاد کارایی دقیقا برابر با مقدار واقعی پیش بینی می شوند.
پیش بینی سود هر سهم(EPS) با استفاده از شبکه های عصبی پرسپترون چند لایه(MLP) و توابع شعاعی بنیادین(RBF) در شرکت های پذیرفته شده در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
سود هر سهم یکی از فاکتورهای مالی بسیار مهم است که مورد توجه مدیران، سرمایه گذاران و تحلیل گران مالی می باشد و اغلب برای تصمیم گیری در خصوص سرمایه گذاری، ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود، از این رو پیش بینی آن برای مدیران و ذینفعان حائز اهمیت اساسی است. هدف این تحقیق ارائه ی مدلی به منظور پیش بینی سود هر سهم با استفاده از شبکه عصبی پرسپترون چند لایه(MLP) و شبکه ی عصبی توابع شعاعی بنیادین(RBF) و تعیین مدل برتر با استفاده از معیار های ارزیابی عملکرد است. بدین منظور، شرکت های عضو بورس اوراق بهادار تهران به عنوان جامعه آماری تحقیق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده ی زمانی 1388-1382 به عنوان نمونه ی تحقیق انتخاب شدند. نتایج تحقیق نشان می دهد که شبکه ی MLP خطای پیش بینی کمتری نسبت به شبکه ی RBF دارد و همبستگی بین داده های واقعی و داده های پیش بینی شده توسط این شبکه نیز از RBF بیشتر است؛ در نتیجه دقت پیش بینی شبکه یMLP بیشتر از شبکه ی RBF است.
توسعه ی فرایندهای اصلی سرمایه ی انسانی با بهره گیری از فن تحلیل شکاف(مقاله علمی وزارت علوم)
حوزه های تخصصی:
برای تحقق اهداف سازمانی، گریزی از شناخت وضعیت موجود نیست. به مدد شناسایی نقاط ضعف و قوت است که می توان مرکب راهوار برنامه ریزی را برای طی طریق به مقصود، تجهیز و تکمیل کرد. مقاله ی حاضر که برآمده از یک کار پژوهشی کاربردی است تلاش دارد با تحلیل شکاف وضعیت موجود و وضعیت مطلوب فرایندهای اصلی سرمایه ی انسانی، سازوکارهای لازم را ارایه نماید. برای این منظور با استفاده از فنون و ابزارهای تحلیل شکاف مانند سروکوال، BPI، BPR، الگوهای برنامه ریزی راهبردی و نظرخواهی از جامعه ی متخصصان و خبرگان، نظرسنجی از مسئولین مربوطه، وضعیت موجود شناسایی و فاصله و شکاف آن با وضعیت مطلوب را تحلیل نموده، سپس براساس اطلاعات به دست آمده، گلوگاه ها و نقاط بحرانی شناسایی و راه کارهایی مانند: شایسته سالاری، دوره های توانمندسازی، طراحی نظام جامع حقوق و دستمزد، طراحی الگوی تعالی بومی منابع انسانی، بازنگری و اصلاح نظام تأمین منابع انسانی برای سرعت بخشیدن به رشد، توسعه و تعالی سرمایه ی انسانی پیشنهاد گردیده است.
ارائه مدلی برای ارزش ویژه مشتری: مورد مطالعه بانک کشاورزی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پژوهش حاضر با هدف پاسخگویی به این سؤال اساسی صورت گرفته است که مدل مناسب ارزش ویژه مشتری و ارتباط بین متغیرهای مدل چگونه است؟ این پژوهش برای جمع آوری داده از روش پیمایش و جهت تحلیل داده ها از روش همبستگی استفاده کرده است. جامعه آماری پژوهش، مشتریان تمام شعب بانک کشاورزی شهر تهران است که با استفاده از روش نمونه گیری طبقه بندی نسبی و با استفاده از جدول کرجسی و مورگان، 384 نفر به عنوان نمونه پژوهش انتخاب شدند. داده های مورد نیاز با استفاده از ابزار پرسشنامه جمع آوری و با استفاده از نرم افزار لیزرل تحلیل شدند.
نتایج پژوهش نشان می دهد که مدل ارزش ویژه مشتری در جامعه مورد مطالعه در بر گیرنده سه متغیر مستقل ارزش ویژه برآوردی، ارزش ویژه برند و ازش ویژه ارتباط و دو متغیر وابسته ارزش ویژه مشتری و قصد خرید مشتری می باشد که به ترتیب، ارزش ویژه ارتباط و ارزش ویژه برآوردی بیشترین تأثیر را روی ارزش ویژه مشتری دارند و ارزش ویژه برند تأثیر قابل ملاحظه مستقیمی بر ارزش ویژه مشتری نداشت. همچنین محرک های ارزش ویژه مشتری هیچ تأثیر قابل ملاحظه ای بر قصد خرید مشتری نداشتند. بنابراین پیشنهاد می شود بانک کشاورزی به منظور حداکثر کردن ارزش ویژه مشتری، بیشتر، بودجه بازاریابی خود را به ترتیب اولویت، صرف فعالیت های بازاریابی رابطه مند، مدیریت ارزش درک شده مشتری و برندسازی کند.
طراحی چند هدفه شبکه زنجیره تأمین با رویکرد الگوریتم ژنتیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
طراحی شبکه زنجیره تأمین از اساسی ترین مسائل مطرح در سازمان هاست، به خصوص سازمان هایی که در سطح بین المللی فعالیت می کنند. بهینه سازی این شبکه منجر به مدیریت کارا و مؤثر عملیات کل زنجیره تأمین می شود. طراحی شبکه تعداد، موقعیت، ظرفیت، نوع تسهیلات شبکه، مسیرهای توزیع، حمل مواد و محصولات از تأمین کننده تا مشتری و برعکس را مشخص می کند. این پژوهش روش حل جدیدی براساس الگوریتم های فرا ابتکاری MOGA و NSGAII برای یافتن مجموعه ای از جواب های پارتو بهینه ارائه می دهد. مسئله طراحی دو هدفه شبکه لجستیک یکپارچه، مجموعه ای از جواب های جایگزین را جهت توانمند ساختن تصمیم گیرندگان پیشنهاد می کند. نظر به اینکه در این تحقیق، سطح سرویس از اهمیت بالایی برخوردار می باشد، از این رو مدلسازی بر اساس برآورده شدن تمام تقاضای مشتریان انجام شده است.
اهداف مورد نظر برای بهینه سازی شبکه شامل کمینه سازی هزینه کل و بیشینه سازی استفاده متوازن از ظرفیت تسهیلات شبکه است که منجر به کاهش زمان در سرویس دهی به مشتریان (افزایش سطح سرویس) می شود. به این ترتیب نه مسئله آزمایشی از کوچک تا بزرگ طراحی شد و برای مقایسه کیفیت جواب های پارتو به دست آمده از الگوریتم ها، هفت معیار مطرح در فضای چند هدفه مورد استفاده قرار گرفت. نتایج نشان می دهد که جواب های تولیدی به وسیله الگوریتم NSGAII از کیفیت بالاتری برخوردارند.
توسعه روشی جامع برای تصمیم گیری چندشاخصه غیرقطعی مبتنی برتحلیل رابطه ای خاکستری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مواجهه با مسائل پیچیده دنیای امروز که دربرگیرنده شاخص های متعدد کمّی و کیفی با جنس های متفاوت است، مستلزم بکارگیری روش های جامعی است که حالات مختلف این گونه مسائل را دربرگیرند. «تصمیم گیری چندشاخصه» بیش از پنج دهه است که در فرآیند تصمیم سازی، مدیران را یاری نموده است و مطمئناً در دهه های آینده نیز با بهبودهایی که در آن متصور است در حوزه های مختلف عمومی و تخصصی مدیریت کاربرد خواهد داشت. روش های مختلفی برای ارزیابی و رتبه بندی گزینه ها و بهینه سازی تصمیم از منظر شاخص های چندگانه در ادبیات تئوری تصمیم گیری توسعه یافته است. بکارگیری روش های عدم قطعیت مانند تئوری فازی و تئوری سیستم های خاکستری، امکان درنظرگرفتن شاخص های کیفی یا غیرقطعی را در مسائل تصمیم گیری چندشاخصه فراهم ساخته است. روش های مختلف نرمال سازی ماتریس تصمیم نیز به منظور بی بُعد سازی شاخص های مثبت(هرچه بیشتر بهتر) و منفی (هرچه کمتر بهتر) به کار گرفته شده اند. این پژوهش با استفاده از «تحلیل رابطه ای خاکستری» به عنوان یکی از تکنیک های تصمیم گیری چندشاخصه و از طریق بکارگیری اعداد خاکستری در کنار اعداد قطعی در ماتریس تصمیم گیری، امکان درنظرگرفتن هم زمان شاخص های کیفی و کمّی را فراهم می سازد؛ و از سوی دیگر با ارائه بهبودهایی در روش های نرمال سازی موجود، بی بُعدسازی شاخص های بهینه (دارای مقدار مطلوب از پیش تعیین شده) در کنار شاخص های مثبت و منفی را امکان پذیر می نماید. بنابراین در این پژوهش، روشی جامع برای تصمیم گیری چندشاخصه ارائه شده است که امکان در نظر گرفتن اولاً شاخص های کمّی و کیفی و ثانیاً شاخص های بهینه، مثبت و منفی را به طور هم زمان داراست. در پایان به منظور تشریح روش ارائه شده، یک مثال کاربردی گام به گام پیاده سازی و نتایج آن ارائه شده است.
تعیین ارزش دارایی های نامشهود با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
درک عوامل موثر بر ارزش شرکت برای سرمایه گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه گذاری یا اعطای تسهیلات، امری حیاتی است. از آن جایی که اقتصاد دانش محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی های فیزیکی به دانش نامشهود منتقل شده است. از این رو در آینده نه چندان دور، ارزش گذاری دارایی های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن است تا با استفاده از مدل مبتنی بر شبکه عصبی مصنوعی به شناسایی عوامل موثر در تعیین ارزش دارایی های نامشهود در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بپردازد. هدف اصلی از مدل کردن عوامل موثر بر ارزش دارایی های نامشهود با استفاده از شبکه های عصبی، بررسی میزان تأثیر پانزده متغیر ورودی (شامل تعداد اعضای هیات مدیره، استقلال هیات مدیره، اندازه شرکت، اهرم، دارایی های ثابت، رشد فروش، سودآوری، پرداخت سود، سن شرکت، تعداد کارکنان، متنوع سازی، ساختار مدیریت، صادرات، مخارج تحقیق و توسعه و هزینه های بازاریابی و تبلیغات) بر متغیر ارزش شرکت می باشد. یافته های حاصل از پژوهش حاکی از اهمیت ویژگی های خاص شرکتی در وهله نخست، حاکمیت شرکتی در رتبه دوم، ساختار مالکیت در رتبه سوم و سرمایه نامشهود در رتبه چهارم در تعیین ارزش دارایی های نامشهود است.
تجزیه و تحلیل مقایسه ای ورشکستگی شرکت های مواد غذایی بر مبنای دو مدل افزایشی تحلیل پوششی داده ها (DEA-Additive) و تشخیصی تحلیل پوششی داده ها (DEA-DA)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ورشکستگی، پدیده ای است که بسیاری از شرکت ها خصوصاً در عصر شدیداً رقابتی حاضر، با آن مواجه اند. از این رو، تجزیه و تحلیل و پیش بینی ورشکستگی، امری بسیاری حیاتی خصوصاً برای سرمایه گذاران است. بر این اساس، تحقیق حاضر با هدف معرفی دو روش مبتنی بر تحلیل پوششی داده ها (DEA) در تجزیه و تحلیل و پیش بینی ورشکستگی برای شرکت های مواد غذایی پذیرفته شده در بورس اوراق بهادار تهران صورت گرفت.
تحقیق حاضر، از نوع توصیفی کاربردی است و به منظور ارزیابی مدل های تحلیل ورشکستگی، 58 شرکت مواد غذایی پذیرفته شده در بورس اوراق بهادار به عنوان جامعه آماری در نظر گرفته شد.
یافته های تحقیق نشان داد که دقت مدل تشخیصی تحلیل پوششی داده ها در پیش بینی شرکت های غیرورشکسته 92 درصد و در پیش بینی شرکت های ورشکسته 70 درصد بود؛ در حالی که دقت مدل افزایشی تحلیل پوششی داده ها در پیش بینی شرکت های غیرورشکسته 90 درصد و در پیش بینی شرکت های ورشکسته 70 درصد بود. بنابراین در مجموع در تحلیل ورشکستگی، مدل تشخیصی نسبت به مدل افزایشی دقت بیشتر و بر آن ارجحیت دارد.
ارائه ی مدلی از عوامل مؤثر بر رضایت کاربران سیستم جامع آموزش دانشگاه تهران
حوزه های تخصصی:
از معیارهای سنجش موفقیت سیستم های اطلاعاتی، رضایت کاربران آن هاست. رضایت کاربران بر میزان استفاده آنان از سیستم و کیفیت کاری روزمره ی آنان تأثیر می گذارد. هدف از این تحقیق، ارائه مدلی از عوامل مؤثر بر رضایت کاربران سیستم جامع آموزش دانشگاه تهران (سیستم گلستان) و سنجش تأثیر متغیرهایی چون درک از راحتی سیستم، درک از مفید بودن، درگیری کاربران در مرحله ی توسعه ی سیستم، آموزش کاربران، پشتیبانی مدیران ارشد و تجربه ی کاربر بر رضایت کاربران است. جامعه آماری پژوهش شامل کلیه ی کارکنان ستادی آموزش دانشگاه تهران بوده است و از کل جامعه پژوهش که 41 نفر بودند، 39 نفر پرسشنامه را تحویل دادند. بنا بر یافته های پژوهش، متغیرهای راحتی در استفاده، آموزش کاربران و پشتیبانی مدیران ارشد بر رضایت کاربران تأثیرگذار هستند و متغیرهای درک از مفید بودن، درگیری کاربران در مرحله ی توسعه ی سیستم و تجربه ی کاربر، بر روی رضایت کاربران سیستم جامع آموزش دانشگاه تهران تأثیری ندارند
زمانبندی پروژه با داده های فازی با استفاده از الگوریتم شبیه سازی تبرید(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این مقاله، مساله زمان بندی پروژه تحت محدودیت منابع (RCPSP) را در بخشی از یک پروژه احداث پالایشگاه در دنیای واقعی بررسی می کند. در فعالیت های دنیای واقعی، اکثر فعالیت ها جدید بوده و با عدم قطعیت در زمان انجام این فعالیت ها مواجه هستیم که این امر منجر به تغییرات زیادی در زمان اتمام پروژه می شود. در این تحقیق، به دلیل NP-hard بودن مساله RCPS، یک روش بهینه سازی بر مبنای الگوریتم شبیه سازی تبرید برای حل مساله زمان بندی پروژه تحت محدودیت منابع در شرایط عدم قطعیت زمان فعالیت ها ارائه می شود. برای نمایش این عدم قطعیت از نظریه مجموعه های فازی استفاده شده است. برنامه تولید زمان بندی به کار رفته در الگوریتم شبیه سازی تبرید پیشنهادی، روش تولید زمان بندی موازی فازی می باشد. الگوریتم پیشنهادی، حداقل زمان تکمیل پروژه را با در نظر گرفتن محدودیت منابع تجدیدپذیر و محدودیت روابط پیشنیازی فعالیت ها تولید می کند و این قابلیت را دارد که دقیقا با اعداد فازی اجرا شده و جزئیات پروژه شامل زمان شروع، زمان پایان فعالیت ها و زمان تکمیل پروژه را به صورت اعداد فازی ارائه کند. در نهایت اعتبارسنجی الگوریتم مورد سنجش قرار خواهد گرفت و نشان می دهیم الگوریتم پیشنهادی، الگوریتمی کارا بوده و بسادگی قابل استفاده توسط مدیران و برنامه ریزان پروژه در پروژه های واقعی است
مطالعه عوامل تعیین کننده نرخ مؤثر مالیاتی در شرکت های پذیرفته شدهدر بورس اوراق بهادار تهران بر مبنای مدل رگرسیون چند متغیره غیر خطی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نرخ موثر مالیاتی شرکتها نقش تعیین کننده ای دراخذ تصمیمات اقتصادی شرکتها، قانونگذاران و تحلیلگران مالی ایفا می کند. در این تحقیق به مطالعه تاثیر اندازه شرکت، شدت سرمایه گذاری، اهرم مالی، شدت نگهداری موجودی کالا، حق الزحمه حسابرسی و نسبت مالکیت دولت به عنوان بخشی از عوامل تعیین کننده نرخ موثر مالیاتی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران پرداخته شده است، که در این بین رابطه بین نرخ موثر مالیاتی با اندازه شرکت، شدت سرمایه گذاری و اهرم مالی غیر خطی در نظر گرفته شده است. برای این هدف از داده های ترکیبی 68 شرکت در بازه زمانی 1386- 1390 استفاده شده است. نتایج بررسیهای آماری حاکی از آن است که بین نرخ موثر مالیاتی با اندازه شرکت و اهرم مالی رابطه غیر خطی معنی داری وجود دارد و بین نرخ موثر مالیاتی با شدت سرمایه گذاری در موجودی کالاو سودآوری رابطه مستقیم و معنی داری برقرار است. در حالیکه بین نرخ موثر مالیاتی با مالکیت دولتی و حق الزحمه حسابرسی رابطه معکوس خطی معناداری وجود دارد. در ضمن بین نرخ موثر مالیات و شدت سرمایه گذاری رابطه غیرخطی معنی داری مشاهده نشد. یافته های این تحقیق می تواند برای مدیران شرکتها از جهت مدیریت هزینه مالیات بر درآمد و سیاستگذاران مالیاتی از جهت تعیین عوامل موثر بر میزان مالیات شرکتها مفید باشد.
مدل سازی پویای مسائل برون سپاری پروژه های سیستم های اطلاعاتی: مطالعه موردی شرکت خدمات انفورماتیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
دلایل متعددی برای شکست پروژه های مختلف درون سازمانی وجود دارد که برخی از مهمترین آنها عدم حمایت مدیریت ارشد، مقاومت های شدید درون سازمانی، تغییر شرایط اجرا و مقتضیات سازمانی هستند. پروژه های سیستم های اطلاعاتی نیز در همین قالب، قابل برررسی هستند. به دلیل اهمیت ویژه این پروژه ها و با توجه به تاثیر خاص آنها بر کیفیت و کمیت خروجی سازمان، در این مقاله به دنبال یافتن راه حل هایی هستیم تا احتمال چنین رخدادهایی را در سازمان های ایرانی به حداقل رسانیم. در همین راستا، شرکت خدمات انفورماتیک به عنوان بزرگترین شرکت فعال در زمینه بانکداری الکترونیکی در ایران جهت مطالعه انتخاب گردیده است. در این پژوهش با استفاده از مدل سازی دینامیکی در قالب روش تحلیل پویایی سیستم، مساله برون سپاری پروژه های سیستم های اطلاعاتی مدل شده و با استفاده از شبیه سازی رفتاری در محیط نرم افزار Vensim، مورد تجزیه و تحلیل قرار گرفته است. با آزمون راهکارهای مختلف در محیط شبیه سازی، سیاست ها و راهکارهایی برای بهبود وضعیت پروژه های برون سپاری شده سیستم های اطلاعاتی ارائه گردیده است که مهمترین آنها عبارتند از: آموزش مستمر، طراحی و استقرار نظام های گوناگون مدیریتی از طریق تصویب و اجرای آیین نامه ها و دستورالعمل ها، کمک به بهبود وضعیت مالی پیمانکاران، رسیدن به زبان و فهم مشترک از پروژه میان کارفرما و پیمانکار و دقت در انتخاب پیمانکار. نقطه افتراق این مقاله با مقالات قبلی این حوزه، تمرکز بر شکاف عملکردی و برنامه ریزی برای رفع آن است.
اندازه گیری ریسک فراگیر با رویکرد CoVaR و MES در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ریسک فراگیر بیانگر احتمال سقوط کل سیستم مالی در شرایط بحران است. در اکثر موارد، سرمایه گذاران نگران از دست دادن ارزش یک سهم و یا کالا هستند درحالی که در ریسک فراگیر، تمرکز روی کل بازار است. این سقوط اغلب زمانی رخ می دهد که یک شرکت کلیدی در کل سیستم شروع به ورشکستگی می کند، ترس حاصل شده موج وار روی سایر شرکت ها اثر منفی می گذارد و آنها نیز دچار افت می شوند. این واکنش های زنجیره ای باعث می شود بازار دچار استرس شود و در معرض بحران قرار گیرد.
درکل می توان اندازه های ریسک فراگیر را به دو نوع تقسیم بندی کرد؛ نوع اول، اندازه هایی که ریسک کل سیستم را در حالتی که یک نهاد کلیدی در معرض خطر قرارگرفته است موردسنجش قرار می دهند و نوع دوم، اندازه هایی هستند که ریسک یک نهاد را موقعی که کل سیستم در بحران قرار دارند محاسبه می کنند. در همین رابطه اندازه های بسیاری از سوی محققان و فعالان بازار پیشنهادشده است. این مقاله ریسک فراگیر مربوط به 20 شرکت معتبر در بورس اوراق بهادار تهران را با استفاده از دو رویکرد MES و CoVaR بررسی و با استفاده از قابلیت اندازه CoVaR اثر بحران شرکت ها را یکدیگر را اندازه گیری می کند.
ارائه مدلی جهت تعیین تعداد مطلوب دانشجویان دانشکده حسابداری و مدیریت دانشگاه علامه طباطبائی بر مبنای رویکرد فازی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مسئله یافتن یک ترکیب بهینه از دانشجویان ورودی به دانشگاه ها و مؤسسات آموزش عالی به یکی از چالش های مهم مؤسسات آموزشی تبدیل شده است و به عنوان یک مسئله بهینه سازی پیچیده مطرح است. مقاله حاضر بر آن است تا با نگرش سیستمی و ارائه یک مدل ریاضی، تعداد مطلوب دانشجویان ورودی به دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی را پیشنهاد نماید.
در طراحی مدل از اطلاعات مربوط به واحدهای آموزشی، رفاهی وخدماتی دانشگاه از جمله ظرفیت آموزشی دانشکده ، ظرفیت های سایت کامپیوتر، غذاخوری دانشجویان، تعداد دانشجویان فعلی و فارغ التحصیل در سال جاری در مقاطع گوناگون تحصیلی استفاده شد و به جهت تطابق بیشتر مدل پیشنهادی با واقعیت های عینی، از محدودیت های فازی استفاده گردید. در این مقاله تلاش شده است تا با تجزیه و تحلیل روابط متغیرها و پارامترهای موجود در سیستم دانشکده و اولویت بندی آن ها به کمک تکنیک تحلیل سلسله مراتبی، مدل مناسبی برای تعیین تعداد مطلوب دانشجویان رشته های مختلف در هر سال را برای سال بعد بدست آورد و همچنین کمبودها و فاصله با سطح مطلوبیت مرجع واحدهای رفاهی و خدماتی را ارزیابی و جهت رفع آن ها برنامه ریزی نمود. نتایج حاصل از حل مدل ارائه شده در این مقاله به کمک نرم افزار LINGO نشان می دهد در دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی بین میزان پذیرش سالیانه دانشجویان با امکانات آموزشی و رفاهی در برخی از رشته– مقطع ها تناسب مناسبی وجود ندارد و نیازمند بازبینی برنامه جذب دانشجو است. همچنین ارزیابی کمی اولیه ای در خصوص کمبودهای واحدهای خدماتی و رفاهی دانشکده صورت گرفت که می توان از آن ها جهت تدوین برنامه توسعه و گسترش دانشکده مذکور استفاده نمود.
طراحی مدل ساختاری مدیریت دانش مشتری بانک با استفاده از مدل سازی ساختاری تفسیری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه مشتری به عنوان مهمترین منبع دانش برای سازمان ها شناخته شده است. مزیت رقابتی قبلا با نوآوری در محصول و ایجاد نام تجاری حاصل می شد، اما در قرن بیست ویکم که سازمانها با تعاملات بیشتری هستند، ایجاد مزیت رقابتی بوسیله جمع آوری اطلاعات مشتری بدست می آید. در این مقاله با هدف تدوین یک مدل ساختاری با استفاده از روش مدل سازی ساختاری تفسیری، جمع آوری نظر خبرگان از طریق پرسشنامه و تحلیل مقایسه ای داده ها، جمعا 25 عامل مهم و موثر بر فرآیند پیاده سازی مدیریت دانش مشتری در بانک شناسایی شد. تحلیل مدل ساختاری نشان داد متغیرهای تعهد مدیریت ارشد، مجموعه مدیران میانی، فرهنگ سازمانی، منابع مالی و فناوری اطلاعات در دسته متغیرهای مستقل قرار می گیرند و دارای قدرت هدایت بالا ولی شدت وابستگی پایین هستند و همانند سنگ زیربنای مدل عمل می کنند و برای شروع کارکرد سیستم، باید در وهله اول روی آنها تاکید کرد. سایر متغیرها از نوع متغیرهای متصل هستند که دارای قدرت هدایت و وابستگی بالا هستند و هر نوع تغییردر آنان می تواند سیستم را تحت تاثیر قرار دهد. نتیجه نهایی از ارتباطات عوامل در مدل بیانگر این است که پیاده سازی فرآیند مدیریت دانش مشتری در رسیدن به عواملی مانند رضایت مشتری، افزایش کیفیت خدمات و نگهداشت مشتری به عنوان دارایی و در نهایت کسب مزیت رقابتی، موثر است.
تحلیل صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل تحلیل پوششی داده های پنجره ای(مقاله علمی وزارت علوم)
حوزه های تخصصی:
یکی از روش های جدید تحلیل صورت های مالی، مدل تحلیل پوششی داده ها می باشد. ولیکن ایراد این روش این است که عملکرد را صرفا در یک دوره زمانی خاص و به صورت ایستا ارزیابی می کند. در همین راستا، این پژوهش به بررسی تحلیل صورت های مالی شرکت های بورس اوراق بهادار تهران با استفاده از مدل تحلیل پوششی داده های پنجره ای می پردازد. علت اصلی استفاده از این مدل جدید نیز، بررسی عملکرد شرکت ها در طول بازه های زمانی گوناگون می باشد. بدین منظور از میان شرکت های مذکور، 100 شرکت به عنوان شرکت های نمونه انتخاب و طی دوره 1384 تا1389 مورد بررسی قرار گرفتند. نتایج پژوهش نشان می دهد از میان شرکت های نمونه، صرفا یک شرکت در طول زمان کارایی عملکرد خود را به طور صد در صد حفظ کرده است.
پیش بینی رفتار سرمایه گذاری شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
رفتار سرمایه گذاری شرکتی، فرایند پیچیده ای است که تحت تأثیر عوامل بسیاری قرار دارد. بر خلاف پژوهش های قبلی، پژوهش حاضر رویکردی جامع نگر دارد و با استفاده از روش فراتلفیق، ابتدا عوامل اثرگذار بر سرمایه گذاری شرکتی را شناسایی و آن ها را به عوامل مالی و بنیادی تفکیک کرده است. سپس، با استفاده از روش مدل سازی علی، روابط میان متغیرهای مدل سرمایه گذاری شرکتی، استخراج و در نهایت، مدل به وسیله شبکه عصبی آزمون شده است. در این پژوهش از داده های شرکت های موجود در بورس اوراق بهادار تهران در دوره 8 ساله منتهی به 29 اسفند 1390، استفاده شده است به نحوی که داده های 5 سال ابتدایی برای تأیید و یادگیری و 3 سال پایانی برای آزمون مدل، مورد استفاده قرار گرفته است. نتایج، مؤید توانایی بیش از 62 درصد مدل، در پیش بینی رفتار سرمایه گذاری شرکت ها در بورس اوراق بهادار تهران است.