بنت الهدی خبازان

هدف: هدف پژوهش حاضر تحلیل تولیدات علمی نمایه شده مرتبط با حیطه موضوعی نوآوری باز در پایگاه استنادی وب آو ساینس و ترسیم نقشه علمی این حوزه است.روش پژوهش: این پژوهش از نوع کاربردی بوده و با رویکرد علم سنجی انجام شده است. جهت استخراج داده ها از قسمت جستجوی پیشرفته پایگاه وب آو ساینس استفاده شد و کلیدواژه ای به شکل «نوآوری باز» جستجو و 6429 مدرک بازیابی شد. داده ها پس از پالایش و یکسان سازی وارد نرم افزارهای علم سنجی شده و نقشه های مورد نظر ترسیم شدند. جهت ترسیم نقشه ها از نرم افزارهای وس ویوور، یوسی نت و بیب اکسل استفاده شد.یافته ها: بر اساس داده های به دست آمده از پایگاه وب آو ساینس، نقشه علمی این حوزه ترسیم و مشخص شد که ساختار علمی نوآوری باز از 9 خوشه موضوعی اصلی تشکیل شده است. خوشه اول با 13 کلیدواژه بزرگ ترین خوشه شناخته شد. در بین کلیدواژه های  مقالات نمایه شده، کلیدواژه تحقیق و توسعه و ظرفیت جذب دارای بیشترین هم رخدادی بودند. در این حوزه، کشورهای آمریکا، ایتالیا و انگلستان بیشترین تولیدات علمی و دانشگاه کالیفرنیا  بیشترین بروندادهای پژوهشی را در این حوزه داشت. بیش از 96.9 درصد بروندادهای پژوهشی به زبان انگلیسی بوده و زبان اسپانیایی در رتبه دوم قرار گرفت.نتیجه گیری: این پژوهش ضمن بیان روابط مهم واژگانی، افراد و سازمان های برتر و همچنین گرایش پژوهشی این حوزه در سال های مختلف، پُرکاربردترین و پُرمراجعه ترین حوزه های موضوعی نوآوری باز را نیز نشان می دهد. بررسی پُربسامدترین هم رخدادی واژگان نشان داد که بیشترین هم واژگانی میان کلیدواژه های «تحقیق و توسعه - ظرفیت جذب» وجود داشت. همچنین در کاربرد نوآوری باز در حوزه های مختلف علوم، همبستگی وجود نداشت و شکاف هایی در ساختار علمی این حوزه مشاهده شد.

با توجه به توسعه روزافزون فناوری های نوین، از جمله هوش مصنوعی، هدف این پژوهش شناسایی فرصت ها و چالش های هوش مصنوعی در مدیریت دانش بر اساس مدل چهار مرحله ای «هیکس» است. این پژوهش از حیث هدف کاربردی، از نظر روش پژوهش و گردآوری داده ها توصیفی- تحلیلی از نوع پیمایشی، از نظر داده های گردآوری شده،کمّی بوده و با ابزار پرسشنامه به شناسایی و اولویت بندی فرصت ها و چالش های هوش مصنوعی در مدیریت دانش پرداخته شد. خبرگان مطالعه حاضر، 15 نفر از متخصصان هوش مصنوعی و مدیریت دانش بودند. روش نمونه گیری پژوهش، قضاوتی و حجم نمونه بر اساس اشباع تئوریک انجام شد و معیارهای پژوهش از بررسی مطالعات داخلی و خارجی در زمینه هوش مصنوعی و مدیریت دانش استخراج شد. پژوهش حاضر در سه مرحله اجرا شد: در مرحله اول، شاخص های فرصت ها و چالش های هوش مصنوعی در مدیریت دانش از طریق مرور پیشینه و مصاحبه با خبرگان به دست آمد و بر اساس مدل مدیریت دانش «هیکس» مدل سازی شدند. در مرحله بعد، این معیارها با به کارگیری روش دلفی فازی غربال شدند. سرانجام، چت بات های مورد مطالعه در پژوهش از طریق کلیدی ترین شاخص ها با کاربست روش تحلیل رابطه خاکستری اولویت بندی شدند. بر اساس یافته های پژوهش مشخص شد که در مقوله فرصت های هوش مصنوعی در مدیریت دانش پانزده شاخص (4 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 5 شاخص در ذخیره و بازیابی دانش، و 3 شاخص در به کارگیری دانش) و در مقوله چالش ها چهارده شاخص (3 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 3 شاخص در ذخیره و بازیابی دانش، و 5 شاخص در به کارگیری دانش) شناسایی شدند. نتایج نشان داد که در مقوله فرصت ها و هم در مقوله چالش ها، چت بارد در رتبه اول و با اختلاف کم چت جی پی تی در رتبه دوم، و پس از آن چت بینگ در رتبه سوم قرار دارند؛ به طوری که می توان گفت برای بهره گیری از چت بات ها در فرایند مدیریت دانش چت بارد می تواند بهترین گزینه برای استفاده باشد. با این تفاوت که در مقوله فرصت ها رتبه اول نشان دهنده فرصت ها و مزایای بیشتری نسبت به دو چت بات دیگر است و در مقوله چالش ها به همان نسبت چالش ها و مسائل بیشتری را شامل می شود. 

هدف: نیروی انسانی به عنوان مهم ترین سرمایه هر سازمان شناخته می شود و آموزش کارکنان برای ارتقای بهره وری آنها حیاتی است. دوره دکتری با ارائه آموزش های تخصصی در زمینه های مختلف، نقشی اساسی در تربیت نیروی کار ماهر و متخصص دارد. دانشجویان دکتری با کسب ویژگی هایی می توانند به عنوان نیروی کار ماهر در سازمان ها ایفای نقش کنند و به افزایش بهره وری و کارایی آنها کمک کنند. هدف مطالعه حاضر مروری نظام مند بر پژوهش های انجام شده در حوزه ویژگی های دانشجویان دوره دکتری به منظور شناسایی این ویژگی ها و تعیین وضعیت پژوهش ها در این زمینه و شکاف پژوهشی آن هاست. روش: برای انجام این پژوهش از روشی نظام مند استفاده شده است. ابتدا پس از شناسایی و تعریف مساله، کار جستجوی کلیدواژه های تعیین شده از پایگاه های معتبر خارجی و داخلی آغاز شد که ۱۰۴۵ عنوان مقاله شناسایی شدند. طی سه مرحله پایش بر اساس عنوان، چکیده و محتوا بررسی و موارد غیرمرتبط و تکراری حذف شدند و در نهایت، 135 پژوهش (۹۲ عنوان پژوهش خارجی و ۴۳ عنوان داخلی) اعم از مقاله منتشر در مجله ها، مقاله ارائه شده به کنفرانس ها و یا اثر ارائه شده به عنوان پایان نامه ها شناسایی شدند.یافته ها: پس از مطالعه سطر به سطر پژوهش ها، ویژگی ها در ۴ دسته «ویژگی های فردی»، «پژوهشی»، «آموزشی» و «حرفه ای» دسته بندی شدند. مولفه های ویژگی فردی در سه زیر مقوله «ویژگی های رفتاری»، «ویژگی های روانشناختی» و «اخلاق» و مولفه های «ویژگی های پژوهشی» در دو زیر موُلفه؟ « اخلاق پژوهش» و « تمرکز بر حوزه پژوهش خاص» و مولفه های «ویژگی های آموزشی» در دو زیر مولفه «یاددهی» و «یادگیری» و مولفه های «ویژگی حرفه ای» در دو زیر مولفه «مهارت های حرفه ای» و «تعاملات حرفه ای» دسته بندی شدند. نتیجه گیری: یافته ها نشان داد که ویژگی های آموزشی با توجه به اهمیت و نقش آن ها در دوره دکتری، کمتر مورد توجه پژوهشگران قرارگرفته است و نیاز به پژوهش های بیشتری دارد. خلأهای پژوهشی نیز در تمام مقولات اصلی و برخی مقولات فرعی پژوهش، به چشم می خورد

در فضایی که توسعه هوش مصنوعی و تسهیل تعامل بین انسان و ماشین به طور فزاینده موردتوجه است، چالش های زبانی به عنوان نقاطی مهم در این مسیر بیش ازپیش خودنمایی می کنند. نقش مهم زبان در انتقال و بازیابی اطلاعات را نمی توان فارغ از نحو و معنای آن بررسی نمود. تبیین و تشریح پژوهش های این حوزه از ابعاد کمی و کیفی و درک گرایش های پژوهشگران می تواند گام مهمی در درک اهمیت نحو و معنا در ساختارهای ارتباطی در محیط های نوین جستجو و بازیابی اطلاعات باشد. بر همین اساس این مطالعه که از نوع توصیفی - تحلیلی است، با هدف تحلیل کیفی و کمی مطالعات حوزه نحو و معنا در بازیابی اطلاعات انجام شده است. به منظور انجام این پژوهش از روش مرور نظام مند آویارد استفاده شد. تحلیل مطالعات این حوزه نشان داد که این مطالعات بر سه محور اصلی نحو و معنا در ارتباط با سازمان دهی اطلاعات، بازیابی اطلاعات و جستجوی اطلاعات تمرکز دارند. درمجموع تحلیل مطالعات منتخب نشان می دهد پرداختن به بحث نحو و معنا در ارتباط با سازمان دهی اطلاعات و همچنین تبیین و واکاوی وجوه نظری نحو و معنا در بازیابی اطلاعات از مواردی است که نیاز به پژوهش بیشتر، خصوصاً مطالعات بین رشته ای بیشتر از سوی پژوهشگران حوزه های زبان شناسی، علم اطلاعات و علوم رایانه دارد. نتایج پژوهش حاضر می تواند رهنمودهایی برای متخصصان حوزه های مختلفی داشته باشد که به نوعی با ذخیره و بازیابی اطلاعات سروکار دارند. به علاوه محورهای شناسایی شده و روش ها و رویکردهای به کار رفته و شکاف های پژوهشی شناسایی شده راهگشای پژوهشگران در انجام مطالعات آتی است.

این پژوهش با هدف بررسی تصاویر بازیابی شده از موتورهای کاوش برگزیده طبق ویژگی های نوشتاری و معنایی زبان فارسی و تعیین میزان ربط آن ها با استفاده از فرمول های جامعیت و دقت و نیز شناسایی کارآمدترین موتورکاوش در بازیابی تصاویر به زبان فارسی و به روش پیمایشی - تحلیلی و با استفاده از شیوه مشاهده مستقیم انجام گرفت. پس از مرور پژوهش های مرتبط، کلیدواژه های کاوش در قالب یک سیاهه بر اساس ویژگی های نوشتاری و معنایی زبان فارسی شکل گرفت. هر یک از این کلیدواژه ها در موتورهای کاوش مورد مطالعه شامل دو موتورکاوش معمولی گوگل و بینگ و موتور کاوش معنایی داک داک گو که در زمرهء موتورهای کاوش پراستفاده هستند و قابلیت جستجوی تصاویر به زبان فارسی را نیز فراهم نموده اند، جستجو و تعداد نتایج بازیابی شده مرتبط و غیر مرتبط ثبت گردید. سپس جامعیت و دقت نتایج جستجو در هر موتور کاوش محاسبه و به بررسی میزان ربط تصاویر بر اساس این ویژگی ها در هر یک از موتورهای کاوش مورد مطالعه پرداخته شد. برای تجزیه و تحلیل داده ها از انواع فنون آماری توصیفی به همراه آزمون کلموگروف-اسمیرنوف، شاپیرو-ویلک، کروسکال-والیس و فریدمن استفاده شد. یافته های پژوهش نشان داد موتورهای کاوش مورد مطالعه نسبت به ویژگی های نوشتاری و معنایی زبان فارسی توجه کافی ندارند و بسیاری از این ویژگی ها را در هنگام جستجو و بازیابی تصاویر نادیده می گیرند. در پژوهش حاضر، موتور کاوش گوگل از جامعیت و دقت بالاتری نسبت به دو موتور کاوش دیگر برخوردار بود و علیرغم ادعای موتورهای کاوش معنایی مبنی بر فراهم آوری اطلاعات با کیفیت تر و مرتبط تر نسبت به دیگر موتورهای جستجو، موتور کاوش داک داک گو عملکرد مطلوبی در زمینه بازیابی تصاویرمرتبط با بخش نوشتاری و معنایی زبان فارسی از خود نشان نداد. همچنین بین میزان جامعیت و دقت سه موتور کاوش مورد پژوهش اختلاف معناداری وجود دارد.