علی صفری

هدف: صخره شیشه ای به حواشی به کارگیری زنان در مشاغل مدیریتی مخاطره آمیز اشاره دارد. به بیان دیگر، پدیده صخره شیشه ای بیان می کند که زنان در مقایسه با مردان، به احتمال بیشتری به پُست های مخاطره آمیز مدیریتی دست می یابند و مدیریت واحدهایی که به طور عمده در بحران قرار گرفته اند، به زنان واگذار می شود. مطالعه صخره شیشه ای می تواند نقطه عطفی برای اندیشمندان و محققان بیشتری در این زمینه باشد تا به مشکلات و چالش های زنان در پُست های مدیریتی بپردازند. هدف اصلی این پژوهش، طراحی الگوی صخره شیشه ای (با تأکید بر پیشایندها و پیامدها) در سازمان های خدماتی استان گلستان است. روش: پژوهش حاضر از نظر هدف توسعه ای است و روش پژوهش آن، روش ترکیبی از نوع طرح متوالی اکتشافی (کیفی کمّی) است. مشارکت کنندگان در مرحله کیفی، مدیران زن و مرد شاغل در سازمان های خدماتی استان گلستان و استادان دانشگاه بوده اند. با توجه به کفایت نمونه گیری و اشباع نظری، ۲۰ نفر به روش نمونه گیری هدفمند و گلوله برفی انتخاب شدند. سپس یافته های بخش کیفی پژوهش، به صورت مجموعه ای از گزاره ها و فرضیه ها، برای آزمون در بخش کمّی تدوین شد. با تحلیل مصاحبه های انجام شده، الگوی مورد مطالعه استخراج، تدوین و در قالب روابط علّی طراحی شد. با تحلیل داده های کیفی، پرسش نامه پژوهشگر ساخته ای مشتمل بر ۳۹ گویه طراحی شد و پس از تأیید پایایی و روایی سازه سنجه، بر حسب روش نمونه گیری تصادفی طبقه ای، این پرسش نامه در اختیار بانوان مدیر شاغل در سازمان های خدماتی استان گلستان قرار گرفت و در نهایت، ۲۲۵ پرسش نامه تکمیل برگشت و داده های آن آزمون شد. برای تجزیه وتحلیل داده ها از مدل سازی معادلات ساختاری و تحلیل عاملی تأییدی در نرم افزار اسمارت پی ال اس استفاده شد. یافته ها: این الگو از عوامل علّی (ویژگی های رهبری زنان، معیارهای شایسته سالارانه، ترجیحات زنان، عوامل سازمانی)، پدیده محوری (صخره شیشه ای)، راهبردها (جانشین پروری، برنامه ریزی توسعه فردی و شبکه های حمایتی) و پیامدها (پیامدهای مثبت فردی و سازمانی و پیامدهای منفی فردی و سازمانی) تشکیل شده است. نتایج تحلیل داده ها نشان داد که ویژگی های رهبری زنان، معیارهای شایسته سالارانه، ترجیحات زنان و عوامل سازمانی، بر صخره شیشه ای تأثیر معنادار دارند. همچنین تأثیر پدیده صخره شیشه ای بر راهبردهای جانشین پروری، برنامه ریزی توسعه فردی و شبکه های حمایتی تأیید شد. در نهایت نتایج از تأثیر مثبت این راهبردهای بر پیامدهای مثبت و اثر منفی آن ها بر پیامدهای منفی حکایت دارد. بر اساس مدل طراحی شده در بخش کیفی پژوهش، به تصمیم گیرندگان و مدیران ارشد سازمان های خدماتی، پیشنهاد می شود ضمن توجه به علل شکل گیری پدیده صخره شیشه ای، به درک، کنترل و مدیریت عواملی که سبب بروز چالش ها و مشکلات برای مدیران زن در پُست های مخاطره آمیز مدیریتی می شوند، اقدام کنند. نتیجه گیری: این مطالعه جزء اولین مطالعاتی است که با تکیه بر پژوهشی ترکیبی، به ارائه چارچوبی جامع برای شناخت شرایط علّی، راهبردها و پیامدهای پدیده صخره شیشه ای پرداخته است.

ب ا توج ه ب ه وس عت زی اد کش ور ایران و گس تردگی من اطق پتانس یل دار ذخ ایر مع دنی (وج ود کمربن د ولک انیکی ارومی ه دخت ر) و ل زوم شناس ایی و م دیریت ص حیح ای ن ذخ ایر، اس تفاده از سیستم اطلاع ات مکانی به همراه مدل های پیش بینی کننده داده و دانش محور، نقش بس یار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در یک مکان خاص دارد. هدف این تحقیق پیش بینی ذخایر مس پورفیری در منطقه دهج - بزمان استان کرمان با استفاده از دو روش جنگل ها ی تصادفی[1] و ماشین بردار پشتیبان[2] است. به این منظور، از یک پایگاه داده مکانی متشکل از نقشه ها ی جنس واحدهای سنگی، ساختارها، آلتراسیون، ژئوشیمی، ژئوفیریک و موقعیت 24 کانسار مس پورفیری شناخته شده در منطقه استفاده شد. با توجه به نتایج حاصل شده، مدل جنگل ها ی تصادفی توانست با صحت 93.33 درصد مناطق امید بخش ذخایر مس پورفیری را پیش بینی کند. همچنین، در نقشه پتانسیل بدست آمده از این مدل، مناطق هدف 14 درصد از منطقه مورد مطالعه را در برگرفته است، که در آن 92 درصد ذخایر شناخته شده مشخص شده اند. علاوه بر این، به منظور مقایسه نقشه پتانسیل ذخایر مس پورفیری منتج از روش جنگل های تصادفی، از روش ماشین بردار پشتیبان و روش های دانش محور همپوشانی شاخص و منطق فازی استفاده شد. در نقشه های پتانسیل ذخایر مس پورفیری بدست آمده از سه روش ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب مناطق هدف 17،16،14 درصد از منطقه مورد مطالعه را در برگرفته است که در آن ها 79،83،87 درصد ذخایر شناخته شده وجود دارند. براساس نتایج این تحقیق، مدل جنگل ها ی تصادفی از نظر صحت پیش بینی از کارایی بالاتری نسبت به مدل های دیگر برخوردار بوده و مدل های ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب در رتبه های بعدی قرار دارند. [1] Random Forest (RF)[2]  Support Vector Machine (SVM)

در منابع اهل سنت خبری از سیّدالشهداء7 نقل شده که در آستانه روز عاشورا خطاب به یارانش فرمود: «لایُقاتل معی، مَن علیه دَین». طبق این خبر، امام7 کسانی را که بدهکاری مالی داشته اند، از همراهیِ با خود در جهاد و شهادت منع کرده و خواستار خروج آنان از جمع دیگر یاران خود شده است. این خبر، اهمیّت حق الناس و لزوم ادای آن را مورد تأکید قرار داده و فراوان، مورد استناد واقع می شود. مقاله پیش رو ضمن بررسی محتوایی این خبر، تلاش دارد به درستی یا نادرستی آن دست یابد. یافته های تاریخی، حکایت از آن دارد که گزارش مورد نظر، ضعیف و غیرقابل اعتماد است. گویا چنین خبری ساخته شده تا از زبان سیّدالشهداء7، اهمیت فوق العاده پرداخت «دَین» نسبت به تکالیف دیگر، حتی در بالاترین سطح آن، یعنی جهاد و نبرد با دشمنان فرزند رسول خدا9 و محافظت از جان ایشان را دست کم در میان پیروان و شیعیان آن حضرت نهادینه نماید.