فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۱۲۱ تا ۱۴۰ مورد از کل ۸٬۰۳۷ مورد.
منبع:
بازیابی دانش و نظام های معنایی سال ۱۲ بهار ۱۴۰۴ شماره ۴۲
61 - 90
حوزههای تخصصی:
هدف از پژوهش حاضر بررسی وضعیت برون دادهای پژوهشی ده دانشگاه سطح اول ایران در حوزه موضوعی روان شناسی طی سال های 2010-2021 بود. روش این پژوهش از نوع کاربردی بود و با استفاده از شاخص های علم سنجی و آلتمتریکس انجام شد. جامعه پژوهش برون دادهای پژوهشی ده دانشگاه سطح اول ایران در حوزه موضوعی روان شناسی نمایه شده در پایگاه اسکوپوس انتخاب شد. استخراج داده ها از پایگاه اسکوپوس، آلتمتریک اکسپلورر و سای ول انجام گرفت. برای تجزیه وتحلیل داده ها از نرم افزارهای مایکروسافت اکسل (آمار توصیفی) و اس.پی.اس.اس. نسخه 22 (آزمون همبستگی) استفاده گردید. یافته ها نشان داد که دانشگاه تهران ازنظر کمیت و تعداد استنادات دریافتی وضعیت بهتری داشت ولی دانشگاه تربیت مدرس ازنظر کیفیت برون دادهای پژوهشی عملکرد بهتری داشت. یافته ها نشان داد، برون دادهای پژوهشی با همکاری های بین المللی بالا دارای استنادهای مطلوبی بودند. در ادامه ارتباط آماری معنی داری بین نمره آلتمتریک با تعداد استنادات دریافتی برون دادها در اسکوپوس به دست آمد. نتایج نشان داد که برون دادهای پژوهشی حوزه موضوعی روان شناسی حضور مطلوبی در رسانه های اجتماعی نداشتند، بنابراین لازم است سیاستی در دانشگاه ها اتخاذ شود که پژوهشگران با حضور فعال و اشتراک گذاری آثار خود در رسانه های اجتماعی، به رؤیت پذیری بیشتر و افزایش استناد برون دادهای خود کمک کنند.
Neuromorphic Computing with a Paradigm Shift in Energy-Efficient and Scalable AI Hardware for Real-Time Applications(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
401 - 433
حوزههای تخصصی:
Background: Neuromorphic computing is a newly developed technology that is based on data-flow architectures similar to the brain, which has the potential to power energy-constrained, latency-sensitive, and large-scale applications. The lack of flexibility in energy consumption and response time of traditional systems is a problem where neuromorphic platforms shine in real-time applications like robotics, IoT and autonomous systems. Objective: The article aims to assess the capabilities of neuromorphic computing platforms with respect to conventional schemes, both quantitatively and qualitatively, in terms of energy consumption, response time, modularity, and application-dependent adaptability, and to determine the drawbacks and application prospects for its further development. Methods: The study uses a comparative analysis approach to compare the identified factors and make statistical comparisons of the performance measures. The performance of the neuromorphic platforms as compared to non-neuromorphic platforms like Intel Loihi, IBM TrueNorth, NVIDIA Tesla V100, and Google TPU is compared based on its applications in robotics, IoT, and especially in healthcare. Data is derived from the experimental assessments of knowledge and theoretical paradigms encountered in prior research studies. Results: Neuromorphic systems showed better energy consumption, system size, and delay characteristics. Nevertheless, that the algorithm so excellently solves particular tasks does not mean that it can successfully be used regardless of its purpose, or can be adapted freely to new, further-reaching trends, such as quantum computing. Regression results demonstrate a high degree of dependency between these measures as well as their potential for real time data processing. Conclusion: Neuromorphic computing can be regarded as a new paradigm of energy-efficient and scalable AI and is especially promising for latency-sensitive deployment. Their shortcomings have been discussed earlier, yet it is worth stating that extension of these approaches by hybrid systems and more sophisticated integration frameworks might open new opportunities and eventually promote them as a foundation for new-generation computation models.
بررسی رابطه بین هوش مصنوعی و عملکرد کارکنان: نقش میانجی تسهیم دانش(مقاله علمی وزارت علوم)
منبع:
بازیابی دانش و نظام های معنایی سال ۱۲ تابستان ۱۴۰۴ شماره ۴۳
123 - 150
حوزههای تخصصی:
هدف از انجام این پژوهش بررسی رابطه بین هوش مصنوعی و عملکرد کتابداران پزشکی: نقش میانجی تسهیم دانش در بین مدیران، کارکنان اداری، رؤسای کتابخانه های علوم پزشکی تابعه وزارت بهداشت، درمان و آموزش پزشکی مستقر در شهر تهران است. روش پژوهش حاضر، توصیفی و از نوع پیمایشی بوده و براساس هدف، کاربردی است. جامعه آماری مدیران، کارکنان اداری، رؤسای کتابخانه های علوم پزشکی تابعه وزارت بهداشت، درمان و آموزش پزشکی مستقر در شهر تهران بوده و به دلیل محدود بودن حجم جامعه آماری، همه جامعه با استفاده از روش سرشماری لحاظ گردیده است که 176 نفر به کار گرفته شد. ابزار گردآوری اطلاعات این پژوهش برای جهت سنجش هوش مصنوعی از پرسش نامه چن و همکاران (۲۰22) که حاوی 22 گویه ای که طیف گسترده ای از ابعاد هوش مصنوعی را در بر بگیرند، استفاده شد. جهت سنجش عملکرد کارکنان از پرسش نامه استیفن (2005) که حاوی 12 گویه، همچنین جهت سنجش تسهیم دانش از پرسش نامه داماج و همکاران (2016) که حاوی 12 گویه، استفاده شد؛ که پایایی آن از طریق آزمون آلفای کرونباخ و روایی آن از طریق روایی همگرا و روایی واگرا مورد تأیید قرار گرفت. تحلیل داده ها با استفاده از شاخص های آمار توصیفی همچون توزیع فراوانی و آمار استنباطی و روش مد ل سازی معادلات ساختاری با Smart PLS انجام شد. یافته ها نشان داد، هوش مصنوعی بر عملکرد کارکنان تأثیر مثبت و معنی داری دارد و همچنین هوش مصنوعی بر تسهیم دانش تأثیر مثبت دارد. تسهیم دانش بر عملکرد کارکنان تأثیر مثبت و معنی داری دارد. نتایج نشان داد تسهیم دانش به عنوان یک میانجی کامل در رابطه بین هوش مصنوعی و عملکرد کارکنان عمل می کند.
تحلیل حقوقی موانع تکثیر و عرضه منابع کتابی در کتابخانه های دیجیتالی ایران با تأکید بر راهکارهای حقوقی(مقاله علمی وزارت علوم)
منبع:
کتابداری و اطلاع رسانی دوره ۲۸ تابستان ۱۴۰۴ شماره ۲ (پیاپی ۱۱۰)
143 - 180
حوزههای تخصصی:
هدف: با وجود ظرفیت گسترده کتابخانههای دیجیتال برای افزایش دسترسی به دانش، در ایران کتابخانهها با موانع حقوقی جدی در تکثیر و عرضه منابع کتابی مواجه هستند. این مشکلات ناشی از محدودیتهای قانونی و نبود چارچوبهای روشن برای اخذ مجوز از ناشران، دسترسی پژوهشگران و کاربران را محدود میکند. هدف پژوهش کنونی، تحلیل موانع حقوقی تکثیر و عرضه منابع کتابی در کتابخانههای دیجیتالی ایران به منظور ارائه راهکارهای حقوقی برای رفع موانع است.
روش پژوهش: پژوهش حاضر رویکرد کیفی دارد. در این پژوهش از روش تحلیل اسنادی و تحلیل مضمون برای گردآوری دادهها استفاده شد. در همین راستا، منابع، پژوهشهای مرتبط و 15 قانون و اسناد بینالمللی مورد مطالعه و تحلیل قرار گرفت. همچنین، مصاحبه با متخصصان و حرفهمندان برای استخراج موانع و راهکارهای احتمالی استفاده شد. با توجه به مباحث حوزه دیجیتال در کتابخانهها و ارتباط آن با کتابخانهها در گام نخست، 8 نفر از متخصصان و اساتید حق مؤلف شناسایی شدند که در نهایت، 5 نفر از خبرگان این حوزه برای مصاحبه اعلام موافقت کردند.
یافتهها: بیست و شش مضمون پایه مربوط به مضامین سازماندهنده اقدامات حفاظت فناورانه و حمایتهای قانونی ذیل مضمون فراگیر حمایتهای حقوقی از تدابیر فنی در تحلیل قوانین به دست آمد. یافتهها نشان داد که تعیین سیاست حق مؤلف به عنوان یکی از مواردی است که بارها هم در منابع و هم از دیدگاه مصاحبهشوندگان به آنها اشاره شد. مانعی همچون فقدان زیرساختها و چارچوبهای حقوقی در کنار فقدان قراردادهای حقوقی به عنوان مهمترین و پربسامدترین موانع مطرح شدند. استثنائات و معافیتهای کتابخانهای، قرارداد حقوقی، حمایتهای حقوقی از تدابیر فنی، اطلاعات مرتبط با مدیریت حقوق مالکیت فکری، سازمانهای مدیریت جمعی حق مؤلف، امانت و اجاره عمومی و مانند آن از جمله راهکارهایی بود که بهتر است توسط قانونگذار مورد توجه قرار گیرد.
نتیجهگیری: استفاده از فراداده حقوقی به منظور مستندسازی وضعیت حق مؤلف، گنجاندن سازمانهای مدیریت جمعی حق مؤلف و شرح وظایف آنها در قانون، اجازه به کتابخانهها توسط سازمانهای مدیریت جمعی حق مؤلف برای تکثیر و عرضه منابع کتابی در صورت ثبت بیش از ششماه؛ با جستجو در اپک کتابخانه ملی ایران و قراردادن «اطلاعات مرتبط با حقوق مالکیت فکری اثر» در پیشنویس لایحه به جای شناسنامه الکترونیکی، اثر بخشی از پیشنهادهای پژوهش حاضر است. استفاده از نتایج این پژوهش میتواند تا حدود زیادی به رفع موانع پیش رو در کتابخانههای دیجیتالی ایران و اصلاح قوانین کمک نماید.
تدوین هستی شناسی مشاغل علم اطلاعات و دانش شناسی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف از پژوهش حاضر، تدوین هستی شناسی مشاغل حوزه علم اطلاعات و دانش شناسی است. این پژوهش از لحاظ هدف، کاربردی و از لحاظ روش، از نوع پژوهش های توصیفی است. جامعه پژوهش شامل کلیه مشاغل حوزه علم اطلاعات و دانش شناسی بود. در این پژوهش برای استخراج و شناسایی لیست مشاغل رشته علم اطلاعات و دانش شناسی ایران، آیین نامه های سازمان استخدامی کشور، کتاب بانک مشاغل ایران، و لیست مشاغل رشته علم اطلاعات و دانش شناسی در کشورهای پیشرفته مورد بررسی قرار گرفت و تعدادی از مشاغل استخراج شد. سپس، بر اساس تحلیلی که بر روی سرفصل دروس رشته علم اطلاعات و دانش شناسی انجام گرفت و مهارت هایی که توسط دانشجویان کسب می شود، تعدادی شغل برای دانش آموختگان رشته علم اطلاعات و دانش شناسی ارائه شد و سرانجام، در لیست مشاغل تهیه شده وارد شد. در پژوهش حاضر برای ایجاد مدل مفهومی حوزه مشاغل علم اطلاعات و دانش شناسی از رویکرد تحلیل حوزه استفاده شد و روایی صوری و محتوایی مدلِ ارائه شده توسط 8 نفر از متخصصان حوزه مطالعات صنفی کشور تأیید شد. سرانجام، هستی شناسی مشاغل حوزه علم اطلاعات و دانش شناسی با استفاده از نسخه 5 نرم افزار «پروتژه» طراحی شد. در پژوهش حاضر، با بهره گیری از روش هفت-مرحله ای ساخت هستی شناسی «سندلوسکی» که شامل تعیین دامنه و پوشش هستی شناسی، تعیین سلسله مراتب هستی شناسی، تعیین جفت های مفهومی، تعیین رده ها، توصیف ویژگی ها، تعریف چهریزه ها و ایجاد نمونه است، به تدوین هستی شناسی مشاغل حوزه علم اطلاعات و دانش شناسی ایران پرداخته شده است. در این پژوهش انواع مشاغل و مهارت های مورد نیاز هر شغل شناسایی شده و هستی شناسیِ طراحی شده که دارای 4 کلاس اصلی و 90 زیرکلاس است، قرار گرفت. هستی شناسی ارائه شده می تواند به طرح طبقه بندی مشاغل و ایجاد پایگاه های دانش بنیان کمک شایانی کند و همچنین می تواند به نهادها و سازمان های مرتبط با اشتغال رشته علم اطلاعات و دانش شناسی از جمله انجمن کتابداری و اطلاع رسانی در تعریف ردیف های شغلی کمک کند. گروه های علمی و دانشجویان نیز می توانند از این هستی شناسی در آموزش و یادگیری مهارت های مورد نیاز برای اشتغال یاری گیرند.
AI-Driven Automation for Transforming the Future of Software Development(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
87 - 118
حوزههای تخصصی:
Background : Artificial Intelligence (AI) has recently emerged as a transformative innovation within the software industry, disrupting conventional approaches to application development by automating tasks, refining code, and enhancing resource efficiency. Prior research indicates the effectiveness of AI-powered tools across various domains. However, contemporary studies lack a detailed analysis of the diverse sectors utilizing AI tools for software development. Objective : This article aims to identify the potential benefits and impacts of AI in software development, specifically regarding time-to-market, productivity, code quality, bug-fixing rates, resource flexibility, and developer satisfaction. The goal is to present fact-based information about AI’s impact on multiple industries and scopes of work. Methods : A mixed-methods research design was employed to analyze quantitative data from 40 projects across healthcare, financial services, retail, technology, and e-commerce industries. Data were collected using various project management tools, automated testing environments, and online questionnaires addressed to developers. The study incorporated a comparative evaluation of AI-based projects and traditional projects, with statistical analysis. Results : AI-driven software development projects demonstrated a mean reduction in time-to-market by 34.6%, an improvement in code quality by 70%, and a mean reduction in bug-fixing time by 57.7%. Productivity per sprint increased by over 70%, resource flexibility was higher (90.2% in AI projects vs. 67.8% in traditional projects), and developers reported higher satisfaction levels. These findings reinforce the concept that AI significantly enhances workflow and the achievement of optimal results. Conclusion : AI substantially improves both the speed and quality of software development. Further research should expand to explore the experiences of different sectors, the application of AI-driven tools, their differentiation, and usage, as well as the ethical considerations to promote sustainable and innovative software engineering solutions.
Artificial Intelligence in Healthcare: Revolutionizing Diagnostics with Predictive Algorithms(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
149 - 176
حوزههای تخصصی:
ABSTRACT Background: Artificial Intelligence (AI) has rapidly integrated into healthcare, proving indispensable in diagnostic processes. Event-predicting equations in medicine offer solutions to longstanding issues related to early diagnosis and personalized patient care. Objective: This article aims to explore best practices in objective and quantitative diagnostic predictions using AI and predictive algorithms. It seeks to revolutionize healthcare diagnostics by enhancing effectiveness and reducing diagnostic error rates. Methods: This study involves a literature review of the past five years, focusing on recent innovations in AI for healthcare diagnostics. The review includes fields such as oncology, cardiology, and others to evaluate the efficacy of prediction algorithms in practice. Results: The findings indicate that machine learning-based computer-aided diagnosis models significantly improve diagnostic accuracy by detecting diseases at early stages and personalizing treatment programs. The integration of these algorithms has led to reduced diagnostic errors and improved patient experiences across various medical fields. Conclusion: AI predictive algorithms represent the future of diagnostic medicine. Their adoption is set to personalize and advance patient treatment, enhance health outcomes, and improve the efficiency of healthcare systems. However, comprehensive research and precise implementation are essential to fully harness the potential of AI in diagnostics.
طراحی و ساخت هستی شناسی بیماری «ام اس»(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هستی شناسی به عنوان یک ابزار معنایی به دنبال ارائه یک طبقه بندی قطعی و جامع از موجودیت ها در تمام حوزه های هستی و بازیابی دانش از منابع است. هستی شناسی ها در حوزه های پزشکی و شناخت و درمان بیماری ها کاربرد زیادی دارند. از این رو، هدف از انجام پژوهش حاضر، طراحی هستی شناسی حوزه بیماری «ام اس» و مراحل ساخت آن است. این مطالعه با رویکرد کیفی به روش تحلیل محتوا و بر مبنای روش OAsys Bermejo صورت گرفت. مراحلی که برای ساخت هستی شناسی بیماری «ام اس» در نظر گرفته شد، شامل 9 مرحله، 1) تعیین حوزه، دامنه یا هدف هستی شناسی، 2) شناسایی منابع اطلاعاتی شامل کتاب ها، مقالات، متخصصان، و موارد دیگر، 3) شناسایی و جمع آوری اصطلاحات و مفاهیم از متون، 4) تعیین پوشش موضوعی، دامنه و طبقات اصلی هستی شناسی، 5) تعیین سلسله مراتب اصطلاحات و مفاهیم، 6) تعریف و تعیین روابط بین اصطلاحات و مفاهیم، 7) توصیف ویژگی های رده ها و روابط بین آن ها، 8) تعیین روابط بین نمونه ها و کلاس ها، و 9) ایجاد محدودیت ها و قوانین مورد نیاز است. جامعه آماری پژوهش، منابع اطلاعاتی فارسی و انگلیسی تخصصی در حوزه بیماری «ام اس» بود. به همین منظور، کلیه علائم این بیماری، روش های درمانی و تشخیص آن از طریق کتب، مقالات و واژه نامه های تخصصی این حوزه استخراج گردید. چارچوب مفهومی هستی شناسی بیماری «ام اس» بر اساس متون مرتبط تخصصی حوزه و به صورت دستی و به وسیله نرم افزار «پروتژه» نسخه 5/5 انجام شد. هستی شناسی بیماری «ام اس» شامل 6 کلاس اصلیِ 1) انواع بیماری «ام اس»، 2) روش های درمان، 3) روش های تشخیص، 4) علائم بیماری، 5) عوامل ابتلای انسان به این بیماری، و 6) عوارض آن بود و هر یک از آن ها زیرکلاس های مربوط به خود را دارد. همچنین، به منظور تعیین ارتباط بین مفاهیم، 10 رابطه معنایی اصلی شامل 1) علت دارد، 2) علت است، 3) عوارضی دارد،4) عارضه است، 5) علائمی دارد، 6) علامت است، 7) تشخیص می دهد، 8) تشخیص داده می شود به وسیله، 9) درمان، و 10) درمان می شود توسطِ، مشخص گردید. هستی شناسی طراحی شده، به سازماندهی و بازیابی دانش در زمینه بیماری «ام اس» کمک می کند و با توجه به نیاز افراد و متخصصان به سیستم های مبتنی بر دانش کاربردی و معتبر، می تواند در ساخت و طراحی سیستم های توصیه گر و سایر ابزارهای تحلیل دانش پزشکی برای بیماری «ام اس» مورد استفاده قرار گیرد. افزون بر این، این هستی شناسی می تواند برای استفاده در تحلیل و ترسیم ساختار دانش در دیگر حوزه ها نیز به کار رود.
Next-Gen Machine Learning Models: Pushing the Boundaries of AI(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
435 - 464
حوزههای تخصصی:
Background: Machine learning (ML) has developed significantly over the years, changing several industries through the use of automation and Big Data. By building better next-generation machine learning models, AI’s future has the potential of improving on existing problematic methods such as scalability, interpretability, and generalization. Objective: This article examines about how new generation of ML models are developed and used to explain about the capabilities of AI in different fields. In particular, it is focused on changes in structural models, certain methods of training them, and the application of brand-new technologies as quantum computing. Methods: A review of the state of the art and several case studies were carried out with regard to the latest work being done on different types of ML algorithms such as transformer models, reinforcement learning, and Neural Architecture Search. Moreover, the given models were tested in experiments concerning the applicability of these models in tasks including image recognition, natural language processing, and in autonomous systems. Results: The next-gen models, thereby outperformed the traditional models in terms of accuracy, computational speed, and flexibility. The identified benefits were decreased training time, better interpretability, and better performance with multi-modal and cross-domain tasks. Conclusion: These new generation of ML models are the game changers in AI development solving previous challenges while providing opportunities across numerous sectors. In this vein, further research in this field is needed to achieve AI’s solving of problems.
Quantum Cryptography in Telecommunications as a New Era of Secure Communications(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
465 - 493
حوزههای تخصصی:
Background: Quantum Key Distribution (QKD) has turned into a crucial point for secure communication in the era of quantum networks. Quantum key distribution provides the client with a theoretically secure key by taking advantage of the principles of quantum mechanics to counteract what could be posed by quantum computing to classical cryptography. Photons are lost in the system and there are some limitations which don’t allow scalability and integration with already existing networks. Objective: The study seeks to assess the viability of QKD systems, review some of the challenges associated with it, and investigate possible methods of utilizing both QKD and PQC to cope with new security threats in telecommunication industry. Methods: An in-depth analysis was made based on the experimental observations of key generation rates, photon loss, error correction, data throughput, and latency. Performance of quantum repeaters was experimented with for the purposes of measuring distance improvement abilities. A combined QKD-PQC approach was assessed for integrated integration for restricted settings. Results: QKD was seen to have high security and high performance in short distances and when quantum repeaters were implemented the distance could be greatly enhanced. In the QKD-PQC model, the rate of error correction, throughput, and scalability was noticed to be higher than in standalone QKD. Challenges that faced the work were photon loss, processing latency, and system vulnerabilities. Conclusion: New opportunities for secure communication are opened with QKD supported by quantum repeaters and hybrid cryptographic approaches. The technical and operational issues need to be resolved to realize the potential role of B3G evolution in enabling global telecommunications for the mass market.
Edge AI for Transforming Autonomous Systems and Telecommunications for Enhanced Efficiency and Responsiveness(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
1061 - 1086
حوزههای تخصصی:
Background: Enabling Edge Artificial Intelligence (Edge AI) to be implemented in autonomous systems and telecommunications can offer for improved real-time data, non-recurring latency, enhanced operational proficiency. Some empirical research suggests that Edge AI minimizes latency by 70%, enhances computing speed by 50%, and cuts bandwidth consumption by 30% in the most demanding cases. Objective: The purpose of this article is to investigate how Edge AI can serve as an enabling technology for the future of self-sustaining environments such as autonomous mobility and telecommunications in terms of measured utility and differentiation. Methods: Screening 120 refereed articles and 25 case studies connected to Edge AI application in telecoms and self-governing systems, this systematic looked-for patterns in the proximal research and promising agendas. The review encompassed research works concerned with latency minimization, bandwidth enhancement and enhancement in the processing capacity. Focus was made on application areas like self-driving cars, industrial IoT, and smart city platforms and performance analysis was made in these areas. Results: The current study prove that when employed in autonomous systems, Edge AI enhances decision making reaction time by 40-60%, while enhancing data traffic throughput within telecommunications networks by 35%. Further, Edge AI makes the overall energy consumption lower in IoT-based applications by cutting down the average usage by a quarter thus creating a sustainable network. Conclusion: Edge AI becomes a central tool in the development of self-driving cars and telecommunications, increased performance and ability to handle mass amount of data at a low latency. These developments place Edge AI at the base of the evolution of future intelligent systems as the basis for smarter and more responsive technological landscapes.
5G Deployment in Rural Areas: Advancing Connectivity and Bridging the Digital Divide(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
1445 - 1467
حوزههای تخصصی:
Background: Digital literacy, education, and human right of internet are also hampered in rural areas keeping the rural people more backward in the technological advancement and not providing them better chance of socioeconomic development. The opportunity of implementing the new 5G technologies can give the new perspective in the elimination of such disparities manifested through the improvement of the connection, the decrease of latency, and the increase of data transfer rates. This research study established that the adoption of 5G for coverage in rural areas is challenged by technical, economic and policy factors. Objective: The article aims at analyzing the technical, economic, and social aspects of 5G technology in the rural context in order to identify such problem the development of appropriate solutions for infrastructure costs, spectrum availability, and consumers. In pursuing this goal, the research seeks to develop practical recommendations on enhancing deployment strategies to increase Internet access where it is scarce. Methods: The study therefore used an exploratory, theoretical-evaluative, and finally empirical approach that involved quantitative modeling, case studies, and key informant interviews. Latency, data throughput, and coverage stand as the most significant factors which were tested using network simulation. Level of cost was used to determine economic feasibility while data for qualitative analysis were obtained from a survey of policymakers and telecom operators, and focus group discussion with rural community leaders. Results: In the case of 5G, the implementation of the system led to a 75% reduction in latency, a 600% improvement in the data throughput, and a 300% increase in coverage area. This finding revealed that the partnerships as a deployment model were the most effective as they resulted to a 58%ROI and lowered infrastructure costs. Conclusion: The study reaffirms the innovation of 5G to rural areas and develops agriculture, healthcare services, and educational systems. Policies, investments in the right areas, optimal management of the available spectrum and engaging with the communities as required should be a key focus for deployment to be just.
Adaptive AI-Driven Network Slicing in 6G for Smart Cities: Enhancing Resource Management and Efficiency(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه پردازش و مدیریت اطلاعات دوره ۴۰ تابستان ۱۴۰۴ ویژه نامه انگلیسی ۴ (پیاپی ۱۲۵)
1541 - 1573
حوزههای تخصصی:
Background: Smart city evolution is fast-paced, and imposes severe demands on telecom infrastructures: it must be highly flexible and scalable for coping with bursty traffic loads and heterogeneous service needs. Legacy network systems are not well suited to handle the changing requirements of smart city environments with autonomous cars, IoT, and public safety systems. Objective : The study to offer an AI-native network slicing framework for 6G smart city networks in order to improve dynamic resource control and management. The framework aims to enhance the delay, energy, and resource performance metrics which are significant for smart city services. Method: To facilitate the real-time network resource orchestration depending on the changing traffic requirements and user preferences, the authors consider moving target defense adapted artificial intelligence with a Deep Reinforcement Learning (DRL) model. Simulations were carried out to compare the AI-native model to conventional and AI-supported slicing methods. Results : Simulation results validate that the AI-native network slicing framework outperforms current 5G solutions with 25% reduction in latency and 20% increase in energy efficiency. Furthermore, the model's online resource allocation scheme can enhance the utilization efficiency of the bandwidth and the energy by 15% compared with the traditional approaches. Such improvements especially in critical applications like traffic management, emergency response, and health care would be important. Conclusion: The presented results demonstrate that AI-native network slicing is a viable, flexible, and scalable solution for 6G smart city networks. The framework is designed to support the future sustainable and high-performance requirements of urban infrastructures, providing both energy-efficient real-time adaptability. This study provides an overarching front-to-end outlook to address the management issues of sophisticated resource systems, and puts AI-native network slicing at the base level of the emerging smart cities.
طراحی مدل شبکه های اجتماعی دانش محور در کتابخانه های دانشگاه ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
مقدمه و اهداف: شبکه های اجتماعی در کتابخانه ها به ویژه کتابخانه های دانشگاهی به عنوان نمونه ای جدید و قدرتمندی از ارتباطات میان استادان، کتابداران و کاربران به حساب می آید. این پژوهش درصدد برآمد تا مدل مطلوب شبکه های اجتماعی دانش محور را در کتابخانه های دانشگاهی ایران طراحی نماید.روش: روش تحقیق از نظر هدف، کاربردی است که با روش پیمایشی از نوع طرح های همبستگی و مدل تحلیل مسیر و الگوی معادلات ساختاری انجام شد. جامعه آماری در این پژوهش شامل تعداد ۶۵ نفر (اعم از مدیر و کتابدار) در کتابخانه دانشگاه های ایران در نظر گرفته شد. در این پژوهش جهت تجزیه وتحلیل داده ها از آمار های توصیفی و استنباطی استفاده گردید.یافته ها: یافته ها نشان داد که از میان مؤلفه های شبکه های اجتماعی دانش محور (بُعد ساختاری، فنی، محتوایی، آموزشی) و فرهنگ سازمانی به عنوان متغیر میانجی، با تحلیل رگرسیون سلسله مراتبی تحلیل شدند. وقتی ابعاد ساختاری وارد مدل شد، مدل کلی 25 درصد شبکه اجتماعی دانش محور را تبیین کرد، با اضافه شدن ابعاد محتوایی، آموزش و فنی مدل نهایی به 35 درصد رسید.نتیجه : نتایج یافته ها حاکی از آن بود که باتوجه به معنادار بودن اکثر مؤلفه ها (اعم از ساختاری، محتوایی، فرهنگی و فنی) در این پژوهش لازم است در گسترش و پیاده سازی این شبکه در سازمان به این مؤلفه ها توجه ویژه ای شود و ضعف ابعاد دیگر را با برگزاری کارگاه های آموزشی و درس گروهی ها حل کند.اصالت: با توجه به تأکیدی که امروزه بر تحقق جوامع دانش بنیان صورت گرفته است و نظر به نقش محوری دانشگاه ها در این فرایند، به نظر می رسد طراحی مدل شبکه های اجتماعی دانش محور در کتابخانه های دانشگاهی، از اصالت و اهمیت برخوردار است.
بررسی رابطه بین انگیزه خودمختاری، وابستگی متقابل وظیفه و اهمیت وظایف با اشتراک دانش ضمنی کتابداران به کمک نقش تعدیلگر دانش بین نسلی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف: این پژوهش با هدف شناسایی نقش تعدیل کننده دانش بین نسلی در رابطه بین خودمختاری، وابستگی متقابل وظیفه و اهمیت وظایف با اشتراک دانش ضمنی کتابداران کتابخانه های عمومی استان کهگلویه و بویراحمد انجام شده است. روش: پژوهش از نظر هدف کاربردی و از لحاظ گردآوری داده ها پیمایشی با رویکرد توصیفی است. جامعه آماری شامل کارکنان کتابخانه های عمومی استان کهگیلویه و بویراحمد در سال 1402 بود و 119 نفر به صورت تصادفی به عنوان نمونه انتخاب شدند. جمع آوری داده ها از طریق پرسش نامه های اشتراک دانش کانلی و همکاران (2012)، انگیزه خودمختاری کالدی و زافاکوس (2017)، اشتراک دانش بین نسلی المی (2020)، اهمیت وظیفه اولدهام و هاکمن (2020) و پرسش نامه وابستگی متقابل وظیفه پیرس و گریجرسون (1991) صورت گرفته است. تجزیه و تحلیل داده ها به روش معادلات ساختاری و با استفاده از نرم افزار لیزرل صورت گرفته است. یافته ها: نتایج پژوهش نشان داد که خودمختاری، اهمیت وظیفه و وابستگی متقابل وظایف به طور مثبت با اشتراک دانش ضمنی مرتبط است. همچنین دانش بین نسلی رابطه بین وابستگی متقابل وظایف و اشتراک دانش ضمنی را تعدیل می کند. به علاوه، نتایج نشان دادند که دانش بین نسلی رابطه بین انگیزه خودمختاری و اهمیت وظیفه با اشتراک دانش ضمنی را تعدیل نمی کند. نتیجه گیری : دانش بین نسلی سبب تقویت خودمختاری، تعدیل وابستگی متقابل وظایف، و ارتقاء درک اهمیت وظایف در میان کتابداران می شود. این عوامل به نوبه خود، باعث بهبود فرآیند اشتراک دانش در محیط کتابخانه های عمومی می شوند. اشتراک دانش بین نسلی به کتابخانه ها اجازه می دهد تا خدمات خود را بهبود بخشیده و در محیط دائماً در حال تغییر و رقابتی امروز باقی بماند.
تأثیر فراموشی سازمانیِ هدفمند بر ظرفیت جذب دانش با نقش میانجی سرمایه انسانی (موردمطالعه: وزارت ورزش و جوانان)(مقاله علمی وزارت علوم)
منبع:
بازیابی دانش و نظام های معنایی سال ۱۲ تابستان ۱۴۰۴ شماره ۴۳
151 - 174
حوزههای تخصصی:
هدف مقاله حاضر، تأثیر فراموشی سازمانی هدفمند بر ظرفیت جذب دانش با نقش میانجی سرمایه انسانی در وزارت ورزش و جوانان بود. روش پژوهش، توصیفی تحلیلی از نوع کاربردی بود. جامعه آماری، تمامی کارکنان وزارت ورزش و جوانان بود که 213 نفر به عنوان نمونه آماری در نظر گرفته شدند. روش نمونه گیری، تصادفی ساده بود. ابزار گردآوری داده ها، پرسش نامه های استاندارد بود. ضریب آلفای کرونباخ پرسش نامه ها بالاتر از 7/0 بود. نتایج پژوهش نشان داد که فراموش سازمانی هدفمند بر سرمایه انسانی و نیز ظرفیت جذب دانش تأثیر مثبت و معناداری دارد و سرمایه انسانی بر ظرفیت جذب دانش تأثیر معناداری دارد. علاوه بر این، فراموش سازمانی هدفمند بر ظرفیت جذب دانش با نقش میانجی سرمایه انسانی تأثیر معناداری دارد. جذب دانش، تحت تأثیر رهایی از دانش غیرمفید سازمانی و ایجاد تغییر و تحول به واسطه افزایش توانایی ها و مهارت های فردی کارکنان صورت می پذیرد.
نقش مدیریت کوانتومی و زبان انگیزشی در ارتقای تعاملات کاری و عملکرد کارکنان کتابخانه های عمومی(مقاله علمی وزارت علوم)
منبع:
کتابداری و اطلاع رسانی دوره ۲۸ بهار ۱۴۰۴ شماره ۱ (پیاپی ۱۰۹)
133 - 161
حوزههای تخصصی:
هدف: این مطالعه با هدف بررسی تأثیر مهارتهای مدیریت کوانتومی بر تعامل کاری کارکنان کتابخانههای عمومی شهرستان اصفهان با نقش میانجی زبان انگیزشی مدیران انجام شده است. این پژوهش به دنبال شناسایی ارتباطات بین این متغیرها و اهمیت آنها در بهبود عملکرد سازمانی است.
روش پژوهش: این پژوهش از نوع کاربردی و به روش توصیفی-پیمایشی انجام شده است. جامعه آماری شامل ۳۰۸ نفر از کارکنان کتابخانههای عمومی شهرستان اصفهان بود که با استفاده از نمونهگیری تصادفی ساده، ۲۰۰ پرسشنامه توزیع و ۱۶۹ پرسشنامه کامل برای تحلیل انتخاب شد. دادهها با استفاده از پرسشنامههای استاندارد که روایی و پایایی آنها تأیید شده بود، جمعآوری گردید. تجزیه و تحلیل دادهها با بهرهگیری از روش معادلات ساختاری و نرمافزار اسمارت پی.ال.اس انجام شد.
یافتهها: نتایج پژوهش حاکی از آن است که مهارتهای مدیریت کوانتومی تأثیر مثبت و معنیداری بر تعامل کاری کارکنان کتابخانههای عمومی دارند. همچنین، زبان انگیزشی مدیران به عنوان متغیر میانجی، نقش مؤثری در تقویت رابطه بین مهارتهای مدیریت کوانتومی و تعامل کاری کارکنان کتابخانههای عمومی ایفا میکند.
نتیجهگیری: یافتههای این پژوهش به مدیران و مسئولان کتابخانههای عمومی پیشنهاد میکند که با تمرکز بر انگیزههای کارکنان و بهکارگیری مؤثر زبان انگیزشی، گامهای مؤثری در جهت تقویت تعامل و بهبود عملکرد کارکنان بردارند. این رویکرد میتواند به افزایش رضایت شغلی، ارتقای کیفیت خدمات کتابخانهای و بهینهسازی محیط کار منجر شود. در نتیجه، توجه به این عوامل به عنوان یک راهبرد کلیدی در مدیریت کتابخانههای عمومی توصیه میشود.
راهبردها و فنون جستجوی اطلاعات (مورد مطالعه پژوهشگران فرهنگستان هنر)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف: این پژوهش با هدف تحلیل چگونگی راهبردها و فنون جستجوی اطلاعات پژوهشگران فرهنگستان هنرانجام شده است. روش: پژوهش حاضر کاربردی و به روش ترکیبی (کمی و کیفی) اجراشده است. روش پژوهش در بخش کمی نیمه تجربی و در بخش کیفی از روش تحلیل محتوا استفاده شده است. ابزار گردآوری داده ها در بخش کمی، پرسش نامه و مشاهده و در بخش کیفی، مصاحبه نیمه ساختاریافته است. روش نمونه گیری در این پژوهش به شکل هدفمند بود. جامعه پژوهش شامل پژوهشگران حوزه های نمایش، سینما، معماری، نگارگری و موسیقی فرهنگستان هنر است که به این مرکز مراجعه کرده و بر اساس نمونه گیری هدفمند انتخاب شدند. در نهایت، 48 نفر از افرادی که در دسترس و مایل به همکاری با پژوهشگر بودند به عنوان نمونه انتخاب شدند. داده ها در دو مرحله تکمیل پرسش نامه های جمعیت شناختی، تجربه جستجو، ارزش و مشاهده رفتار تکمیل وظایف جستجو و تحلیل متنی محتوای مصاحبه شده است. با استفاده از تصاویر ضبط شده از کاربران در نرم افزار کمتازیا استودیو گردآوری شده است. با استفاده از آمار توصیفی میانگین، انحراف معیار و با استفاده از فراوانی به دست آمده است. سپس راهبردها و فنون الگوهای رفتار اطلاع یابی شناسایی و ترسیم شده است. با استفاده از آزمون های تی تک متغیره، تی مستقل، همبستگی پیرسون و آزمون تحلیل واریانس آنالیز انجام شد. نتایج بخش کمی به کمک نرم افزار اس. پی .اس.اس مورد تحلیل قرار گرفت. یافته ها: یافته ها نشان می دهد که پژوهشگران دارای مدرک دکتری در زمینه هنر از راهبردها و فنون مرتبط برای جستجوی اطلاعات استفاده می کنند، درحالی که پژوهشگران با مدرک کارشناسی ارشد بیشتر به راهبردها و فنون غیرمرتبط و تکراری تمایل دارند. پاسخ دهندگان در انجام وظایف جستجو رفتارهای متفاوتی از خود نشان داده و به میزان اندکی از راهبردها و فنون استفاده کرده اند. در مرحله مقدماتی جستجو (شروع)، آزمودنی ها در مجموع ۴۰۹ راهبرد و فن را به کاربردند. در تکمیل وظایف (پرسش سخت)، کاربران از مطالعه نظام مند استفاده کرده و به بررسی صفحات بازیابی پرداخته و زمان بیشتری صرف کردند. در سبک آسان (پرسش آسان)، با استفاده از روش های مختلف و مرور صفحات، یکی از مرورگرها را بازیابی و انتخاب کردند. در این حالت، تعداد صفحات بیشتری بررسی و زمان کمتری برای مرور آن ها صرف شده است. برخی از کاربران نتایج بازیابی شده را بر اساس وظایف جستجو مرور و مطالعه کرده و از روش های مختلفی بهره برده اند. یافته های این پژوهش به طراحان موتورهای جستجو و سیستم های اطلاعاتی کمک می کند تا ابزارهای جستجوی اطلاعات هنری بهتری طراحی کنند. این امر کاربران را قادر می سازد تا سریع تر به نتایج متناسب با نیازهای اطلاعاتی خود دست یابند. همچنین، تحلیل رفتار جستجوی اطلاعات از وب می تواند به ایجاد و توسعه الگوهای جستجو و بازیابی اطلاعات کمک کند. در این پژوهش، رفتار جستجوی پژوهشگران در دو سبک آسان و دشوار با استفاده از داده های آماری بررسی شد. نتایج نشان داد که در جستجوی آسان، راهبردهایی مانند استفاده از موتور جستجوی گوگل (فراوانی 976) و فرمول بندی عبارت جستجو به روش عام به خاص بیشترین فراوانی را داشتند. آزمون کای اسکوئر تفاوت معناداری بین دو سبک جستجو با مقدار 1/324و احتمال کمتر از 5 درصد تأیید کرد. همچنین، رفتار جستجو در سبک آسان بیشتر از سبک دشوار بود (فراوانی 976 در برابر 948)، اما تفاوت معناداری بین وظایف اول و دوم (احتمال 0/0897) مشاهده نشد. نتیجه گیری: نتایج پژوهش نشان داد که درمجموع 1924 راهبرد و فن در مراحل مختلف جستجو و بازیابی اطلاعات توسط کاربران به کار گرفته شده است. تحلیل های آماری و جداول توصیفی تأیید کردند که کاربران در وظایف جستجوی آسان، رفتار سریع تری داشته اند، درحالی که در وظایف دشوار، مطالعه عمیق تری انجام داده اند.
تشخیص و دسته بندی نظرات کاربران توئیتر در برابر بحران های خشکسالی در ایران با کمک روش های یادگیری ماشین(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف این پژوهش شناسایی و دسته بندی نظرات کاربران فارسی زبانِ «توئیتر» در رابطه با موضوع بحران های خشکسالی در ایران و سپس، توسعه مدلی برای تشخیص این نظرات در پلتفرم «توئیتر» است. ازاین رو، مدلی با کمک روش های یادگیری ماشین و متن کاوی برای تشخیص نظرات کاربران فارسی زبانِ «توئیتر» توسعه داده شد. جامعه آماری پژوهش، تعداد 42028 توئیت منتشرشده در بازه زمانی یک ساله مرتبط با خشکسالی بود. این توئیت ها با کلیدواژه های مرتبط با مسایل و بحران های خشکسالی در ایران، از «توئیتر» استخراج شد و سپس، یک نمونه 2300تایی توئیت به روش کیفیِ تحلیل تم، برچسب گذاری، دسته بندی و تحلیل شد. آنگاه یک دسته بندی چهارتایی از نظرات کاربران در رابطه با بحران های خشکسالی و تاب آوری ایرانیان در برابر این بحران ها شناسایی گردید. سپس، مبتنی بر این چهار دسته، مدل یادگیری ماشین بر اساس روش رگرسیون لجستیک برای پیش بینی و تشخیص انواع نظرات در پست های «توئیتر»، آموزش داده شد. مدل توسعه داده شده دارای دقت 09/66 درصد و معیار افِ 60 درصد است که نشان می دهد این مدل، برای تشخیص نظرات کاربران ایرانی در ارتباط با بحران های خشکسالی از عملکرد خوبی برخوردار است. تشخیص نظرات در رابطه با بحران های خشکسالی در پلتفرم های اجتماعی مانند «توئیتر» از نیازهای سیاست گذاران و مدیران این حوزه است. توسعه مدل تشخیص این نظرات با روش های یادگیری ماشینی می تواند میزان تاب آوری جامعه ایرانی در برابر این بحران ها را به صورت هوشمند به سیاست گذاران نمایش داده و آن ها را نسبت به تغییرات افکار عمومی در این رابطه آگاه سازد.
پیشنهادهایی برای ایجاد ارزش افزوده «مدیریت پژوهشی» و «سیاستگذاری پژوهشی» در فعالیت های پژوهشگاه علوم و فناوری اطلاعات ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
«ایرانداک» (با نام جدیدش پژوهشگاه علوم و فناوری اطلاعات ایران) با مأموریت «مدیریت اطلاعات علم و فناوری»، «آموزش همکاری های پژوهشی و اطلاع رسانی» و «پشتیبانی از فعالیت های علم و فناوری ایران» در مهر ۱۳۴۷ پایه گذاری شد. این نهاد امروزه یکی از موفق ترین مراکز پژوهشی و اطلاع رسانی است که توانسته سیاست گذاری های ارزشمندی در راستای توسعه منابع مادی و نیروی انسانی خود به عمل آوَرَد. همچنین در این راستا تلاش دارد همگام با پیشرفت های نوین اطلاع رسانی حرکت کرده و برای ارائه خدمات بهتر، سامانه های متعددی راه اندازی و ارائه کند. اینک با ورود به نیم قرنِ دوم فعالیت این مرکز > لازم است با «فرآوری» و «ایجاد ارزش افزوده» بر منابع و خدمات خود در راستای مأموریت های نامبرده، > اقدام ها و فعالیت های خاصی در راستای هدایت «سیاست گذاری های پژوهشی» مد نظر قرار دهد. در همین راستا، مقاله حاضر پیشنهاد می دهد که مسئولان پژوهشگاه فعالیت های بازنگری در رابط کاربری سامانه ها و در نظر گرفتن امکاناتِ گرفتن خروجی برای فعالیت های پژوهشی، سازماندهی طرح های پژوهشی، سازماندهی پایان نامه های دانشگاه ها و مؤسسات آموزش عالی غیردولتی، فراهم سازی خدمات علم سنجی، راه اندازی سامانه پرسشنامه ها و چک لیست ها، جدا کردن منابع انتهای پایان نامه ها و ارائه مستقل آن ها همراه با برقراری پیوند بین منابع و متن آثار، راه اندازی نظام موضوع های پیشنهادی، تقویت منابع «ایرانداک» از طریق فراخوان مردمی و برگزاری جشنواره «پژوهش در پژوهش » را مد نظر قرار دهند. می توان انتظار داشت که انجام این فعالیت ها بتواند «ایرانداک» را در کنار مراکزی مانند SCOPUS قرار دهد که پژوهشگران علم سنجی داده های مورد نیاز خود را از این مرکز اخذ کنند.