درخت حوزه‌های تخصصی

برون دادهای علمی که به گزارش یافته های پژوهش های علمی می پردازند، نقشی مهم در ارتقای دانش، پیشرفت علمی و ترویج پژوهش ها در جوامع علمی ایفا می کنند. بدین دلیل، هدف از انجام این پژوهش، تحلیل وضعیت برون دادهای علمی دانشگاه علامه طباطبائی و بازنمود آن ها در قالب نقشه های علمی بود که با استفاده از روش پژوهشی علم سنجی انجام شد. جامعه آماری این پژوهش همه برون دادهای پژوهشی (مقالات بین المللی، کتاب ها، پایان نامه ها/رساله ها، مقالات مجلات داخلی و طرح های پژوهشی) دانشگاه علامه طباطبائی بین سال های 1353 تا 1403، به تعداد 69420 عنوان بودند. این برون دادها بیشتر به زبان فارسی و انگلیسی و تعدادی نیز در دیگر زبان ها همانند فرانسوی، عربی، اسپانیایی و جز آن ها تدوین شده اند. در این پژوهش به منظور گردآوری داده های موردنیاز پژوهش از ابزارهای تحلیلی پایگاه های استنادی، گزارش های سامانه های پژوهشی دانشگاه و ابزارهای علم سنجی استفاده شد. برای ترسیم جداول از نرم افزار اکسل و برای تحلیل شاخص های مرکزیت و ترسیم نقشه های علمی از نرم افزارهای یو سی آی نت و وی. اُ.اِس. ویور استفاده شد. یافته های پژوهش نشان داد، از 3227 مقاله بررسی شده، تعداد 1091 مقاله (6/18 درصد) در حوزه علوم اجتماعی، 666 مقاله (4/11 درصد) در حوزه پزشکی و 493 مقاله (4/8 درصد) در حوزه علوم رایانه منتشر شده اند. درزمینه انتشار کتاب، دانشکده ادبیات فارسی و زبان های خارجی با 1170 کتاب در رده نخست قرار داشت. دانشکده های روانشناسی و علوم تربیتی با 835 کتاب و مدیریت و حسابداری با 656 کتاب در رده های دوم و سوم قرار گرفتند. بررسی پایان نامه ها/رساله های دانشگاه نشان داد کلیدواژه های ایران، آموزش، یادگیری، کیفیت زندگی، رشد اقتصادی، رضایت شغلی و جز آن ها بیشتر به کاررفته اند. بررسی مقالات در مجلات داخلی و خارجی فاقد نمایه بین المللی دانشگاه نشان داد، کلیدواژه های ایران، اثربخشی، دانشجویان و ارزیابی کیفیت بسامد بالایی داشتند. بیشتر طرح های پژوهشی دانشگاه علامه طباطبائی در موضوعات رضایت تحصیلی، وضعیت اشتغال، فعالیت های اجتماعی دانشجویان تدوین شده اند. درمجموع می توان بیان داشت، ترسیم نقشه های علمی می تواند در افزایش اعتبار و شفافیت نتایج پژوهش ها، توسعه و پیشرفت درزمینه پژوهشی و افزایش رؤیت پذیری برون دادهای علمی نقش بسزایی ایفا نماید.

هدف: هدف پژوهش حاضر بررسی وضعیت تولیدات علمی هوش مصنوعی در ایران به تفکیک حوزه های موضوعی بود. روش : روش پژوهش، از نوع توصیفی- کاربردی و با رویکرد علم سنجی بود. 804 رکورد مرتبط با حوزه هوش مصنوعی نمایه شده در پایگاه استنادی آی.اس.سی.، بین سال های 1381-1402 بررسی شدند. به منظور نمایه سازی موضوعی مقالات با رویکرد کمّی از فنون علم سنجی، و برای تییین اصطلاحات موضوعی از نمایه سازی نیمه خودکار استفاده شد. 357 کلمه کلیدی که نمایانگر موضوعات تحقیقات بودند و در جامعه آماری 2807 بار تکرار شده بودند، شناسایی گردید. یافته ها: تولیدات علمی در شش حوزه موضوعی کلی علوم انسانی (285 مقاله)، فنی و مهندسی (182 مقاله)، علوم کشاورزی (125 مقاله)، علوم پزشکی (102 مقاله)، محیط زیست و منابع طبیعی (62 مقاله)، علوم پایه (48 مقاله) انجام شده است. پر بسامدترین موضوعات در حوزه علوم انسانی: بورس، توسعه اقتصادی و برنامه ریزی، پول و موسسات مالی، مدیریت مالی، حسابداری، حسابرسی و حقوق، اقتصاد، مدیریت اطلاعات و مدیریت منابع انسانی؛ در حوزه فنی و مهندسی: سازه، سازه های هیدرولیکی، حمل و نقل، فناوری اطلاعات، سازه های دریایی، زلزله و کنترل؛ در حوزه علوم کشاورزی: کشاورزی- مدیریت، آب، منابع، آبیاری، خاکشناسی، زهکشی، مدیریت پسماند، محیط زیست، خاک- حفاظت و مکانیزاسیون و مکانیک ماشین های کشاورزی؛ در حوزه علوم پزشکی: پزشکی- کلیات، پزشکی- بیماری ها، پزشکی- علوم پایه، بهداشت، زیست فناوری، روانپزشکی، روانشناسی بالینی، پاتولوژی، فیزیولوژی و علوم اعصاب؛ در حوزه محیط زیست و منابع طبیعی: آبخیزداری، بوم شناسی، خاک- حفاظت، جنگل و جنگلداری و بیابان؛ در حوزه علوم پایه: زمین شناسی- کلیات، ژئوشیمی، چینه شناسی، رسوب شناسی، ریاضی کاربردی، علوم- جنبه های اجتماعی، علوم، ژئوفیزیک، علم و فناوری و زمین شناسی کاربردی پراهمیت ترین موضوعات مورد تاکید تولیدات علمی هوش مصنوعی شناخته شدند. حوزه های علوم انسانی و فنی مهندسی از نخستین حوزه هایی بوده اند که از سال 1381 آثار علمی در زمینه هوش مصنوعی در پایگاه استنادی آی.اس.سی. داشتند. از سال 1387 حوزه های علوم پایه و علوم کشاورزی در پایگاه استنادی آی.اس.سی. در زمینه هوش مصنوعی اثر منتشر کرده اند. حوزه محیط زیست و منابع طبیعی نیز از سال 1388 در زمینه هوش مصنوعی موفق به تولید علمی معتبر شده است. حوزه علوم پزشکی در مقایسه با سایر حوزه های کلان پژوهشی با تأخیر بیشتری به حوزه هوش مصنوعی گام نهاده و نخستین تولیدات آن مربوط به سال 1390 است. در همه حوزه های کلان پژوهشی کشور روند تولیدات علمی هوش مصنوعی رو به رشد است. اما حوزه علوم انسانی به عنوان با قدمت ترین حوزه کشور و حوزه پزشکی به عنوان جوان ترین حوزه، نمودار رشد بهتری را نسبت به سایرین داشته اند. مجلات «مهندسی منابع آب» و «مهندسی عمران امیرکبیر» با بیشترین انتشار مقاله در حوزه هوش مصنوعی (12 مقاله) سرآمدترین نشریات این حوزه در کشور شناخته شدند. مجله «پردازش علائم و داده ها» و «دانش آب و خاک» با انتشار 11 مقاله در رتبه دوم جای گرفتند و مجله «پژوهش های حفاظت آب و خاک» با انتشار 10 مقاله در حوزه هوش مصنوعی رتبه سوم را کسب نمود. دانشگاه تهران با بیشترین تولیدات علمی هوش مصنوعی در حوزه های علوم انسانی، محیط زیست و منابع طبیعی و علوم پایه برجسته ترین دانشگاه ایران شناخته شد و دانشگاه تبریز رتبه اول تولیدات علمی هوش مصنوعی را در حوزه های فنی و مهندسی و علوم کشاورزی کسب نمود. دانشگاه علوم پزشکی اصفهان، در حوزه علوم پزشکی بالاترین جایگاه تولیدات علمی هوش مصنوعی را کسب کرد. رویا دارابی با انتشار 8 مقاله، چهره برجسته حوزه علوم انسانی؛ وحید نورانی با انتشار 8 مقاله، چهره برجسته حوزه فنی و مهندسی؛ کیومرث روشنگر، با انتشار 4 مقاله، چهره برجسته حوزه علوم کشاورزی؛ جواد حدادنیا با انتشار3 مقاله، چهره برجسته حوزه علوم پزشکی؛ جمشید پیری، با انتشار 3 مقاله چهره برجسته حوزه محیط زیست و منابع طبیعی؛ عطاءالله ندیری، با انتشار 5 مقاله چهره برجسته حوزه علوم پایه در تولیدات علمی هوش مصنوعی شناخته شد.          نتیجه گیری: تجزیه و تحلیل حاصل از رصد تولیدات علمی هوش مصنوعی ایران در پایگاه استنادی آی.اس.سی. نه تنها برای متخصصان هوش مصنوعی، بلکه برای سایر پژوهشگران و عموم مردم نیز مورد توجه است؛ زیرا با شناسایی برجستگان حوزه هوش مصنوعی در ایران، مسیر توسعه همکاری های بین رشته ای و تعاملات جدید فراهم شده و امکان دستیابی به پربارترین نتایج در زمینه هوش مصنوعی میسر خواهد شد.

هدف: هدف از پژوهش حاضر بررسی انواع همکاری های غیر رسمی در بخش سپاسگزاری مقالات حوزه شیمی است. روش پژوهش: این پژوهش، یک مطالعه کمی با رویکرد علم سنجی و مبتنی بر فنون داده کاوی روش کتابخانه ای و توصیفی انجام گرفته است. جامعه آماری پژوهش را مقاله های پژوهشی با دسترسی باز پایگاه وب آوساینس تشکیل می دهد. برای داده کاوی و استخراج بخش سپاسگزاری مقالات، از نرم افزار شناساگر موجودیت های اسمی استنفورد استفاده شد.یافته ها: یافته های پژوهش نشان داد سپاسگزاری مقالات حوزه شیمی با توجه به مدل سه سطحی ساختار متون سپاسگزاری هایلند به ترتیب به عمل تشکر، عمل بازتاب و عمل آگاهی بخشیدن اختصاص دارد.همچنین آکادمی علوم چین، دانشگاه برکلی کالیفرنیا و انستیتوی تکنولوژی ماساچوست (ام آی تی) سازمان ها و دانشگاه هایی هستند که بیشترین سپاسگزاری از آن ها صورت گرفته بود. میزان استناد در میان مقالاتی که تعداد افراد سپاسگزاری شده در آن ها بیش از دو نفر(متوسط تعداد افراد سپاسگزاری شده) است بیشتر از تعداد استناد به مقالات دیگر است. بعلاوه بین تعداد افراد سپاسگزاری شده در مقاله با میزان استناد به مقاله ارتباط معناداری وجود دارد. نتیجه گیری: با توجه به اینکه سپاسگزاری می تواند بر دریافت استناد موثر باشد، می توان با آگاهی رسانی به افراد و مجاب کردن آن ها به اهمیت استناد در شکل گیری هویت و برند شخصی و حقوقی با نهادینه سازی حس وفاداری و تشکر در افراد موثر بود. بعلاوه شاید یکی از دلایل شدت کم ارتباط بین میزان استناد و سپاسگزاری عدم وجود یکدستی در نام افراد و سازمان ها و نیز محل ارائه سپاسگزاری در اکثر مقالات که در بخش انتهایی مقاله است، دانست.

هدف: هدف پژوهش حاضر بررسی نقش سواد دیجیتالی و شایستگی های کانونی معلمان بر عملکرد شغلی آنان بود. روش شناسی: روش پژوهش توصیفی و از نوع همبستگی است. جامعه آماری شامل کلیه معلمان (530 نفر) دوره دوم متوسطه ناحیه یک، دو و سه شهر تبریز در سال تحصیلی 96-95 می باشد. حجم نمونه با توجه به جامعه آماری و براساس جدول تعیین حجم نمونه مورگان 257 نفر تعیین شد. داده ها از طریق پرسشنامه های سواد دیجیتالی توحیدی اصل (1391)، شایستگی های کانونی حیدری، فرج پهلو، عصاره و گرایی (1392) و عملکرد شغلی پاترسون (2000) گردآوری گردید. روایی سازه این پرسشنامه ها با استفاده از تحلیل عاملی تایید و پایایی آن با استفاده از ضریب آلفای کرونباخ تایید شد. یافته ها: سواد دیجیتالی اثر مستقیم، مثبت و معنی داری بر عملکرد شغلی (0.51b=) و شایستگی کانونی (0.15b=) دارد. همچنین اثر علّی شایستگی کانونی بر عملکرد شغلی با )0.25b=) تائید شد. نتیجه گیری: هرگونه افزایش سواد دیجیتالی منجر به افزایش شایستگی های کانونی معلمان و به دنبال آن افزایش شایستگی های کانونی معلمان، عملکرد شغلی و سواد دیجیتالی آنها را بهبود می بخشد.  

هدف: در ادبیات آماری، اصطلاحات مختلف و غالباً مترادفی برای مفهوم داده های گم شده وجود دارد. این اصطلاحات عبارتند از داده های گم شده، داده های از دست رفته، داده های ناقص و داده های بی پاسخ. در آمار، داده های گم شده یا مقدارهای گم شده زمانی رخ می دهد که هیچ مقدار داده ای برای یک متغیر در یک مشاهده ذخیره نشده باشد. داده ها اغلب در تحقیقات اقتصادی، جامعه شناسی و علوم سیاسی از بین می روند، زیرا دولت یا نهادهای خصوصی ممکن است گزارش های حساس را ناقص ارائه دهند، یا ممکن است برخی از افراد شرکت کننده در مطالعه از ادامه همکاری انصراف دهند، یا از پاسخ دادن به برخی از سوالات اجتناب کنند، یا محققین، تکنسین ها و جمع آوری کننده داده ها ممکن است اشتباهاتی را انجام دهند که منجر به گم شدن داده ها شود. داده های گم شده می توانند باعث ایجاد اغتشاش در توزیع متغیر شوند، یعنی می توانند باعث بیش برازش یا کم برازش مدل ها شوند. داده های گم شده می توانند باعث یک سوگیری (اریبی) در مجموعه داده شوند و بنابراین تجزیه و تحلیل آماری را به سوی نتایج اریب سوق داده و نهایتاً دستیابی به یک نتیجه گیری مفید از داده های جمع آوری شده را با مشکل مواجه می سازد و می توانند منجر به تجزیه وتحلیل نادرست مدل شوند. پیش از این، برای غلبه بر مشکل داده های گم شده مرسوم ترین روش، حذف داده های گم شده بود که منجر به داده هایی با کیفیت پایین و به تبع آن تحلیل و استخراج نتایج دارای سوگیری می شد. امروزه با پیشرفت های علمی در حوزه های گوناگون و پیدایش روش های توانمند آماری، می توان پیش از مد ل سازی داده های ناکامل، مقادیر گم شده را با مقادیر مناسب جایگذاری یا برآورد کرد. با توجه به اهمیت ذکر شده موضوع مواجهه و مدیریت داده های گم شده، پژوهش حاضر با هدف ارائه روشی به منظور بهبود دقت بازیابی اطلاعات و دانش از داده های گم شده انجام شده است. روش: در روش پیشنهادی از تکنیک های داده کاوی شامل خوشه بندی و رگرسیون، و همچنین از الگوریتم های هیوریستیک شامل الگوریتم ژنتیک استفاده شده است. در روش های موجود، برای جایگزینی داده از دست رفته، از کل مجموعه داده استفاده می شود. این موضوع سبب در نظر گرفتن رکوردهای غیر مشابه رکورد مربوط به داده از دست رفته خواهد شد. لذا منجر به نتایج اشتباه خواهد شد. در الگوریتم پیشنهادی، از خوشه بندی به منظور شناسایی رکوردهای مشابه استفاده شده است. سپس، برای هر خوشه، میزان داده های گم شده هر صفت (ستون) از مجموعه داده مورد محاسبه قرار گرفته است. بر اساس میزان داده از دست رفته، از مدل رگرسیون یا از الگوریتم ژنتیک به منظور بازیابی اطلاعات از دست رفته استفاده شده است. یافته ها: نتایج پیاده سازی روش پیشنهادی بر روی یک مجموعه داده که حاوی داده های گم شده به صورت تصادفی بودند نشان داد میزان خطای الگوریتم پیشنهادی برابر 27 درصد است که نسبت به روش استفاده از میانگین، میانه و مد که دارای خطای 56.5 درصد، و روش استفاده از رگرسیون که دارای خطای 34.6 درصد، و روش ماشین بردار پشتیبان (SVM) که دارای خطای 42.1 درصد بود، دقت بالاتری در جانهی داده های گم شده داشته است. نتیجه گیری: در روش های موجود، برای جایگزینی داده از دست رفته، از کل مجموعه داده استفاده می شود. این موضوع سبب در نظر گرفتن رکوردهای غیر مشابه رکورد مربوط به داده از دست رفته خواهد شد. لذا منجر به نتایج اشتباه خواهد شد. در الگوریتم پیشنهادی، از خوشه بندی به منظور شناسایی رکوردهای مشابه، و محاسبه داده از دست رفته بر اساس رکوردهای مشابه موجود در خوشه، استفاده شده است. همچنین، در الگوریتم پیشنهادی، حذف داده های پرت، تعیین تعداد خوشه های بهینه و غیره در نظر گرفته شده است. این موضوع سبب خواهد شد، داده های غیر عادی تاثیری در محاسبه داده های از دست رفته نداشته باشند. در الگوریتم پیشنهادی، برای هر خوشه، صفاتی (ستون ها) که بیش از یک سوم داده از دست رفته دارند حذف می شوند. این موضوع سبب جلوگیری از تاثیر داده های غیر قابل اطمینان در محاسبه داده های از دست رفته خواهد شد. همچنین، از مدل رگرسیون در خوشه استفاده می شود که سبب می شود در محاسبه داده های از دست رفته، فیلدهای مربوط در صفات (ستون های) دیگر نیز در نظر گرفته شود. استفاده از الگوریتم ژنتیک در روش پیشنهادی، که منجر به استفاده تلفیقی از میانگین، میانه، مد و مدل رگرسیون می شود، سبب دستیابی به نتایج قابل قبول تری خواهد شد. کلیدواژه ها: بازیابی اطلاعات، داده های گم شده، داده کاوی، الگوریتم ژنتیک، خوشه بندی، مدل رگرسیون.

بازیابی اطلاعات در سامانه های مختلف اطلاعاتی، از جمله کتابخانه های دیجیتال، موتورهای جستجو، سامانه های توصیه گر و پلتفرم های آنلاین، نقشی اساسی در سازمان دهی و جستجوی اطلاعات ایفا می کند. این سامانه ها به طور گسترده ای برای تسهیل دسترسی به اطلاعات در مقیاس های مختلف، از جمله در حوزه های علمی، تجاری و اجتماعی، مورد استفاده قرار می گیرند. با این حال، استفاده از مدل های پیچیده ای مانند شبکه های عصبی عمیق و مدل های زبان بزرگ، که به دلیل نیاز به توان پردازشی بالا از سخت افزارهای قدرتمندی بهره مند می شوند، چالش های جدیدی در زمینه مصرف انرژی و اثرات زیست محیطی به وجود آورده است. این مقاله که به صورت یک مرور نظام مند تدوین شده است، به بررسی این چالش ها پرداخته و مفهوم هوش مصنوعی سبز را معرفی می کند. هوش مصنوعی سبز به عنوان رویکردی برای توسعه الگوریتم ها و سامانه های هوشمند با توجه به محدودیت های منابع انرژی و اثرات زیست محیطی آن ها مطرح شده است. با توجه به پیشرفت های اخیر در فناوری های هوش مصنوعی، به ویژه در زمینه های پردازش زبان طبیعی و یادگیری عمیق، توجه به تاثیرات زیست محیطی این مدل ها ضروری به نظر می رسد. به ویژه، افزایش مصرف انرژی و تولید گازهای گلخانه ای در فرایندهای آموزشی و استنتاج مدل های پیچیده، نیازمند رویکردهای نوآورانه برای کاهش این اثرات است. همچنین مفهوم بازیابی اطلاعات پایدار معرفی شده و روش های اندازه گیری گازهای گلخانه ای و استراتژی های کاهش این گازها در فرآیندهای بازیابی اطلاعات ارائه می گردد. هدف اصلی این مقاله، جلب توجه جامعه علمی به اهمیت کاهش اثرات زیست محیطی در طراحی و پیاده سازی سامانه های بازیابی اطلاعات است. به ویژه، بر این نکته تاکید می شود که محققان و طراحان سامانه های بازیابی اطلاعات باید علاوه بر تمرکز بر کارایی و دقت سامانه ها، اثرات زیست محیطی آن ها را نیز در نظر بگیرند. در این راستا، برای ایجاد بازیابی اطلاعات پایدار، می توان با بهینه سازی الگوریتم ها، استفاده مجدد از مدل های پیش آموزش دیده و بهره گیری از محاسبات ابری، مصرف انرژی و هزینه ها را کاهش داد. این رویکردها نه تنها موجب کاهش هزینه ها و بهبود کارایی سامانه ها می شود، بلکه گامی موثر در جهت پایداری محیط زیستی نیز خواهند بود. علاوه بر این، این مقاله به محققان پیشنهاد می کند که در فرآیند تحقیقاتی خود، اثرات محیط زیستی را به عنوان یک پارامتر حیاتی در نظر بگیرند.

هدف: هدف این پژوهش پیش بینی اعتیاد به اینترنت براساس اهمال کاری تحصیلی، احساس تنهایی و مدیریت زمان در دانشجویان دانشگاه قم در سال تحصیلی 1400-1399 بود. روش: روش پژوهش، پیمایشی توصیفی و از نوع همبستگی بود و جامعه آماری را کلیه دانشجویان دانشگاه قم در سال تحصیلی 1400-1399 تشکیل می دادند که 10171 بودند. حجم نمونه با توجه به جدول مورگان و کرجسی، 373 نفر بود که با روش نمونه گیری در دسترس انتخاب شدند. ابزارهای پژوهش شامل چهار پرسشنامه اعتیاد به اینترنت یانگ (1988) با 20 سوال، اهمال کاری تحصیلی سولمون و راثبلوم (1989) با 27 سوال و سه زیرمقیاس، احساس تنهایی دی تو ماتسو و همکاران (2004) با 15 سوال و سه زیرمقیاس و مدیریت زمان ترومن و هارتلی (1996) با 14 سوال و 2 زیرمقیاس بودند. تجزیه و تحلیل آماری داده ها با کمک آزمون همبستگی پیرسون و تحلیل رگرسیون با کمک نرم افزار spss نسخه 24 انجام شد. یافته ها: نتایج این پژوهش نشان داد که متغیرهای اهمال کاری تحصیلی، احساس تنهایی و مدیریت زمان قادر به پیش بینی اعتیاد به اینترنت بودند. متغیر اهمال کاری تحصیلی با اعتیاد به اینترنت رابطه مستقیم و معناداری داشت (01/0p<). همچنین متغیر احساس تنهایی با اعتیاد به اینترنت رابطه مستقیم و معناداری دارد (01/0p<). از طرف دیگر، متغیر مدیریت زمان با اعتیاد به اینترنت رابطه معکوس و معناداری داشت (01/0p<). نتایج تحلیل رگرسیون نشان داد که مدیریت زمان قدرت پیش بینی کنندگی بیشتری نسبت به دو متغیر دیگر برای اعتیاد به اینترنت دارد. ضریب بتا برای متغیر اهمال کاری تحصیلی 148/0، برای متغیر احساس تنهایی 231/0- و برای متغیر مدیریت زمان 287/0- بود. همچنین از بین مولفه های اهمال کاری تحصیلی، آمادگی برای امتحان، از بین مولفه های احساس تنهایی، احساس تنهایی خانوادگی و از بین مولفه های مدیریت زمان، اطمینان به برنامه ریزی بلندمدت، قدرت پیش بینی کنندگی بیشتری برای اعتیاد به اینترنت داشتند. نتیجه گیری: یافته های این پژوهش مشخص کرد که با افزایش اهمال کاری تحصیلی در دانشجویان، اعتیاد به اینترنت افزایش می یابد. همچنین با زیاد شدن احساس تنهایی در دانشجویان، میزان استفاده آنها از اینترنت افزایش پیدا می کند. در این میان هرچقدر توان مدیریت زمان در دانشجویان بیشتر باشد، اعتیاد به اینترنت در آنها نیز به همان میزان کاهش می یابد. نتایج بدست آمده اهمیت توجه به متغیر های اهمال کاری تحصیلی، احساس تنهایی و مدیریت زمان در ارتباط با متغیر اعتیاد به اینترنت را نشان می دهد.  

هدف: امروزه داشتن مهارت سواد دیجیتالی از توانمندی های مهم برای کارکنان برای پیشبرد مسئولیت های شغلی است. بنابراین، بررسی مهارت سواد دیجیتالی کارکنان سازمان ها و عوامل مرتبط با آن ضروری است. هدف اصلی پژوهش حاضر، ارزیابی سواد دیجیتالی کارکنان دانشگاه علامه طباطبائی تهران می باشد. روش : پژوهش حاضر به لحاظ هدف، کاربردی و از لحاظ روش، پیمایشی- توصیفی است که با استفاده از پرسشنامه انجام شد. جامعه آماری تحقیق 440 نفر از کارکنان دارای مدرک تحصیلی کارشناسی و بالاتر دانشگاه علامه طباطبائی (تهران) بودند که با فرمول کوکران حجم نمونه آماری به تعداد 206 نفر محاسبه و تعیین شد. در این پژوهش با استفاده از روش تصادفی ساده، پرسشنامه ها بین پاسخگویان توزیع گردید. جهت سنجش توانمندسازی کارکنان از پرسشنامه استاندارد توانمندسازی روان شناختی اسپریتزر (1995) و برای سنجش سواد دیجیتالی از پرسشنامه محقق ساخته استفاده شد. کلیه تحلیل ها نیز با استفاده از نسخه 23 نرم افزار Spss انجام گرفت. نتایج: نتایج تجزیه و تحلیل داده ها نشان داد که میانگین کل میزان توانمندسازی کارکنان برابر با (86.3) بوده و در سطح زیاد قرار دارد، ولیکن، میانگین میزان مهارت سواد دیجیتالی آنان برابر با (53.3) و در سطح متوسط می باشد. همچنین پاسخگویان دارای بیشترین سطح توانمندسازی در مولفه های احساس معناداری با میانگین (80.4)، و شایستگی برابر با میانگین (49.4) بودند، ولیکن در مولفه های حق انتخاب برابر با (31.3)، و تاثیرگذاری (36.3) در سطح متوسط قرار داشتند. نتایج سایر یافته های تحقیق نشان داد بین مهارت سواد دیجیتالی و توانمندسازی کارکنان رابطه معناداری وجود داشته و ضریب همبستگی برابر با (r = .278) به دست آمد. نتایج بررسی روابط همبستگی مولفه های توانمندسازی نیز نشان داد که به جز مولفه احساس معناداری، بین سایر مولفه های توانمندسازی کارکنان و مهارت سواد دیجیتالی رابطه معناداری وجود داشته و در این میان، مولفه حق انتخاب (r = .342) دارای بیشترین همبستگی و احساس شایستگی (r = .187) دارای کم ترین همبستگی با مهارت سواد دیجیتالی کارکنان بود. میزان همبستگی مولفه ثاثیرگذاری نیز برابر با (r = .287) بدست آمد. نتیجه گیری: مهارت سواد دیجیتالی کارکنان دانشگاه علامه طباطبائی در سطح مناسبی قرار ندارد. همچنین با توجه به اهمیت رابطه موجود بین مهارت سواد دیجیتالی کارکنان و میزان توانمندسازی روانشناختی آنان، ضروری است که جهت ارتقای مهارت سواد دیجیتالی کارکنان، اقدامات آموزشی لازم در دانشگاه ها صورت پذیرد. در این رابطه ایجاد سرفصل آموزشی مهارت های سواد دیجیتالی در آموزش های ضمن خدمت کارکنان، و برگزاری دوره های آموزشی با محوریت مدیریت اسناد و محتوی دیجیتال از راهکارهای پیشنهادی پژوهش حاضر است.  

هدف: انتشار گسترده «اخبار جعلی» که باعث فریب کاربران و انحراف جامعه می شوند، به یکی از تهدیدات مهم رسانه ای در جوامع امروز تبدیل شده است. توانایی تشخیص اخبار جعلی برای جامعه و به خصوص کتابداران به عنوان ارائه کنندگان خدمات اطلاعاتی برای شناخت و مقابله با اخبار جعلی ضروری است. سواد رسانه ای ازجمله عوامل مهمی است که در این زمینه می تواند نقش داشته باشد؛ در واقع یکی از مهم ترین راه های مقابله با این تهدید، تجهیز کتابداران به امکانات سواد رسانه ای است. بنابراین، هدف پژوهش حاضر بررسی نقش سواد رسانه ای در توانایی تشخیص اخبار جعلی کتابداران کتابخانه های عمومی استان کرمانشاه است. روش : پژوهش حاضر از نوع کاربردی بوده و به روش پیمایشی انجام گرفته است. جامعه آماری پژوهش را کتابداران کتابخانه های عمومی استان کرمانشاه (170 نفر) تشکیل می دهند که از بین آن ها (118 نفر) از طریق فرمول مورگان به روش نمونه گیری تصادفی ساده انتخاب شدند. برای گردآوری داده های پژوهش از پرسشنامه توانایی تشخیص اخبار جعلی (اسمعیلی، رحیمی و مرادی، 1398) که براساس هشت مؤلفه اطلاع نگاشت ایفلا طراحی شده و پرسشنامه سواد رسانه ای (فلسفی، 1393) استفاده شده است. یافته ها: سطح سواد رسانه ای کتابداران (28/3) و توانایی تشخیص اخبار جعلی آنان (29/3) است. همچنین براساس تحلیل داده ها، سواد رسانه ای با ضریب تأثیر 47/0 بر بررسی منبع، با ضریب تأثیر 24/0 بر خواندن متن خبر، با ضریب تأثیر37/0 بر تشخیص نویسنده، با ضریب تأثیر 45/0 بر بررسی منابع پشتیبان، با ضریب تأثیر 41/0 بر بررسی تاریخ و زمان خبر، با ضریب تأثیر 30/0 بر بررسی طنز یا جدی بودن خبر و با ضریب تأثیر 35/0 بر رجوع به باور و تعصبات شخصی نقش دارد. اما در رابطه با پرسش از متخصصین نقشی نداشته و با ضریب تأثیر برابر با 51/0 بر مقیاس کلی توانایی تشخیص اخبار جعلی مؤثر است. نتیجه گیری: با توجه به مؤثر بودن سواد رسانه ای بر افزایش توانایی تشخیص اخبار جعلی، باید آموزش و اقدامات لازم در جهت ارتقاء سواد رسانه ای صورت گیرد، تا سبب افزایش توانایی تشخیص اخبار جعلی کتابداران گردد. تشخیص اخبار جعلی، مجموعه ای از مهارت ها بوده که کتابداران به طور فعالانه برای قرار گرفتن در معرض پیام های جعلی از این شاخص ها استفاده می کنند، تا صحّت پیام ها را تشخیص دهند. کتابداران برخوردار از توانایی تشخیص اخبار جعلی، در برابر اخبار جعلی، آسیب پذیری کمتری دارند. اخباری را که به منظور تأثیرگذاری بر آن ها طراحی و ارسال شده، در سطوح مختلف مورد شناسایی قرار می دهند و قادر خواهند بود با آگاهی بیشتری با آنان مواجهه شده و این مهارت ها را به کاربران آموزش دهند. نتایج این پژوهش می تواند در برنامه ریزی های درازمدت کتابخانه های عمومی کشور مورد استفاده قرار گیرد.

هدف: توسعه فناوری های اطلاعاتی و ارتباطی سبب شده است که امکان استفاده مجدد از داده های پژوهشی پژوهشگران در انجام پژوهش های جدید فراهم شود. اشتراک گذاری داده ها زمانی اتفاق می افتد که دانشمندان داده های خود را جهت استفاده سایر پژوهشگران برای انجام پژوهش یا دیگر فعالیت های پژوهشی در دسترس قرار دهند. هدف پژوهش حاضر، بررسی وضعیت اشتراک گذاری داده های پژوهشی در میان پژوهشگران حوزه فنی و مهندسی ایران از ابعاد فردی، سازمانی و فنی بود. روش: این پژوهش از نظر هدف، کاربردی و به لحاظ شیوه گردآوری داده ها از نوع توصیفی پیمایشی بود. جامعه پژوهش را پژوهشگران حوزه فنی و مهندسی ایران که در سال 2021 در پایگاه WOS دارای تولید علمی بوده اند، تشکیل دادند که به دلیل عدم ثبت ایمیل تمامی نویسندگان، امکان برآورد دقیق جامعه آماری مشخص نبود. از این رو برای تعیین نمونه آماری با استفاده از فرمول کوکران تعداد 411 نفر به طور تصادفی از میان پژوهشگران فوق انتخاب شد. ابزار گردآوری اطلاعات، پرسشنامه ای بود که به روش الکترونیکی طراحی و برای نمونه آماری ارسال گردید. از نرم افزار اس .پی. اس. اس. برای تجزیه و تحلیل یافته ها استفاده شد. یافته ها: نتایج نشان داد عوامل سازمانی و فنی بر رفتار فرد در اشتراک گذاری داده های پژوهشی تاثیر معنی داری دارند. عوامل فنی تاثیر بیشتری بر روی رفتار فرد نسبت به عوامل سازمانی داشت. عوامل فردی بر رفتار اشتراک گذاری داده ها تاثیر معنی داری نداشت. همچنین ارتباط بین عوامل پنهان فنی و سازمانی، مثبت و معنی دار بود. علاوه بر این، یافته ها نشان داد جنسیت بر روی عوامل فردی و شغل پژوهشگران بر روی عوامل سازمانی تاثیر معنی داری دارد. بین متغیرهای جمعیت شناختی شامل سن، سابقه کاری، مرتبه علمی و مدرک تحصیلی و عوامل فنی، سازمانی و فردی تفاوت معنی داری وجود نداشت. علاوه بر این، نتایج پژوهش نشان داد بسیاری از پژوهشگران نگرانی از وقت گیر و زمان بر بودن مستندسازی داده ها، سوءاستفاده و سوءتفسیر از داده های اشتراکی را از دلایل عدم تمایل به اشتراک گذاری داده های پژوهشی می دانند. علی رغم وجود الزام پژوهشگران این حوزه به تحویل داده های پژوهش و فراهم آوری نسبی امکانات سخت افزاری و زیرساختی جهت اجرای این امر، دوره های آموزشی مناسب برای آموزش مدیریت و اشتراک داده ها توسط سازمان ها انجام نمی شود، حمایت مادی و معنوی مناسب صورت نمی گیرد و زیرساخت های مناسب برای اشتراک گذاری داده ها در نشریات در نظر گرفته نمی شود. عوامل فنی مؤثر بر اشتراک گذاری داده های پژوهشی مانند آشنایی و استفاده از استانداردهای فراداده ای جهت اشتراک گذاری و دسترس پذیری داده ها، همچنین آشنایی و استفاده از واسپارگاه های موضوعی، عمومی و سازمانی در وضعیت نامطلوبی قرار داشت. نتیجه گیری: با توجه به نتایج پژوهش و نظر به اینکه اشتراک گذاری داده های پژوهشی و عوامل مرتبط با آن در میان پژوهشگران حوزه فنی و مهندسی مهجور مانده است، ضروری است ذینفعان پژوهش در حوزه فنی و مهندسی حمایت سازمانی، فنی و مالی مناسب را به منظور افزایش شناخت و تمایل پژوهشگران در اشتراک گذاری داده ها به عمل آورند. همچنین لازم است آموزش های لازم به منظور فرهنگ سازی و شناخت قابلیت داده های پژوهشی به پژوهشگران حوزه فنی و مهندسی ارائه شود.  

هدف: حکمرانی داده، تشریح کننده فرایندهایی برای تعریف سیاست های حوزه داده درسازمان، فرایندهای مشخص کننده روش های بهره برداری ازسیاست های مزبور، نوع ساختار سازمانی دربرگیرنده کنسول های حکمرانی داده و ناظران داده جهت نظارت و اطمینان از انطباق بین سیاست ها و داده ها است. حاکمیت داده یک برنامه مدیریتی چندین وظیفه ای است که مهم ترین هدف آن برخورد با داده به عنوان یک سرمایه سازمانی است. این کار از طریق به کارگیری مجموعه ای از سیاست ها، استانداردها، فرآیندها، افراد و فناوری که برای مدیریت داده حیاتی است، دنبال می شود. بسیاری از سازمان ها در اجرای یک برنامه حکمرانی داده موفق و پایدار، مشکل دارند. وجود یک برنامه حکمرانی داده متناسب با اهداف و رسالت های سازمان، اولین گام در بهبود شرایط سازمان محسوب می شود. آن چه به عنوان حکمرانی داده وجود دارد، مفهومی انتزاعی است که انتزاعی بودن آن مانع از اجرای درست آن می شود بنابراین لازم است براساس متون، ابتدا تعریف درست و مؤثری از آن ارائه شود تا بتوان با شناسایی مؤلفه های مختلف این مفهوم، به اجرایی شدن آن کمک کرد. روش: این پژوهش با روش فراترکیب به تحلیل محتوای متون در حوزه حکمرانی داده پرداخته است. انتخاب منابع اطلاعاتی در حوزه حکمرانی داده، به صورت هدفمند و براساس میزان ربط منبع با هدف پژوهش انجام شد. پژوهش های بین سال های 2000 تا 2021 شدند. 68 مقاله و پایان نامه مرتبط با این حوزه با جستجو در پایگاه های اطلاعاتی معتبر امرالد، اسکوپوس، سیج، پروکوئست، اشپرینگر، وب آوساینس، و گوگل اسکالر و در بخش فارسی در پایگاه های اطلاعاتی مرکز اطلاعات و مدارک علمی ایران، مرکز اسناد و کتابخانه ملی ایران، پایگاه اطلاعات نشریات کشور (مگ ایران)، پورتال علوم انسانی، پایگاه مجله های تخصصی نور (نورمگز)، پایگاه مرکز اطلاعات علمی جهاد دانشگاهی و اپک کتابخانه های دانشگاه های مختلف (شامل دانشگاه های تهران، علامه طباطبایی، الزهرا، تربیت مدرس، دانشگاه خوارزمی) انتخاب شدند. در نهایت مقالات به صورت هدفمند و براساس مدل ساندوسکی و باروسو انتخاب شدند و با تحلیل محتوای کیفی بررسی شدند. یافته ها: یافته های پژوهش 5 مؤلفه اصلی حکمرانی داده شامل «برنامه ریزی»، «سازماندهی و مدیریت»، «عملکرد»، «اجرا» و «ارزیابی» را شناسایی کرد. این مؤلفه های اصلی هر یک دارای مؤلفه های فرعی هستند که در نهایت 32 مؤلفه برای حکمرانی داده با فراترکیب متون مشخص شد. این مؤلفه ها به تعریف حکمرانی داده و اجرای آن برای سازمان های مختلف کمک زیادی می کند. براساس نتایج این پژوهش مفهوم حکمرانی داده برنامه ریزی، سازماندهی و مدیریت، تعیین عملکرد، اجرا و نظارت و ارزیابی مربوط به داده در سازمان های مختلف است. حکمرانی داده باید منطبق بر رسالت، استراتژی، هنجارها و فرهنگ سازمانی باشد که ی تواند آن داده را به عنوان یک دارایی استراتژیک مدیریت کند، کنترل کیفیت را فراهم کند و دسترسی، مدیریت، نظارت و نگهداری آن را با هدف ارزش دادن بیشتر به داده های شرکت و تبدیل کردن آن به مزیت رقابتی محافظت کند. نتیجه گیری: هر سازمان می تواند با به کارگیری این مؤلفه ها، برنامه حکمرانی داده متناسب با بافت خود را طراحی کند و به کارگیرد. سازمان ها با تخصص و بافت های متفاوت می توانند این مؤلفه ها را مطابق با بافت خود تغییر داده و آنها را با اهداف و استراتژی های خود انطباق دهند و از مزایای حکمرانی داده در سازمان خود بهره برند. در مورد کاربرد مؤلفه های اصلی و فرعی برگرفته از پژوهش جاری توجه سازمان ها به اهمیت هر یک از آنها مهم است. لازم است که سازمان ها برای اجرای حکمرانی داده اهداف و استراتژی های برنامه را درنظر بگیرند و اصولی را برای پشتیبانی از ساختار، فرهنگ و اهداف طراحی کنند.

هوش مصنوعی (AI) در بخش های متنوعی کاربرد پیدا کرده و تغییرات جدیدی را ایجاد کرده است. اما این کاربرد چالش هایی دارد. یکی از بخش هایی که از AI بهره برده، مدیریت منابع انسانی (HRM) است. استفاده از AI در HRM چالش شفافیت مدل را ایجاد کرده است. این مطالعه به بررسی نقش هوش مصنوعی قابل توضیح (XAI) در HRM می پردازد. XAI، یکی از زیرشاخه های AI، بر ایجاد مدل های AI که قابل تفسیر و توضیح هستند تمرکز دارد. اهمیت XAI در حوزه های حساس مانند HRM برجسته است. بنابراین، ضروری است که سیستم های AI مورد استفاده در HRM نه تنها کارآمد باشند، بلکه از نظر اخلاقی نیز سالم و شفاف باشند. این مطالعه بر اساس این مهم به بررسی عمیق تر نقش و پتانسیل XAI در HRM می پردازد. این مطالعه تجزیه و تحلیل علم سنجی از تحقیقات انجام شده در دهه گذشته (2013-2023) در زمینه XAI و کاربرد آن در HRM انجام می دهد. در این مطالعه، تجزیه و تحلیل علم سنجی به عنوان ابزاری برای ترسیم چشم انداز تحقیقات XAI، شناسایی مضامین و الگوهای کلیدی، و درک تقاطع آن با HRM عمل می کند. تجزیه و تحلیل با کاوش در مفاهیم کلی XAI آغاز می شود. این کاوش زمینه ای برای درک گسترده تر XAI، اصول، تکنیک ها و کاربردهای بالقوه آن فراهم می کند. این یک نمای کلی جامع از زمینه XAI ارائه می دهد و ماهیت چند رشته ای و پتانسیل گسترده آن را برای کاربرد در بخش های مختلف برجسته می کند. پس از این، مطالعه به کاربرد خاص XAI در HRM می پردازد. این حوزه نسبتاً جدیدی از اکتشاف است و پتانسیل قابل توجهی برای تغییر شیوه های HRM دارد. این مطالعه با استفاده از تجزیه و تحلیل همزمان، روشی که برای تشخیص مضامین یا الگوها در متن مورد استفاده قرار می گیرد، الگوها و مضامین کلیدی را در تحقیقات XAI و تلاقی آن با HRM شناسایی می کند. تجزیه و تحلیل هم رخدادی این پژوهش شامل دو نقشه دانش مجزا می شود. نقشه اول فقط بر روی XAI متمرکز است و یک نمای کلی از این میدان ارائه می دهد. که نشان می دهد برنامه های کاربردی XAI عمدتاً با حوزه پزشکی مرتبط هستند و تأکید کمتری بر علوم انسانی دارند. این یافته نشان می دهد که در حالی که پتانسیل قابل توجهی برای XAI در HRM وجود دارد، این حوزه هنوز به طور کامل مورد کاوش یا بهره برداری قرار نگرفته است. دومین نقشه دانش هم افزایی بین XAI و HRM را بررسی می کند. جالب توجه است، ادغام منابع انسانی در هوش مصنوعی عدم همبستگی قابل توجهی را با موضوعات هوش مصنوعی نشان داد. این یافته حاکی از شکاف پژوهش و نوآوری در تلاقی این دو حوزه است. این شکاف می تواند ناشی از پیشینه ها، دیدگاه ها، یا عدم تمایل مدیران منابع انسانی به اتخاذ سیستم های هوشمند باشد. این مطالعه همچنین تکنیک های یادگیری ماشین قابلیت توضیح و هستی شناختی را به عنوان جنبه های اصلی کاربرد هوش مصنوعی قابل توضیح شناسایی می کند. این جنبه ها زیربنای توانایی XAI برای ارائه مدل های هوش مصنوعی شفاف و قابل درک است. با این حال، حداقل تعامل بین هوش مصنوعی فنی و منابع انسانی نیاز به تحقیقات بین رشته ای را نشان می دهد که تخصص منابع انسانی را با هوش مصنوعی ترکیب می کند تا ابزارهای منابع انسانی مرتبط تر و مؤثرتر را توسعه دهد. در پایان، این مطالعه یک نمای کلی از وضعیت فعلی XAI و کاربرد آن در HRM ارائه می کند. این پتانسیل قابل توجه این زمینه را برجسته می کند، در حالی که چالش ها و زمینه های کلیدی برای تحقیقات آینده را نیز شناسایی می کند. امید است که این کار به گفتگوی مداوم در مورد نقش هوش مصنوعی در HRM کمک کند و الهام بخش کاوش و نوآوری بیشتر در این زمینه هیجان انگیز باشد. یافته های این مطالعه بر ضرورت سیستم های هوش مصنوعی، به ویژه در حوزه های حساس مانند HRM، نه تنها از نظر فنی کارآمد، بلکه از نظر اخلاقی سالم و شفاف نیز تأکید می کند. این امر برای حصول اطمینان از اینکه سیستم های هوش مصنوعی به طور مسئولانه استفاده می شوند و کمک مثبتی به فعالیت های HRM دارند، بسیار مهم است.

این مقاله با هدف ایجاد انتظام شغلی و حرفه ای در مشاغل مرتبط با رشته تخصصی علم اطلاعات و دانش شناسی از طریق پیشنهاد شکل گیری یک مرجع صنفی تدوین شده است. روش پژوهش در این مقاله سندی یا کتابخانه ای و تحلیل محتوای کیفی است. عدم انطباق قوانین موضوعه کشور در ایجاد یک تشکل آموزشی، پژوهشی و صنفی متناسب با مشاغل و حرفه های علم اطلاعات و دانش شناسی و نیز فقدان قوانین مرتبط در شکل گیری چنین تشکلی، کانون تمرکز متخصصان این حوزه در طی بیش از 50 سال گذشته بوده است. این مسئله در حال حاضر به یک فرصت تبدیل شده است. چشم انداز این فرصت استثنایی در بسترسازی ایجاد یک تشکل کانونی صنفی، بر تجارب کتابداران پیشرو در ایجاد انجمن های صنفی، توسعه حوزه های نوین شغلی در علم اطلاعات و دانش شناسی، شکل گیری دامنه های وسیع فنی، حرفه ای و شغلی با تکیه بر فناوری اطلاعات، دانش و ارتباطات، تأثیر بی بدیل مناسب سازی و تبادل اطلاعات در زندگی روزمره افراد و افزایش روزافزون بازار کار برای مشاغل مرتبط با علوم اطلاعات، دانش شناسی و مدیریت دانش متکی است. افزون بر این، سازوکارهای شکل گیری یک تشکل صنفی مرجع در حوزه های تخصصی گوناگون مانند مهندسی و علوم پزشکی و پیراپزشکی قابل مشاهده است. به این ترتیب، با تکیه بر تجارب متقدمان، گسترش رشته های شغلی و حرفه ای مرتبط با علوم اطلاعات، دانش شناسی و مدیریت دانش و شکل گیری سازوکارهای نوین در ایجاد کانون های مرجع صنفی می توان به تدوین و پیشنهاد لوایح قانونی ای پرداخت که حمایت و پشتیبانی های صنفی تضمین گردد. در شکل گیری لوایح پیشنهادی بایستی دامنه، نقش، اهداف و وظایف مشاغل و حرفه های مرتبط با علوم اطلاعات، فناوری و ارتباطات تبیین گردد. در این مقاله سعی بر آن است که از طریق بحث و بررسی موارد پیش گفته، بستر شکل گیری انتظام شغلی و حرفه ای را به منظور تحقق اهداف حرفه ای آموزشی، پژوهشی و صنفی از طریق یک تشکل و سازمان قانونی و رسمی در حوزه علوم اطلاعات، دانش شناسی و مدیریت دانش، تحت عنوان «سازمان نظام مدیریت اطلاعات و دانش (نماد)» تشریح نماییم. نتایج حاصل از این مقاله، تبیین اهداف و وظایف در شکل گیری سازمان نظام مدیریت اطلاعات و دانش به منظور تدوین لایجه قانونی برای ارائه به مجلس به منظور تصویب شکل گیری این نهاد یا سازمان مرجع است.

پژوهش حاضر یک مطالعه توصیفی-تحلیلی است که با هدف بازنمایی و تحلیل روند مقالات برتر آلتمتریکس جهان و با بهره گیری از رویکردهای علم سنجی و آلتمتریکس انجام شده است. جامعه پژوهش شامل 800 مقاله برتر از جنبه آلتمتریکس (منتشرشده در بازه زمانی 2013 تا 2020) است. برای گردآوری داده ها از پایگاه های «وب آو ساینس» و «آلتمتریکس» استفاده شد. در گام اول پژوهش، فهرستی از مقالات برتر به همراه داده های آلتمتریکس از سایت «مؤسسه آلتمتریکس» استخراج شد. سپس، به منظور تعیین وضعیت استنادی این مقالات، حوزه های موضوعی آن ها و نیز برای تعیین کشورهای سهیم در نگارش آن ها از داده های پایگاه اطلاعاتی «وب علوم» استفاده شد. داده ها با استفاده از نرم افزارهای «اکسل» و «اس پی اس اس» نسخه 22 مورد تجزیه وتحلیل قرار گرفت. نتایج نشان داد که 45 درصد مقالات برتر در حوزه علوم چندرشته ای و 24درصد آن ها در حوزه علوم پزشکی منتشر شده اند. مجلات مهم در نگارش مقالات، نشریه «نیچر» با فراوانی 105 مقاله و سپس مجله «ساینس» با 74 مقاله هستند. ایالات متحده منتشرکننده بیش از نیمی از مقالات برتر جهان است و پس از آن انگلستان مقام دوم در جهان را داراست. در میان رسانه های اجتماعی، «توییتر»، «رسانه های خبری» و «مندلی» در رتبه های نخست تا سوم قرار دارند و روند آن ها در طول سال ها ی مورد تحقیق همواره افزایشی بوده است. میزان حضور مقالات برتر در «فیس بوک»، نسبت به سال های گذشته به شدت کاهش پیدا کرده است. این است که به نظر می رسد حضور در رسانه های اجتماعی پرطرفدارتر و تمرکز بر رسانه هایی  که بیشتر مورد اقبال جامعه است، می تواند بر نمره آلتمتریک مقالات اثر بیشتری داشته باشد و رسانه هایی که به تدریج جایگاهشان در این موضوع کم رنگ شده، تأثیر کمتری بر نمره آلتمتریکس دارند. همچنین رابطه معنا دار و ضعیفی بین امتیاز آلتمتریکس و شمار استنادات مقالات برتر وجود دارد. در ضمن، با توجه به نبودِ ارتباط معنا دار بین دو متغیر فوق در برخی از سال های مورد بررسی در این پژوهش، می توان نتیجه گرفت که منابع پراستناد لزوماً ممکن است به همان میزانی که استناد گرفته اند، در رسانه های اجتماعی مورد توجه نباشند و دستورالعمل واحدی برای ارزیابی همبستگی این دو متغیر وجود ندارد. به کارگیری ویژگی های مجموعه مقالات برتر از دیدگاه حوزه های موضوعی، مجلات مهم، توزیع جغرافیایی، و مقایسه شمار استنادات با شمار خوانندگان آن ها در رسانه های اجتماعی به سیاست گذاران حوزه های پژوهشی و پژوهشگران کمک می کند که بتوانند سیاست گذاری های کوتاه مدت و بلندمدت دقیق تری بر روی پژوهش ها انجام داده و میزان رؤیت پذیری و اثرگذاری بروندادهای علمی خود را افزایش دهند.

هدف: مدیریت دانش به مجموعه ای از فرایندها گفته می شود که داده ها و اطلاعات سازمان را به دانشی ارزشمند تبدیل می نمایند. برای پیاده-سازی موفقیت آمیز مدیریت دانش در سازمان ها عوامل متعددی موثر هستند که هوش مصنوعی یکی از این عوامل می باشد. پژوهش حاضر به منظور شناسایی مؤلفه های هوش مصنوعی در پیاده سازی مدیریت دانش صورت گرفته است. روش شناسی: پژوهش حاضر از نظر هدف، کاربردی و از نظر شیوه گردآوری اطلاعات جزو تحقیقات کتابخانه ای است که از تکنیک های میدانی نیز استفاده شده است. این پژوهش از نظر روش، جزو پژوهش های توصیفی – ترکیبی است که از طریق پیمایش دلفی و تحلیل محتوا استفاده شده است. جامعه آماری پژوهش حاضر شامل 40 نفر اساتید رشته علم اطلاعات و دانش شناسی دانشگاه های دولتی تهران و دانشجویان مقطع دکتری است که از طریق نمونه گیری هدفمند انتخاب شدند. برای گردآوری اطلاعات از پرسشنامه استفاده شد. برای تجزیه و تحلیل داده ها از آماره های توصیفی (میانگین و درصد) و همچنین به منظور تحلیل داده های آماری از نرم افزار spss 25 استفاده شد. یافته ها: یافته های به دست آمده در پژوهش حاضر نشان داد که مؤلفه های هوش مصنوعی شامل مؤلفه عملکرد هوش مصنوعی که شامل 6 گویه که مهم ترین گویه، گویه ی تشخیص الگو و بازنشانی الگو برای پاسخگویی به مسائل براساس دانش قبلی؛ مؤلفه امکانات سخت افزاری و نرم افزاری شامل 14 گویه که مهمترین گویه، گویه ها ی امکانات برقراری ارتباط و گفتگو برخط (آنلاین) و نرم افزاری نوشتاری؛ مؤلفه نگرش افراد سازمان شامل 6 گویه که مهمترین گویه، گویه ی نقش مهم عامل انگیزه در پیشرفت افراد در کار با رایانه؛ مؤلفه سنجش میزان مهارت افراد سازمان شامل 13 گویه که مهمترین گویه، آشنایی با نرم افزارهای آفیس؛ مؤلفه عوامل اقتصادی دارای 7 گویه که مترنی آن گویه ی هزینه تجهیز سازمان به سخت افزارها ، مؤلفه عوامل فرهنگی شامل 6 گویه که مهمترین گویه، اعتماد؛ مؤلفه فناوری اطلاعات شامل 7 گویه که مهمترین گویه ها ، امنیت و بهینه سازی و گویه خودکارسازی فرآیندها؛ مؤلفه محتوای دانشی شامل 2 گویه که مهمترین گویه های دانش های آشکار و نهان؛ مؤلفه زیرساخت سازمانیشامل 7 گویه که مهمترین گویه، پهنای باند متناسب با شبکه؛ مؤلفه دستورالعمل و بخشنامه ها دارای 2 گویه که مهمترین آن، گویه بخشنامه های مبنی بر هوشمندسازی سازمان؛ مؤلفه سیستم های یکپارچه که شامل 3 گویه و مهمترین گویه، گویه همکاری و تعامل علمی و آموزشی با سایر سازمان های هوشمند؛ مؤلفه فرآیندهای مدیریتی و مدیران ارشد شامل 6 گویه که مهمترین آنها، گویه های تنظیم اولویت های استراتژیک برای مدیریت دانش، ایجاد یک مخزن دانش، و مدیریت نوآوری؛ مؤلفه مزایا و کاربردهای هوش مصنوعی شامل 13 گویه که مهمترین گویه ها، گویه های تسهیل به اشتراک گذاری و بازیابی دانش، سهولت انتقال دانش؛ مؤلفه پردازش تصویر شامل 3 گویه که مهمترین ان نویسه خوان نوری؛ مؤلفه پردازش متن شامل 15 گویه که مهمترین انها، گویه های استخراج کلمات کلیدی و گروه بندی متون مشابه؛ مؤلفه پردازش گفتار شامل 3 گویه و مهمترین گویه گدیه ی مترجم های صوتی؛ و در نهایت مؤلفه اهداف به کارگیری هوش مصنوعی که شامل 13 گویه و مهمترین گویه ها گویه های انتقال مهارت ها و دانش کارکنان زبده و اندیشمند به سیستم های خبره و ارتقا توانایی ها و قابلیت های فردی و تربیت نیروی انسانی متفکر از نظر خبرگان (اعضای پنل دلفی) شناسایی شدند. نتیجه گیری: نتایج به دست آمده در این پژوهش نشانگر آن است که به کارگیری هوش مصنوعی در پیاده سازی مدیریت دانش می تواند نقش موثری را داشته باشد و همچنین هوش مصنوعی باعث تسهیل امر اشتراک و انتقال دانش و همچنین تسریع فرایند بازیابی می شود. با تمرکز بر این مؤلفه های شناسایی شده هوش مصنوعی و به کارگیری و تمرکز بر آن ها می توان در پیشروی و پیاده سازی موفق مدیریت دانش در سازمان ها اقدام کرد.

جست وجوی وبی به منزله ابزار اصلی برای دسترسی به حجم وسیعی از داده ها نقش مهمی در بازیابی اطلاعات ایفا می کند. هدف پژوهش حاضر، مقایسه سطح توجه پیوسته در مراحل مختلف جست وجوی وبی است. این پژوهش به لحاظ هدف، بنیادی و به لحاظ نحوه گردآوری اطلاعات، کمی از نوع شبه آزمایشی است. نمونه پژوهش شامل 12 دانشجوی تحصیلات تکمیلی دانشگاه شیراز، و روش نمونه گیری هدفمند بود؛ زیرا دانشجویان تحصیلات تکمیلی به واسطه انجام پژوهش، فعالیت های جست وجوی بیشتری داشتند. برای محاسبه اندازه نمونه از نرم افزار «جی-پاور» استفاده شد، و حجم نمونه 12 نفر برآورد شد. با این حال، برای اطمینان، داده ها از 14 شرکت کننده جمع آوری شد. متغیر اصلی پژوهش سطح توجه پیوسته بود که از طریق ثبت فعالیت موج تتا با دستگاه الکتروآنسفالوگرافی 21 الکترودی سنجیده شد. به منظور پیش پردازش و تحلیل داده ها از کتابخانه «ام ان ای» در زبان برنامه نویسی «پایتون» استفاده شد. داده های پیش پردازش شده با توجه به بازه های زمانی ای که آزمودنی برای هر یک از مراحل جست وجوی وبی شامل خواندن سؤال، فرمول بندی پرسش جست وجو، بررسی صفحه نتایج موتور جست وجو، و قضاوت ربط صرف کرده بود، کنار هم قرار گرفت. سرانجام، توان نسبی موج تتا، به عنوان مقیاس اندازه گیری سطح توجه پیوسته برای هر مرحله محاسبه شد و از طریق روش تحلیل واریانس با اندازه گیری های مکرر این موج در مراحل مختلف جست وجو مقایسه شد. یافته ها نشان داد که توان نسبی موج تتا در مرحله قضاوت ربط به طور معنا داری بالاتر از مرحله بررسی صفحه نتایج موتور جست وجو بود؛ اما در دو مرحله خواندن سؤال و فرمول بندی پرسش جست وجو، تفاوت معنا داری نداشت. این یافته نشان می دهد که توجه پیوسته در مرحله قضاوت ربط از مرحله بررسی صفحه نتایج موتور جست وجو بالاتر است؛ زیرا کاربران هنگامی که در این مرحله قرار دارند، صفحات اطلاعات را با دقت بیشتری می خوانند، ربط آن ها را بررسی می کنند، و پاسخ مورد نظر تکلیف جست وجو را پیدا می کنند. اما در مرحله بررسی صفحه نتایج موتور جست وجو، کاربران نیاز به توجه پیوسته بالایی ندارند. در این مرحله، کاربران اصولاً به مرور اجمالی عناوین می پردازند و بازه های توجه شان کوتاه تر است. از نتایج این پژوهش می توان در طراحی موتورهای جست وجوی شخصی سازی شده با داده های الکتروآنسفالوگرام استفاده کرد. ارزیابی میزان فعالیت موج تتای کاربران در صفحات محتوا می تواند نقش یک شاخص قابل اعتماد در بررسی میزان درگیری کاربران با محتوا و ارزیابی مرتبط بودن مطالب باشد.

هدف: پژوهش حاضر به بررسی چالش ها و فرصت های ترکیب گراف دانش[1] و مدل زبانی بزرگ[2] در حوزه علوم اسلامی- انسانی می پردازد. یکی از دلایل اصلی این مسئله، پیچیدگی و تنوع مفاهیم و مقولات در این حوزه است. مفاهیم دینی و انسانی به طور طبیعی دارای ابعاد و لایه های متعددی هستند که تحلیل آن ها نیازمند رویکردهایی نوین و کارآمد است. گراف دانش به عنوان ابزاری قدرتمند برای سازمان دهی اطلاعات و نمایش روابط بین مفاهیم شناخته می شود. این ابزار می تواند به شفاف سازی و تجسّم روابط پیچیده میان مفاهیم کمک کند و به پژوهشگران امکان می دهد تا به راحتی روابط میان مفاهیم مختلف را درک کنند. هدف اصلی پژوهش حاضر، ارائه الگویی جهت ترکیب این دو مفهوم در علوم اسلامی- انسانی برای تحلیل دقیق تر و کارآمدتر مفاهیم اسلامی و انسانی است. روش: پژوهش پیش رو از لحاظ هدف توسعه ای بوده و با رویکرد کیفی انجام شده است. روش گردآوری داده ها کتابخانه ای و برای مرور نظام مند متون بوده که به شناسایی مفاهیم کلیدی و اساسی می پردازد. منابع موجود در دو حوزه گراف دانش و مدل های بزرگ زبانی با روش هدفمند جهت تحلیل، انتخاب و مورد بررسی قرار گرفته است. یافته ها: یافته اصلی پژوهش حاضر، طراحی یک الگوی جدید مبتنی بر ترکیب گراف دانش و مدل های زبانی بزرگ برای تحلیل و استنتاج مفاهیم علوم اسلامی- انسانی است. گراف دانش به عنوان ابزاری برای سازمان دهی اطلاعات و نمایش روابط میان مفاهیم می تواند به شفاف سازی و تجسم روابط پیچیده میان مفاهیم کمک کند. همچنین، مدل های زبانی بزرگ قادر به پردازش زبان طبیعی[3] و استخراج اطلاعات معنادار از متون هستند. ترکیب این دو رویکرد می تواند به توسعه چارچوب های نوینی برای تحلیل و استنتاج داده ها در حوزه های علوم دینی کمک کند. نتیجه گیری: تلفیق گراف دانش و مدل های زبانی بزرگ به عنوان رویکردی نوین و کارآمد در تحلیل و استنتاج مفاهیم پیچیده در علوم اسلامی- انسانی مطرح است. این الگوی پیشنهادی می تواند به عنوان الگویی برای تحقیقات آتی و توسعه سیستم های هوشمند در این حوزه ها مورد بهره برداری قرار گیرد و به بهبود فرایندهای تحقیق و تحلیل در علوم اسلامی- انسانی کمک کند.

هدف: هدف این مطالعه، ترسیم نقشه علمی حوزه هوش مصنوعی در برونداد پژوهشگران دانشگاه های شهر تهران در پایگاه استنادی اسکوپوس است. روش: این تحقیق از نظر هدف کاربردی بوده و با استفاده از روش مطالعه توصیفی- تحلیلی و تکنیک کتابسنجی انجام شده است. برای ترسیم نقشه های علمی، از ابزارهایی مانند نرم افزار VOS viewer استفاده شد. در این مطالعه، داده های علمی مرتبط با هوش مصنوعی که توسط پژوهشگران دانشگاه های تهران در پایگاه استنادی اسکوپوس منتشر شده اند، مورد بررسی و تحلیل قرار گرفتند. داده های مورد استفاده شامل مقالات منتشر شده در زمینه هوش مصنوعی در بازه زمانی 10 ساله (2015-2025) بودند. یافته ها: پژوهشگران ایرانی در زمینه هوش مصنوعی به طور عمده در حوزه های یادگیری ماشین، شبکه های عصبی و پردازش زبان طبیعی فعال هستند و همکاری های بین المللی چشمگیری با پژوهشگران کشورهای مختلف دارند. همچنین، بیشترین تعداد مقالات مربوط به این حوزه از سوی دانشگاه های بزرگ و معتبر ایران منتشر شده است. نتیجه گیری: در سال های اخیر، رشد چشمگیری در تولید مقالات علمی در زمینه هوش مصنوعی در دانشگاه های شهر تهران مشاهده می شود و این روند در آینده نیز به رشد خود ادامه خواهد داد. نتایج این پژوهش می تواند به سیاست گذاران و پژوهشگران کمک کند تا به بهبود استراتژی های تحقیقاتی و همکاری های علمی در این حوزه بپردازند.