قوانین وابستگی

هدف اصلی این تحقیق، جستجوی روشهایی برای مطالعه رفتار کاربران در ارتباط با هدفهای آموزشی آنها در یک وب سایت مشخص است. در حال حاضر، دادهکاوی، مهم ترین فناوری برای بهره برداری مؤثر، صحیح و سریع از داده های حجیم است. موضوع دادهکاوی، شناخت دانش جدید و مفید، رابطه های منطقی و الگوهای موجود در داده هاست و پل ارتباطی بین علم آمار، رایانه، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمائی بصری داده ها میباشد. پژوهش حاضر با استفاده از تکنیک دادهکاوی و بهره گیری از الگوریتم «قوانین وابستگی» روی داده های جمع آوری شده در قالب فایل ثبت وقایع وب سایت کتابخانه دانشگاه UTS استرالیا، به کشف الگوی مسیر حرکت کاربران در سایت پرداخته است. نتایج حاصل از این پژوهش، بینش وسیعی از رفتار کاربران و عملکرد آنها در وب سایت را در اختیار مدیران و طراحان آن کتابخانه قرار میدهد

سهم بزرگی از سرمایه های سازمانی را دانش تشکیل می دهد. برای اجرای بهتر مدیریت دانش شناسایی عوامل چالشی موثر در مدیریت دانش نقش موثری داشته و اگر این عوامل و نحوه ارتباط و چیدمان بین آنها به خوبی شناسایی گردد می توان گام های موثری را در اجرای کارآمد مدیریت دانش برداشت. آن چه در این مقاله مورد توجه قرار می گیرد در ابتدا معرفی عوامل چالشی و سپس کشف روابط وابستگی و تعیین روابط مابین عوامل با استفاده از قوانین وابستگی است. تعیین عوامل و مشخص نمودن روابط و عامل های تاثیرگذار بر دیگر عوامل در اجرای بهتر مدیریت دانش تاثیرگذار هستند. عوامل چالشی اجرای مدیریت دانش با استفاده از مطالعات ادبیات شناسایی و با بهره گیری از پرسشنامه ساختاریافته و اجرای الگوریتم قوانین وابستگی و نمودارهای وب قوانین مطلوب و کارآمد در این حوزه با استفاده از سه شاخص اطمینان، پشتیبانی و صعود قوانین وابستگی تعیین و یازده قانون وابستگی مشخص گردید. نتایج به دست آمده، نشان گر این است که از میان بیست و یک عامل شناسایی شده در اجرای مدیریت دانش، چهار عامل "ضعفدرتعریفراهبردهای سازمانی"، " ضعفمدیریتونبودکنترل های موثر"، "پایین بودن سطح اعتماد در فرهنگ سازمانی" و " نبود فرهنگ به اشتراک گذاری دانش و اطلاعات"بیشترین تاثیر گذاری بر دیگر عوامل را دارند. مدیریت و برنامه ریزی بر روی این عوامل اصلی که برخواسته از مولفه های فرهنگ، ساختار و حمایت مدیران ارشد سازمان است، و توجه به قوانین برجسته شناسایی شده می تواند در اجرای موفق مدیریت دانش بسیار موثر واقع گردد.

با توجه به سهم بالای مصرف برق در صنایع کشور، طی چند سال اخیر طرح های مختلفی از جمله خاموشی های سراسری در اوقات پیک مصرف اجرا شده است. امروزه داده کاوی به عنوان فرآیند کشف الگوهای مفید از پایگاه داده و یکی از روش های مؤثر برای تجزیه و تحلیل، مدل سازی و پیش بینی مصرف انرژی کاربرد فراوانی پیدا کرده است. در این مطالعه، مدلی تلفیقی جهت بررسی رفتار مصرف برق با استفاده از تکنیک های خوشه بندی کا میانگین و قوانین وابستگی جهت کشف و استخراج الگو از مجموعه داده های مربوط به مصرف برق واحدهای صنعتی مستقر در یکی از شهرک های صنعتی استان تهران طراحی شده است.  مشاهدات نشان می دهد که طی ماه های گرم سال، میانگین مصرف واحدهای خوشه پرمصرف که حدود 34 درصد واحدهای صنعتی مورد مطالعه را شامل می شود، حدود 4.2 برابر مصرف خوشه کم مصرف و حدود 1.7 برابر مصرف خوشه متوسط است. با بکارگیری مدل پیشنهادی در این پژوهش ضمن شناسایی واحدهای پرمصرف و اعمال سیاست های هوشمندانه و عادلانه در خاموشی اجباری، می توان علاوه بر تشویق واحدهای صنعتی به بهینه سازی مصرف انرژی، از ایجاد خسارت ناشی از توقف های اجباری تولید ممانعت کرد. رویکرد نوآورانه این مدل قادر به کنترل حجم زیادی از داده ها برای برنامه ریزی مناطق مختلف با هدف بهینه سازی در مصرف انرژی آن می باشد.