مدل پیش بینی

علی رغم پژوهش های فراوان صورت گرفته در خصوص قابلیت استفاده از داده های مختلف در پیش بینی شاخص های اقتصادی، شواهد اندکی در ارتباط با روابط اطلاعات حسابداری و اقتصادی، در محیط کشورهای درحال توسعه نظیر ایران و با توجه به ویژگی های آن ارائه شده است. بدین منظور داده های موردنیاز 88 شرکت بورسی در بازه زمانی 1385 تا 1395 جمع آوری شده اند. در این پژوهش از مدل های شبکه های عصبی المانی و الگوریتم پرواز پرندگان استفاده شده است. نتایج حاکی از این است که نوسانات اطلاعات حسابداری به عنوان شاخص پیش نگر نوسانات متغیرهای اقتصادی محسوب می شوند.

پایگاه داده ها در حوزه ی سلامت حاوی میزان وسیعی از داده های بالینی است که کشف ارتباطات و الگوها در آن می تواند به دانش جدید پزشکی بیانجامد. امروزه با توجه به پیدایش نظا م های اطلاعات یکپارچه و رشد فن آوری اطلاعات، این مهم بیش از پیش نمایان شده است. این مطالعه با هدف شناسایی مزایای بالقوه ای که داده کاوی می تواند به بخش بهداشت و درمان، با استفاده از داده های بنیاد بیماری های نادر ایران به عنوان مطالعه موردی ارائه دهد، انجام پذیرفته است. معمول ترین روش داده کاوی که درخت تصمیم گیری می باشد برای تولید مدل پیش بینی با مصورسازی درخت برای انجام تحلیل پیش بینی بیماری نادر مورد استفاده قرارگرفته است. تمام مراحل فرایند داده کاوی با ابزاری به نام وکا (WEKA) انجام شده است. علاوه بر این، از وکا برای ارزیابی عملکرد پیش بینی از طریق اندازه گیری دقت، ویژگی و تحلیل حساسیت استفاده شده است. از جمله نتایج پژوهش حاضر، برخی از عواملی است که مراکز حمایتی بیمار می توانند در هنگام پیش بینی هزینه های درمان بیمار مورد توجه قرار دهند. شاخص جنس یا سن، به شدت تحت تاثیر مدت زمان بستری بیمار قرار می گیرد. بیمار سالخورده با بیماری نادر باید در مراکز درمانی تحت مراقبت و مدت زمان بستری طولانی تری نسبت به افراد جوان تر قرار گیرد. در نتیجه، درخت تصمیم گیری یک روش مفید و آموزنده برای انجام داده کاوی پیش بینی شده است.

پژوهش حاضر به بررسی پیش بینی ورشکستگی شرکتها ی پذیرفته شده که شامل 70 شرکت ورشکسته و 70 شرکت غیر ورشکسته طی دوره 97-89 است. این شرکت ها از طریق فرایند تصادفی به دو نمونه آموزشی (شامل 46 شرکت ورشکسته و 46 شرکت غیر ورشکسته) برای ساخت مدل ها و نمونه آزمایشی (شامل 24 شرکت ورشکسته و 24 شرکت غیر ورشکسته) جهت آزمون روایی بیرونی مدل ها تقسیم شده اند. با استفاده از دو تکنیک رگرسیون لوجستیک و جنگل های تصادفی و بکارگیری نسبت های مالی منتخب، دو مدل جهت پیش بینی ورشکستگی استخراج شده و نتایج حاصل از آن ها مورد مقایسه قرار گرفته است. مدل رگرسیون لوجستیک توانست 87% شرکت های نمونه آموزشی و 79% شرکت های نمونه آزمایشی را یک سال پیش از ورشکستگی به درستی در گروه های ورشکسته و غیر ورشکسته طبقه بندی نماید. همچنینی، مدل جنگل های تصادفی توانست نمونه های آموزشی و آزمایشی به ترتیب با دقت 4/90 و 90 درصد مشاهدات را به درستی در گروه های ورشکسته و غیر ورشکسته طبقه بندی نماید. آزمون McNemar نشان داد که مدل جنگل های تصادفی در مقایسه با مدل رگرسیون لوجستیک، از برتری قابل توجهی برخوردار است. روش پژوهش از نظر هدف کاربردی می باشد و از نظر ماهیت توصیفی دارد.

پیشبینی رفتار فرآیندهای سازمانی، نقش مهمی در مدیریت فرآیندهای کسبوکار ایفا میکند. این مهم با توسعه بهکارگیری الگوریتمهای یادگیری ماشین در جنبههای مختلف آیندهپژوهی افقهای نوینی در برابر پیشبینی رویدادها و فرآیندها در فضای کسبوکار گشوده است. یکی از روشهای یادگیری ماشین، به کارگیری الگوریتمهای یادگیری عمیق بهعنوان شاخهای از شبکههای عصبی است که توانسته دقت پیشبینی را به میزان زیادی افزایش دهد؛ ازاینرو در پژوهش حاضر از معماری LSTM (حافظه طولانی کوتاهمدت) شبکه عصبی برای پیشبینی فرآیندهای کسبوکار استفاده شده است. برای انجام آزمایش، الگوریتم LSTM بر روی مجموعه داده BPI2012 و BPI2017 اعمال شد. نتایج حاصل از ساخت 300 مدل پیشبینی نشان داد که در مجموعه داده BPI2017 از مجموع آزمایشهای انجامشده بیشترین دقت 907/0 است که این مقدار دقت از مقادیر دقت بهدستآمده در پژوهشهای مشابه بالاتر است. این دقت با اجرای الگوریتم LSTM با معماری یکلایه و مدل دادهبزرگ و بدون بازخورد بهدست آمده است.

عوامل محیطی نقش مهمی در شکل دهی به الگوی استقراری محوطه ها و توزیع مکانی سکونتگاه های انسانی و فعالیت های گوناگون بشر داشته اند. مطالعه روابط متقابل انسان و محیط و الگوهای بهره برداری از محیط زیست یکی از رویکردهای اصلی باستان شناسی نو است. یکی از قابلیت های زاگرس میانی و به خصوص پیشکوه لرستان فرهنگی استخراج و تولید فلزات به ویژه مفرغ و آهن است که با ابهامات زیادی از جمله شناسایی معادن و محوطه های در ارتباط با فلزگری کهن همراه است. در پژوهش حاضر سعی شد بر مبنای 143 محوطه فلزگری کهن که در نتیجه چهار فصل بررسی باستان شناسی در شهرستان کوهدشت شناسایی شده اند، به روش توصیفی-تحلیلی و با بهره گیری از سیستم اطلاعات جغرافیایی (GIS) و تحلیل های فضایی، عوامل طبیعی مؤثر در شکل گیری و پراکنش محوطه های فلزگری در منظر فرهنگی کوهدشت شناسایی شوند و در انتها یک الگو برای تخمین مکان های احتمالی دارای بقایای مرتبط با فلزگری باستان در منطقه زاگرس میانی ارائه شود. برای رسیدن به این مهم در نرم افزار GIS به هر یک از عوامل محیطی از جمله مواد خام مورد نیاز، پوشش جنگلی مناسب برای فراهم کردن سوخت مورد استفاده در کوره های ذوب فلز و نزدیکی به منابع آبی، بر اساس نقش و تأثیر هر یک از این عوامل، وزن و اهمیت متفاوتی داده شد تا نقش هر یک از آن ها در شکل گیری محوطه ها مورد سنجش و ارزیابی قرار گیرد. در پایان مشخص شد که سازند زمین شناسی کشکان که دارای برونزد سنگ های حاوی اکسید آهن است، بیشترین نقش را در مکان گزینی محوطه های فلزگری باستان داشته است و پس از آن پوشش جنگلی مناسب و نزدیکی به منابع آبی، در درجه های بعدی اهمیت قرار دارند.

در جهان امروز، فنّاوری اطلاعات به عنوان مهمترین رکن توسعه جوامع بشری محسوب شده و روز به روز برشتاب حرکت جوامع از دوران صنعتی به عصر اطلاعات افزوده می شود. مطالعات انجام شده درباره برنامه های توسعه اغلب کشورها، نش انگر محوری بودن نقش فنّاوری اطلاعات دراینگونه برنامه هاست و در این میان توسعه منابع انسانی متخصص به عنوان مهمترین عامل برای نیل به چنین هدفی محسوب می شود. در مقاله حاضر نتیجه طرح پژوهشی نیازسنجی منابع انسانی متخصص کشور در عرصه مهندسی فنّاوری اطلاعات مورد توجه قرار می گیرد؛ به همین دلیل ابتدا با ارائه تعریفی ازفنّاوری اطلاعات و نیروی کار آن، به بررسی روشهای پیش بینی منابع انسانی اشاره می شود و سپس با انتخاب یکی از روشهای یاد شده و با ترازیابی کشورهای مشابه ایران با توجه به شاخصهای مختلف اقتصادی و اجتماعی، مدلی برای پیش بینی نیروی انسانی متخصص در زمینه های مهندسی مرتبط با فنّاوری اطلاعات در ایران ارائه می گردد. در پایان با مقایسه نتایج حاصل از این مدلسازی با نتایج کشورهای تراز به نقاط ضعف و قوت آن اشاره می شود. نتایج این تحقیق از آن حکایت دارد که سالیانه حدود پنج هزار نیروی انسانی متخصص باید در رشته های برق، الکترونیک، کامپیوتر و مخابرات در مقاطع تحصیلی مختلف تربیت و به بازار کار کشور عرضه گردد. با احتساب رشته های جدیدی همچون دولت الکترونیکی، تجارت الکترونیکی، جامعه شناسی و فنّاوری اطلاعات،  یادگیری الکترونیکی و نظایر آن که بتازگی مورد توجه نظام آموزش عالی در کشورها قرار گرفته است، در برنامه چهارم توسعه کشور تربیت نیرویی حدود سی تا چهل هزار نفر در رشته های مرتبط با فنّاوری اطلاعات و در مقاطع مختلف آموزش عالی ضروری به نظر می رسد. همچنین براساس نتایج حاصل از تحقیق لازم است برای حصول اطلاعات دقیق تر برای برنامه ریزی هر دو سال یک بار روند پیش بینی با اطلاعات جدید تکرار شود.

الگوریتم های هوش مصنوعی شامل شاخه های مختلفی از علوم کامپیوتر و ریاضیات می باشند. الگوریتم های ترکیبی یا فراتکاملی نوعی از الگوریتم های تقریبی هستند که برای یافتن پاسخ بهینه به کار می روند. یک الگوریتم بهینه سازی ترکیبی یک روش ابتکاری است که میتواند با تغییرهایی کم برای مسائل مخلتف بهینه سازی به کار رود الگوریتم های فرا ابتکاری بطور قابل ملاحظه ای توانایی یافتن جواب های با کیفیت بالا را برای مسائل بهینه سازی در تصمیم گیری و پیش بینی های مدیریت منابع انسانی سخت افزایش میدهد. این پژوهش یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی الگوریتم سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی الگوریتم های ساده سنتی که در هم آمیخته شده اند ادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی ومنابع انسانی به عنوان یکی از عوامل تاثیر گذار در افزایش بهره وری سازمان ها افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را در مدیریت منابع انسانی به درستی و بادقت پیش بینی کند.

هدف مطالعه حاضر، بررسی نقش متغیرهای پذیرشی در موفقیت تحصیلی دانشجویان دوره کارشناسی و کارشناسی ارشد و تدوین آنها در قالب مدل پیش بینی بوده و طرح مطالعه از نوع همبستگی بوده است. جامعه آماری شامل، کلیه پذیرفته شدگان در دوره های کارشناسی و کارشناسی ارشد مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران بود که تا پایان نیمسال دوم سال تحصیلی 92-1391حداقل، یک نیمسال، نمرات ثبت شده داشته اند. معدل کل واحدهای اخذ شده در مقطع تحصیلی فعلی به عنوان متغیر وابسته، در نظر گرفته شد. تحلیل داده ها با مدل رگرسیون خطی و به شیوه گام به گام به اجرا درآمد. نتایج تحلیل ها حاکی از آن است که شاخص های پذیرشی به تنهائی از توان نسبتاً پائینی برای پیش بینی موفقیت تحصیلی در دوره های آموزش الکترونیکی برخوردارند. لذا نمی توان سیاست گذاری های آموزشی در این دوره ها را صرفاً برمبنای مؤلفه های پذیرشی بنا نهاد. با اینحال، در صورتیکه اطلاعات در اختیار یا قابل حصول مدیریت دانشگاه، محدود به اطلاعات پذیرشی باشد، می توان گفت: در مقطع کارشناسی، بومی بودن، معدل دیپلم و پذیرش از طریق آزمون اختصاصی و در مقطع ارشد، رشته تحصیلی مقطع کارشناسی(مهندسی)، پذیرش از طریق آزمون اختصاصی(با وزن منفی)، معدل کل مقطع کارشناسی، نوع دانشگاه محل تحصیل مقطع کارشناسی(دولتی) و رشته تحصیلی مقطع کارشناسی(علوم پایه)، به ترتیب، به عنوان مؤثرترین  پیش بینی کننده های موفقیت تحصیلی، قابل معرفی اند. درمجموع فرض بر این است که نتایج این مطالعه   می تواند برای دانشگاه مورد مطالعه و سایر دانشگاه های مشابه در امر برنامه ریزی آموزشی برای توسعه دوره های آموزش الکترونیکی مورد بهره برداری قرار گیرند.

این تحقیق با هدف طراحی مدل پیش بینی تحول نظام اداری در حوزه منابع انسانی انجام شده است. تحقیقق موجقود ازنظر هدف، کاربردی و توسعه ای و از نظر روش یک تحقیق آمیخته اکتشافی است. جامعه آمقاری تحقیقق شقامل کلیقهکارکنان دستگاه های اجرایی شهر کرمان به تعداد 23270 نفر بوده که با استفاده از روش نمونه گیری تصادفی طبقه ای450 نفربه عنوان نمونه انتخاب شده اند. برای جمع آوری داده ها از دو پرسشنامه محقق ساخته عوامل بازدارنده اجقرایتحول نظام اداری در حوزه منابع انسانی و تحول نظام اداری استفاده شده است. نتقای تحقیقق نشقان داد ،مقدل مفهقومیتحقیق از برازش قابل قبولی برخوردار است و عوامل بازدارنده تحول نظام اداری در حوزه منابع انسانی عبارتند از: عدمشایسته سالاری، آموزش ناکافی، نبود امور رفاهی، مناسب نبودن مزایای بازنشستگی، نامناسب بقودن ارزشق یابی، درجقهبالایی از سیاسی شدن، سلطه بوروکراتیک، عدم توانایی نهقاد ی، فنق ی و اداری، عقدم توجقه بقه اجقرا ی همزمقان منقافععمومی و حقوق اداری، ضعف فناوری های اطلاعات و ارتباطات، فراهم نبودن شرایط علّی اثرگذار، عوامل فرهنگق ی،سیاسی، مدیریتی، قضایی، ارزشی و ساختاری، مبهم بودن اهداف و عدم حاکمیت تفکر بهبود مستمر، کقه ایقن عوامقل35 / 0 از واریانس نظام تحول اداری در حوزه منابع انسانی را تبیین می کنند.

هدف: پیش بینی نتایج فعّالیت های کیفیت بخشی، از دغدغه های مسئولین دانشگاه های افسری نیروهای مسلح است. مقاله حاضر با بهره مندی از قابلیت های شبکه عصبی مصنوعی و با توجه به دغدغه مذکور، به ارائه مدلی برای پیش بینی روند نتایج عوامل اثرگذار در فعّالیت های تربیتی-آموزشی نظامی یکی از دانشگاه های افسری پرداخته است. روش پژوهش: جامعه آماری، کلیه افسران جوان تحت آموزش در اردوی رزم در کوهستان دانشگاه مورد مطالعه (از سال 1397 تا 1401) است. ابتدا، داده های مربوط به عوامل و سنجه های فعّالیت های تربیتی-آموزشی اردوی رزم در کوهستان برای دوره زمانی پنج ساله یادشده گردآوری شد. در گام بعدی پیش پردازش داده ها انجام و با استفاده از الگوریتم IRNN پیشنهادی و کدنویسی آن در پایتون، به ساخت مدل و صحت سنجی آن پرداخته شد. یافته ها: با بهره مندی از مدل ساخته شده و داده های موجود وضعیت کیفیت عملکرد آموزشی اردوگاه در دوره بعد پیش بینی شد. نتیجه: با ادامه سیاست های کنونی، تمامی عوامل به غیر از عامل«روزآمدی سطح دانش و مهارت کادر آموزشی» از روند صعودی برخوردار خواهند بود. می بایست برنامه ریزی صحیحی در راستای روزآمدسازی سطح دانش و مهارت کادر آموزشی موثر در فعّالیت های آموزشی، انجام داد.