کلان داده

حکمرانی در عصر فضای مجازی به یکی از چالش های اصلی کشورها تبدیل شده است. معطوف به دغدغه نجات فرهنگ ایرانی-اسلامی در مقابله با تهاجم فرهنگی غرب با تأکید بر این پیش فرض که عمده آسیب های حکمرانی در بخش های مختلف جامعه متاثر از فرهنگ حاکم بر ذهن مسئولین و مردم است، این پژوهش با روش کیفی-توصیفی و گردآوری کتابخانه ای در جستجوی پاسخ به دو سوال اساسی است که اولاً چرا حکمرانی و صیانت از ذهن جامعه در عصر فضای مجازی یک امر لازم و ضروری است؟ ثانیاً امکان حکمرانی همراه با صیانت از ذهن جامعه در عصر فضای مجازی، چگونه تحقق خواهد یافت؟ ادبیات نظری پژوهش با توجه به اهمیت صیانت از ذهن جامعه در فضای مجازی، محدود به واکاوی و تبیین مؤلفه های مبنایی مرتبط با تحولات عرصه فضای مجازی از جمله رصد تحولات فناورانه در حوزه ارتباطات دیجیتال، شکل گیری دوران پساحقیقت و ظهور پدیده ای با عنوان ناآرامی های اجتماعی، و نیز تحولات معرفت شناسی و نگرش پست مدرنیسم در رابطه با مفهوم عقلانیت عام و محدود است؛ تا از طریق این بینش مبنایی، فرصتی برای تأمل و توجه جدی تر حکمرانان و سیاستمداران راهبردی در طراحی سیاست ها و مداخلاتی که منجر به نتایج بهتر برای حکمرانی بر افراد و آحاد جامعه به مثابه یک کل می شود، ایجاد گردد.

هدف: انبوهی از داده های خام در حوزه های مختلف در درون شبکه های اجتماعی ایجاد شده است و پژوهشگران در حوزه های مختلف با توجه به مسئله مورد پرسش به تحلیل و ارزیابی این داده ها پرداختند. از سوی دیگر همیشه بشر دنبال دانستن این مهم بوده است که فردا چه اتفاقی می افتدو یا افراد دیگر چه فکر می کنند و چه تصمیمی می گیرندروش: هدف کلیدی این مقاله مطالعه و ارزیابی روش های پیش بینی انتخابات مبتنی بر کلان داده های شبکه های اجتماعی است. از همین رو، این مقاله به مطالعه و ارزیابی روش های پیش بینی انتخابات بر اساس داده های فراوان در شبکه اجتماعی در سطح ایران و جهان حاصل از تجربه بین المللی و نویسنده پرداخته است. بر این اساس، 25 مورد پژوهش پیرامون پیش بینی انتخابات بر اساس کلان داده های شبکه های اجتماعی مورد مطالعه قرار گرفت و دو روش کلیدی استخراج شد. اولین روش، استفاده از حجم داده ها و شمارش محتوا است و روش دیگر، تجزیه و تحلیل احساسات محتواهای منتشر شده (شناسایی دوست داشتن، دوست نداشتن، و یا رویکرد سنجی یا ارزیابی بازخورد به صورت پاسخ های مثبت، منفی یا خنثی طبقه بندی می شود).یافته ها: یافته های از ارزیابی پژوهش های بین المللی با تجربه نویسنده حاکی از آن است هرچند هر دو روش در مواردی پاسخ گو بوده اند اما احتمال پاسخگویی روش تحلیل احساسات و درک محتوای پست ها در فالب رویکرد سنجی موثر تر و دقیق تر به نظر می رسد. همچنین با بررسی این مقالات به نظر می رسد با اینکه روش ها اندکی با هم اختلاف دارند اما این دو روش در این 25 نقاله که در کشور های مختلف مورد بررسی قرار گرفته است مشترک است.نتیجه گیری: می توان نتیجه گرفت پیش بینی انتخابات و رویدادهای مشابه سیاسی و اجتماعی و حتی در نگاه مثبت نگر تصمیم و احساسات یک جامعه را می توان به کمک کلان داده های شبکه اجتماعی تا حدود پیش بینی کرد اما این به معنی دقت بسیار بالا در تمامی روش ها نیست بلکه می تواند مقدمه پژوهش ها و تجربیاتی باشد که در جهت توسعه بهره گیری از کلان داده های شبکه های اجتماعی مفید واقع شود.

دانشگاه ها، سازمان های تأثیرگذار و مهمی در جامعه هستند که حجم داده ها و اطلاعات زیادی در آنها تولید و استفاده می شود. باتوجه به اهمیت استفاده از فناوری کلان داده در دانشگاه ها، ضرورت دارد که بررسی شود، دانشگاه های ایران تا چه اندازه در موضوع کلان داده پیشرفت کرده اند. هدف این مقاله، ارزیابی بلوغ کلان داده در دانشگاه های دولتی ایران است. برای رسیدن به این هدف از مدل TDWI برای ارزیابی بلوغ کلان داده در دانشگاه های دولتی ایران استفاده شده است. این تحقیق از نظر هدف، کاربردی و از نظر روش توصیفی - پیمایشی است. جامعه آماری این تحقیق شامل کلیه مدیران فناوری اطلاعات دانشگاه های دولتی ایران به تعداد ۱۴۱ نفر است. نتایج حاصل از تحلیل ها نشان داد که ۲ دانشگاه در مرحله نوپا، ۲۷ دانشگاه در مرحله اولیه، ۱۶ دانشگاه در مرحله تثبیت شده و ۵ دانشگاه در مرحله بالغ هستند وهیچ دانشگاهی در سطح پیشرفته از مدل بلوغ شناسایی نشد. همچنین نتایج حاکی از آن بود که میانگین سطح بلوغ کلان داده در بین دانشگاه های تهران و شهرستان با هم تفاوت معناداری دارند. در این تحقیق برای هرکدام از دانشگاه های شرکت کننده در پیمایش بر اساس نتایج حاصل شده، توصیه هایی جهت ارتقای بلوغ کلان داده ارائه شده است.

طراحی یک مدل هوشمند اعطای تسهیلات بانکی می تواند بسیار از دغدغه ها و نگرانیهای سیستم بانکی را در خصوص بازپرداخت وامهای اعطای شده و افزایش وامهای غیر عملیاتی را کاهش دهد. برای این منظور لازم است با بهره گیری از الگوریتمهای هوش مصنوعی چنین مدلی طراحی شود. در این تحقیق هدف طراحی یک مدل اعطای تسهیلات بانکی هوشمند بر اساس کلان داده و بر اساس مشخصه های جمعیت شناختی وضعیت کسب و کار و پرداختهای گذشته مشتریان می باشد. مدل شامل 12 متغیر بود که داده های آن از سیستم بانکی جمع اوری شده و سپس با کمک الگوریتمهای یادگیری ماشین پیاده سازی شد. سه الگوریتم کا نزدیکترین همسایه، درخت تصمیم و جنگل تصادفی در تحقیق حاضر استفاده شد که نتایج نشان می دهد الگوریتم درخت تصمیم با دقت 99.6 درصد در بالاترین سطح قادر به پیش بینی رفتار بازپرداخت مشتریان بوده و این امر نشان می دهد که متغیرهای 12 گانه معرفی شده تا بیش از 99 درصد می توانند بازپرداخت مشتریان را بر اساس سه دسته مشتریان با ریسک بالا، متوسط و ریسک اندک دسته بندی نمایند.

هدف: هدف این مطالعه، آینده پژوهی مدیریت کلان داده ها در کتابخانه های عمومی، وابسته به نهاد کتابخانه های عمومی کشور در قرن 21 و ارائه مدل راهبردی است. روش شناسی: این پژوهش از نوع آینده پژوهی بوده و با استفاده از روش دلفی در سه دور انجام شده است. جامعه آماری پنل دلفی، متشکل از 20 نفر از متخصصان حوزه فناوری اطلاعات و علم اطلاعات و دانش شناسی می باشند. براساس پرسشنامه مورد اجماع پنل دلفی از 77 نفر کارشناسان در مراکز استانی که براساس جدول مورگان انتخاب شدند، در خصوص اولویت های کاربرد کلان داده و قطعیت و عدم قطعیت آنها با مقایسه وضعیت فعلی و آینده سوال شد. سپس با استفاده از تحلیل عاملی تاییدی، مدل راهبردی مطلوب پیشنهاد شده است. 30 گویه پرسشنامه از لحاظ دو ضریب نسبی روایی محتوی (CVR) و شاخص روایی محتوی (CVI) مورد تایید قرار گرفتند و پایایی پرسشنامه نیز براساس ضریب آلفای کرونباخ 86% محاسبه شد. یافته ها: کتابخانه های عمومی کشور در حال حاضر به مقدار بسیار اندکی از کلان داده استفاده می کنند. طبق نظر خبرگان، کاربرد کلان داده موجب ایجاد امکان دسترسی سریع به داده های روزآمد و تامین و تولید داده ها با فرمت های گوناگون از محل های مختلف خواهد شد. تامین ابزارهای تجزیه و تحلیل داده، تامین زیرساخت یکپارچه سازی اطلاعات و اتصال کتابخانه های عمومی، تامین هزینه مربوط به تجهیزات و سرورهای قدرتمند و روزآمدسازی دانش و مهارت های کتابداران از ضرورت های بهره گیری از کلان داده است. نتیجه گیری: پژوهش حاضر آینده پژوهی وضعیت کلان داده در کتابخانه های عمومی را پیش بینی کرده و بر این اساس، مدل راهبردی برای مدیریت کلان داده در کتابخانه های عمومی کشور را پیشنهاد داده است.

هدف: هدف این پژوهش کیفی، شناسایی ابعاد، مولفه ها و ارائه مدل کیفی مدیریت تحقیق و توسعه مبتنی بر تحلیل های کلان داده است. روش : مطالعه حاضر پژوهشی کیفی بوده که با استفاده از رویکرد اکتشافی انجام شده است. در این پژوهش جمع آوری داده ها به روش مصاحبه نیمه ساختاریافته انجام شد که در آن 12 نفر از مدیران و متخصصان تحقیق و توسعه از مراکز علمی و دانشگاهی، سیاستگزاری و صنعت که به مبانی مدیریت تحقیق و توسعه و علم داده ها آشنا بودند، با روش گلوله برفی انتخاب شده و مصاحبه انجام گرفت. مصاحبه ها تا زمان رسیدن به اشباع نظری و عدم تولید مقوله های جدید ادامه یافت. همچنین تجزیه و تحلیل داده ها طی فرآیند کلاسیک کدگذاری باز، محوری و انتخابی و با استفاده از نرم افزار MAXQDA18 انجام شده و نهایتاً مدل کیفی تبیین شد. یافته ها: براساس یافته های پژوهش 8 مقوله (مولفه) محوری و 24 زیرمولفه در قالب شش بُعد نظریه داده بنیاد شامل عوامل علّی (مدیریت نظام مند و تأمین منابع)، مقوله محوری (توانمندی بکارگیری تحلیل های کلان داده)، راهبردها (آموزش عالی و حمایت دولت)، شرایط مداخله گر (عوامل سازمانی)، شرایط زمینه ای (توسعه علم داده، بسترها و زیرساخت) و پیامدها (منافع کسب وکاری) شناسایی، و در قالب مدل پارادایمی داده بنیاد سازماندهی شدند. نتیجه گیری: مدل کیفی مدیریت تحقیق و توسعه براساس رویکرد فرآیندی و تلفیق آن با مولفه های محوری شناسایی شده ارائه گردید. در این مدل به بخش ورودی فرآیند مدیریت تحقیق و توسعه، منابع داده ای اضافه شد. مولفه های موثر داخلی که وارد بخش پردازش مدل شدند، توانمندی بکارگیری تحلیل های کلان داده، راهبردهای تحقیق و توسعه، ابزارهای علم داده، مدیریت سیستمی و عوامل درون سازمانی هستند. در حالی که عوامل برون سازمانی، راهبردهای آموزش عالی و حمایت دولتی، زیرساخت های فنی و فرهنگ سازمانی مولفه های موثر خارجی مدل هستند.

زمینه و هدف: تحولات فناوری در دهه های اخیر منجر به شکل گیری تغییرات بنیادین در حوزه های مختلف از جمله دانشِ انتظامی شده است. هوش مصنوعی به عنوان یکی از مهم ترین فناوری های نوین، نقش اساسی در بهینه سازی فرآیندهای انتظامی ایفاء می کند. با این حال، موفقیت در بهره گیری از این فناوری نیازمند سیاست گذاری کلان، توسعه زیرساخت های فناورانه و تربیت نیروی انسانی متخصص است. این پژوهش با هدف بررسی کاربرد هوش مصنوعی در تحول دانش انتظامی و ارائه پیشنهادهای سیاستی برای بهره برداری بهینه از آن انجام شده است. روش: این پژوهش از نوع کیفی است و با استفاده از شیوه گردآوری اطلاعات کتابخانه ای و اسنادی به بررسی موضوع می پردازد. در این پژوهش، ابتدا مفاهیمِ هوش مصنوعی و دانشِ انتظامی تعریف می شود و سپس، کاربردهای این فناوری، چالش ها و الزامات اجرایی آن براساس منابع علمی معتبر مورد تحلیل قرار می گیرد. یافته ها: هوش مصنوعی می تواند در زمینه های مختلف تأثیرات شگرفی داشته باشد. با این حال، چالش های اجرایی مانند حفظ حریم خصوصی، سوگیری الگوریتمی، هزینه های پیاده سازی، الزامات حقوقی امنیت سایبری نیز وجود دارد که در به کارگیری این فناوری باید مورد توجه قرار گیرد. نتیجه گیری: بهره گیری مؤثر از هوش مصنوعی در دانش انتظامی، مستلزم تدوین سیاست های حمایتی، سرمایه گذاری در زیرساخت های فناورانه، توسعه چارچوب های حقوقی و تقویت ظرفیت های بومی در این حوزه است. همچنین، فرماندهی انتظامی باید با اتخاذ رویکردی راهبردی و فراتر از صرفاً بهره برداری فناورانه، به تسلط بر لایه های عمیق هوش مصنوعی توجه ویژه داشته باشد تا از وابستگی به فناوری های خارجی جلوگیری شود.

توسعه فناوری های نوظهور نظیر اینترنت و شبکه های اجتماعی، فرصت ها و تهدیدهای جدیدی را پیش روی کشورها قرار داده و قدرت سخت، قدرت نرم و قدرت تیز نظام های سیاسی تحت تأثیر توسعه این فناوری ها، دستخوش تحول شده است. یکی از جنبه های این فناوری های نوظهور، پروپاگاندای رایانشی است؛ تحت تأثیر به کارگیری این ابزار، شبکه های اجتماعی به شکل فزاینده ای در حال تبدیل شدن به ابزارهای فعالیت های اطلاعاتی دستکاری شده و هدفمند هستند. این مقاله در تلاش است به این پرسش پاسخ دهد که پروپاگاندای رایانشی چگونه به ابزاری علیه قدرت نرم نظام های سیاسی رقیب یا دشمن تبدیل شده و با بررسی تصعید تنش میان ایران و اسرائیل در پاییز 1403 به عنوان یک مطالعه موردی، به این پرسش پاسخ می دهد که کدام یک از استراتژی های پروپاگاندای رایانشی بیشتر علیه ایران استفاده می شود. بر همین اساس، با مرور ادبیات نظری و همچنین تلفیق دو روش تحلیل شبکه اجتماعی و تحلیل مضمون، تلاش شده به این پرسش ها پاسخ داده شود. یافته ها نشان می دهد که پروپاگاندای رایانشی به عنوان ابزاری در جهت تقویت قدرت تیز دولت ها علیه دولت های هدف به کار گرفته می شود و قابلیت تضعیف قدرت نرم آن ها را دارد. بر همین اساس، بیشترین استراتژی که  علیه ایران به کار گرفته شد، استراتژی های  حمله و افشاگری و همچنین حمایت از آلترناتیوهای دیگر بود تا توان موشکی ایران از یک سو و از سوی دیگر مشروعیت نظام سیاسی در ایران در افکار عمومی زیر سؤال برود. شبکه بازنشرهای توییت های مربوط به این موضوع نشان می دهد که این تلاش ها بی تأثیر نبوده است.

هدف : این پژوهش به منظور شناسایی و معرفی کلیدی ترین کارکردهای هوش مصنوعی در کتابخانه های عمومی انجام شده است. روش : با استفاده از روش مرور نظام مند پس از کاوش پایگاه های اطلاعاتی ایرانی و خارجی، 42 اثر مرتبط با موضوع این پژوهش شناسایی شدند. این آثار مطالعه و کلیدی ترین کارکردهای هوش مصنوعی در کتابخانه های عمومی از تمام متن آنها استخراج شدند. تحلیل داده ها با استفاده از فن کدگذاری انجام شد؛ به این شکل کد به هر یک از کارکردها در متن آثار کدی اختصاص داده شد. یافته ها : کتابخانه های عمومی می توانند در شش حوزه مختلف از ظرفیت های هوش مصنوعی بهره ببرند: (1) مدیریت مجموعه، کمک به شناسایی نیازهای کاربران و بهینه سازی چرخه عمر منابع کمک؛ (2) سازماندهی اطلاعات، کمک به اختصاص اصطلاحات نمایه ای، تهیه خلاصه ها، و دیجیتال سازی آثار؛ (3) بازیابی اطلاعات، کمک به جستجوی چندرسانه ای، کاوش اطلاعات ناهمگون و چندزبانه؛ (4) خدمات کاربران، کمک به بهبود تجربه کاربری از طریق مشاوره اطلاعاتی، ربات های دستیار، و تحلیل احساسات؛ (5) فضا و تجهیزات کتابخانه، کمک به فراهم سازی فضایی دلنشین تر برای کاربران؛ و (6) مدیریت و نگهداری کمک به مدیر برای استفاده بهتر از منابع در دسترس. در مجموع، 66 کارکرد گوناگون برای هوش مصنوعی در کتابخانه های عمومی شناسایی شدند. نتیجه گیری: برای تداوم حیات کتابخانه های عمومی و همراهی با شهرهای هوشمند، این نهادها باید از هوش مصنوعی بهره برداری کنند تا کارایی و جذب کاربران افزایش یابد و خدمات شخصی سازی شوند. این امر با چالش هایی نظیر هزینه ها، حریم خصوصی و آمادگی کتابخانه ها مواجه است، اما تأثیرات مثبت آن بر کیفیت، عدالت، و نوآوری خدمات کتابخانه ها مشهود خواهد بود.