مطالب مرتبط با کلیدواژه

سامانه گنج


۱.

طراحی مدل مفهومی پیاده سازی معنابخشی به خدمات ارائه شده در سامانه «گنج» پژوهشگاه علوم و فناوری اطلاعات ایران(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: معنابخشی تعامل انسان و اطلاعات سامانه گنج پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

حوزه‌های تخصصی:
تعداد بازدید : ۴۸۰ تعداد دانلود : ۳۵۰
کاربران نقش کلیدی در موفقیت سامانه ها و ارتقاء آنها برعهده داشته و اطمینان از رضایت آنان از اهمیت بسیار برخوردار است. این امر در مورد سامانه های پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) اهمیت بیشتری دارد؛ چرا که این کاربرانند که داده های مورد نیاز سامانه ها را فراهم آورده و از اطلاعات فراهم شده استفاده می کنند. لذا فراهم آوردن ابزارهایی که امکان تعامل بیشتر با کاربران و درک درست تری از اطلاعات فراهم آورده شده توسط سامانه ها را برای آنان ایجاد کرده و کمک کند تا سریع تر به پاسخ پرسش های خود دست یابند، ضروری است. یکی از روش های بهبود تعامل با کاربران، معنادار کردن اطلاعات مورد نیاز آنان است که از آن با عنوان معنابخشی یاد می شود. در این مقاله تلاش شده است تا با بکارگیری مفهوم معنابخشی و ادغام آن با مفاهیم موجود در طراحی سیستم های پشتیبانی کننده از جستجو، مدل مفهومی برای معنابخشی به خدمات ارائه شده در سامانه گنج ایرانداک طراحی شود. برای این منظور 9 سامانه خارجی و 6 سامانه داخلی، که وظیفه ای مشابه با گنج را دارند بررسی شده و مدل بهبود خدمات قابل ارائه در سامانه گنج از منظر معنابخشی در سه دسته خدمات قابل ارائه در کوتاه مدت، بلندمدت و خدمات نیازمند پژوهش بیشتر ارائه شد.
۲.

پایش شاخص های کیفیت داده های پژوهشی به کمک نمودار کنترل مشاهده های انفرادی با دامنه متحرک(مقاله علمی وزارت علوم)

کلیدواژه‌ها: کیفیت داده نمودار کنترل شاخص های کلیدی عملکرد نمودارI-MR سامانه گنج

حوزه‌های تخصصی:
تعداد بازدید : ۶۲۲ تعداد دانلود : ۳۲۷
شاخص های کلیدی عملکرد یک ابزار سودمند در حوزه مدیریت عملیات است و به مدیران ارشد سازمان در ایجاد بهبود مستمر در فرآیندها و واحدهای مختلف اجرایی یاری می رسانند. در سامانه های اطلاعاتی پژوهشی، داده به عنوان منبعی ارزشمند در سرتاسر فرآیند پژوهش به حساب می آید و بخش زیادی از ارزش افزوده ایجاد شده در این فرآیند وابسته به کیفیت داده های پژوهشی است. از سوی دیگر کنترل کیفیت داده ها یکی از مهم ترین فعالیتها در راستای اطمینان از مطلوب بودن سطح کیفیت خروجی سازمان است که امروزه به کمک یک ابزار قدرتمند به نام نمودار کنترل انجام می شود. در این مقاله بمنظور پایش عملکرد سامانه های اطلاعاتی تحقیقاتی شاخص هایی مانند صحت، کامل بودن و دقت توسعه داده شده اند. داده های پایان نامه/ رساله (پارسا)های دانشجویان تحصیلات تکمیلی کل کشور که در سامانه گنج اشاعه داده می شوند، به کمک نمودار کنترل I-MR پایش شده اند. نتایج پایش مستمر کیفیت داده در شاخص های مختلف نشان می دهد که در برخی داتشگاه ها که به تازگی به سامانه ثبت پیوسته اند به دلیل عدم آشنایی با روند سامانه و ثبت اطلاعات و نبود آموزش کافی در برخی شاخص ها مانند دقت و صحت نوسانات زیادی وجود دارد و نیاز است اقدامات اصلاحی مناسبی انجام شود. در انتها، ارائه بازخورد به موقع به دانشجویان در خصوص مشکلات کیفی داده ها، پیغام های اطلاع رسانی ) مناسب در زمان تکمیل فیلدها توسط دانشجویان تحصیلات تکمیلی و ارائه آموزش های تصویری و تدوین دستورالعملهای لازم به عنوان اقدامات اصلاحی در خصوص ارتقاء کیفیت داده ها و قابلیت فرآیندهای تولید داده، پیشنهاد شده است.
۳.

استفاده از مدل LRFM برای خوشه بندی کاربران براساس تحلیل رفتار جستجو (مورد مطالعه: پایگاه اطلاعات علمی ایران (گنج))(مقاله علمی وزارت علوم)

کلیدواژه‌ها: خوشه بندی مدل LRFM ماتریس ارزش مشتری مارکوس تحلیل رفتار کاربران سامانه گنج

حوزه‌های تخصصی:
تعداد بازدید : ۴۵۵ تعداد دانلود : ۲۵۶
پایگاه اطلاعاتی گنج پژوهشگاه علوم و فناوری اطلاعات با برخورداری از نزدیک به یک میلیون رکورد علمی، امکان جستجو در پایان نامه ها، نشریات علمی داخلی، مقالات، همایش ها، طرح های پژوهشی وگزارش های دولتی را فراهم می کند. روزانه تعداد زیادی از پژوهشگران نیازهای منابع علمی و پژوهشی خود را از پایگاه گنج تامین می کنند. نیازها و رفتارهای کاربران مختلف این پایگاه متنوع بوده و شناخت دقیق تر آن موجب خواهد شد تا مدیران این پایگاه بتوانند استراتژی های متناسب با هر یک از گروه های کاربران را به منظور مدیریت بهتر پایگاه و ارائه خدمات کاراتر اتخاذ نمایند. یکی از راه های شناخت کاربران، خوشه بندی آن ها و شناخت ویژگی های هر خوشه است. هدف این پژوهش، خوشه بندی کاربران براساس تحلیل رفتار جستجوی آن ها با استفاده از مدل LRFM است. در این پژوهش، داده های لاگ جستجوی کاربران پایگاه گنج به مدت سه ماه جمع آوری و مورد استفاده قرار گرفت. با استفاده از داده های لاگ رفتار جستجوی کاربران، شاخص های مدل LRFM ، محاسبه شد و سپس الگوریتم K-means بر روی آن ها اعمال شد. تعداد خوشه بهینه بر اساس معیارهای مختلف محاسبه شد. نتایج بدست آمده از خوشه بندی براساس ماتریس ارزش مشتری، کاربران را در چهار گروه بهره مند، مشکوک، نامطمئن و متناوب قرار می دهد و بر اساس ماتریس وفاداری، کاربران در چهار گروه وفادار، بالقوه، نامطمئن و تازه وارده ارزیابی می شوند.