داده کاوی

مقدمه: دیالیز ناکافی به عنوان یک عامل خطر مرگ و میر برای بیماران کلیوی، ضرورت وجودالگویی برای کمک به پرسنل بخش دیالیز جهت ارائه خدمات درست به بیماران دیالیزی و مدیریت صحیح درمان آن ها را نشان می دهد. پژوهش حاضر با هدف شناسایی الگویی برای تشخیص نوع صافی همودیالیز صورت گرفته است زیرا نقش نوع صافی در کفایت دیالیز تعیین کننده می باشد. مواد و روش ها: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته و نمونه گیری به روش سرشماری بوده است. جامعه ی پژوهش متشکل از داده های بیمارستان علی ابن ابی طالب (ع) زاهدان در خردادماه 95 است که با مراجعه مستقیم پژوهش گر به سازمان حاصل و به صورت فایل اکسل تهیه گردید. جهت تحلیل داده ها از نرم افزار Clementine12.0 استفاده شده است. در پژوهش حاضر الگوریتم های درخت تصمیم و شبکه عصبی اجرا گردیدند. یافته ها: مقدار صحت بدست آمده از اجرای الگوریتم های C5.0 ،C&R Tree، CHAID، QUEST و شبکه عصبی به ترتیب 9263/0، 9047/0، 8872/0، 8720/0 و 8754/0 می باشد. مقادیر بدست آمده برای شاخص های حساسیت، شفافیت، صحت، دقت، NPV، FM، GM، FPR، FNR، FDR و ER و نیز سطح زیر منحنی ROC برای مدلC5.0 نشان دهنده عملکرد بهتر این الگوریتم نسبت به سایرین می باشد. نتیجه گیری: مقادیر بیشتر برای 7 شاخص اول نشان می دهد که طبقه بند مورد استفاده نمونه های بیشتری را در جای درست خود طبقه بندی کرده و مقادیر کم 4 شاخص آخر وقوع خطای کمتر در طبقه بندی نمونه ها را تایید می نماید. مدل C5.0 در 7 شاخص اول بیشترین مقدار و در 4 شاخص آخر کمترین مقدار را دارد. مدل ارائه شده به پیش بینی دقیق تر نوع صافی همودیالیز و نیز مدیریت صحیح درمان بیماران کمک می نماید.

مقدمه: افت فشار خون حین دیالیز در بیمارانی که به مدت طولانی تحت دیالیز قرار می گیرند، اغلب با افزایش مرگ و میر همراه است. پژوهش حاضر با هدف سنجش میزان افت فشارخون بیماران همودیالیزی به ارائه مدلی پیش بینانه از طریق داده کاوی توصیفی پرداخته است. زیرا، افت فشار خون شایع ترین عارضه جدی حین همودیالیز است. روش ها: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته است. جامعه ی پژوهش متشکل از داده های بیمارستان علی ابن ابی طالب (ع) زاهدان در خردادماه ۹۵ است. جهت تحلیل داده ها از نرم افزار Clementine۱۲.۰ استفاده شده است. برای مدل سازی از الگوریتم های K-Means، C۵.۰ و CART استفاده گردید. یافته ها: پارامترهای تاثیرگذار در میزان افت فشار خون شامل نوع صافی و دور پمپ بود. بررسی خوشه بندی و قوانین استخراج شده از مدل، اهمیت تاثیر نوع صافی و دور پمپ را تصدیق نمود. نتیجه گیری: استفاده از رو ش های نوین مدل سازی برای تحلیل وکشف ارتباطات بین داده های دیالیز، باعث ایجاد تغییر در نحوه ی نگرش پرسنل بخش دیالیز نسبت به روند انجام دیالیز و مراقبت های لازم حین آن می شود. سنجش میزان افت فشار خون بیماران دیالیزی به شناسایی سریع تر و دقیق تر افت فشار و مدیریت صحیح و پیشگیرانه کمک می نماید و منجر به ارتقای عملکرد بخش دیالیز می گردد. مطالعه حاضر نشان داد نوع صافی به جهت تاثیر آن روی افت فشار خون بیمار اهمیت دارد.

توده کارستی شاهو در شمال غرب استان کرمانشاه به واسطه گستردگی سازندهای آهکی و وجود گسل ها و درزه های زمین شناختی از پتانسیل زیادی برای کارست زایی برخوردار است. هدف از این پژوهش مدل سازی مکانی تحول کارست در این منطقه است. در این پژوهش 10 عامل محیطی تأثیرگذار در تحول کارست استفاده گردیده است. دولین های کارستی منطقه با استفاده از روش CLC استخراج گردید. برای بررسی ارتباط میان دولین ها و عوامل مؤثر بر تحول کارست از نظریه تابع اطمینان شهودی استفاده شد و وزن طبقه های هر عامل مشخص شد. نتایج نشان داد که بیشترین میزان تحول کارست در شیب های 5-0 درصد، جهت شیب های شمالی و هموار، ارتفاع بالاتر از 2500 متر، فاصله نسبتاً کم از آبراهه ها (200-100 متر)، فاصله کم از گسل (کمتر از 1000متر)، سازند توده-ای بیستون، زمین های مرتعی و جنگل های نیمه انبوه، دامنه های مقعر و مناطق پربارش قرار دارد. نقشه پهنه بندی تحول کارست با استفاده از مدل جمعی تعمیم یافته در نرم افزار آماری R برای منطقه تهیه شد. نتایج قابلیت بالای تحول کارست این منطقه را نشان می دهد به طوری که 27درصد منطقه در طبقه با تحول زیاد و 37 درصد آن در منطقه با تحول متوسط واقع شده است درحالی که تنها 17 درصد از کل منطقه در پهنه با تحول کارست خیلی کم واقع شده است. مطابقت بالای نتایج به دست آمده با واقعیت منطقه موردمطالعه، بیانگر کارایی بالای مدل است.

منطقه اقیانوس اطلس شمالی همواره در معرض طوفان های شدیدی ست که از شدیدترین مخاطرات طبیعی در حوزه اقلیم محسوب می شوند و هرساله موجب خسارات جدی بر زیرساخت های اقتصادی و تلفات انسانی در محدوده های متأثر از این رخداد می شوند، تهیه و بررسی روند تغییرات الگوهای مکانی و زمانی حاکم بر این طوفان ها می تواند کمکی در جهت تحلیل و برنامه های مدیریت بحران این مخاطره و آمایش سرزمین باشد. توسعه فناوری های جمع آوری داده و داده کاوی، مطالعه دقیق تر این پدیده را امکان پذیر می کند. این موضوع نیازمند بهره گیری از روش هایی ساده و کارآمد جهت بررسی رفتار و استخراج الگو از پایگاه داده این پدیده است. در این پژوهش با استفاده از روش های آمار فضایی به تحلیل روند تغییرات حرکت طوفان های حاره ای اقیانوس اطلس شمالی و شناسایی الگوهای حاکم بر آن ها در بازه زمانی 2015-1995 پرداخته شده است. نتایج به دست آمده الگوی خوشه ای حاکم بر این پدیده و اینکه وقوع طوفان ها رخدادی تصادفی نیستند و از الگوهای مکانی و زمانی پیروی می کنند را در منطقه موردمطالعه تأیید می کند. الگوی طوفان ها از الگوی خوشه ای با مقدار بیشینه میانگین نزدیک ترین همسایگی به میزان 74/0 و کمینه 47/0 برخوردار هست. همچنین مقدار شاخص موران عمومی، بالاترین و پایین ترین میزان همبستگی و خوشه بندی به ترتیب در سال 2006 با عدد شاخص 66/0 و 2009 با عدد شاخص 12/0 محاسبه شد، و نقشه خوشه و ناخوشه و لکّه های داغ تهیه شد. با شناخت بهتر از الگوهای حاکم بر حرکت طوفان ها می توان در جهت کاهش خسارات احتمالی ناشی از وقوع طوفان اقدام نمود. بر این اساس به عنوان پیشنهاد برای پژوهش های آتی، می توان اثر سایر پارامترها چون دما، شوری آب و سامانه های گردش عمومی جو که بر توزیع پراکندگی وقوع طوفان ها نقش بسزایی ایفا می کنند را در مدل سازی و داده کاوی طوفان ها دخالت داد و از نتایجی به واقعیت نزدیک تر بهره گرفت. درنهایت، به عنوان یک تحقیق مفید می توان از نتایج خوشه ها و لکّه های داغ در پیش بینی حرکت طوفان ها در آینده استفاده نمود

برنامه ریزی حسابرسی با ارزیابی ریسک حسابرسی همراه است. هدف از اجرای این پژوهش ارزیابی ریسک حسابرسی با استفاده از رویکرد داده کاوی مبتنی بر شبکه های عصبی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1396تا 1398 بوده است که بر اساس داده های گرفته شده از 90 شرکت می باشد. جهت مرتب سازی داده ها از نرم افزار EXCEL و برای تجزیه و تحلیل یافته های پژوهش و کد نویسی هر یک از الگوریتم های مورد استفاده از نرم افزار MATLAB استفاده گردیده است. جهت ارزیابی ریسک حسابرسی، از طریق دوالگوی شبکه عصبی به ارزیابی قدرت هر کدام از الگوها پرداخته شد. در این پژوهش ابتدا از روش شبکه عصبی مصنوعی و سپس ترکیب آن با الگوریتم بهینه سازی اجتماع ذرات استفاده گردید. در ادامه به منظور مقایسه نتایج پیش بینی از میانگین درصدخطا، میانگین قدر مطلق خطا، مجذور میانگین مربعات خطا و ضریب همبستگی استفاده شد. نتایج پژوهش نشان داد الگوی ترکیبی قدرت پیش بینی بالاتری دارد.

پیشینه و اهداف: شناسایی ادعاهای مشکوک خسارت در بیمه کشاورزی با استفاده از روش های سنتی، با بهره گیری از کارشناسان در میان انبوه ادعاها بسیار دشوار و شاید غیرممکن باشد. در پژوهش حاضر، مدلی برای کشف ادعاهای مشکوک خسارت در بیمه کشاورزی با استفاده از تکنیک های داده کاوی ارائه شده است تا به صندوق بیمه کشاورزی در شناسایی این گونه ادعاها کمک نماید. روش شناسی: روش تحقیق در این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، توصیفی پس رویدادی است. یکی از کاربردهای داده کاوی، تشخیص ناهنجاری است. در مطالعه حاضر، روشی برای تشخیص ناهنجاری ها در داده ها با استفاده از مدل های ترکیبی یادگیری ماشین ارائه شده است. برای اجرای این روش، از داده های واقعی خسارت پرداختی به بیمه گندم (آبی و دیم) به مدت یک سال در استان خوزستان استفاده شده است. با توجه به تفاوت در روند تعیین خسارت بیمه نامه های گندم آبی و دیم، تحلیل ناهنجاری آنها به تفکیک انجام شده و برای هر کدام تعداد ادعاهای مشکوک به صورت جداگانه به دست آمد. یافته ها : تجزیه و تحلیل نتایج، 5 نوع رفتار مشکوک را در ادعای خسارت نشان داد. نسبت ادعاهای مشکوک به کل (درصد ناهنجاری ها) با استفاده از هیستوگرام نمرات ناهنجاری و نظر کارشناسان صندوق بیمه حدود 1.5 درصد برآورد شد. موارد مشکوک و غیرعادی توسط کارشناسان مورد بررسی قرار گرفت و دقت نهایی مدل در تشخیص صحیح موارد مشکوک برای بیمه نامه گندم آبی و دیم به ترتیب 72 و 68 درصد به دست آمد. نتیجه گیری: بر اساس نتایج به دست آمده، می توان از مدل ارائه شده برای شناسایی ادعاهای مشکوک خسارت در بیمه نامه های گندم آبی و دیم استفاده نمود. از آنجا که بیشتر موارد غیرعادی ناشی از عدم ارائه مستندات کافی می باشد، علت این موضوع می تواند به دلیل ارائه بیمه نامه های صوری یا وجود تبانی بین بیمه گذار، نماینده بیمه گر یا ارزیاب باشد. بنابراین، بایستی در روند پرداخت خسارت دقت و بررسی بیشتری صورت گیرد. مطالعه حاضر بر روی محصول گندم انجام شده و قابل استفاده برای سایر محصولات زراعی می باشد.

امروزه پدیده پول شویی به تهدیدی جدی برای اقتصاد جهانی تبدیل شده است. روش های سنتی مقابله با پول شویی هزینه بر و ناکارآمد هستند. اخیراً تکنیک های داده کاوی گسترش پیدا کرده اند و به عنوان روش های مناسب برای کشف فعالیت های پول شویی مورد توجه قرار گرفته اند. هدف این تحقیق، استفاده از الگوریتم های داده کاوی در کشف موارد مشکوک به پول شویی با استفاده از داده های واقعی تراکنش های بانکی است که ممکن است نیاز به بررسی های بیشتر داشته باشند. تحلیل داده ها با استفاده از فرآیند CRISP-DM انجام شده است. جامعه آماری تراکنش های بانک و نمونه آماری تراکنش های مربوط به یکی از شعب بانک است. داده ها از بانک اطلاعاتی بانک مورد مطالعه جمع آوری شده است. برای انجام این کار از دو رویکرد استفاده شده است. در رویکرد اول با استفاده از الگوریتم k-میانگین ابتدا تراکنش های بانکی افراد خوشه بندی شده اند، سپس با استفاده از به کارگیری الگوریتم های کشف موارد مشکوک، تراکنش هایی که ممکن است مشکوک به پول شویی باشند مشخص گردیده اند. در رویکرد دوم، روشی نوین با به کارگیری قانون بنفورد و روش GANs برای کشف حساب هایی که در تراکنش های آن ها از ارقام ساختگی استفاده شده است و ممکن است مشکوک به پول شویی باشند معرفی شده است. رویکرد اول می تواند حساب هایی که در تراکنش های آن ها موارد پرت وجود دارد را با دقتی حدود ۹۳٪ درصد، و رویکرد دوم می تواند حساب های مشکوکی که در پنهان نمودن ارقام ساختگی در تراکنش های آن ها، از روش های حرفه ای استفاده نشده است را با دقتی حدود ۶۰٪ به درستی تشخیص دهد.

  یکی از وظایف اصلی مدیریت مالی بانک ها، مدیریت منابع و مصارف است که برای توازن این دو روشهای مختلفی در تحقیقات پیشین استفاده شده است. در این پژوهش برای حل این مسئله از رویکرد طراحی سیستم خبره فازی استفاده شد.  ابتدا با تکنیک های داده کاوی به پیش بینی ریسک اعتباری بانک با توجه به داده های 311 مشتری بانک توسعه صادرات پرداخته شد. داده کاوی در دو فاز صورت گرفت، متغیرها و نسبت های اثرگذار بر توازن اقلام ترازنامه با مصاحبه با خبره جمع آوری شد و توسط خبرگان رتبه بندی شد وبا روش ARRAS وزن دهی و متغیرهای با وزن بالا (زیر سیستم اول) به همراه متغیرهای موجود در قواعد درخت تصمیم (زیرسیستم دوم) وارد سیستم خبره شده اند. اعتبارسنجی سیستم خبره از روش همبستگی بدست آمد. شاخص نسبت سرمایه در گردش به کل دارایی ها و سابقه فعالیت با بانک مهم ترین متغیر در روش های اعتبارسنجی بود. ریسک اعتباری به عنوان عامل بیرونی و اقلام ترازنامه به عنوان عامل داخلی بر سنجش توازن منابع و مصارف بانکی اثرگذار بود. در اقلام ترازنامه ریسک نقدینگی، نسبت کفایت سرمایه و نسبت سپرده قانونی از اهمیت بیشتری برای بهینگی اقلام تراز نامه برخوردارند. .نتایج نشان داد سیستم طراحی شده می تواند در مدیریت منابع و مصارف بانکی به برنامه ریزان کمک کند.

پوشش بیمه سازمان تامین اجتماعی برای حرف و مشاغل آزاد به صورت اختیاری در سه نرخ 12، 14 و 18 درصد ارائه می شود اما نگاه به آمار نشان می دهد که تقاضای این بیمه نامه ها بسیار پایین است. این پژوهش با استفاده از داده کاوی و با به کارگیری دو الگوریتم یادگیری ماشین یعنی درخت تصمیم و جنگل تصادفی به بررسی مشخصه های خریداران این نوع بیمه نامه ها پرداخته و با ارائه یک مدل طبقه بندی، رفتار آن ها را پیش بینی می کند تا از این طریق به سازمان تأمین اجتماعی در جهت بهبود مدیریت ارتباط با مشتری کمک کند. برای این منظور، از اطلاعات 1286174 نفر از خریداران انواع بیمه نامه های حرف و مشاغل آزاد سال 1399 استفاده شد که مشخصه های سن، جنسیت، متوسط درآمد ماهانه، میزان سابقه کار و نوع بیمه نامه خریداری شده را در بر می گیرد. نتایج به دست آمده نشان می دهند که زنان به طور عمده متقاضی بیمه نامه با نرخ 12 درصد هستند در حالی که مردان به دلیل بر عهده داشتن بار تکفل خانواده عمدتاً تمایل به خرید بیمه نامه های با نرخ 14 و 18 درصدی دارند. همچنین، در مردان با افزایش سن، درآمد و سابقه، تقاضای بیمه های با نرخ 14 و 18 درصد افزایش می یابد، اما چنین روندهایی برای زنان وجود ندارد. طبق نتایج به دست آمده متغیرهای میزان سابقه کار و پس از آن جنسیت در انتخاب نوع بیمه نامه تعیین کننده هستند، به گونه ای که طبق پیش بینی مدل افراد با سابقه کار کمتر از 5/4 سال متقاضیان قطعی بیمه نامه 12 درصدی شناخته شده اند. با توجه به نتایج و انگیزه پایین زنان و جوانان برای انتخاب بیمه های با خدمات گسترده تر، سازمان تأمین اجتماعی می-تواند ازطریق ارائه مشوق ها یا خدمات کوتاه مدت، جذابیت این نوع بیمه نامه با خدمات گسترده تر را در بین این گروه خاص افزایش دهد.

باتوجه به نقش مهم رویکردهای پیش بینانه در کاهش هزینه های نگهداری تعمیرات، هدف از انجام پژوهش، ارائه مدل پیش بینی ریسک های بحرانی و اولویت دار بر پایه الگوریتم های داده کاوی است. روش داده کاوی پژوهش بر اساس روش CRISP طرح ریزی شده است. مدل سازی داده ها بر پایه داده کاوی «توصیفی» و«پیش بینی» و استفاده از الگوریتم های خوشه بندی و طبقه بندی است. شاخص سیلوئیت مبنای خوشه بندی در نظر گرفته شده و از الگوریتم های Two Step، Kohnen و K-Means استفاده شده است. بهترین مقدار، مبتنی بر الگوریتم K-Means برابر 6446/0 با تعداد خوشه 5 بود و ویژگی های اصلی برای انجام طبقه بندی و پیش بینی ریسک ها تعیین شد. الگوریتم های شبکه عصبی، درخت C.5، نزدیک ترین همسایگی و بردار پشتیبان برای طبقه بندی استفاده شده است. در این پژوهش، الگوریتم ترکیبی پیش بینی به صورت تکاملی به کارگیری شده و در هر مرحله، هدف تقویت میزان صحت و اعتبار مدل طبقه بندی و افزایش یادگیری داده ها است. نتایج پژوهش، یادگیری در56/97 درصد از داده های موردتوافق را نشان داده و میزان صحت و اعتبار مدل ترکیبی برای طبقه بندی داده ها، 86/92 درصد برآورد شده است. بر اساس نتایج، 13 ریسک، بحرانی تشخیص داده شده اند که در این میان «انتشار گازهای آلاینده و مواد شیمیایی» و «عدم آموزش و توجیه نبودن پیمانکاران نسبت به موقعیت شبکه» به ترتیب بیشترین و کمترین اولویت را دارد.

هدف: نظام ساده سازماندهی دانش (اسکاس) یک مدل داده ای رایج برای به اشتراک گذاری و پیونددهی نظام های سازماندهی دانش از طریق وب است. اسکاس، مسیر مهاجرت استاندارد و کم هزینه را برای انتقال نظام های سازمان دانش موجود به وب معنایی ارائه می دهد. پیوستن اصفا به جریان وب معنایی نیازمند تبدیل و استقرار دادگان اصفا براساس اسکاس در قالب گراف آر.دی.اف. است. به این منظور باید رکوردهای مبتنی بر مارک ایران مهندسی مجدد شوند. هدف پژوهش حاضر، مهندسی مجدد دادگان اصفا با داده کاوی آنها در چهارچوب کریسپ و استقرار آنها بر روی پلتفرم اسکاسموس است.روش: این پژوهش از نوع توسعه ای – کاربردی است و از روش شناسی کریسپ-دی.ام.، از نوع بدون نظارت و خوشه بندی سلسله مراتبی برای داده کاوی استفاده شده است. در مرحله اول درک کسب و کار، هدف اصلی تبدیل دادگان اصفا به مدل داده ای اسکاس در قالب گراف آر.دی. اف. تعیین شد. در مرحله درک داده، داده های میراثی اصفا شامل 11006 رکورد ذخیره شده در قالب مارک ایران و شامل 18 حوزه، آموزش و پرورش، ادبیات، ارتباطات، اقتصاد، تاریخ، تصوف و عرفان، جامعه شناسی، جغرافیا، حقوق، روان شناسی، زبان شناسی، دین، علوم سیاسی، فلسفه، فناوری و علوم تجربی، کتابداری و اطلاع رسانی، مدیریت و فرهنگ و هنر است. در مرحله سوم-آماده سازی داده- داده های مفقود و پرت شناسایی و ویرایش شد. برای انتخاب ویژگی ها در لایه پیش پردازش مهندسی داده، عناصر ضروری برای تبدیل به اسکاس شناسایی و جدول انطباق آنها با فیلدهای مارک ایران تدوین گردید. در مرحله مدل سازی، مقادیر ویژگی هدف با تکنیک خوشه بندی سلسله مراتبی و با استفاده از ماکروکد در اکسل تولید شد. ارزیابی مدل با تکنیک بررسی بصری و روش نمونه گیری تصادفی مورد تایید قرار گرفت. در مرحله ششم تبدیل داده های مارک ایران به اسکاس در قالب گراف آر.دی.اف. با استفاده از ابزار اسکاس پلی انجام و داده ها به بستر پلتفرم ووک بنچ انتقال یافت. با استفاده از قالب تورتل، دادگان اصفا در پلتفرم اسکاسموس مستقر شد.یافته ها: یافته اصلی پژوهش، استقرار و توسعه دادگان اسکاس اصفا در پلتفرم منبع باز اسکاسموس به نشانی skosmos.nlai.ir است. مجموع رکوردها پس از ایجاد رکوردهای مربوط به حوزه و مجموعه برای خوشه بندی به 11880 رکورد افزایش یافت. در مرحله آماده سازی داده یکی از یافته های مهم، تدوین جدول انطباق بین عناصر هسته اسکاس و فیلدهای مارک ایران بود.نتیجه گیری: در این پژوهش با بهره گیری از علم داده، روش نوآورانه ای برای داده کاوی دادگان اصطلاحنامه ای به کار رفت. روش شناسی های به کار رفته در ادبیات این پژوهش تنها در دو مرحله آماده سازی و استقرار و توسعه از شش مرحله به کار رفته در این پژوهش جا گرفتند.

مقدمه شهرهای هوشمند، آینده شهرها را تشکیل می دهند و عصر انقلاب اطلاعات دیر یا زود شهرها را به سمت هوشمند شدن سوق خواهد داد. شهر هوشمند در دنیای تکنولوژیکی امروز اهمیت بسیاری یافته و در کشورهای پیشرفته به عنوان یک الگوی مهم دنبال می شود، اما برای تحقق شهر هوشمند الزامات و ضروریات و همچنین، مؤلفه هایی لازم است که شناسایی آن ها جهت تحقق این مهم اجتناب ناپذیر است. بنابراین شهرها باید آمادگی فنی لازم را برای هوشمند شدن داشته باشند یا بستر لازم برای آن را فراهم کنند. بنابراین، دو پرسش مطرح می شود که عوامل فنی که برای اجرای طرح های هوشمندسازی شهری مؤثرند کدام اند و چه ارتباطی بین این عوامل وجود دارد.مواد و روش هاتحقیق حاضر از نظر هدف کاربردی و از نظر جمع آوری اطلاعات توصیفی است. نوع تحقیق از نوع آمیخته کیفی و کمی است. جمع آوری اطلاعات در دو سطح میدانی و کتابخانه ای انجام می شود. به منظور بررسی شکاف تحقیقاتی و کشف نوآوری از روش کتابخانه ای استفاده می شود ضمن اینکه با استفاده از این روش مبانی نظری و پیشینه تحقیق استخراج می شود، اما به منظور شناسایی عوامل فنی مؤثر بر پیاده سازی شهر هوشمند از مصاحبه با خبرگان استفاده می شود، ضمن اینکه به منظور استخراج داده ها، از پایگاه های داده های حاکمیتی و آرشیوی استفاده خواهد شد. ابزار جمع آوری اطلاعات در تحقیق حاضر شامل یک مصاحبه و یک پرسشنامه دلفی در مقیاس 20 است که هر یک از عوامل استخراجی در مرحله قبل به عنوان یک گویه در این پرسش وارد می شوند. روایی این پرسشنامه با استفاده از نظر اساتید و پایایی آن با استفاده از آزمون آلفای کرونباخ بررسی می شود. جامعه آماری تحقیق حاضر شامل کلیه کارشناسان و فعالان در حوزه شهر هوشمند هستند که باید حداقل 10 سال در حوزه مربوطه مشغول فعالیت باشند و روش نمونه گیری به صورت گلوله برفی است. در مرحله دلفی و دسته بندی از نرم افزار اکسل و در بخش انتخاب ویژگی از نرم افزار متلب استفاده شد.یافته هابا استفاده از تکنیک تحلیل محتوا عوامل مؤثر بر شهر هوشمند استخراج می شوند. این عوامل با استفاده از مصاحبه با خبرگان استخراج شده اند. پس از تعیین عوامل، در مرحله دلفی عوامل فنی استخراجی مورد بازبینی و پالایش قرار گرفت و عواملی که در هر سه مرحله اول اتفاق نظری در خصوص آن ها وجود نداشته باشد حذف می شوند. از 22 عامل فنی 4 عامل به دلیل نبود اتفاق نظر و همچنین، وجود مغایرت در سه مرحله دلفی حذف شد. آماره آزمون آلفای کرونباخ برای تمامی متغیرها بالاتر از 6/0 است که نشان می دهد تمامی متغیرها در سطح قابلیت اطمینان یا پایایی مطلوب قرار داشته و لذا پایایی پرسشنامه مورد تأیید قرار می گیرد. سپس با استفاده از تکنیک الگوریتم فراابتکاری ژنتیک که یکی از روش های انتخاب ویژگی است، غربال نهایی متغیرهای ورودی صورت گرفت. مرحله دسته بندی به عنوان مرحله نهایی تحلیل حاضر تلقی می شود. در مراحل قبلی شناسایی و غربال و پالایش متغیرها صورت گرفت. اما در این مرحله با استفاده از روش مدل سازی ساختاری تفسیری به سطح بندی معیارهای برآمده از روش های دلفی و انتخاب ویژگی بر اساس تأثیرگذاری و تأثیرپذیری پرداخته می شود که بر اساس مدل نهایی تحقیق، سطح ششم یعنی معیار زیر ساخت دیجیتال، تأثیرگذارترین معیار است که به صورت مستقیم روی معیار سطح پنجم یعنی توسعه زیرساخت اینترنت تأثیر می گذارد. سطح اول که شامل معیار سیستم های هوشمند کمک به راننده و سیستم های هشدار ساختمان است تأثیرپذیرترین معیارها هستند.نتیجه گیریشهر هوشمند در آینده نزدیک به عنوان یک پارادایم مهم در عرصه مدیریت شهری و شهرسازی مطرح خواهد شد ضمن اینکه در جهان توسعه یافته این مفهوم نسبت به جهان رو به توسعه بیشتر نهادینه شده است. لذا تحقیق در این زمینه و شناسایی عوامل اثرگذار بر آن یک ضرورت اجتناب ناپذیر تلقی می شود. مدل نهایی عوامل فنی شامل شش سطح است. سطح ششم یعنی معیار زیرساخت دیجیتال تأثیرگذارترین معیار است که به صورت مستقیم روی معیار سطح پنجم یعنی توسعه زیرساخت اینترنت تأثیر می گذارد. همچنین عوامل فنی از لحاظ قدرت نفوذ و وابستگی بررسی شد که بر این اساس، معیارهای زیرساخت دیجیتال و توسعه زیرساخت اینترنت از نوع مستقل هستند. این متغیرها دارای وابستگی کم و هدایت بالا هستند. به بیانی دیگر، تأثیرگذاری زیاد و تأثیرپذیری کم از ویژگی های این متغیرها است. معیارهای سیستم های هوشمند کمک به راننده و سیستم های هشدار ساختمان نیز از نوع وابسته هستند که وابستگی قوی و هدایت ضعیف دارند. این متغیرها تأثیرپذیری بالا و تأثیرگذاری کمی روی سیستم دارند. باقی معیارها از نوع رابط هستند این متغیرها از وابستگی بالا و قدرت هدایت بالا برخوردارند. به بیانی تأثیرگذاری و تأثیرپذیری این معیارها بسیار زیاد است و هر تغییر کوچکی روی این متغیرها باعث تغییرات اساسی در سیستم می شود. بنابراین نتایج این پژوهش نشان می دهد زیرساخت دیجیتال اثرگذارترین عامل فنی در پیاده سازی طرح های شهر هوشمند است و سرمایه گذاری در این بخش در توسعه طرح های شهر هوشمند اهمیت زیادی دارد که در زندگی شهروندان و اقتصاد شهری نیز تأثیر به سزایی خواهد داشت.

داده کاوی دانشی در زمینه تحلیل و آنالیز داده ها و اطلاعات ورودی یک سیستم است. این دانش با تکیه بر الگوریتم ها و ابزارهایی که دارد، آمارهای مفیدی را در اختیار کسب و کارها قرار داده است. یکی از کاربردهای مهم داده کاوی تحقیقات جنایی و بخش جرم شناسی است. این علم سبب شده تا با بررسی ارتباطات حوادث جنایی، اقداماتی براساس تحلیل داده ها برای پیشگیری از جرم صورت گیرد. این پژوهش با هدف شناسایی کانون های جرم خیز و تحلیل الگوهای مکانی جرایم مرتبط با مواد مخدر در شهر اصفهان انجام گرفته است. بدین منظور برای تحلیل توزیع فضایی در محیط سیستم اطلاعات مکانی از روش های شاخص میانگین نزدیکترین همسایه و تخمین تراکم کرنل استفاده شد. سپس پراکنش نقاط جرم خیز براساس کاربری های موجود در شهر اصفهان به تفکیک شش نوع ماده مخدر بررسی و بعد از تعیین فاصله نقاط جرم خیز با کاربری های مورد نظر نتایج در قالب یک جدول اطلاعاتی به عنوان پایگاه داده برای داده کاوی به روش استخراج قواعد انجمنی با الگوریتم اپریوری وارد نرم افزار اورنج شد. نتایج بررسی های حاصل از استخراج قواعد انجمنی نشان داد، رابطه فضایی فاصله از ایستگاه پلیس و مصرف مواد مخدر تریاک معکوس و مصرف حشیش با کاربری پارک رابطه مستقیم دارند. هم چنین مصرف گراس و ماریجوانا رابطه مستقیمی با ایستگاه های پلیس دارد به این معنی که به طور معناداری مصرف این ماده مخدر در نزدیکی مراکز پلیس اتفاق افتاده است.

هدف از پژوهش حاضر کشف دانش حاکم بر ویژگی های جمعیت شناختی مشتریان در انتخاب بانک ها با استفاده از قوانین انجمنی در داده کاوی است تصمیم گیری مؤثر و یادگیری در دنیای در حال رشد و با پیچیدگی های چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختارهای سیستم های پیچیده و تلخیص انبوه داده ها و تولید دانش برای تصمیم گیری دارند. اکثر کسب وکارها، مشتریان کلیدی خود را از طریق ویژگی جمعیت شناختی متنوع شناسایی می کنند. کسب وکارها همچنین مصرف کنندگان خود را به وسیله ویژگی های مشابه در تبلیغات و ترفیعات برنامه های بازاریابی خود هدف قرار می دهند. هدف گیری    مصرف کنندگان با ویژگی های جمعیت شناختی مشابه به حداکثرسازی فروش و سودآوری کسب وکار کمک می نماید. بانک ها نیز به عنوان بخش مهمی از اقتصاد یک کشور از این قاعده مستثنی نیستند. داده کاوی این مسأله را با فراهم کردن روش ها و نرم افزارهایی برای خودکارسازی تحلیل ها و اکتشاف از مجموعه داده های بزرگ و پیچیده حل می کند. این پژوهش بر اساس استاندارد CRISP-DM انجام گرفته و داده ها با پرسشنامه جمع آوری شده و نتایج آن به صورت بانک اطلاعاتی به یک نود منبع تبدیل و سپس با استفاده از نرم افزار spss modeler قوانین انجمنی مربوط به رفتار مشتریان آن بانک استخراج شده است. قوانین استخراج نشان دهنده تغییر ها، چه تأثیری در سایر عوامل و در نهایت در دستیابی به اهداف دارند. 

مقدمه: رشد فناوری اطلاعات در سازمان ها، منبع عظیمی از داده های ذخیره شده در حوزه جرائم مرتبط با مواد مخدر را فراهم آورده است. تحلیل این داده ها و کشف الگوهای پنهان موجود در آن به کمک داده کاوی می تواند به کشف و پیشگیری از وقوع جرائم در این حوزه کمک نماید. هدف این مقاله بکارگیری تکنیک های داده کاوی جهت شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان و نیز کشف الگوهای جرم است. روش : پژوهش حاضر بر روی داده های 467 مجرم حوزه مواد مخدر در استان سیستان و بلوچستان که در ﻃی ﺳﺎل های 1392 الی 1399 ﻣﺮﺗکﺐ جرم قاچاق مواد مخدر شده اند با نمونه گیری در دسترس انجام گرفته است. برای انجام این تحقیق از متدولوژی استاندارد CRISP-DM و الگوریتم های طبقه بندی ماشین بردار پشتیبان، بیزین ساده، رگرسیون لجستیک، درخت تصمیم و نزدیکترین همسایه و برای استخراج الگوهای جرائم از الگوریتم الگوکاوی اپریوری استفاده شده است. یافته ها: الگوریتم الگوکاوی بالغ بر 20 الگوی جرم با دقت بالای 80 درصد استخراج کرده است. به علاوه نتایج نشان می دهد در میان الگوریتم های طبقه بندی، طبقه بند نزدیکترین همسایه قادر است با دقت 84 درصد افراد در معرض خطر را شناسایی کند. نتیجه گیری: با بکارگیری مدل ساخته شده با این الگوریتم می توان سامانه ای برای شناسایی افراد مستعد به قاچاق مواد مخدر طراحی کرد. نتایج حاصل از پیش بینی های انجام گرفته توسط سامانه مذکور و کشف الگوهای پنهان موجود در داده ها می توانند کمک شایانی به پلیس، دستگاه های قضایی و مددکارهای اجتماعی در شناسایی افراد در معرض خطر و کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.

در حال حاضر، برخورداری از اطلاعات و مدیریت دانش به موقعیتی استوار برای پیشرفت های پویا و دامنه حیات در سازمان خلاق تبدیل شده و حتی توان رقابت در بازارها وتجارت، منوط به کسب، توسعه و روزآمدی دانش فردی و سازمانی است. تا حدی که جز دانش اساسی از سرمایه تلقی شود. تغییرات مستمر دانش بازارها را در حالت تغییر مدوام قرار داده که این امر سازمان ها را ملزم به تغییرات می کند. اهمیت دانش در صنایع امری کاملا مشهود می-باشد. با توجه به اهمیت این امر در این پژوهش به بررسی کاربرد سیستم مدیریت دانش به منظور بهبود حاکمیت فناوری در صنایع کشور پرداخته شد.

امروزه در بسیاری از کشورها به منظور کاهش هزینه های سربار بازرگانی، از تجارت الکترونیکی استفاده می شود. در ایران نیز گسترش فعالیت های اقتصادی، برقراری ارتباط با کشورهای خارجی و رشد استفاده از دستگاه های الکترونیکی، شرکت های کوچک و متوسط را به این سمت سوق داده است. اهمیت استفاده از تجارت الکترونیک، نه تنها در بسیاری از شاخص های رشد شرکت ها تأثیرگذار است، بلکه هزینه تهیه اطلاعات و پردازش و کاربرد اطلاعات را نیز کاهش می دهد. یکی از مسائل مهم در تحقیقات علمی که با هدف گسترده کردن ثروت و پیشرفت برای شرکت های کوچک و متوسط مطرح است شناسایی عوامل مؤثر بر پذیرش تجارت الکترونیک در این شرکت ها است. در این پژوهش ضمن بررسی مبانی نظری تحقیق، به روش کتابخانه ای و تحقیق میدانی، عوامل موثر بر پذیرش چنین تجارتی براساس پژوهشی پیمایشی توصیفی در شرکت های کوچک و متوسط شهرستان چابهارمورد بحث قرار گرفته است. در این راستا 268 نفر از مدیران، کارشناسان و کارکنان شرکت های کوچک و متوسط در شهرستان چابهار مورد مطالعه قرارگرفته است. یافته ها حاکی از آن است که عوامل چهارگانه سازمانی، محیطی، فناورانه و اخلاقی بر پذیرش تجارت الکترونیک تأثیر مستقیم دارند.

امروزه سازمان ها به این آگاهی رسیده اند که حفظ مشتریان باعث سودآوری بیشتر می شود. همچنین، افزایش رقابت نیز باعث می شود تا میزان روی گردانی مشتریان افزایش یابد؛ از این رو مطالعه عوامل مؤثر بر تمایل به روی گردانی یا عدم رو ی گردانی مشتریان برای پژوهشگران و فعّالان کسب وکار ها اهمیت دارد. در پژوهش حاضر یک مدل ترکیبی مبتنی بر رویکرد داده کاوی برای تحلیل عوامل رو ی گردانی مشتریان ارائه شده است. در گام نخست برای شناسایی عوامل با درجه اهمیت زیادتر و حذف موارد زائد از گره انتخاب ویژگی استفاده و در گام دوم نیز برای طبقه بندی و پیش بینی مشتریان به دو دسته مشتریان روی گردان و مشتریان غیر روی گردان از درخت تصمیم C5.0 و شبکه بیزین استفاده شده است. درنهایت، مدل پیشنهادی در صنعت فروشگاه های زنجیره ای به عنوان مطالعه موردی پیاده سازی شده است. یافته های پژوهش حاکی از آن است که هر دو مدل درخت تصمیم و شبکه بیزین توانایی مناسب را برای پیش بینی روی گردانی مشتریان دارد و سطح زیر منحنی عملیاتی گیرنده در مدل درخت تصمیم بیشتر از مدل شبکه بیزین بوده است؛ درنتیجه مدل درخت تصمیم عملکرد بهتری دارد. همچنین، نتایج نشان می دهد که سه عامل جنسیت، وضعیت تأهل و سن از مجموعه مشخصه های دموگرافیک و پنج عامل متوسط سطح درآمد ماهیانه، تعداد خرید در ماه، سهم خرید اینترنتی، نحوه آشنایی با فروشگاه و نوع بازار مربوط به سوابق تراکنش های مشتریان از مهم ترین عوامل مؤثر بر روی گردانی مشتریان است.

مشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده اند. از آنجا که در بسیاری از شرکت ها هزینه به دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مشتری به حوزه اصلی نگرانی این شرکت ها تبدیل شده است. لذا شرکت های مبتنی بر مشتری از جمله شرکت های فعال در صنعت مخابرات به دلیل رویگردانی مشتریان با چالش بزرگی روبرو هستند. با توسعه سریع صنعت مخابرات، پیش بینی رویگردانی به عنوان یکی از فعالیتهای اصلی در به دست آوردن مزیت رقابتی در بازار محسوب می شود. پیش بینی رویگردانی مشتری به اپراتورها اجازه می دهد تا قبل از مهاجرت مشتریان فعلی به اپراتورهای دیگر، یک دوره زمانی برای اصلاح و اجرای یک سری اقدامات پیشگیرانه داشته باشند. در این پژوهش یک سیستم پشتیبانی تصمیم برای پیش بینی و تخمین رویگردانی مشتریان شرکت مخابرات استان کردستان (دارای 529000 مشترک) با روش های مختلف داده کاوی و یادگیری ماشین (شامل رگرسیون خطی چندگانه (MLR)، رگرسیون چند جمله-ای(PR)، رگرسیون لجستیک، شبکه های عصبی مصنوعی، آدابوست و جنگل تصادفی) ارایه شده است. نتایج ارزیابی های انجام شده بر روی مجموعه داده های شرکت مخابرات استان کردستان عملکرد بالای روش های شبکه های عصبی مصنوعی با دقت 99.9% ، آدابووست با دقت 100% و جنگل تصادفی با دقت 100% را نشان می دهد.

 تربیت دانشجویان دوره های دکتری به منظور فراهم آوردن یک اقتصاد دانش محور و صنعت کارآمد وظیفه ای است که برعهده دانشگاهها ست. در این مقاله دوره دکتری مهندسی از دید تجربه دانشجویان، تجربه فارغ التحصیلان در بازار کار و راهکارهای پیش رو بیان و سپس، روشهایی که باید به منظور ارزیابی و آینده نگری این دوره ها به کار گرفته شود، شرح داده شده است. در نهایت، با اعمال مراحل معرفی شده بر روی یک دانشکده مهندسی، نتایج به دست آمده از این نمونه اجرایی مورد بحث و تحلیل قرار گرفته است.