مطالب مرتبط با کلیدواژه

داده کاوی


۴۱.

خوشه بندی: ابزاری برای آنالیز داده ها در مطالعات کمی و آمیخته(مقاله علمی وزارت علوم)

نویسنده:
منبع: روش ها و مدل های روان شناختی سال چهارم بهار ۱۳۹۳ شماره ۱۵

کلیدواژه‌ها: خوشه بندی داده کاوی روانشناسی یادگیری ریاضی

حوزه های تخصصی:
تعداد بازدید : ۱۱۹۳ تعداد دانلود : ۴۴۲
در این مطالعه خوشه بندی به عنوان یکی از روش های داده کاوی توصیفی جهت استفاده در مطالعات آموزشی و روانشناختی مطرح می گردد. گروه بندی داده های پژوهش در مطالعات قبلی در حوزه های آموزشی و روانشناختی توسط میانگین، میانه و برد صورت گرفته است که دارای نواقص و محدودیت هایی می باشد. لذا در این مطالعه خوشه بندی به عنوان ابزاری جایگزین با قابلیت های متعدد در مطالعات کمی و آمیخته معرفی می گردد. بدین منظور، ابتدا تعریف اجمالی از خوشه بندی ارائه گردیده و سپس مراحل ششگانه اجرای فرایند خوشه بندی(انتخاب متغیرهای خوشه بندی، انتخاب روش خوشه بندی، انتخاب معیار شباهت/تفاوت، انتخاب الگوریتم خوشه بندی، انتخاب تعداد خوشه و بررسی اعتبار و تفسیر نتایج خوشه بندی) توسط داده های کمی مرتبط با روانشناسی یادگیری ریاضیات بیان می گردد تا ضمن آشنایی بیشتر پژوهشگران حوزه ی مطالعات آموزشی و روانشناختی با این ابزار، نتایج جدیدی در زمینه ی روانشناسی یادگیری ریاضیات مطرح گردد. نتایج اعمال خوشه بندی بر روی داده ها نشان می دهد که از خوشه بندی می توان برای بررسی ارتباط متغیرهای مختلف بر متغیر وابسته در مطالعات کمی و شناسایی کاندیداهای شرکت در مصاحبه در مطالعات آمیخته استفاده کرد.
۴۲.

پیش بینی گزارش حسابرس مستقل در ایران : رویکرد داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات حسابداری و حسابرسی پاییز ۱۳۹۲ شماره ۱۹

کلیدواژه‌ها: شبکه های عصبی مصنوعی داده کاوی درخت تصمیم تکنیکهای طبقه بندی گزارش حسابرس مستقل

حوزه های تخصصی:
تعداد بازدید : ۱۱۲۳ تعداد دانلود : ۵۷۲
با افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن داده های مالی، تکنیکهای داده کاوی به منظور استفاده بهینه و کارا از این داده ها رواج یافت. هدف این پژوهش پیش بینی گزارش حسابرس مستقل با استفاده از تکنیک های داده کاوی می باشد. اهمیت پیش بینی گزارش حسابرس مستقل در تاثیر آن بر تصمیم گیری استفاده کنندگان می باشد.گزارش حسابرس مستقل در این تحقیق به دو دسته مقبول و غیرمقبول (شامل گزارشات مشروط، مردود و عدم اظهارنظر) طبقه بندی شده است. به منظور پیش بینی گزارش حسابرس مستقل از دو تکنیک طبقه بندی داده کاوی شامل، درخت تصمیم C5.0 و شبکه های عصبی مصنوعی استفاده شده است. جامعه آماری پژوهش شامل تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1382 الی 1388 می باشد. در این تحقیق از 29 متغیر مالی و غیرمالی در قالب 10 طبقه نقدینگی، عملکرد، اهرم مالی، ساختار سرمایه، سودآوری، ریسک ورشکستگی، مدیریت سود، حاکمیت شرکتی، اندازه شرکت و سایر (شامل نوع صنعت و عمر شرکت) به منظور آموزش و آزمون مدل استفاده شده است. نتایج تحقیق نشان می دهند که میانگین دقت مدل حاصل از تکنیک درخت تصمیم C5.0 (88.64%) از تکنیک دیگر بیشتر می باشد. همچنین با اهمیت ترین متغیرها جهت پیش بینی نوع گزارش حسابرس مستقل شامل، نوع گزارش حسابرسی سال قبل، نسبت سود و زیان خالص به درآمد خالص و نسبت بدهیها به داراییها می باشند.
۴۳.

مقایسه الگوریتم مورچگان با روش های تحلیل تمایزی چندگانه و لوجیت در پیش بینی درماندگی مالی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات حسابداری و حسابرسی پاییز ۱۳۹۳ شماره ۲۳

کلیدواژه‌ها: داده کاوی پیش بینی درماندگی مالی الگوریتم مورچگان لوجیت تحلیل تمایزی چندگانه

حوزه های تخصصی:
تعداد بازدید : ۸۳۱ تعداد دانلود : ۷۸۳
در این تحقیق، مدل الگوریتم مورچگان با دو مدل پارامتریک تحلیل تمایزی چندگانه و لوجیت برای پیش بینی درماندگی مالی مقایسه شده است، ضمن آنکه ازمدل ها برای داده کاوی متغیرهای برتر در پیش بینی درماندگی مالی استفاده شده است وداده های 130 شرکت در بین سالهای 84 تا89 در قالب دو آزمایش بکارگرفته شد. آزمایش اول مبتنی می باشد بر 130سال- شرکت از طول دوره تحقیق، مشتمل بر 40 سال- شرکت درمانده مشمول ماده 141 و 90سال- شرکت غیردرمانده که مشمول ماده141 نبوده اند. از بررسی های این آزمایش بر پایه 15 متغیر با داده کاوی هر سه روش تحقیق، متغیرهای برتر مدل ها بدست آمد که عبارتند از سود قبل از هزینه مالی و مالیات به کل دارایی ها و نسبت حقوق صاحبان سهام به کل دارایی ها. بر اساس متغیرهای برتر آزمایش اول، به آزمون دوم پرداخته شد که مبتنی بر نمونه ای بوده است مشتمل بر همه شرکت های آزمایش اول در همه سالهای دوره تحقیق که در بورس حضور داشتند و شامل 718 سال - شرکت می شدند. درصدموفقیت پیش بینی درماندگی مالی برای الگوریتم مورچگان96.94%(درمانده:95.21%، غیردرمانده:97.38%)، برای تحلیل تمایزی چندگانه95.82%(درمانده: 82.88%، غیردرمانده: 99.13%) و برای لوجیت97.08%(درمانده: 88.36، غیردرمانده: 99.30) بدست آمده است. نتایج نشان می دهد که در سطح 5% اهمیت، مدل مورچگان برتر ازتحلیل تمایزی می باشد و در سطح 9% ، برتر از لوجیت می باشد.
۴۴.

بررسی توان متغیرهای حسابداری در پیش بینی جریان های نقدی آتی طی مراحل چرخه عمر شرکت(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات حسابداری و حسابرسی پاییز ۱۳۹۳ شماره ۲۳

کلیدواژه‌ها: داده کاوی پیش بینی درماندگی مالی الگوریتم مورچگان لوجیت تحلیل تمایزی چندگانه

حوزه های تخصصی:
تعداد بازدید : ۷۰۶ تعداد دانلود : ۴۳۴
هدف اصلی این تحقیق، بررسی توان پیش بینی کنندگی جریانهای نقدی آتی برخی متغیرهای حسابداری در طی مراحل چرخه ی عمر شرکت (رشد، بلوغ و افول) می باشد. نمونه آماری این تحقیق بصورت داده های تابلویی می باشد که از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1382-1388 انتخاب شده است یافته های این تحقیق نشان می دهد که مراحل چرخه ی عمر با توجه به مفروضات این نظریه بدین گونه است که رشد جریانهای نقدی عملیاتی در مرحله رشد شرکت تدریجاً افزایش یافته و در مرحله بلوغ به اوج خود می رسد در مرحله افول نیز سیر نزولی جریانهای نقدی عملیاتی اتفاق می افتد. با توجه به اینکه ضرایب رگرسیون برای هر 4 مدل در مرحله رشد کمتر از ضرایب رگرسیون 4 مدل در مرحله بلوغ است همچنین با توجه به اینکه ضرایب رگرسیون برای هر 4 مدل در مرحله بلوغ بیشتر از ضرایب رگرسیون 4 مدل در مرحله افول است. می توان چنین استنباط نمود که مفروضات چرخه ی عمر شرکت در طی مراحل رشد، بلوغ و افول دارای اعتبار است و می توان مفروضات چرخه ی عمر را مطابق با نتایج این تحقیق مورد تأئید قرار داد. از طرف دیگر نتایج هر یک از مراحل چرخه ی عمر شرکت (رشد، بلوغ و افول) تقریباً با نتایج بدست آمده از کل شرکتهای نمونه همسویی دارد. به بیان دیگر، نتایج مدل های مراحل چرخه ی عمر تقریباً مشابه نتایج شرکتهای کل نمونه است
۴۵.

رویکرد مدیریت دانش نسبت به فرآیند داده کاوی در تجارت هوشمند

نویسنده:
منبع: مجله اقتصادی سال پانزدهم آذر و دی ۱۳۹۴ شماره ۹ و ۱۰

کلیدواژه‌ها: مدیریت دانش داده کاوی هوش کسب و کار اشتراک دانش وبلاگ ها

حوزه های تخصصی:
تعداد بازدید : ۱۲۱۹ تعداد دانلود : ۹۷۸
بی شک یکی از مهم ترین پدیده های هزاره سوم رشد چشمگیر و روزافزون فناوری اطلاعات (IT) وتأثیر آن بر تمام جوانب زندگی بشر، به ویژه کسب وکار است؛ به این دلیل عصر حاضر را عصر انفجار اطلاعات نامیده اند. این تا حدی است که هر 5 سال و نیم، حجم دانش دو برابر می شود و از سوی دیگر، بسیاری از آنها در کمتر از 4 سال کهنه می شوند. امروزه دانش به منزله یک منبع ارزشمند و استراتژیک و نوعی دارایی برای کسب وکارها مطرح است و ارائه محصولات و خدمات باکیفیت بدون مدیریت و استفاده درست از این منبع ارزشمند، امری سخت و گاه ناممکن است. گزارش ها بیانگر آنست که سازمان ها از دهه 90 میلادی درپی پیاده سازی مدیریت دانش بوده اند. در کشور ما نیز چند سالی است برخی شرکت ها و سازمان ها حرکت هایی در زمینه استقرار این سیستم ها انجام داده اند، اما به نظر می رسد در این راه به نقش مدیریت دانش در داده کاوی تجارت هوشمند به میزان قابل توجهی پرداخته نشده است. در این مقاله رابطه بین داده کاوی، تجارت هوشمند و مدیریت دانش به طور مختصر بررسی می شود و یک مدل به اشتراک گذاری دانش برای افراد جهت به کارگیری عملی داده کاوی در زمینه مدیریت دانش و تجارت هوشمند پیشنهاد می گردد. ساختار وبلاگی سیستم های به اشتراک گذاری دانش برای فرایند داده کاوی، می تواند به صورت عملی در بنگاه های اقتصادی جهت تجارت هوشمند به کار برده شود. در این مقاله پیشنهاد شده است که هر فرایند مهم داده کاوی در زمینه تجارت هوشمند باید شامل چرخه متمرکز داده کاوی و چرخه متمرکز توسعه دانش اجزای داخلی تجارت باشد.
۴۶.

داده کاوی و تحلیل رفتار شهروندان در تفکیک زباله از مبدأ با بهره گیری از الگوریتم C4.5 درخت تصمیم (مطالعة موردی: شهر مشهد)(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و توسعه ناحیه ای سال سیزدهم بهار و تابستان ۱۳۹۴ شماره ۲۴

کلیدواژه‌ها: داده کاوی شهر مشهد درخت تصمیم الگوریتم C4.5 تفکیک زباله از مبدأ

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای انسانی جغرافیای شهری جغرافیای رفتاری و فرهنگی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : ۱۰۱۸ تعداد دانلود : ۴۷۸
اهداف: هدف این پژوهش، ارایة الگوریتم تصمیم سازی شهروندان در زمینة همکاری با طرح تفکیک زباله از مبدأ و شناسایی مهم ترین متغیرهای مؤثر بر رفتار شهروندان در این زمینه و ایجاد امکان اتخاذ سیاست های هدفمند به منظور ارتقای سطح مشارکت شهروندان با طرح تفکیک زباله از مبدأ و افزایش سطح کارایی هزینه ای سیاست های اتخاذ شده است. روش: این پژوهش با بهره گیری از دانش نوین داده کاوی و الگوریتم C4.5تکنیک درخت تصمیم و استفاده از داده ها و اطّلاعات 145 شهروند شهر مشهد که در سال 1390 با استفاده از روش نمونه گیری تصادفی ساده جمع آوری شده است، الگوریتم های تصمیم سازی شهروندان را در زمینة همکاری با طرح تفکیک زباله از مبدأ ارایه می کند. یافته ها/ نتایج: نتایج این مطالعه نشان می دهد که متغیر رضایت از طرح تفکیک زباله از مبدأ، مهم ترین متغیری است که می تواند بر رفتار شهروندان در همکاری با این طرح مؤثر باشد. متغیرهای دیگری نیز در سطوح بعدی بر رفتار شهروندان مؤثرند که از آن جمله می توان به وضعیّت شغلی مادر خانواده، ارزیابی از نحوة ارزش گذاری طرح از زبالة تفکیک شده، آگاهی از مزایای زیست محیطی، اقتصادی و اجتماعی طرح تفکیک زباله از مبدأ و سطح تحصیلات اشاره کرد. نتیجه گیری: نتایج این مطالعه می تواند به سیاست گذاران این عرصه در اتخاذ سیاست های هدفمند به منظور بهبود وضعیّت توسعة شهری و در نهایت ارتقای سطح رفاه شهروندان که مهم ترین هدف تمامی نهادهای متولی امور شهر است، کمک کند.
۴۷.

بخش بندی مشتریان در صنعت بانکداری با استفاده از مدل توسعه یافته RFMC

نویسنده:
منبع: مدیریت برند سال اول تابستان ۱۳۹۳ شماره ۲

کلیدواژه‌ها: داده کاوی مدل RFM مدیریت ارتباط با مشتری بخش بندی مشتریان الگوریتم خوشه بندی دو مرحله ای

حوزه های تخصصی:
تعداد بازدید : ۲۷۶۹ تعداد دانلود : ۱۳۹۹
پس از ورود جدی بانک های خصوصی و موسسات مالی و اعتباری به عرصه بانکداری، رقابت بین موسسات و بانک ها به منظور شناسایی، جذب و حفظ مشتریان از اهمیت بالایی برخودار شده است. تحلیل رفتار مشتریان در سازمان های فعال در این حوزه که با تعداد کثیری از مشتریان در نقاط پراکنده با ویژگی های متفاوت سر و کار دارند، باعث موفقیت آنها در بازار رقابتی و مدیریت ارتباط موثر با مشتریان می شود. بخش بندی مشتریان، از رویکردهای داده کاوی که منجر به کشف گروه های مشابه از مشتریان می شود، اغلب بر اساس مدل ""تاخر خرید، بسامد خرید، و ارزش مالی آن"" ( RFM ) انجام می گردد. در این مقاله، الگوی جدید بخش بندی مشتریان بر پایه مدل توسعه یافته RFM به وسیله افزودن متغیر توالی روزهای انجام تراکنش (C) ارائه شده است. مشتریان بانک بر اساس مدل RFM و مدل پیشنهادی این پژوهش ( RFMC ) و با استفاده از الگوریتم خوشه بندی دو مرحله ای و بکارگیری گام های متدلوژی GRISP-DM بخش بندی شده اند. این پژوهش نشان می دهد، دقت مدل RFMC نسبت به مدل RFM در بخش بندی مشتریان این صنعت به مقدار 5.5% بیشتر است. پس از انجام فرایند خوشه بندی با استفاده از مدل پیشنهادی، مشتریان یکی از بانک های خصوصی کشور به 5 خوشه تقسیم شده اند. ضمن تحلیل رفتار مشتریان هر خوشه، مدلی مبتنی بر شبکه عصبی پیش خوراند برای پیش بینی شماره خوشه مشتریان بر مبنای ویژگی های رفتاری و جمعیت شناختی آنها توسعه داده شده است.
۴۸.

مدل سازی دانش کاربر به منظور یادگیری تطبیقی در محیط یادگیری الکترونیکی

نویسنده:
منبع: فناوری آموزش و یادگیری سال اول زمستان ۱۳۹۳ شماره ۱

کلیدواژه‌ها: داده کاوی یادگیری الکترونیکی الگوریتم بهینه سازی گروه ذرات شبکه عصبی تابع پایه ی شعاعی

حوزه های تخصصی:
  1. حوزه‌های تخصصی روانشناسی حوزه های جدید روانشناسی روانشناسی رسانه
  2. حوزه‌های تخصصی علوم تربیتی تکنولوژی آموزشی طراحی مراکز یادگیری
تعداد بازدید : ۱۱۴۶ تعداد دانلود : ۵۰۹
در سال های اخیر از روش های داده کاوی به طور گسترده درزمینه ی یادگیری الکترونیکی استفاده شده است. درواقع محققین مختلف با استفاده از روش های داده کاوی سعی در شناخت هر چه بیشتر یادگیرندگان و درنتیجه ایجاد یادگیری تطبیقی داشته اند. در تحقیقات از ویژگی ها، عملکرد، سبک یادگیری و سبک شناختی یادگیرندگان استفاده شده است. این مقاله به شناسایی سطح دانش یادگیرندگان و مدل سازی آن ها به منظور شخصی سازی آموزش ارائه شده، می پردازد. به منظور ایجاد مدل پیشنهادی از شبکه عصبی تابع پایه شعاعی بهبودیافته استفاده شده و برای ارتقاء این شبکه از یک رویکرد آموزش سه مرحله ای بهره گیری شده است. این رویکرد در مرحله اول از الگوریتم بهینه سازی گروه ذرات، در مرحله دوم الگوریتم نزدیک ترین K همسایه و در فاز سوم الگوریتم تندترین کاهش را به کار گرفته است. در ادامه ی مقاله به بررسی مشخصه های یادگیرندگان پرداخته و چهار مشخصه مناسب به منظور پیش بینی متغیر کلاس جهت تعیین سطح دانش یادگیرندگان، ایجادشده است. جهت ارزیابی مدل ارائه شده، یک دوره ی مجازی آموزش مایکروسافت اکسل مورد آزمایش قرارگرفته است. یادگیرندگان دوره ی موردنظر در سه گروه آزمایشی قرار گرفتند. یکی از گروه ها از مدل پیشنهادی استفاده کرده و دو گروه دیگر از یادگیرندگان از ارائه دروس متوسط و الگوریتمی موجود از ادبیات تحقیق بهره بردند. نتایج حاصل از آزمایش ها، موفقیت و رضایت تحصیلی یادگیرندگان گروه مربوط به مدل پیشنهادی را نشان می دهد.
۴۹.

کاربرد داده کاوی در شناسایی عوامل اثرگذار بر موفقیت ورزشکاران ژیمناست در آزمون های ورزشی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت ورزشی سال هفتم بهمن و اسفند ۱۳۹۴ شماره ۶ (پیاپی ۲۹)

کلیدواژه‌ها: خوشه بندی داده کاوی ژیمناستیک ارزیابی مهارت ها آموزش ورزش

حوزه های تخصصی:
  1. حوزه‌های تخصصی تربیت بدنی مدیریت ورزشی
  2. حوزه‌های تخصصی تربیت بدنی مدیریت ورزشی مدیریت منابع انسانی
تعداد بازدید : ۱۲۰۶ تعداد دانلود : ۷۰۶
ژیمناستیک به عنوان ورزش پایه و مادر به مهارت ها و قابلیت هایی از جمله قدرت، سرعت، انعطاف و چابکی نیاز دارد. مربیان و سرپرستان تیم ها همواره سعی در ارزیابی و سنجش این مهارت ها با استفاده از آزمون های طراحی شده در بازه های زمانی مختلف دارند. شناسایی موفقیت یک ژیمناست براساس این نتایج به تجربه بسیار زیادی نیاز دارد. بر این اساس در این مقاله، تلاش شده است تا با بومی سازی آزمون استاندارد تیم ملی ژیمناستیک آمریکا متناسب با جنس و سن ورزشکاران استان کردستان مهارت های مختلف براساس تکنیک های داده کاوی ارزیابی شود تا تأثیرگذارترین مهارت ها در کسب نتیجه مناسب با استفاده از الگوریتم های استخراج پارامترهای کلیدی بررسی شود. نتایج حاکی از آن است که قدرت و سرعت تأثیرگذارترین عامل موفقیت یک ژیمناست در آزمون های صورت گرفته اند. در نهایت می توان گفت ژیمناست هایی که در بدو ورود از عامل قدرت و سرعت بیشتری نسبت به ژیمناست های دیگر برخوردارند، در این رشته موفق تر خواهند بود.
۵۰.

ارائة راهکاری برای تعرفه گذاری پویا در صنعت بیمه با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمة شخص ثالث)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه بیمه سال سی ام زمستان ۱۳۹۴ شماره ۴ (پیاپی ۱۲۰)

کلیدواژه‌ها: داده کاوی حق بیمه داده انبار بیمه نامة اتومبیل تعرفه گذاری پویا

حوزه های تخصصی:
تعداد بازدید : ۱۰۰۹ تعداد دانلود : ۴۶۷
بیمه نامة شخص ثالث بیشترین سهم از بازار بیمة کشور را دارا می باشد و فرصت مناسبی برای کاوش اطلاعات و استخراج الگوهای ناشناخته جهت تصمیمات کلان در صنعت بیمه را فراهم می نماید. در حال حاضر حق بیمه با کمترین توجه به عوامل ریسک بیمه گذاران محاسبه می گردد، که موجب زیانده شدن بیمه نامة شخص ثالث برای شرکت های بیمه و نارضایتی بیمه گذاران از خدمات شرکت های بیمه گردیده است. بدین منظور در این پژوهش، اطلاعات خودرویی، سوابق بیمه ای و ویژگی های بیمه گذاران در بیش از 30 میلیون بیمه نامه و ۷/۲ میلیون خسارت جمع آوری و استانداردسازی شده و در داده انبار ذخیره گردید. برای استانداردسازی داده های خودرویی با بانک اطلاعاتی نیروی انتظامی و اطلاعات هویتی بیمه گذاران با استفاده از داده های سازمان ثبت احوال کشور، اعتبارسنجی و تکمیل گردیده است. سپس ساختار کاوشی طراحی و با استفاده از سه الگوریتم خوشه بندی، شبکة عصبی و درخت تصمیم و داده های آموزشی مورد آموزش قرار گرفت. در نهایت مدل ها با استفاده از داده های آزمایشی مورد بررسی قرار گرفته و نتایج به دست آمده از مدل ها با استفاده از ماتریس آشفتگی و نسبت خسارت، مورد اعتبارسنجی قرار گرفتند، که نتایج به دست آمده نشان دهندة امکان استفاده از روش ارائه شده در تعرفه گذاری پویا در خصوص بیمة شخص ثالث به صورتی کارآمد را نشان می دهد، به نحوی که نسبت خسارت، کاهش می یابد و ماتریس آشفتگی، صحت ارزیابی را نشان می دهد.
۵۱.

سنجش اعتماد و خوشنامی در شبکه های اجتماعی با رویکردهای داده کاوی

نویسنده:
منبع: پژوهش ملل دوره اول مرداد ۱۳۹۵ شماره ۸

کلیدواژه‌ها: شبکه عصبی شبکه های اجتماعی داده کاوی اعتماد اجتماعی

حوزه های تخصصی:
  1. حوزه‌های تخصصی علوم اجتماعی ارتباطات مطالعات فضای مجازی، جهانی شدن و تکنولوژی های نوین ارتباطاتی مطالعات فضای مجازی
  2. حوزه‌های تخصصی علوم اجتماعی ارتباطات مطالعات فضای مجازی، جهانی شدن و تکنولوژی های نوین ارتباطاتی تکنولوژی های نوین ارتباطاتی
تعداد بازدید : ۹۴۶ تعداد دانلود : ۱۰۰۶
شبکه های اجتماعی مجموعه ای از روابط اجتماعی هستند، که اعتماد یکی از ویژگی های مهم آن روابط محسوب می-شود. بی اعتمادی زمینه ساز عدم همکاری و بی نظمی در جامعه می گردد. از اینرو هدف اصلی این پژوهش، بررسی عوامل موثر بر اعتماد و خوشنامی در شبکه های اجتماعی به وسیله داده کاوی می باشد. تولید و فرسایش اعتماد در ساختارهای شبکه های اجتماعی را می توان به وفور یافت. از آنجایی که تعامل های اجتماعی درون روابط اجتماعی رخ می دهند، چگونگی انتخاب طرف تعامل می تواند بر شکل گیری اعتماد تأثیرگذار باشد. جامعه آماری تحقیق شامل 200 نفر از دانشجویان دانشگاه آزاد واحد الکترونیکی که بین آنها پرسشنامه توزیع شده است، می باشد. این پرسشنامه برگرفته از مدل مایر و همکاران (1995) و میشرا (1996) می باشد. و از پرسشنامه اعتماد در فضای ارتباطی مجازی اُسورا و همکاران(2007) تهیه شده است. پس از تهیه، پرسشنامه در اختیار جامعه آماری قرار گرفته شد و پس از جمع آوری اطلاعات وارد برنامه کلمنتاین شده و در ادامه نتایج استخراج گردید.
۵۲.

خوشه بندی کاربران داده های دریایی با استفاده از تکنیک داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه پردازش و مدیریت اطلاعات دوره ۳۰ تابستان ۱۳۹۴ شماره ۴ (پیاپی ۸۲)

کلیدواژه‌ها: خوشه بندی داده کاوی استاندارد CRISP-DM الگوریتم TwoStep داده دریایی

حوزه های تخصصی:
  1. حوزه‌های تخصصی علم اطلاعات و دانش‌شناسی علوم اطلاع رسانی نیازهای اطلاعاتی و رفتار اطلاع یابی
  2. حوزه‌های تخصصی علم اطلاعات و دانش‌شناسی علوم اطلاع رسانی خدمات اطلاع رسانی مدیریت اطلاعات ذخیره و بازیابی اطلاعات
  3. حوزه‌های تخصصی علم اطلاعات و دانش‌شناسی کتابخانه های الکترونیکی کتابخانه های دیجیتالی کاربران
تعداد بازدید : ۱۶۴۴ تعداد دانلود : ۷۶۶
هدف از این تحقیق خوشه بندی کاربران داده های دریایی با استفاده از تکنیک داده کاوی است. با محقق شدن این هدف، سازمانهای دریایی قادر به شناخت داده های موجود خود و همچنین اطلاع از نیازهای کاربران خود خواهند شد. در این تحقیق برای پیاده سازی داده کاوی از مدل استاندارد CRISP-DM استفاده شده است. داده های مورد نیاز، از اطلاعات و پروفیل 500 کاربر داده دریایی از سال 1386 تا 1393 در پژوهشگاه ملی اقیانوس شناسی و علوم جوی، استخراج شده است. برای خوشه بندی از الگوریتم TwoStep استفاده شده است. در این تحقیق، برای نخستین بار با استفاده از خوشه بندی، الگویی میان کاربران داده های دریایی اعم از دانشجو، سازمان و پژوهشگر، و اطلاعات داده های مورد درخواست آنها (منبع داده، نوع داده، مجموعه داده، پارامتر و منطقه جغرافیایی) کشف شد. مهمترین خوشه های بدست آمده عبارتند از کاربر دانشجو با منبع داده بین المللی، کاربر دانشجو با نوع داده شیمی دریا، کاربر دانشجو با مجموعه داده ""پایگاه داده اقیانوسی جهانی""، کاربر سازمان با پارامتر نیترات و کاربر دانشجو با منطقه جغرافیایی خلیج فارس. کشف این الگوها، مدیران ارشد را قادر می سازد تا بدرستی در مورد داده های موجود خود و برنامه ریزی برای جمع آوری داده در آینده، تصمیم گیری کنند و درک بهتری از نیازهای کاربران خود داشته باشند، همچنین کاربران داده در راستای تقاضای خود هدایت شوند. در پایان پیشنهاداتی بمنظور بهبود عملکرد سازمانهای دریایی ارائه شده است.
۵۳.

رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی

نویسنده:
منبع: مطالعات مدیریت فناوری اطلاعات سال سوم تابستان ۱۳۹۴ شماره ۱۲

کلیدواژه‌ها: داده کاوی تئوری اطلاعات تئوری استثنائات الگوریتم یادگیری پایین به بالا پدیده های استثنایی

حوزه های تخصصی:
تعداد بازدید : ۸۱۲ تعداد دانلود : ۵۲۰
منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه داده کاوی است. استثنائات پدیده های نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاه داده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیده های استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی بر اساس تئوری استثنائات و تئوری اطلاعات ارائه شده است تا چالش های پیش روی داده کاوی داده های استثنایی را برطرف نماید. نخست از تابع آنتروپی رنی برای شناسایی استثنائات استفاده و سپس با بکارگیری رویکرد یادگیری پایین به بالا بر مبنای الگوریتم پیشنهادی RISE ارتقا یافته، قوانین حاکم بر بروز رفتار استثنایی استخراج می گردد. به منظور تعیین کارایی مدل پیشنهادی، کشف سهام استثنایی و یادگیری رفتار آن ها مورد بررسی قرار گرفته است. از مجموع 1334 سهم مورد بررسی 36 سهم رفتار استثنایی داشته اند که رفتار آن ها در قالب سه قانون مشخص شده است. ارجحیت نتایج حاصل از مدل پیشنهادی نسبت به نتایج بدست آمده از بکارگیری الگوریتم های معمول یادگیری بیانگرکارایی مدل ارائه شده است.
۵۴.

مطالعه مقایسه ای الگوریتم های خوشه بندی در راستای سنجش ارزش مشتری در سیستم مدیریت ارتباط با مشتری در صنعت بیمه(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات بازاریابی نوین سال ششم بهار ۱۳۹۵ شماره ۱ (پیاپی ۲۰)

کلیدواژه‌ها: خوشه بندی بیمه داده کاوی مدل RFM مدیریت ارتباط با مشتری ارزش طول عمر مشتری

حوزه های تخصصی:
تعداد بازدید : ۱۵۱۰ تعداد دانلود : ۱۰۴۰
دنیای رقابتی امروز، تعامل شرکت ها و سازمان ها را با مشتریان خود به طور قابل توجهی تغییر و بهبود داده است. از این رو، یکی از چالش های اساسی سازمان ها، شناسایی مشتریان فعلی خود، تخصیص بهینه منابع به آنها و ایجاد تمایز بین گروه های مختلف مشتری و در نهایت سنجش و رتبه بندی هر گروه بر مبنای ارزش آن گروه است. هدف اصلی این پژوهش، مطالعه مقایسه ای بین الگوریتم های خوشه بندی به عنوان یکی از مهمترین تکنیک های داده کاوی و به کارگیری آنها در راستای سنجش ارزش مشتریان(ارزش طول عمر مشتری) است. صنعت مورد مطالعه در این پژوهش، صنعت بیمه و به صورت جزئی تر، حوزه بیمه بدنه اتومبیل است. روش پیشنهادی این پژوهش، برگرفته از روش CRISP-DM است و نیز در راستای بخش بندی و سنجش ارزش طول عمر مشتریان، از یکی از مدل های توسعه یافته RFM استفاده شده است. در این پژوهش اطلاعات نزدیک به 812 مشتری از شرکت منتخب در حوزه بیمه(بیمه بدنه خودرو) استخراج شده است و سپس با استفاده از نرم افزارهای توانمند در حوزه داده کاوی و محاسبات آماری به نام های RapidMiner وSPSS و Matlab و با به کارگیری الگوریتم های مختلف، مشتریان خوشه بندی شده اند. پس از تحلیل نتایج هر خوشه و تعیین بهترین روش خوشه بندی بر مبنای شاخص های Silhouette و SSE، به تحلیل و مقایسه ارزش مشتریان در خوشه های به دست آمده از بهترین شیوه خوشه بندی می پردازیم. در نهایت با استفاده از فرایند پیشنهادی این پژوهش می توان ارزش هر گروه از مشتریان را در صنعت بیمه به دست آورد و استراتژی های بازاریابی متناسب با هر گروه از مشتریان را ارائه نمود.
۵۵.

خوشه بندی وفاداری مشتریان باشگاه مشتریان بانک ملت بر اساس اطلاعات دموگرافیک با استفاده از روش داده کاوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات بازاریابی نوین سال ششم بهار ۱۳۹۵ شماره ۱ (پیاپی ۲۰)

کلیدواژه‌ها: خوشه بندی داده کاوی وفاداری باشگاه مشتریان

حوزه های تخصصی:
تعداد بازدید : ۲۲۱۱ تعداد دانلود : ۶۹۶
با در اختیار داشتن اطلاعات کافی از گروه های مختلف مشتریان و خوشه بندی و طبقه بندی آنان می توان فعالیت هایی از جمله برنامه ریزی بلند مدت و بازاریابی را به شکلی هدفمند طراحی و اجرا نمود که سازمان تا حد امکان به بهره وری برسد. مورد مطالعه این پژوهش، باشگاه مشتریان بانک ملت است. هدف از انجام این پژوهش، خوشه بندی مشتریان به گروه های وفادار و غیر وفادار می باشد. داده های مورد بررسی در این پژوهش به اطلاعات 10300 نفر از اعضای باشگاه مشتریان بانک ملت مربوط می شود. این داده ها شامل دو بخش اصلی اطلاعات دموگرافیک و اطلاعات مرتبط با سرویس های استفاده شده می باشد. روش پژوهش حاضر، توصیفی پیمایشی است و برای تجزیه و تحلیل اطلاعات از تکنیک داده کاوی استفاده شده است که با توجه به اهداف پژوهش و بررسی الگوریتم های مختلف موجود در این تکنیک، از الگوریتم های C5.0و Interactive CHAID استفاده شده است. از نتایج و الگوهای به دست آمده می توان در جهت پیش بینی مشتریان تازه وارد و همچنین نیازهای هر گروه از مشتریان استفاده کرد و در این میان باید به نقش گروه های به دست آمده و اطلاعات دموگرافیک آنها نیز توجه داشت.
۵۶.

برآورد یک سیستم چند متغیره تصادفی با استفاده از روش های داده کاوی (مطالعه موردی: وجه نقد مورد نیاز شعب بانک تجارت)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های اقتصادی ایران سال بیستم پاییز ۱۳۹۴ شماره ۶۴

کلیدواژه‌ها: خوشه بندی شبکه عصبی برآورد داده کاوی الگوی بانکداری

حوزه های تخصصی:
تعداد بازدید : ۵۵۳ تعداد دانلود : ۳۸۴
در حال حاضر، بانک ها به صورت روزانه با چالش کفایت وجه نقد جهت پاسخگویی به مشتریان و نیز عدم تمایل به افزایش هزینه های ناشی از نقل و انتقال مازاد وجه نقد شعبه مواجه هستند. به همین علت، موضوع برآورد مانده وجه نقد صندوق شعب -با توجه به عملیات روزانه آن- که به عنوان یک سامانه چند متغیره محسوب می شود، از موارد با اهمیت در حوزه بانکداری بشمار می آید. در این راستا، استفاده از روش های داده کاوی و به خصوص روش های خوشه بندی و شبکه عصبی می تواند به افزایش دقت برآورد پارامتر وجه نقد مورد نیاز شعب کمک کند. شبکه های عصبی از لحاظ انعطاف پذیری، غیرخطی بودن ، تحمل بیشتر نوفه ها و نیز وابسته نبودن به فرضیه های اولیه درباره داده های ورودی در این زمینه حائز اهمیت هستند. در این مقاله، 20 شعبه بانک تجارت در بازه زمانی 1/2/93 تا 31/6/93 با توجه به تنوع بین شعب از لحاظ درجه شعبه، نوع شعبه از لحاظ سپرده ای یا تسهیلاتی، تعداد دستگاه خودپرداز در شعبه، شعبه کشیک/ غیرکشیک در خوشه های متشابه دسته بندی شده، سپس با در نظر گرفتن نتایج حاصل از خوشه بندی و متغیرهای مرتبط با وجه نقد شعبه شامل متغیرهای تقویمی مانند روزهای هفته، روزهای پرداخت حقوق/ واریز یارانه/ واریز سود سپرده ها، روزهای تعطیل و مناسبت های رسمی و نیز متغیر میزان وجه نقد مصرفی دستگاه خودپرداز شعبه، ساختار مناسب شبکه عصبی برای برآورد وجه نقد شعب از طریق معیارهای خطا، تعیین شده و وجه نقد شعب در خوشه های مختلف برآورد می شود. نتایج تحقیق نشان می دهد شبکه عصبی با لحاظ نتایج خوشه بندی با میانگین قدر مطلق خطای 5 درصد می تواند عملکرد خوبی جهت برآورد وجه نقد شعب در خوشه های مختلف ارائه دهد.
۵۷.

طراحی سیستم پیش بینی کننده عملکرد مالی در شرکت های صنعتی بر مبنای روش های داده کاوی

نویسنده:
منبع: مطالعات مدیریت فناوری اطلاعات سال چهارم زمستان ۱۳۹۴ شماره ۱۴

کلیدواژه‌ها: داده کاوی عملکرد مالی شبکه های عصبی اعتبارسنجی شرکت های صنعتی

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات الگوهای کمی در تصمیم گیری
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت مالی
تعداد بازدید : ۹۶۷ تعداد دانلود : ۵۳۸
با ظهور انواع جدید کسب وکارها که منتج به افزایش پیچیدگی در فضای کسب وکار شده است، مدیران و سرمایه گذاران بیش ازپیش نیازمند ابزارهایی هستند که با استفاده از آن ها، شفافیت بیشتری در وضعیت آتی کسب وکار خود ایجاد نمایند. وضعیت مالی سازمان ها در همه ادوار از اهمیت ویژه ای برخوردار بوده است و بررسی سودآوری کسب وکار نیز از طریق تحلیل وضعیت مالی سازمان تبیین می شود. صورت های مالی، وضعیت مالی سازمان را در یک دوره مشخص در بردارند. در این تحقیق سعی بر آن است که با استفاده از نسبت های مالی و با به کارگیری الگوریتم های داده کاوی، سیستمی طراحی شود که با توجه به عملکرد گذشته شرکت های صنعتی، سود خالص آن ها را در آینده پیش بینی نماید و بر مبنای آن، تحلیل مناسبی از وضعیت عملکردی شرکت حاصل گردد. سیستم مبتنی بر شبکه عصبی که در این تحقیق طراحی شده است، با کشف روابط موجود میان نسبت های مالی و سودآوری شرکت ها، اقدام به پیش بینی سود خالص سازمان ها می نماید.
۵۸.

نظریه برخاسته از داده کاوی کیفی در به اشتراک گذاری دانش و طراحی مقیاس بومی آن: مطالعه موردی(مقاله علمی وزارت علوم)

نویسنده:
منبع: رهیافتی نو در مدیریت آموزشی سال چهارم زمستان ۱۳۹۲ شماره ۴ (پیاپی ۱۶)

کلیدواژه‌ها: داده کاوی پارادایم به اشتراک گذاری دانش طراحی پرسشنامه نظریه ی برخاسته از داده

حوزه های تخصصی:
تعداد بازدید : ۸۰۳ تعداد دانلود : ۶۰۶
در سال های اخیر شاهد توسعه و ظهور روش های اکتشاف دانش، به ویژه داده کاوی و فنون خاص آن بوده ایم. به زعم تصور رایج، داده کاوی صرفا به پژوهش های کمی و آماری محدود نمی شود. امروزه در پژوهش های کیفی نیز حرکتی مستمر از واکاوی ها، پژوهش ها و پردازش های صرفا نظری و روش محور به چشم می خورد. این مقاله با روش داده کاوی نظریه ی بنیانی، به اکتشاف عوامل موثر بر به اشتراک گذاری دانش در میان اعضای هیات علمی دانشگاه ها پرداخته است. یافته ها حاکی از آن است که 4 عامل پیوند عاطفی- اجتماعی، ارزش بازاری، رشد و ارتقای فردی، الزامات (بیرونی و درونی) از جمله مهم ترین عوامل به اشتراک گذاری دانش در بین اعضای هیات علمی دانشگاه ها هستند. سپس، براساس مصاحبه های بدون ساختار، متن کوتاه پرسشنامه به اشتراک گذاری دانش تدوین گردید. سپس داده ها از 92 عضو هیات علمی دانشگاه های گرگان به روش نمونه گیری سهمیه ای جمع آوری شدند. نتایج به دست آمده، استفاده از 20 گویه طراحی شده را حمایت می کند و نشان می دهد که این فرم کوتاه مقیاس عوامل به اشتراک گذاری دانش در نمونه اعضای هیات علمی ایرانی از ساختار عاملی مطلوب و روشنی برخوردار است. در این مقاله سعی شده تا با فرض تطبیق پذیری روش های اکتشاف دانش و داده کاوی در پژوهش های کیفی و پردازش های کمی، این دو را به گونه ای نوآورانه در مساله به اشتراک گذاری دانش کنار هم قرار دهد.
۵۹.

طبقه بندی مشتریان بانک صادرات براساس ارزش مشتری با استفاده از درخت تصمیم(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بهره وری سال نهم تابستان ۱۳۹۴ شماره ۳۳

کلیدواژه‌ها: داده کاوی مدیریت ارتباط با مشتری درخت تصمیم ارزش مشتری و ارزش عمر مشتری

حوزه های تخصصی:
تعداد بازدید : ۸۵۹ تعداد دانلود : ۲۳۱۱
با توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است ، بسیاری از شرکت ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند. مدیریت ارتباط با مشتری 3(CRM) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت ها ظهور پیدا کرده است. ساختار موفق CRM در شرکت ها از شناسایی ارزش درست مشتری شروع می شود، زیرا ارزش مشتری اطلاعات مهمی را به منظور گسترش هدف و مدیریت فراهم می کند. تکنیک هایی مثل داده کاوی سبب شده است که مدیریت ارتباط با مشتری در حوزه جدید رقابت پیشرفت کند به طوری که شرکت ها بتوانند در رقابت تجاری سود داشته باشند. از طریق داده کاوی -کشف دانش پنهان از پایگاه داده- سازمان ها می توانند مشتری ارزشمندشان را بشناسند و رفتار آینده آنها را پیش بینی و تصمیمات مفید و دانش محور را اتخاذ کنند. هدف از انجام این تحقیق بدست آوردن معیار های موثر در انتخاب مشتری ارزشمند است که بتوان مشتریان را براساس ویژگی های جمعیت شناختی شان و سایر متغیرهای مربوط به معاملات به طبقات سود خیلی کم، کم سود ، سودبالا و سود خیلی بالا طبقه بندی کرد. در این تحقیق تاثیر ویژگی های جمعیت شناختی افراد از جمله سن ، تحصیلات و شغل افراد همچنین تاثیر درجه شعبه، مکان شعبه بانک و تعداد تراکنش افراد برروی ارزش مشتری بررسی می شود. متغیر وابسته در این تحقیق مقدار ارزش مشتری است که به چهار طبقه دسته بندی شده است. جامعه آماری در این تحقیق مشتریان دارای حساب جاری فعال نزد بانک صادرات ایران در شهر تبریز است و مشتریانی را در نظر گرفتیم که حداقل یک سال سابقه فعالیت بانکی نزد بانک صادرات دارند. برای بررسی هدف موردنظر، درخت تصمیم CHAID یکی از الگوریتم های داده کاوی مورد استفاده قرار گرفت. نتایج نشان داد متغیرهای سن، تحصیلات مشتری و درجه شعبه بانک تاثیر معنی داری بر ارزش مشتری ندارند. تعداد تراکنش مشتری با بانک موثرترین ویژگی مشتری در تشخیص طبقه مشتری می باشد.
۶۰.

تعیین رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی خراسان رضوی با رویکرد شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه کتابداری و اطلاع رسانی سال ششم پاییز و زمستان ۱۳۹۵ شماره ۲ (پیاپی ۱۲)

کلیدواژه‌ها: شبکه عصبی مصنوعی خوشه بندی داده کاوی خراسان رضوی رفتار اطلاع یابی دانش پژوهان دانشگاه

حوزه های تخصصی:
تعداد بازدید : ۷۱۷ تعداد دانلود : ۳۴۹
هدف: هدف پژوهش حاضر تعیین رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی خراسان رضوی با استفاده از شبکه عصبی می باشد. روش: روش پژوهش حاضر از نوع کاربردی و به روش پیمایشی- توصیفی است که با استفاده از شبکه عصبی، انجام شده است. ابزار این پژوهش پرسشنامه ای متناسب با رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی استان خراسان رضوی است که بین نمونه ای از افراد جامعه (۲۹۸ نفر) توزیع شد. پس از جمع آوری داده ها، شبکه عصبی به منظور خوشه بندی داده ها انتخاب و با استفاده از نرم افزار MATLAB ۱۴، دانش پژوهان براساس مؤلفه های اصلی پژوهش (مهارت اطلاع یابی، راه های اطلاع یابی، موانع اطلاع یابی) خوشه بندی شدند. سپس با حذف هر یک از زیر مؤلفه های اصلی پژوهش، مؤثرترین و کم اثرترین گزینه در رفتار اطلاع یابی آنان تعیین شد. یافته ها: با انجام خوشه بندی با استفاده از شبکه عصبی خودسازمان ده، مهم ترین مؤلفه در مهارت اطلاع یابی آگاهی از نیاز اطلاعاتی خود و کم اثرترین مؤلفه مشاهده نشد. مؤثرترین راه دسترسی به اطلاعات استفاده از منابع الکترونیکی و کم اثرترین راه خرید منابع می باشد. مؤثرترین مانع کمبود وقت به دلیل فشار کاری و کم اثرترین مانع دور بودن کتابخانه ها و مراکز اطلاع رسانی می باشد.