کشف دانش

از اواسط دهه 1990 حوزه پژوهشی جدیدی به نام «وب‌سنجی» بر پایه روش‌های اطلاع‌سنجی جدید به وجود آمد که کار آن، پژوهش درباره ماهیت و خصوصیات وب است. این مقاله سعی دارد حوزه‌های منتخبی از پژوهش وب سنجی را که روند و فضای مناسبی برای توسعه دارند و همچنین برخی حوزه‌هایی را که در حال حاضر کمتر دارای آینده‌ای روشن هستند معرفی کند. پژوهش‌های جدید درباره پوشش و عملکرد موتورهای کاوش، آنها را به عنوان قالب و چارچوبی برای تحلیل گزینشی کیفیت و محتوا، شناخته است. مشکلات مربوط به عوامل تأثیرگذار وب مورد بحث قرار گرفته است و در پایان مقاله راهنمایی‌های جدید وب‌سنجی برای اجرای کشف دانش و ردیابی موضوع روی وب-که تا حدودی مبتنی بر روش کتابسنجی استفاده شده در پایگاههای اطلاعاتی استنادی و کتابشناختی است- به صورت  کلی مطرح شده است. در این چارچوب راهبردهای نظریه نمودار یکپارچه، شامل: تحلیل مسیر، پیوندهای متقاطع (عرضی)، پیوندهای ضعیف و پدیده جهان کوچک مورد توجه قرار گرفته است.

موفقیت یا شکست سازمان، ارتباط مستقیمی با چگونگی جذب و نگهداری منابع انسانی آن دارد. اغلب در رابطه با برگزاری آزمون های ورودی و فرآیند جذب کارکنان، داده ها و اطلاعات فراوانی در سازمان ها وجود دارد که بدون استفاده قرار می گیرند. داده کاوی،به عنوان راه حل برای چنین مسایلی است. در این پژوهش که از حیث هدف، کاربردی و از جنبه ماهیت از نوع پژوهش های همبستگی و همخوانی محسوب میشود، سعی شده است که با استفاده از تکنیک های داده کاوی، قواعد و روابط بین نمرات آزمون های ورودی و سایر متغیرهای شخصی و شغلی (که قبل از ورود هر کس به سازمان مشخص می شود) و وضعیت کارکنان با عملکرد شغلی و وضعیت ارتقاء آنان شناسایی شود. درنتیجه با مطالعه و بررسی پایگاه های داده-ی آزمون و منابع انسانی یک بانک تجاری برای 2 سال متوالی (1383 و 1384)، شاخص های نیروی انسانی که بر عملکرد یا ارتقاء موثر بودند، شناسایی شدند. تکنیک داده کاوی مورد استفاده در این پژوهش، درخت تصمیم گیری است و استخراج قواعد نیز با استفاده از الگوریتم های QUEST، CHAID، C5.0 و CART انجام شده است. در نهایت ضمن ارایه مدلی جهت انتخاب متغیرهای تاثیرگذار، متغیر هدف و الگوریتم های مناسب؛ از بین قواعد به دست آمده، قواعد غیربدیهی مشخص و علت وجود این قواعد با کمک خبرگان تبیین شده است. از جمله نتایج ، حذف متغیر ارزیابی عملکرد به عنوان متغیر هدف در روند این پژوهش است که ناشی از عدم دقت تکمیل فرم های ارزیابی عملکرد در فرآیند ارزیابی بانک بوده است. هم چنین در این پژوهش مشخص شده است از مجموع 26 متغیر بررسی شده، پنج متغیر: «نمره ی کل آزمون»، «امتیاز مصاحبه»، «مقطع تحصیلی»، «تجربه حرفه ای» و «استان محل خدمت» بر ارتقای داوطلبان تاثیرگذار بوده اند. این نتایج منجر به دانشی شده است که امکان کاربردی نمودن آن ها وجود خواهد داشت.

باتوجه به پیشرفت سریع فناوری اطلاعات، حجم اطلاعات ذخیره شده در پایگاه های داده شرکت های بیمه به سرعت در حال افزایش بوده و این پایگاه های داده بزرگ، حاوی حجم زیادی از داده ها و فرصتهای قابل استفاده و بالقوه از اطلاعات تجاری با ارزش هستند. از طرفی، یافتن اطلاعات ارزشمند پنهان در این پایگاه داده و نیز شناسایی مدل های مناسب کاری دشوار است. در این مقاله ضمن بررسی اجمالی داده کاوی، به نقش آن در کشف دانش موجود در پایگاه های داده و بهبود امور مرتبط با صنعت بیمه پرداخته شده است.

امروزه تحقیقات کمی به ارزیابی طرح های داده کاوی در زمینه حل مشکلات سازمانی پرداخته اند. یک داده کاو موفق به دنبال حل یک مسأله تجاری تعریف شده است. برای اینکه نتایج داده کاوی، کاربردی و در عمل قابل -استفاده باشد، داده کاو باید این نتایج را برای افراد اهل کسب و کار شرح دهد. فرآیند تعاملی بین داده کاو و افراد درون حوزه کسب و کار، در واقع یک فرآیند تسهیم دانش است. در این تحقیق با ارائه یک چارچوب، تأثیر تصمیم گیرندگان سازمانی بر فرآیند و نتایج داده کاوی بررسی گردید. با بررسی مبانی نظری موضوع، عوامل حیاتی موفقیت طرح های داده کاوی شناسایی شد و نقش تصمیم گیرندگان سازمانی در هر یک از گام های داده کاوی مورد بررسی قرار گرفت. سپس، چارچوب مفهومی تأثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی تدوین شد. براساس نظرات خبرگان، چارچوب پیشنهادی مورد تجزیه و تحلیل قرار گرفت و در نهایت، چارچوب نهایی تأثیر تصمیم گیرندگان سازمانی بر موفقیت فرآیند داده کاوی ارائه گردید. تحلیل نظرات خبرگان نشان داد که با تسهیم دانش نتایج داده کاوی با تصمیم گیرندگان سازمانی، «یادگیری در عمل» و «اقدام یا درونی سازی» و «یادگیری زدایی (اجرا کردن)»، به عنوان عوامل موفقیت طرح های داده کاوی حاصل می شوند. همچنین، نتایج بررسی اهمیت بازخورد تصمیم گیرندگان بر روی گام های داده کاوی نشان داد که گرفتن بازخورد از تصمیم گیرندگان می تواند بیشترین تأثیر را بر روی گام «استخراج دانش و نمایش مدل» و کمترین تأثیر را بر گام «پاک سازی و پیش پردازش داده» داشته باشد.

این مقاله بر موضوع داده کاوی متمرکز است. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده ها است، به طریقی که این الگوها و مدلها برای انسانها قابل درک باشند. داده کاوی که تا حدودی هم کشف دانش نامیده می شود، فرایند تحلیل داده ها از دیدگاههای متفاوت و خلاصه کردن آنها به اطلاعات مناسب می باشد. اطلاعاتی که می تواند در افزایش سوددهی و تقلیل هزینه ها مفید باشد. این مقاله بر اساس اسناد و مدارک(روش کتابخانه ای) و اطلاعات حاصل از مطالعات انجام شده انجام گرفت. قابل ذکر است که برای بسط بسیاری از مطالب هم از داده های موجود استفاده شد ولی در کل روش غالب در این مطالعه توصیفی و کتابخانه ای بود. در مقاله حاضر پس از ارائه خلاصه ای از تفاوت های میان روش های آماری و داده کاوی، به زمینه های استفاده از داده کاوی، استفاده کنندگان، مراحل انجام داده کاوی و روش های استفاده از داده کاوی و همچنین محدودیت های آن اشاره شده است.

با پیشرفت علم و تکنولوژی، حجم زیادی از داده های فضایی و غیرفضایی در پایگاه داده های بزرگ ذخیره می شوند. تحلیل این داده ها به منظور تصمیم گیری نیاز به داده کاوی فضایی را بطور جدی برای کشف دانش ضروری می سازد. بکارگیری تصاویر ماهواره ای، تحلیل زمین آماری و انواع داده های فضایی در مطالعات پایش تغییرات کاربری اراضی ابزاری مفید و کاربردی هستند؛ اماآنچه در این میان مهم است استخراج قواعد دقیق بواسطه ادغام مقادیر داده های زیاد به منظور فراهم ساختن دانش درباره قلمرو مورد بحث است. تئوری مجموعه ناهموار (RST) یکی از تکنیک های داده کاوی است که بطرق گوناگون در مدلسازی عدم قطعیت در داده ها استفاده می گردد. از اینرو در این پژوهش، روش کشف دانش RST بمنظور استخراج قواعد در ترکیب با الگوریتم درخت تصمیم (DT) برای طبقه بندی تصاویر ماهواره ای و پایش تغییرات کاربری اراضی مورد استفاده قرار می گیرد. نتایج تحقیق حاکی از آن است که با توجه به تغییرات بوقوع پیوسته طی سه دوره زمانی 6891 (5631)، 8991 (7731) و 4102 (3931) می توان دریافت که تغییرات افزایشی و کاهشی چشمگیری بترتیب در اراضی ساخت شده و پهنه های آبی اتفاق افتاده است؛ در حالیکه اراضی کشاورزی تغییرات چندانی نداشته است. البته با توجه به سال پایه (6891) می توان بیان داشت که سطح زیرکشت اراضی کشاورزی منطقه نسبت به سال پایه که همزمان با جنگ تحمیلی بوده است تغییرات اندکی را شاهد بوده و این یعنی که طی سه دهه گذشته سطح زیرکشت به مانند دوره جنگ تحمیلی است. این امر بیانگر بحرانی است که در بخش کشاورزی در حال اتفاق افتادن است. همچنین نتایج به لحاظ متدولوژی با توجه به صحت کلی و آماره کاپا حاصل از مدل ترکیبی DT-RST می توان گفت که RST ابزاری قدرتمند در داده کاوی، تقلیل داده های زائد از پایگاه داده ها و استخراج قواعد برای بکارگیری در روش DTمی باشد.

در فضای کسب و کار امروزی شاهد این هستیم که در بخش های مختلف سازمان ها، داده های خام فراوانی انباشته شده است که روز به روز بر حجم آن ها افزوده می گردد؛ اما با بی توجهی به این داده ها خود را از دانش نهفته در آن ها محروم نموده ایم. به طوری که وضعیت کنونی ما مصداق بارز غرق در داده ها و تشنه دانش بودن می باشد. بخش منابع انسانی سازمان ها نیز از این قاعده مستثنی نمی باشد به گونه ای که در هر سازمان حجم عظیمی از فایل ها و فرم ها حاوی اطلاعات نیروی انسانی وجود دارد که بی اهمیت انگاشته شده اند. غافل از این که الگو های پنهان در میان آن ها می تواند عصای دست مدیران ارشد و گره گشای مسائل مختلف مدیریت منابع انسانی باشد. به همین منظور هدف اصلی این مقاله بررسی نظام مند مطالعات صورت پذیرفته در زمینه داده کاوی منابع انسانی می باشد تا با ارائه یک مدل حاصل از ترکیب نتایج آن ها، اهمیت این موضوع بیش از پیش نمایان گردد. در این راستا از روش فراترکیب برای تحلیل نتایج پژوهش ها استفاده شده است به طوری که پس از اجرای مراحل مختلف این روش در نهایت یک چارچوب جامع و نقشه راه مفید به منظور اجرای روش های داده کاوی در حوزه های مختلف مدیریت منابع انسانی ارائه شده است که پژوهشگران می توانند در تحقیقات آتی خود از آن استفاده نموده و به راستی آزمایی آن بپردازند.

اینترنت اشیاء، به طور چشمگیری زندگی ما را در آینده ای نزدیک تغییر خواهد داد و بسیاری از ناممکن ها را ممکن خواهد ساخت. حجم عظیم داده ی تولید شده یا گرفته شده توسط تجهیزات اینترنت اشیاء ، حاوی اطلاعات ارزشمند و قابل استفاده است. با رواج دستگاه های توسعه یافته فناوری بی سیم مانند بلوتوث، شناسایی با فرکانس رادیویی (RFID)، Wi-Fi، و خدمات داده برروی تلفن و همچنین سنسور و محرک و نودهای تعبیه شده در وسایل، شبکه های حسگر بی سیم، اینترنت اشیاء مراحل ابتدایی خود را پشت سر گذاشته و در آستانه تبدیل اینترنت ایستای کنونی، به اینترنت کاملاً یکپارچه در آینده است. کشف دانش از طریق داده کاوی و متن کاوی نیز بدون شک نقش زیادی در زمینه هوشمندسازی سیستم ها و در نتیجه ارائه خدمات و محیط مناسب برای ارائه خدمات خواهد داشت. همچنین از روش های داده کاوی برای خوشه بندی تجهیزات در شبکه های حسگر بی سیم و تعیین سرخوشه استفاده بسیاری می شود. در این مقاله به معرفی اینترنت اشیاء، معماری، کشف دانش ، نقش وکاربرد داده کاوی و متن کاوی در این حوزه پرداخته شده است.

پیشینه و اهداف: در سال های اخیر صنعت بیمه رشدی چشمگیر داشته است و شرکت های مختلف با خدمات گوناگون پا به عرصه گذاشته اند. بازاریابی موفق یکی از اهداف اصلی شرکت های بیمه است؛ پیداکردن افرادی که احتمال می رود از خدمات بیمه استفاده کنند، بسیار مهم است و منجر به مدیریت هرچه بهتر سرمایه و هزینه ها می شود. هدف اصلی این پژوهش، دسته بندی نظرات خریداران بیمه زندگی یک شرکت بیمه ای بر اساس الگوریتم های متن کاوی است تا بتوان از این دسته بندی به عنوان مبنایی برای پیش بینی مشتریان احتمالی آتی استفاده کنیم. با پیش بینی این دسته از مشتریان می توانیم استراتژی بازاریابی مناسبی برای فروش خدمات خود اتخاذ کنیم. روش شناسی: در این پژوهش به بررسی یک مجموعه داده متنی شامل نظرات خریداران بیمه زندگی پرداخته ایم، چرا که با وجود رشد روز افزون حجم این دسته از داده ها، وجود ابزارهایی جهت سازماندهی، بازیابی و کشف دانش مفید از آنها ضروری است. در همین راستا، تاکنون تحقیقات گسترده ای روی تکنیک های پردازش متن صورت گرفته است. این تکنیک ها، با استفاده از شناسایی و کشف الگوها، به دنبال استخراج اطلاعات مفید از داده های متنی بدون ساختار هستند. در این مقاله نظرات خریداران بیمه زندگی ، به صورت یک مساله مستقل مورد بررسی قرار گرفته است. هدف اصلی، دسته بندی این نظرات بر اساس الگوریتم های متن کاوی به دو دسته مثبت و منفی است. برای رسیدن به این هدف، برای اولین بار در صنعت بیمه از چهار الگوریتم مختلف یادگیری ماشین برای متن کاوی نظرات بیمه گذاران استفاده شده است. یافته ها : با توجه به نتایج حاصله از تکنیک های به کار رفته در این پژوهش می توان گفت که الگوریتم ماشین بردار پشتیبان با میزان 73 درصد، بیشترین میزان معیار دقت پیش بینی را در بین سایر الگوریتم های مورد استفاده در این پژوهش داشته است. در ضمن اکثریت بیمه گذاران نیز نظر مثبتی در ارتباط با خدمات دریافتی داشته اند و این بدان معناست که اکثر مشتریان استفاده کننده از خدمات، از شرکت راضی هستند. نتیجه گیری: اکثریت بیمه گذاران مایلند در آینده نیز این خدمت بیمه ای را در سبد خرید خود داشته باشند. لذا مسئولین شرکت می توانند، مشتریان احتمالی خود را از میان این افراد پیدا و برای فروش خدمات خود بر روی آنها سرمایه گذاری کنند. با این استراتژی بازاریابی، مدیران می توانند هزینه های شرکت را کاهش داده و با صرفه جویی در هزینه از این راه، قیمت خدمات خود را کاهش دهند. همه ما می دانیم که هدف هر شرکتی تعیین قیمت برای به حداکثررساندن سود است که به آن قیمت بهینه نیز گفته می شود. تعیین قیمت بهینه به درک هزینه ها، کشش قیمت، ترجیحات مصرف کننده و اقدامات استراتژیک بازاریابی ما بستگی دارد. با این نتایج می توانیم استراتژی بازاریابی مناسب خود را انتخاب کنیم. زیرا تعیین یک قیمت حق بیمه بهینه یک مزیت رقابتی برای شرکت ها ایجاد می کند. مانند هر صنعت دیگری، قیمت تابع قانون عرضه و تقاضا است. از آنجایی که دریافت بهترین قیمت جزو اولویت های اصلی مشتریان بیمه است، حتی درصد کمی تغییر در قیمت حق بیمه باعث می شود بسیاری از مشتریان بیمه گران خود را تغییر دهند. بنابراین، قیمت گذاری بهینه در بخش بیمه، حداکثر سود را ممکن می سازد.