فناوری اطلاعات و ارتباطات ایران
سال:1398 | دوره:11 | شماره:39-40 |تعداد مقالات:6

یادگیری الکترونیکی به عنوان روشی نوین در امر آموزش و یادگیری در طی سالیان اخیر مورد استقبال فراوانی قرار گرفته است. اکثر سامانه های یادگیری الکترونیکی، صرف نظر از تفاوت های فردی یادگیرندگان محتوای آموزشی مشابهی را برای همه یادگیرندگان ارایه می دهند در حالی که در آموزش های مبتنی بر وب، علاوه بر افزایش فرصت یادگیری باید به ارتقای بازدهی یادگیری نیز توجه شود. سامانه های یادگیری تطبیقی برای ارایه محتوای تطبیق پذیر با هر یادگیرنده، نیازمند گروه بندی یادگیرندگان با علایق مشابه است و برای تحقق این هدف، می توان از سبک های یادگیری یادگیرندگان بهره گرفت. گروه بندی خودکار یادگیرندگان در این محیط به کمک روش های خوشه بندی امکان پذیر است. به دلیل متفاوت بودن نتایج روش های خوشه بندی در تکرارهای مختلف، در این پژوهش از روش خوشه بندی شورایی برای ترکیب نتایج خوشه بندی پنج روش FCM، K-means، KNN, SVM و medoids-K برای گروه بندی یادگیرندگان در محیط یادگیری الکترونیکی استفاده شده است. نتایج ارزیابی تجربی روش خوشه بندی پیشنهادی بر اساس سه شاخص «دیویس-بولدین»، « خلوص و تجمع» و « واریانس » نشان می دهد که این روش، کاهش هزینه محاسباتی و دقت و سرعت بیشتری نسبت به سایر روش های متداول در شناسایی گروه ها داشته است.

پیش بینی بازارها از جمله سهام به دلیل حجم بالای معاملات و نقدینگی برای محققان و سرمایه گذاران دارای جذابیت بوده است. توانایی پیش بینی جهت قیمت ما را قادر می سازد با کاهش ریسک و اجتناب از ضرر و زیان مالی، به بازده بالاتری دست یابیم. اخبار نقش مهمی در فرایند ارزیابی قیمت فعلی سهام دارد. توسعه روش های داده کاوی، هوش محاسباتی و الگوریتم های یادگیری ماشین سبب ایجاد مدل های جدیدی در پیش بینی شده اند. خبرها منتشر شده در 17 خبرگزاری با استفاده از یک خزگشر موضوعی به زبان پی اچ پی ذخیره و دسته بندی شده است. سپس با استفاده از روش های متن کاوی و الگوریتم ماشین بردار پشتیبان و کرنل های مختلف به پیش بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار پرداخته می شود. دراین مطالعه از 300 هزار خبر در دسته های سیاسی و اقتصادی و قیمت های سهام 63 شرکت در بازه زمانی آبان تا اسفند 97 در 122 روز معاملاتی استفاده شده است. نتایج نشان می دهد با مدل ماشین بردار پشتیبان با کرنل خطی می توان به صورت میانگین 83 درصد جهت قیمت ها را پیش بینی کرد. با استفاده از کرنل های غیرخطی و معادله درجه 2 ماشین بردار پشتیبان صحت پیش بینی به صورت میانگین تا 85 درصد افزایش می یابد و سایر کرنل ها نتایج ضعیف تری از خود نشان می دهند.

شبکه های مبتنی بر نرم افزار (SDN) برای استفاده در تعیین مسیریابی ترافیک شبکه قابل انعطاف هستند، زیرا سطح داده ای و سطح کنترلی را از یکدیگر تفکیک میکنند. یکی از چالش های بزرگی که پیش روی شبکه های مبتنی بر نرم افزار قرار گرفته است، این بوده که چطور می توان مکان هایی مناسب برای قرار دادن و توزیع کنترلرها (کنترل کننده ها) انتخاب کرد، به گونه ای که بتوان تاخیر بین کنترلرها و سوییچ ها را در شبکه های گسترده کاهش داد. در همین راستا اغلب روش هایی که تا به امروز ارایه گردیده است بر روی کاهش تاخیر متمرکز بوده اند ولی تاخیر تنها یکی از عواملی بوده که در کارایی شبکه و کاهش هزینه کلی بین کنترلرها و سوییچ های مرتبط با آن ها نقش دارد. در این پژوهش قصد داریم تا به بررسی عوامل بیشتری برای کاهش هزینه بین کنترلر ها و سوییچ ها همچون بار موجود روی لینک های ارتباطی بپردازیم. به همین منظور یک الگوریتم مبتنی برخوشه بندی را برای بخش بندی شبکه ارایه خواهیم داد. با این الگوریتم می توان تضمین کرد که هر بخش از شبکه می تواند حداکثر هزینه (شامل تاخیر و بار موجود روی لینک ها) را در بین کنترلر و سوییچ های مربوط به آن کاهش دهد. شبیه سازی های گسترده ای را تحت توپولوژی های واقعی شبکه که در پروژه Topology Zoo ارایه شده است، انجام داده ایم. نتایج شبیه سازی ها نشان می دهد در شرایطی که شبکه شلوغ می باشد و احتمال ازدحام در آن بالا می رود، الگوریتم پیشنهادی با شناسایی لینک های گلوگاه در مسیرهای ارتباطی هر گره با سایر گره ها، توانسته به خوبی ازدحام را در شبکه کنترل نماید و با در نظر گرفتن دو معیار تاخیر و میزان مشغول بودن لینک ها، فرایند قرارگیری و توزیع کنترل ها را در عمل خوشه بندی با دقت بالاتری انجام دهد و به طور میانگین حداکثر هزینه انتها به انتها بین هر کنترلر و سوییچ های مربوط به آن را به ترتیب در توپولوژی های Chinanet کشور چین، Uunet کشور آمریکا، DFN کشور آلمان، و Rediris کشور اسپانیا به اندازه ی 41/4694، 29/2853، 21/3805 و 46/4829 درصد کاهش دهد.

معماری دانش منابع انسانی بیش از هر ابزار یا عنصر دیگری در شیوه ایجاد، سازماندهی کردن، اندوختن، توزیع و کاربرد دانش برای دستیابی به اهداف سازمانی ضروری است. پژوهش حاضر باهدف طراحی و تبیین مدل معماری دانش منابع انسانی در سازمان های دانش بنیان با استفاده از رویکرد ساختاری تفسیری انجام پذیرفت. این پژوهش بر پایه پژوهش های آمیخته و به صورت کمی و کیفی است که ازنظر هدف، کاربردی و حیث ماهیت و روش، توصیفی پیمایشی است. جامعه آماری پژوهش حاضر را شرکت های دانش بنیان استان لرستان تشکیل می دهد که 30 نفر از خبرگان آن ها بر اساس اصل کفایت نظری و با استفاده از روش نمونه گیری هدفمند انتخاب شده اند. ابزار گردآوری اطلاعات در بخش کیفی پژوهش، مصاحبه نیمه ساختاریافته و در بخش کمی نیز پرسشنامه است. در بخش کیفی، داده ها و اطلاعات به دست آمده از مصاحبه با استفاده از نرم افزار Atlas. ti و روش کدگذاری تحلیل شد و مولفه و شاخص های معماری دانش منابع انسانی شناسایی شدند. همچنین در بخش کمی پژوهش، با استفاده از نرم افزار Matlab و روش مدل سازی ساختاری تفسیری مدل نهایی پژوهش تدوین و ارایه شده است. نتایج پژوهش دربرگیرنده شاخص ها و مولفه های معماری دانش منابع انسانی و ارایه مدل معماری دانش منابع انسانی در سازمان های دانش بنیان است. بدین ترتیب، یافته ها علاوه بر تدوین مدل معماری دانش منابع انسانی، حاکی از شناسایی مولفه های اصلی معماری دانش منابع انسانی، زیرساخت های مدیریت دانش، ویژگی های حرفه ای، ویژگی های موقعیتی و دستاوردهای معماری دانش منابع انسانی است.

هدف از پژوهش حاضر، بررسی تاثیر استفاده از انواع استراتژی های بازاریابی در شبکه های اجتماعی بر جلب اعتماد مشتریان می باشد. جامعه آماری این پژوهش شامل تمامی کاربران ایرانی عضو سایت های شبکه های اجتماعی است که تحت تاثیر تبلیغات شرکت ها قرار می گیرند. حجم نمونه آماری نیز با روش نمونه گیری گلوله برفی 446 نفر است. روش پژوهش، توصیفی پیمایشی بوده و ابزار گردآوری داده ها پرسشنامه می باشد. برای آزمون فرضیه های پژوهش از روش حداقل مربعات جزیی (PLS) و نرم افزار SmartPLS 3 استفاده شده است. نتایج بدست آمده نشان می دهد که هر چهار متغیر، استراتژی های بازاریابی مبادله ای، رابطه ای، پایگاه داده و مبتنی بر دانش در شبکه های اجتماعی تاثیر معنی داری بر جلب اعتماد مشتریان دارند.

امروزه رفتارهای تعاملی کاربران در رسانه های اجتماعی به یک منبع مهم و اثرگذار بر فعالیت های حوزه ی بازاریابی در کسب وکارهای مختلف تبدیل شده است. علی رغم اهمیت این موضوع، ارائه ی معیارهای مناسب برای ارزیابی رفتارهای اثرگذار کاربران در کارها پیشین کمتر مورد توجه قرار گرفته است. به این منظور در این تحقیق در قدم اول یک چارچوب تئوری نوآورانه شامل دو بعد اصلی پتانسیل اثرگذاری و سطح اثرگذاری ارائه گردیده است. سپس به منظور تعریف معیارهایی برای اندازه گیری هر یک از ابعاد، با ارائه-ی یک دسته بندی جامع و ترکیبی شامل سه حوزه ی، تحلیل مبتنی بر کاربر، تحلیل مبتنی بر ارتباط و تحلیل مبتنی بر محتوا، تکنیک های کاوش رسانه های اجتماعی برای تحلیل رفتارهای اثرگذار کاربران مورد بررسی قرار گرفته است. در ادامه با توجه به مرور ادبیات صورت گرفته، معیارهای "تعداد کاربران فعال"، " رتبه ی کاربر مبتنی بر ویژگی های ساحتاری و فعالیت "، "کیفیت و میزان تحلیلی و قضاوتی بودن متون تولید شده توسط کاربران" برای محاسبه ی هر یک از این ابعاد تعریف شده است. معیارهای پیشنهادی دراین مقاله برای ایجاد داشبوردهایی به منظور ارزیابی ارزش اثرگذاری کاربران در کسب و کارهای مختلف مثمرثمر می باشد. همچنین از طریق کلاس بندی جامع و آکادمیک در خصوص تکنیک های کاوش رسانه های اجتماعی، نقشه راه مناسب برای کسب وکارها در مورد داده هایی که باید جمع آوری کنند و تکنیک های لازم برای تعیین هر یک از این معیارها فراهم شده است.