علی رجب زاده قطری

این پژوهش باهدف مدل سازی پیشران ها و پیامدهای تحول دیجیتال در اکوسیستم کسب وکار صنعت فولاد کشور ایران انجام شد. پژوهش حاضر ازنظر هدف یک تحقیق کاربردی-توسعه ای است و ازنظر شیوه گردآوری داده ها نیز یک تحقیق توصیفی-پیمایشی می باشد. در راستای هدف از طرح تحقیق آمیخته اکتشافی استفاده شد. جامعه مشارکت کنندگان بخش کیفی شامل اساتید مدیریت و مدیران صنعت فولاد کشور است. با روش نمونه گیری نظری پس از 20 مصاحبه اشباع نظری حاصل شد. در بخش کمی نیز با روش تحلیل توان کوهن نمونه ای به حجم 140 نفر از مدیران و کارشناسان صنعت فولاد کشور انتخاب شدند. ابزار گردآوری داده ها، مصاحبه نیمه ساختاریافته و پرسشنامه محقق ساخته بود. روایی بخش کیفی بر اساس اعتبارپذیری، انتقال پذیری، تأییدپذیری و اطمینان پذیری بررسی شد و برای سنجش پایایی بخش کیفی ضریب هولستی 707/0 و کاپای کوهن 658/0 برآورد گردید که مطلوب است. پرسشنامه با برآورد نسبت روایی محتوایی، روایی همگرا و روایی واگرا اعتبارسنجی شد. همچنین آلفای کرونباخ، ضریب رو و پایایی ترکیبی تمامی سازه ها بالای 7/0 برآورد شد. برای تجزیه وتحلیل داده ها از روش تحلیل کیفی مضمون، روش مدل سازی ساختاری-تفسیری و روش حداقل مربعات جزئی استفاده شد. یافته های پژوهش نشان داد عوامل اکوسیستم کسب وکار، عوامل مدیریتی، بسترهای سخت افزاری و نرم افزاری عوامل پیشران هستند که بر استراتژی تحول دیجیتال تأثیر دارند. استراتژی تحول دیجیتال نیز بر تحول دیجیتال صنعت فولاد تأثیر دارد و تحول دیجیتال نیز به نوبه خود بر نوآوری دیجیتال و ارتباطات دیجیتال تأثیر دارد و عملکرد نوآورانه، عملکرد اجتماعی و عملکرد بازاریابی را تحت تأثیر قرار داده و درنهایت دستیابی به عملکرد مالی میسر می شود. کلیدواژه ها: تحول دیجیتال، اکوسیستم کسب وکار، صنعت فولاد کشور ایران.

این پژوهش به موضوع سرمایه ی انسانی در انقلاب صنعتی چهارم می پردازد. مطالعات فراوانی برای تعیین شایستگی ها و مهارت های مورد نیازِ نیروی کار در مواجهه با صنعت 4.0، به انجام رسیده است. هدفِ این تحقیق آن است که بر اساس ساخت و بافت سازمان های ایرانی، محیط کلان سیاسی و اقتصادی کشور و روندهای موجود در توسعه ی فناوری های نو، ابتدا ماهیت و مولفه های صنعت 4.0 و پس از آن، شایستگی ها، مهارت ها و دانش مورد نیاز کارکنان را برای حضور موفق و موثر در محیط های پیچیده ی تولیدی در انقلاب صنعتی چهارم، شناسایی کند. روش انجام این پژوهش، کیفی و محتوای آن عاری از محاسبات آماری و ریاضی است. برای انجام این مطالعه، نمونه گیری نظری انجام گرفته و داده ها از طریق انجام مصاحبه های نیمه ساختاریافته با 18 نفر از خبرگان، شامل دانشگاهیان، مدیران کسب و کارها و پژوهش گران حوزه ی منابع انسانی، جمع آوری و برای تجزیه و تحلیل آن ها و طراحی مدل، از روش داده بنیاد استفاده شده است. در این روش با واکاوی متن مصاحبه ها گزاره ها، مفاهیم، مولفه ها و مقوله های محوری شناساییْ و نتایج در قالب مدل پارادیمی، شامل ابعاد 6گانه ی شرایط علّی، مداخله گر، زمینه ای و پدیده ی محوری، استراتژی ها و پیامدها، ساختار یافته اند. بر اساس یافته ها، ضمن لزوم ایجاد تحول در فرهنگ سازمانی توسط مدیران کسب و کارها و نظام آموزشی توسط دانشگاهیان و دولتمردان، نیروی کار برای اشتغال موثر در کارخانه های هوشمندِ آتی، باید در 4 محورِ روش شناختی، اجتماعی، فردی و فناورانه به تقویت شایستگی ها، مهارت ها و دانش خود بپردازد.

هدف: امروزه مدیریت تجربه مشتری، به دلایل مختلف، از جمله افزایش نقاط تماس و تعدد منابع تولید داده های مرتبط با مشتری برای صنایع مختلف، به یکی از اولویت های پژوهشی و اجرایی تبدیل شده است. بانک ها نیز از این قاعده مستثنا نیستند و به منظور حفظ و ارتقای جایگاه خود در صنعت، برای بهبود تجربه مشتری برنامه ریزی می کنند. در واقع، بانک ها می بایست نقاط مختلف تعامل مشتری از طریق کانال های مختلف با بانک را شناسایی کنند و متناسب با نیاز مشتری، این نقاط را بهبود دهند. در این بین، مشتری حقوقی بانک، به دلایل مختلفی نظیر تعدد کمتر به مشتریان حقیقی، ماهیت پیچیده ساختاری و رفتار متفاوت تراکنشی و ادراکی، در کانون توجه پژوهش های این حوزه نبوده است؛ به همین دلیل، پژوهش حاضر با هدف ارائه مدلی برای ارتقای تجربه مشتری حقوقی بانک ها اجرا شده است. روش: در راستای نیل به هدف پژوهش، از رویکرد کیفی و از روش تحلیل محتوای کیفی استفاده شد. در این راستا با ۱۴ نفر از متخصصان حوزه بانکی که با داده مشتریان حقوقی آشنایی کامل داشتند یا به صورت مستقیم با مشتری حقوقی در تماس بودند، مصاحبه عمیق نیمه ساختاریافته به عمل آمد و نظرها با استفاده از نرم افزار مکس کیودا کدگذاری شد. در نهایت، بر اساس اجرای فرایند کدگذاری های باز، محوری و انتخابی روی متن های پیاده سازی شده مصاحبه ها، مدل نهایی تدوین شد. یافته ها: بر اساس تجزیه وتحلیل مصاحبه ها، ۱۲۷۹ کد باز (با تکرار)، ۳۲ مقوله و ۹ مضمون شناسایی شد. نتایج حاصل از تحلیل مصاحبه ها، در قالب جدول مقوله و مضامین و مدل ارتقای تجربه مشتری ارائه شد. مضامین مدل عبارت اند از: ۱. طراحی سرویس شخصی سازی شده؛ ۲. شناخت و ارزش گذاری مشتریان حقوقی؛ ۳. مدیریت داده و تحلیل مشتری؛ ۴. شناسایی فرایندها و اصلاح ساختار سازمانی؛ ۵. تحلیل رقبا، شرایط اقتصادی و سیاست های بانکی؛ ۶. مدیریت سبد محصولات؛ ۷. بلوغ و فرهنگ سازمان؛ ۸. مدیریت بازاریابی و تبلیغات؛ ۹. مدیریت ارتباط با مشتریان حقوقی. نتیجه گیری: با تحلیل محتوای مصاحبه ها، در نهایت مؤلفه های اصلی در قالب سه لایه تدوین شد. لایه نخست، لایه استراتژیک است. این لایه شامل مؤلفه های می شود که روی سیاست ها و جهت گیری کلان سازمان تأثیر می گذارند و به تصمیم گیری های سطح بالا نیاز دارند. لایه دوم، لایه عملیاتی است که مؤلفه هایی را دربرمی گیرد که به اجرای استراتژی های سازمان و بهینه سازی فرایندها و ساختارهای موجود کمک می کنند. لایه سوم، لایه اجرایی است که مؤلفه های آن، به اجرای دقیق و عملیاتی فرایندهای روزانه و تعامل با مشتریان کمک می کنند. نتایج نشان می دهد که تحلیل داده و بینش صحیح در خصوص مشتری، در تمام مؤلفه های مدل ارتقای تجربه مشتری تأثیرگذار است؛ از این رو بانک ها می بایست، به شناسایی منابع داده مشتری و زیرساخت آن توجه ویژه ای داشته باشند. همچنین با توجه به لایه های تعیین شده برای مدل، حمایت لایه های مختلف مدیریتی و هماهنگی کارشناسان اجرایی اهمیت بسیاری دارد. انتظار می رود با اجرای این مدل در بانک ها، تجربه مشتریان حقوقی و سودآوری بانک ها افزایش یابد.

 تحویل به موقع داروها، تجهیزات پزشکی و سایر لوازم ضروری برای مراقبت از بیمار بسیار حیاتی بوده و اغلب می تواند نجات دهنده باشد. تأخیر تحویل در زنجیره تأمین مراقبت های بهداشتی می تواند منجر به افزایش هزینه ها و چالش های عملیاتی برای سازمان های حوزه سلامت شده و بر مراقبت از بیمار و ثبات مالی تأثیر بگذارد. مدیریت زنجیره تأمین کارآمد و قابل اعتماد برای کاهش این خطرها و اطمینان از عملکرد یکپارچه در صنعت مراقبت های بهداشتی بسیار حائز اهمیت است. این پژوهش بهمسئله تأخیر در تحویل کالای مراقبت های بهداشتی در زنجیره تأمین مراقبت های بهداشتی جهانی آژانس جهانی توسعه ایالات متحده پرداخته و یک چارچوب برای پیش بینی وضعیت تحویل کالاهای مراقبت های بهداشتی ارائه می نماید. همچنین ویژگی هایی که بیشترین تأثیر را در پیش بینی وضعیت تحویل کالا داشته اند، برای مدیریت زنجیره تأمین مراقبت های بهداشتی داده محور تعیین می کند. روش پژوهش مطالعه پیش رو، علم طراحی است که یک چارچوب بر پایه روش ماشین بردار پشتیبان و بهینه سازی بیزی برای پیش بینی وضعیت تحویل کالاهای مراقبت های بهداشتی را ارائه کرده و عملکردهای مختلف الگوریتم های طبقه بندی برای پیش بینی وضعیت تحویل کالای مراقبت های بهداشتی را مقایسه کرده است. نتایج نشان می دهد  که چارچوب ارائه شده بر پایه روش ماشین بردار پشتیبان و بهینه سازی بیزی منجر به دقت طبقه بندی ۹۵ درصد می شود که در مقایسه با دیگر روش های به کار گرفته شده برای پیش بینی تأخیر تحویل عملکرد بهتری دارد. نتایج حاصل نشان داد که ویژگی های کشور مقصد، روش حمل، تأمین کننده و مکان تولید تأثیرگذارترین ویژگی ها در پیش بینی وضعیت تحویل می باشند.

رشد شتابان رسانه های دیجیتال، سیاست گذاری در این حوزه را به یکی از ارکان کلیدی حکمرانی تبدیل کرده است. پژوهش حاضر با هدف ارزیابی سیاست گذاری رسانه های دیجیتال در ایران و ارائه چارچوبی برای بهبود این فرآیند انجام شده است. این مطالعه از روش شناسی سیستم های نرم (SSM) و نگاشت شناختی(CM) برای تحلیل سیاست های رسانه ای بهره گرفته است. داده ها از طریق بررسی نظام مند مطالعات پیشین و مصاحبه های عمیق با ۱۵ نفر از خبرگان که با روش نمونه گیری گلوله برفی انتخاب شدند، گردآوری شد. برای افزایش روایی، از اعتبارسنجی محتوا استفاده شد و پایایی داده ها از طریق تکنیک توافق بین کدگذاران تأیید گردید. داده ها با روش تحلیل محتوای کیفی و نگاشت شناختی تحلیل شدند. یافته ها نشان می دهند که سیاست گذاری رسانه های دیجیتال تحت تأثیر بازیگران متعددی قرار دارد و تعامل مؤثر میان آن ها نقش کلیدی در موفقیت سیاست ها ایفا می کند. چالش های اصلی این حوزه شامل ضعف زیرساخت های فناوری، محدودیت های فرهنگی، و نبود توازن در قوانین نظارتی است. همچنین، یافته ها نشان می دهند که سیاست های فعلی عمدتاً به رویکردهای محدودکننده متکی هستند، درحالی که می توانند از مدل های تعاملی تر و مشارکتی بهره ببرند. نتایج پژوهش بیانگر این است که اتخاذ رویکردی جامع که ابعاد فناوری، محتوایی و حقوقی را هم زمان مدنظر قرار دهد، می تواند موجب افزایش شفافیت، کارآمدی و هماهنگی میان ذی نفعان در سیاست گذاری رسانه های دیجیتال شود. این مطالعه با ارائه چارچوبی تحلیلی، راهکارهایی برای بهینه سازی فرایند سیاست گذاری و مدیریت رسانه های دیجیتال پیشنهاد می کند.

این پژوه ش به موضوع سرمایه ی انسانی در انقلاب صنع تی چه ارم می پردازد. هدفِ این پژوهش آن است که بر اساس ساخت و بافت سازمان های ایرانی، محیط کلان سیاسی و اقتصادی کشور و روندهای موجود در توسعه ی فن اوری های نو، ابتدا ماهیت و مولفه های صنعت 4.0 و پس از آن، شایستگی ها، مهارت ها و دانش مورد نیاز جوانان را برای اشتغال ایشان در مشاغل تخصصی و پیچیده ی تولیدی در انقلاب صنعتی چهارم، شناسایی کند. روش انجام این پژوهش، کی فی و محتوای آن عاری از محاسبات آماری و ریاضی است. برای انجام این مطالعه، نمونه گیریِ نظ ری انجام گرفته و داده ها از طریق انجام مصاحبه های نیمه ساختاریافته با 18 نفر از خبرگان، شامل دانشگاهیان، فعالان موضوع جوانان، مدیران کسب و کارها و پژوهش گرانِ ح وزه ی منابع انسانی، جمع آوری و برای تجزیه و تحلیل آن ها و طراحی مدل، از روش داده بنیاد استفاده شده است. در این روش با واکاوی مت ن مصاحبه ها گزاره ها، مفاهیم، مولفه ها و مقوله های محوری، شناساییْ و نتایج در قالب مدل پارادیمی (شامل ابعاد 6گانه ی شرایط علّی، مداخله گر، زمینه ای و پدیده ی محوری، استراتژی ها و پیامدها)، ساختار یافته اند. بر اساس یافت ه ها، ضمن لزوم ایجاد تحول در فرهنگ سازمانی توسط مدیران کسب و کارها و اعمال تغییر در نظام آموزشی توسط دانشگاهیان، نیروی کار جوان برای اشتغ ال موثر در کارخانه های هوشمن دِ آتی، باید در 4 محورِ روش شناختی، اجتماعی، فردی و فناورانه به تقویت شایستگی ها، مهارت ها و دانش خود بپردازد.

مطالعه حاضر با هدف طراحی مدل تحول دیجیتال در اکوسیستم کسب وکار صنایع فولاد انجام شد. جامعه مشارکت کنندگان بخش کیفی شامل اساتید مدیریت و مدیران صنعت فولاد کشور است که بیست نفر به شیوه نمونه گیری نظری انتخاب شدند مصاحبه ها تا دستیابی به اشباع نظری ادامه یافت. جامعه آماری بخش کمی شامل مدیران و کارشناسان صنعت فولاد کشور است که با روش تحلیل توان کوهن، حجم نمونه 140 نفر برآورد شد و نمونه گیری با روش تصادفی ساده انجام گردید. ابزار گردآوری داده ها، مصاحبه نیم ساختاریافته و پرسشنامه محقق ساخته بود. تحلیل داده ها در بخش کیفی با روش تحلیل کیفی مضمون و در بخش کمی با روش حداقل مربعات جزئی انجام شد. نتایج پژوهش نشان داد عوامل اکوسیستم کسب وکار، بستر های سخت افزاری، بستر های نرم افزاری و عوامل مدیریتی بر توسعه استراتژی تحول دیجیتال تاثیر می گذارند. توسعه استراتژی تحول دیجیتال بر تحول دیجیتال صنعت فولاد اثرگذاشته و مولفه مذکور با اثرگذاری بر نوآوری دیجیتال و ارتباطات دیجیتال با مشتریان، به عملکرد نوآورانه، عملکرد اجتماعی و عملکرد بازاریابی منجر می شود. از طریق بهبود عملکرد نوآورانه، عملکرد اجتماعی و عملکرد بازاریابی در نهایت دستیابی به عملکرد مالی میسر می گردد.

هدف اصلی این تحقیق، ارائه مولفه های جامع برای مراحل طراحی محصولات مبتنی بر فناوری اطلاعات با بهره گیری از روش تحقیق علم طراحی است. این پژوهش از نظر هدف کاربردی و از نظر گردآوری اطلاعات به صورت فراترکیب است. با جست وجو در پایگاه های داده معتبر وب آوساینس و اسکوپوس، 24 مقاله که بین سال های 2019 تا 2024 منتشر شده بودند، به عنوان منابع معتبر شناسایی و تحلیل شدند. بررسی مقالات منتخب منجر به شناسایی چهار مولفه اصلی شد: ۱) روش های تحقیق علم طراحی: شامل روش های مدل چرخه ای هونر، مدل فرآیندی، روش اقدام پژوهی و اقدام پژوهی تفصیلی که در توسعه و ارزیابی محصولات به کار می روند. ۲) مصنوعات: شامل مدل ها، نرم افزارها، و نظریه های طراحی که به عنوان خروجی های تحقیق تولید می شوند. ۳) روش های ارزیابی: شامل روش های کمی و کیفی مانند تست های کاربردی و مصاحبه ها که برای ارزیابی اثربخشی مصنوعات استفاده می شوند. ۴) ابزارها: شامل نرم افزارهای تحلیل داده ها و ابزارهای مدل سازی که در فرآیند تحقیق به کار می روند. روش تحقیق علم طراحی، با توجه به جامعیت و انعطاف پذیری ، ابزار مؤثری برای طراحی مصنوعات فناوری اطلاعات است. این پژوهش با ارائه یک الگوی یکپارچه برای انتخاب و استفاده از روش ها و ابزارهای مناسب، به پژوهشگران و متخصصان کمک می کند تا کیفیت و کارایی فرآیندهای طراحی را بهبود بخشیده و نوآوری را در توسعه محصولات فناوری اطلاعات ترویج دهند. تحقیق حاضر نشان می دهد که نیاز به توجه بیشتری به توسعه نظریه ها و ابزارهای نوآورانه برای ارزیابی مصنوعات فناوری اطلاعات وجود دارد.

این مطالعه باهدف توسعه الگوریتم های هوش مصنوعی بر پایه اینترنت اشیاء انجام شده است که ضمن تشخیص و پیش بینی همه گیری در زمان واقعی با استفاده از مکان افراد، بر مراقبت و بهبود نیز تأکید می کند.بیماری هدف در این پژوهش باتوجه به اهمیت و فراگیری، کووید19 است.بر اساس نوع گردآوری داده ها از نوع پژوهش های کیفی بوده و باتوجه به توسعه الگوریتم ها، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. رویکرد تحقیق آینده نگر است، به طوری که مکانیزم انتقال بیماری و ویژگی های تأثیرگذار آن ما را قادر به پیش بینی هایی در مورد بیماری و در نتیجه طرح استراتژی های کنترل بیماری و مراقبت های بهداشتی می نماید.پژوهش در یک فرایند 7 مرحله ای انجام شد. ویژگی های اینترنت اشیاء در پژوهش حاضر با نظر خبرگان استخراج شد و ویژگی های به دست آمده در آزمایش 2 الگوریتم مختلف «k نزدیک ترین همسایگی» و «درخت تصمیم» بر روی داده ها برای تعیین بهترین مدل ایجاد شد.پس از انتخاب بهترین عمق و بهترین همسایگی در الگوریتم ها، اعتبار و تصدیق مدل با تحلیل ماتریس ابهام انجام شد.نتایج اجرای الگوریتم ها برای پیش بینی بیماری کووید19، دقت بالاتر از 98 درصد را نشان دادند. حساسیت بالاتر (99 درصد) که برای تشخیص بیماری کووید19 اهمیت بالایی دارد و نشان دهنده حداقل موارد منفی کاذب در نتایج آزمون است، در الگوریتم درخت تصمیم به دست آمد.

پیش بینی تقاضای محصولات زنجیره تأمین برای تعیین استراتژی ها و تصمیم گیری ها موضوعی بسیار با اهمیت و پرچالش است. با افزایش تنوع و تعداد محصولات، این چالش ها نیز افزایش می یابد. ارائه چارچوب ها و روش هایی که با وجود تنوع محصولی، تفاوت در کاربردها و ویژگی ها و حجم داده های مختلف، از انعطاف پذیری، دقت و مزیت های لازم برای پیش بینی همه دسته های محصولی برخوردار باشد، برای مدیران حیاتی است. در این راستا، دو مدل یادگیری با نظارت، XGBoost Regressor (XGBR) و Gradient Boosting Regressor (GBR)، بر روی مجموعه داده های Global Superstore، در سایت Kaggle پیاده سازی شده است. این مجموعه داده شامل 3788 محصول در سه Category محصولی متنوع، هفده Sub Category و51،290 سفارش است. حجم داده های محدود محصولات سبب می گردد پیش بینی بسیاری از محصولات و کسب نتیجه مناسب از روش ها میسر و مفید نگردد. با توجه به اینکه در این تحقیق تجربی هدف پیش بینی تقاضا، بکارگیری در تصمیمات استراتژیک است، رویکردی تجمیع محصولی برای این مسئله پیشنهاد شده که با توجه به مشابهت در محصولات Sub Categoryها پیش بینی آنها به صورت تفکیک شده صورت گیرد. به منظور بررسی اثر میزان داده بر عملکرد مدل ها، داده های مجموعه داده با استفاده از تکنیک Augmentation Data افزایش یافته و با اجرای مجدد مدل ها، نتایج پیش بینی دو مدل با هم مقایسه شده اند. براساس ارزیابی نتایج پیش بینی با داده های افزایش یافته با دو معیار MSE و MAE، مدل XGBR در کمترین مقدار به ترتیب به 12/0 و 10/0، و مدل GBR نیز به مقادیر 13/0 و 15/0 دست یافته است. همچنین، نتیجه معیار D2 Score در مدل XGBR در بیشترین مقدار 97/0 و در مدل GBR مقدار 96/0 است. با افزایش داده ها، مقادیر معیارهای اندازه گیری خطای به صورت چشمگیری و تا بیش از 80 درصد کاهش یافته و در داده های با حجم بیشتر، XGBR برتری نسبی دارد. چارچوب و مدل های پیشنهادی می تواند در صنایع با مسائل مشابه در سطح استراتژی استفاده شود.

تجارت الکترونیک به دلیل فراوانی کالاها، تراکنش های سریع و آزاد بودن از زمان، مکان، فروشگاه و غیره روزبه روز محبوب تر شده است. با افزایش محبوبیت سیستم های تجارت الکترونیک، معاملات تجاری به شدت در حال افزایش است. چنین معاملاتی به صورت مستقیم صورت نمی گیرد، بلکه باواسطه انجام می شود و خریدار به ویژه در صورت شکست معامله در موقعیت ضعیف تری قرار می گیرد. مرور پژوهش ها، نشان می دهد که اعتبار می تواند نقش مهمی در کاهش ریسک های خریدار در محیط تجارت الکترونیکی فعلی ایفا کند. سیستم اعتبار به یکی از مؤلفه های ضروری سیستم های تجارت الکترونیک مدرن تبدیل شده است، زیرابه خریداران کمک می کند تا تصمیم گیری آگاهانه ای در انتخاب فروشندگان قابل اعتماد بگیرند. یک (RMS) آنلاین، اعتباری را که از باورها و یا نظراتی که معمولاً در مورد شخص و یا برخی چیزها اعمال شده، بدست می آورد، می تواند تضمین کننده ی قابلیت اطمینان معاملات انجام شده در سیستم تجارت الکترونیک باشد. باوجوداینکه مؤلفه اصلی (RMS) - تعامل بین فروشنده و خریدار- یک زمینه کلاسیک از کاربردهای نظریه بازی (GT) است، استفاده از روش (GT) به دلیل پیچیدگی راه حل آن کاملاً محدود بوده است. یک روش برای مقابله با این پیچیدگی، استفاده از قابلیت رویکرد شبیه سازی مبتنی بر عامل (ABS) است. در این پژوهش، مدل ترکیبی (GT) و (ABS) برای تجزیه وتحلیل سیستم تجارت الکترونیک ارائه می شود که در آن یک سیستم اعتبار محور توسط شخص سوم مورد اعتماد مدیریت می شود و سپس تحلیل کمّی گسترده به منظور تأیید و اعتبار سنجی مدل پیشنهادی و ارزیابی تأثیر مجموعه ای از سیاست های خریداران و فروشنده ها بر رفتار سیستم تجارت الکترونیک ارائه می شود.

موارد کلاهبرداری در سال های اخیر به ویژه در زمینه های مهم و حساس مالی و بیمه ای افزایش یافته است. از این رو، برای مقابله با این گونه کلاهبرداری ها نیاز به اقدامات متفاوتی نسبت به روش های بازرسی سنتی وجود دارد. بیمه کشاورزی نیز با توجه به ماهیت و گستردگی وسیع آن از این تهدید مستثنا نبوده و سالانه هزینه های زیادی صرف پرداخت به خسارت های ساختگی می شود. این پژوهش با هدف ارائه مدلی برای کشف ادعاهای خسارت غیرواقعی در بیمه کشاورزی با بکارگیری تکنیک های داده کاوی و یادگیری ماشین ارائه شد. برای ساخت مدل یادگیری عمیق مورد استفاده قرار گرفت. داده های مورد استفاده از صندوق بیمه کشاورزی اخذ شد و مربوط به بیمه نامه های گندم آبی و دیم استان خوزستان بود که در سال زراعی 1399-1398 برای آنها غرامت پرداخت شده بود. بعد از آماده سازی و پیش پردازش داده ها، با استفاده از یادگیری عمیق نسبت به کشف موارد غیرعادی اقدام و نتایج توسط کارشناسان صندوق بیمه کشاورزی مورد ارزیابی قرار گرفت. بعد از تحلیل نتایج مشخص شد یک درصد از خسارت های پرداختی مربوط به درخواست های غیرواقعی بوده و در پرداخت خسارت بایستی دقت و بررسی بیشتری انجام شود. دقت مدل در تشخیص موارد غیرعادی برای گندم آبی و دیم به ترتیب برابر با 53/53 و 63/37 درصد بدست آمد. در بررسی نتایج مشخص شد 5 دسته رفتار غیرعادی منجر به پرداخت خسارت غیرواقعی شده اند که رفتار عدم ارائه مستندات خسارت فراوانی بیشتری نسبت به بقیه داشت.

هدف: اختلال ناشی از بحران های طبیعی، اقتصادی و سیاسی و سرقت های دریایی و تخریب سیستم های اطلاعاتی و عوامل انسانی (عوامل کم احتمال شدت اثر بالا) در بالادست زنجیره تأمین، یعنی تأمین کنندگان به صورت موج تا پایین دست زنجیره منتشر می شود. هدف این پژوهش ارائه مدل شبیه سازی رفتار انتشار اختلال و ارائه معیاری برای پیش بینی کمّی اثر موجی اختلال تأمین کننده بر توزیع کننده است. روش: از زنجیره مارکوف گسسته زمان برای مدل سازی بازیابی و آسیب پذیری تأمین کنندگان استفاده شده و این مدل با شبکه بیزین جهت شبیه سازی رفتار انتشار اختلال تأمین کننده در زنجیره تأمین ادغام می شود؛ سپس معیاری برای تخمین اثر موجی اختلال تأمین کننده بر توزیع کننده، برحسب زمان انتظار تحویل کالا و فروش از دست رفته ارائه می شود. یافته ها: مدل در قالب شکل، تعاریف و روابط ریاضی ارائه شده و قابلیت آن با به کارگیری یک مثال و بر پایه داده های وضعیت تأمین کنندگان، تولیدکننده و توزیع کننده در تولید یک قطعه الکترونیکی افزاینده ولتاژ نشان داده شده است. نتیجه گیری: مدل پیشنهادی می تواند اثر و نتیجه اختلال و مسیرهای پرخطر و پنهان در زنجیره تأمین را نشان دهد تا بتوانیم آسیب پذیری ناشی از اختلال را برآورد کنیم. این مدل قادر است در انتخاب استراتژی های مناسب برای کاهش سرعت انتشار اختلال و بازیابی زنجیره و کاهش هزینه های ناشی از آن به مدیران کمک کند.

نگهداری و حفظ روابط با مشتریان و جلوگیری از رویگردانی مشتری از وظایف مهم سازمان ها در بازارهای به شدت رقابتی کنونی است. در این پژوهش مسئله رویگردانی مشتری و استراتژی های حفظ و نگهداشت مشتری بررسی شده اند. این موضوعات از راه مرور ادبیات نظام مند و از زوایای مختلف از جمله زمینه فعالیت سازمان، درجه فردی سازی مدیریت ارتباط با مشتری، دسته بندی مشتریان، انتخاب مشتریان کلیدی، تعلق خاطر کارمندان به سازمان و ارزیابی عملکرد کارکنان سازمان بررسی قرار شده اند. علاوه بر این، ابزاری مبتنی بر شبکه های یادگیری عمیق جهت پیش بینی رویگردانی مشتری استفاده شده است. در نتیجه یک چارچوب و مدل مفهومی بر پایه ادبیات موجود در این حوزه ایجاد شده و بعد از آن با مدل پیش بینی رویگردانی مشتری با استفاده از شبکه های یادگیری عمیق ترکیب شده است. نتایج نشان می دهد استفاده از یادگیری عمیق در پیش بینی رویگردانی مشتری یک شیوه کاملاً مؤثر و کارآمد برای حل مسئله ارتباط، حفظ و نگهداشت مشتری است. این رویکرد نه تنها قادر به پیش بینی دقیق این است که کدام یک از مشتریان سازمان در حال رویگردانی از سازمان و قطع ارتباط خود با سازمان هستند، بلکه می تواند به طور دقیق عوامل و پارامترهای مؤثر بر رویگردانی مشتری را شناسایی کند و بینش بسیار ارزشمندی برای واحد بازاریابی سازمان ها به ارمغان آورد.

هدف: چالش های بهداشتی بدون شک مهم ترین موانع توسعه پایدار جهانی است و با مشکلات اجتماعی و اقتصادی مختلف و ناکافی بودن منابع رشد می کند. در مقابل سلامت جامعه به توسعه اقتصاد ملی و جهانی کمک کرده و بنابراین در شکل گیری ثبات و رفاه یک ملت یا منطقه، نقش زیادی دارد. امروزه با توجه به مهم بودن مسئله سلامت در حوزه بیماری های واگیر، وجود سیستمی به منظور پیش بینی و کنترل همه گیری ها لازم است؛ زیرا با پیشگیری از شیوع همه گیری، می تواند علاوه بر ارزش بالای انسانی در جوامع، سودآوری اقتصادی نیز برای نظام های سلامت داشته باشد. بنابراین، مطالعه حاضر با هدف توسعه الگوریتم هوش مصنوعی بر پایه ویژگی های بدست آمده از اینترنت اشیاء برای تشخیص سریع کووید19 انجام شده است. روش: روش پژوهش حاضر از نظر پارادایم، تفسیری و از لحاظ استراتژی اکتشافی است. همچنین براساس نوع گردآوری داده ها از نوع پژوهش های کیفی بوده و با توجه به توسعه الگوریتم، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. رویکرد تحقیق آینده نگر است، به طوری که مکانیزم انتقال بیماری و ویژگی های تاثیرگذار آن، ما را قادر به پیش بینی هایی در مورد بیماری و در نتیجه طرح استراتژی های کنترل بیماری و مراقبت های بهداشتی می نماید. این پژوهش در یک فرآیند 7 مرحله ای انجام شد. ویژگی های اینترنت اشیاء در پژوهش حاضر با نظر خبرگان استخراج گردید و ویژگی های بدست آمده در آزمایش الگوریتم «درخت تصمیم» بر روی داده ها، برای تعیین بهترین مدل ایجاد شد. یافته ها: نتایج مرور سیستماتیک رشد سریع مستندات از سال 2015 را نشان داد که می تواند نشان دهنده کاربردی شدن حوزه های مختلف فناوری اطلاعات مانند اینترنت اشیاء و یادگیری ماشین در زمینه سلامت عمومی و پیش گیری از بیماری های واگیر باشد. در الگوریتم مقادیر K از 1 تا 20 همسایگی محاسبه شد و بهترین دقت در K برابر 2 بدست آمد. بنابراین، برای پیش بینی بیماری کووید19، دقت الگوریتم بالاتر از 98 درصد است. پس از محاسبه دقت، تحلیل ماتریس ابهام نشان داد در K برابر 2، حساسیت 99 درصد و ویژگی 92 درصد است. نتیجه گیری: مقایسه نتایج الگوریتم نشان می دهد که علاوه بر دقت، حساسیت و ویژگی بدست آمده، بالاتر از روش های سنّتی تشخیص بیماری های واگیردار است. همچنین به دلیل نداشتن ویژگی های پیچیده غیرضروری که صرفاً زمان پیاده سازی مدل را افزایش می دهند، الگوریتم در چند دقیقه ران شده و بنابراین سرعت تشخیص بسیار بالا است. حساسیت بالای 99 درصد که نشان دهنده کم ترین موارد منفی کاذب است، در این پژوهش بدست آمد و بنابراین الگوریتم پیشنهادی برای شناسایی حداکثر افراد مبتلاء به کووید19 بسیار مناسب و کاربردی است.  

دولت ها مایل اند به منظور جلب اعتماد مردم، خدماتی ارائه کنند که رضایت شهروندان را افزایش دهند و این امر مستلزم آن است که کیفیت خدمات ارائه شده توسط دستگاه های دولتی افزایش یابند. در عصر امروز تنها سازمان هایی موفق هستند که توان جذب نیروی کارآمد و هدایت انگیزشی آنان را داشته باشند؛ بر این اساس کیفیت مدیریت منابع انسانى امروزه بیش از پیش اهمیت یافته است. پژوهش حاضر با هدف نقش کیفیت مدیریت منابع انسانی در تعهد سازمانی، هویت سازمانی و گرایش به ترک شغل سازمان های دولتی ایران صورت گرفته است. جهت طراحی سنجه اندازه گیری کیفیت مدیریت منابع انسانی در سازمان های دولتی ایران از پژوهش ترکیبی استفاده شده است. این سنجه بر اساس مصاحبه اکتشافی با 30 نفر از کارکنان سازمان های دولتی و چارچوب حکمرانی خوب و نظام اداری کلان جمهوری اسلامی ایران تدوین و با روش تحلیل عاملی تاییدی اعتبارسنجی شد. در مرحله بعد، بر اساس فرمول جامعه آماری کوکران، ارتباط میان پرسشنامه کیفیت مدیریت منابع انسانی و تعهدسازمانی- هویت سازمانی و گرایش به ترک شغل بر روی 384 نمونه آماری کارکنان سازمان های دولتی مورد سنجش قرار گرفت. بر اساس تحلیل نتایج میان کیفیت مدیریت منابع انسانی با تعهد سازمانی و هویت سازمانی دارای ارتباط معنادار و مثبت و با گرایش به ترک شغل ارتباط منفی و معنادار دارد.

مقدمه: زنجیره های تامین تجهیزات و ملزومات پزشکی در مراکز بهداشتی و درمانی بسیار پیچیده، متنوع و پویا هستند و این پیچیدگی، انتخاب و خرید بهینه را به امری تخصصی و چالش برانگیز تبدیل نموده است. لذا این پژوهش به طراحی سیستم تصمیم یار هوشمندی جهت پشتیبانی از فرایند کارشناسی خرید ملزومات پزشکی پرداخته است. روش ها: مطالعه حاضر توسعه ای-کاربردی و با روش توصیفی-پیمایشی است. در این پژوهش، بر مبنای هوش مصنوعی و با مجموعه های فازی و شبکه های عصبی، نحوه تصمیم گیری کارشناسان خرید ملزومات پزشکی در نرم افزار متلب الگوسازی شد. به نحوی که با اخذ اطلاعات، امتیاز ملزومات پزشکی را پیش بینی نماید. داده های لازم، در سال 1401 از وبگاه اداره کل تجهیزات پزشکی و دانش متخصصین این حوزه استخراج شد. یافته ها: بنا بر نتایج، استفاده از شبکه عصبی پرسپترون سه لایه، با میانگین مربعات خطای 0/0011 و همبستگی کلی 0/97، می تواند تصمیم یار مناسبی در ارزیابی و انتخاب ملزومات پزشکی باشد. نتیجه گیری: استفاده از ابزاری که منجر به بهبود فرایند کارشناسی خرید ملزومات پزشکی گردد، کمک شایانی به نظام سلامت در حفظ منابع و ارتقاء کیفیت خدمات بهداشتی و درمانی می نماید. شبکه های عصبی یکی از مؤثرترین روش ها با قابلیت یادگیری و تعمیم است که می تواند به عنوان پشتیبانی هوشمند با سرعت و دقت بالا، کارشناسان حوزه خرید ملزومات پزشکی را در پردازش داده یاری رساند و منجر به تصمیم گیری و انتخاب ملزومات پزشکی بهینه گردد.

صنایع کوچک نقش قابل توجهی را در توسعه کسب و کار و در بهبود وضعیت اقتصادی دارند. با این حال مطالعات نشان می دهد که این صنایع از قدرت رقابت پذیری کافی برخوردار نیستند و پیچیده تر شدن محیط رقابتی، چالش های عمده ای برای این صنایع بوجود آورده است. تشخیص موقعیت رقابتی منوط به شناسایی منابع ایجاد رقابت پذیری است. از دیدگاه مبتنی برمنابع، ارائه خدمات بطور عمده به منابع و قابلیت های سازمان بستگی دارد تا در بلندمدت مزیت رقابتی پایدار را ایجاد نماید. براساس دیدگاه مبتنی برمنابع به صورت جامع از طریق مطالعه گسترده پیشینه پژوهش، 28 شاخص از ادبیات موضوع جهت شناسایی و تعیین قابلیت هایی که بیشترین تأثیر را در مزیت رقابتی صنایع کوچک ایران بوجود می آورند استخراج گردیدند. سپس با استفاده از روش دلفی فازی، پرسشنامه هایی از 13 شاخص گزینش شده، مبتنی بر روش های مدلسازی ساختاری تفسیری و تحلیل عملکرد-اهمیت تهیه و در پانل خبرگان صنایع کوچک تکمیل و پس از اخذ نظرات خبرگان و تجمیع نظرات، مورد تحلیل قرار گرفتند. نتایج نشان داد که شاخص های "گرایش به بازار"، "تفکیک فعالیتها و سطح متمرکزسازی"، "برنامه ریزی، کنترل و ادغام فعالیتها"، کیفیت تعاملی" و "کیفیت شرکت" شاخص های زیربنایی می باشند و همچنین شاخص های "رهبری"، "بازاریابی عملیاتی" و"گرایش به بازار" می توانند جایگاه شرکت های صنایع کوچک را در بازار رقابتی حفظ و مزیت رقابتی را ایجاد نمایند.

حفظ مشتری یکی از پراهمیت ترین مسائل هر سازمانی می باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آن ها می باشد. به عبارتی موضوع این پژوهش طراحی سیستم توصیه گر جهت ارائه خدمات مناسب به مشتریان، با استفاده از عقاید و تجارب آن ها می باشد. روش اجرای ارائه شده در پژوهش حاضر بدین ترتیب است که، با بررسی عقاید مشتریان و استخراج متغیرهایی چون نمره احساسات افراد برای توییت ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان در قالب فرآیند آموزش و تست، خدمات بانکی مناسب را پیشنهاد می دهد. به منظور ارائه این پیشنهاد، از روش های دسته بندی مناسب به همراه روش های عقیده کاوی و رویکرد اعتبارسنجی مناسب استفاده می شود و سیستم طراحی شده نهایی با خطایی اندک، جهت ارائه خدمات شخصی سازی شده، در راستای کمک به مدیران بانکی گام خواهد برداشت. ازآنجاییکه درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان به طورکامل وجود ندارد، لذا سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.

هدف این پژوهش، طراحی مدل بهینه سازی دوسطحی برای زنجیره تأمین است؛ به طوری که تصمیم گیری غیرمتمرکز کمّی و کیفی را در سطوح استراتژی و تاکتیکی ادغام کند. کارخانه تولیدی در نقش تصمیم گیرنده سطح بالا با ارائه تخفیف مقداری، به دنبال ترغیب مشتریان به سفارش خرید بیشتر است. در سطح پایین، مشتریان به عنوان تصمیم گیرنده سطح پایین تمایل دارند با ادغام مقادیر سفارش از طریق خرید مشارکتی، به مقیاس اقتصادی دست یابند. این مدل یکی از نخستین پژوهش هایی است که با هدف یافتن راه حل های بهینه برای مسئله زنجیره تأمین تجهیزات پزشکی در ایران، مدل توقعات مشتریان را با مدل بهینه سازی تولیدکننده ها به طور هم زمان با داده های واقعی از زنجیره تأمین بررسی کرده است. طبق بررسی های به عمل آمده تاکنون هیچ مطالعه ای انجام نشده است که استراتژی های تخفیف مقداری برای فروشنده و نحوه تصمیم خرید مشتریان را به طور هم زمان به عنوان یک مسئله برنامه ریزی دوسطحی در نظر بگیرد. تحلیل ها حاکی از آن است که مدل طراحی شده دوسطحی در مقایسه با مدل تک سطحی برای مشتری و تولیدکننده از طریق کاهش هزینه ها، انطباق بیشتری با دنیای واقع دارد و به ایجاد رابطه بلندمدت بین طرفین از طریق مشارکت مشتری ها منجر خواهد شد.