قاسمعلی بازایی

یکی از محورهای قابل دسترسی جهت تحقق اهداف توسعه انسانی، اجتماعی و اقتصادی، توجه به صنعت داروهای گیاهی است. افزایش شاخص هایی نظیر اشتغال، رفاه مصرف کنندگان، نرخ رشد درآمد سرانه و صادرات که از شاخص های توسعه یک کشور هستند، از طریق توجه به پتانسیل بالقوه ای که در این بازار وجود دارد، محقق شدنی است. شناسایی تقاضای بازار به عنوان یکی از شاخص های سنجش اقتصادی، نیازمند بازاریابی هدفمند است. نقطه آغاز اجرای بازاریابی هدفمند، بخش بندی بازار می باشد. اهداف این پژوهش، تعیین شاخص های مناسب برای بخش بندی این بازار، شناسایی نیمرخ مشتریان، تشخیص تمایزهای آنها مبتنی بر شاخص های مدل بوده، و پژوهش از حیث هدف، کاربردی و از حیث روش، پیمایشی- تحلیلی از نوع مقطعی است. ابزارگردآوری داده ها، پرسشنامه و جامعه آماری پژوهش، مصرف کنندگان نهایی انواع محصولات داروهای گیاهی در ایران، جامعه مورد مطالعه نامحدود بوده و حجم نمونه، تعداد 460 مصرف کننده نهایی داروهای گیاهی تعیین شده، روش نمونه گیری طبقه ای بوده، در جهت تجزیه و تحلیل داده های پژوهش و برای تعیین بخش ها، از رویکرد کای - میانگین استفاده شده و نتایج حاصل از اجرای الگوریتم کای - میانگین، نشان می دهد که این بازار دارای 4 خوشه است. هر یک ازخوشه ها از نظر شاخص های مورد بررسی، تفاوت هایی با یکدیگر داشته اند، و بنابراین، جهت تحقق توامان ارزش برای مشتری و  بازار این صنعت، استراتژی مقتضی هر بخش می باید تدوین و اجرایی شود.

امروزه روابط بین الملل از روابط تجاری بین کشور ها تاثیر زیادی گرفته است.به طوری که در ارتباط و مذاکرات بین دولتها مباحث اقتصادی و به خصوص تجارت سهم بسزایی دارد. به طوری که کشورهای توسعه یافته از طریق توسعه تجارت و نفوذ در بازارهای جهانی، موفق به مقاوم سازی و رشد اقتصادی خود شده اند. در این راستا، صادرات محصولات کشاورزی می تواند در رشد و توسعه پایدار کشور و کاهش اتکا به نفت نقش آفرینی کند.در بین محصولات کشاورزی تولید شده در ایران ،چای نیز یک محصول استراتژیک بوده که ایران توانسته طی سال های اخیر سهمی از بازار خارجی را بدست آورد.حال می توان با اتخاذ استراتژی های بازاریابی مناسب  به سهم بازار بین المللی و درآمدی ارزی بیشتری رسید. بدین منظور سنجش تأثیر استراتژی های بازاریابی بر عملکرد صادراتی چای به عنوان هدف در نظر گرفته شد. پژوهش حاضر کاربردی و از نوع پیمایشی- همبستگی است. برای گردآوری داده ها، پرسشنامه ها به روش نمونه گیری سهمیه ای هدفمند میان خبرگان صنعت چای توزیع و برای آزمون مدل از تحلیل مسیر به کمک نرم افزار Amos استفاده شد. نتایج تحلیل عاملی تأییدی نشان داد شاخص های برازش مدل ها قابل قبول بوده و کلیه فرضیه ها به روش تحلیل مسیر تأیید گردید. بنابراین برای توسعه همه جانبه و پایدار صادرات می بایست از استراتژی های(بر اساس بهترین مسیر) نفوذ و توسعه بازار(شرکت در نمایشگاه های مرتبط در کشور هدف و دعوت و حضور تاجران بازارهای هدف)،ورود به بازار خارجی(صادرات مستقیم-شریک تجاری)،قیمت گذاری، ترفیعی ،تمایز محصول و توزیع بهره گرفت. 

هدف پژوهش حاضر، شناسایی استراتژی های فناوری زنجیره بلوکی در صنعت نفت و گاز است. در این تحقیق از روش تحقیق آمیخته استفاده شده است. در بخش کیفی، جامعه پژوهش، خبرگان حوزه فناوری زنجیره بلوکی بودند که تعداد 12 نفر از میان آن ها به صورت هدفمند جهت انجام مصاحبه عمیق انتخاب شدند. جهت تجزیه وتحلیل داده ها از کدگذاری باز و محوری، استفاده شد. در بخش کمّی، نمونه آماری شامل 232 نفر از متخصصان فناوری اطلاعات بودند که از بین جامعه به صورت تصادفی ساده انتخاب شدند. جهت تجزیه وتحلیل داده ها در بخش کمّی از معادلات ساختاری واریانس محور استفاده شده است. نتایج تحلیل کیفی گویای آن است که 42 گزاره مفهومی اولیه (فراوانی 604) با 36 مقوله فرعی، 6 گزاره مقوله ای اصلی و یک کد محوری، استراتژی های فناوری زنجیره بلوکی ترسیم و ارائه شد. نتایج کمّی نشان می دهد مدل نیاز به اصلاح ندارد.

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.

امروزه انتظار می رود زنجیره بلوکی به عنوان فناوری زیربنایی بیت کوین، با ایجاد انقلابی در نحوه ارتباط ما از طریق اینترنت، یک سیستم اقتصادی جدید ایجاد کند. زنجیره بلوکی، تقاضا برای کاربرد زنجیره بلوکی در بخش های مختلف تجاری افزایش یافته است. بنابراین، هدف پژوهش حاضر شناسایی فرصت ها و چالش های اقتصادی کسب و کارها بر پایه فناوری زنجیره بلوکی است. در این تحقیق از روش آمیخته (کیفی / کمّی) استفاده شد. در بخش کیفی از پدیدارشناسی و در بخش کمّی از معادلات ساختاری استفاده شد. مشارکت کنندگان بخش کیفی 12 نفر از میان خبرگان فناوری به صورت هدفمند جهت انجام مصاحبه عمیق انتخاب شدند. تجزیه و تحلیل داده ها از کدگذاری باز و محوری، استفاده شد. در بخش کمّی 232 نفر از متخصصان حوزه فناوری اطلاعات به طور تصادفی ساده انتخاب شدند. با استفاده از پرسشنامه نظرات آنها گردآوری و توسط معادلات ساختاری واریانس محور تجزیه و تحلیل شد. نتایج گویای آنست که تاکید خبرگان پیرامون فرصت های اقتصادی کسب و کارها شامل: تحول دیجیتال (شفافیت، کاهش خطا و تقلب، حذف واسطه ها و عدم حذف و دستکاری داده ها)، نوآوری (استارت آپ ها، ردیابی هوشمند و انعطاف پذیی کسب و کار) و مزیت رقابتی (مشارکت در تصمیم گیری، ایجاد اعتماد و تمرکززدایی) است. همچنین نوظهور بودن، شتاب زدگی، تضاد منافع، حق فراموش شدگی GDRP در حریم خصوصی، قابلیت همکاری، تغییرات گسترده، عدم توجه به قوانین و مقررات از مهمترین چالش ها است.

هدف: هدف پژوهش حاضر اختصاص یکی از کلاس های جعل و واقعی به متن های آزاد می باشد. شبکه های عصبی کانولوشنی به عنوان یکی از مهم ترین مدل های یادگیری عمیق، دقت بالایی را بر روی این مسائل بدست آورده است. در این تحقیق آنالیز متن در سطح جمله و بهبود عملکرد شبکه عصبی کانولوشنی جهت تشخیص اخبار جعلی مورد توجه بوده است. در اﯾﻦ ﺷﺒﮑﻪ ﻫﺎ ﮐﻠﻤﺎت ﺑﻪ ﺻﻮرت ﮐﯿﺴﻪ ای از ﮐﻠﻤﺎت ﺑﻪ ﻣﺪل داده ﻣﯽ ﺷﻮﻧﺪ ﮐﻪ ﻫﺮ ﮐﻠﻤﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﻀﺎی ﺑﺮداری ﺑﻪ ﻣﺎﺗﺮﯾﺲ ﻫﺎی دو ﺑﻌﺪی ﺗﺒﺪﯾﻞ ﻣﯽ ﺷود. یکی از محدودیت های شبکه های کانولوشن این است که در سطح کلمه کار کرده و نمی تواند رابطه و فاصله بین جملات را در نظر بگیرد و آﻧﺎﻟﯿﺰ در ﺳﻄﺢ ﺟﻤﻠﻪ مشکل اساسی در این تحقیق می باشد. در این پژوهش یک مدل پایه ای مبتنی بر شبکه های کانولوشنی پیشنهاد شده که در آن اسناد به صورت تنسورهای سه بعدی به شبکه داده می شوند تا بتواند مشکل مذکور را مرتفع نماید. در نظر گرفتن تنسورهای سه بعدی امکان یادگیری موقعیت کلمات در جمله را برای مدل فراهم می آورد و به نتایج دقیق تری در تشخیص اخبار جعل دست می یابد. روش شناسی: پژوهش حاضر مطالعه ای کاربردی بوده که در آن حدود 42000 اخبار فارسی از شهرهای مختلف ایران از توییتر جمع آوری شده و با عمل پیش پردازش، داده های اضافی و غیر مفید حذف و پس از برچسب زدن متون پاک سازی شده، متن اخبار جهت رویکرد پیشنهادی با استفاده از نرم افزار پایتون پردازش شده اند. یافته ها: برخی از الگوریتم های یادگیری ماشین دارای قدرت بیشتری در مسائل طبقه بندی بودند، ولی با تغییراتی که در ساختار الگوریتم شبکه کانولوشن صورت گرفت، نتایج بهتری نسبت به الگوریتم های یادگیری ماشین و سایر الگوریتم های مشابه حاصل شد. نتیجه گیری: در نظر گرفتن تنسورهای سه بعدی امکان یادگیری موقعیت کلمات در جمله را برای مدل فراهم می آورد و این مدل پیشنهادی در مقایسه با رویکردهای پیشنهادی در ادبیات، دقت قابل توجهی را بدست آورده است. مدل پیشنهادی بدون اضافه کردن سربار اضافی از لحاظ تعداد ویژگی ها و عمق شبکه، با تغییر در ورودی توانسته است به نتایج بهتر و قابل قبول از سایر رویکردهای موجود در ادبیات دست یافته و به دقت و صحّت بیش از 94 درصد دست یابد.  

هدف: اطلاعات غلط یا تأیید نشده، دقیقاً مانند اطلاعات دقیق در وب منتشر می شوند. بنابراین، ممکن است ویروسی شوند و بر افکار عمومی و تصمیمات آن تأثیر بگذارند. اخبار جعلی و شایعات به ترتیب محبوب ترین اشکال اطلاعات دروغ و تأیید نشده را نشان می دهند و برای جلوگیری از تأثیرات چشمگیر آنها باید در اسرع وقت کشف شوند. علاقه به تکنیک های مؤثر در شناسایی، در سال های اخیر بسیار سریع در حال افزایش است. مسئله تشخیص اخبار جعلی به عنوان یک مسئله طبقه بندی در پردازش زبان طبیعی و متن کاوی شناخته می شود و هدف آن تفکیک و تشخیص اخبار جعل از واقعی، در متن های استخراج شده و بهبود در دقت تشخیص اخبار جعلی است. شبکه های عصبی کانولوشن به عنوان یکی از مهم ترین مدل های یادگیری عمیق دقت بالایی را بر روی این مسائل بدست آورده اند. این شبکه ها شامل مشکلاتی مثل عدم در نظر گرفتن موقعیت کلمات می باشند که مسأله مذکور با استفاده از شبکه کپسول برطرف گردیده و جهت حل مشکل پردازش سنگین لایه های تمام متصل و فضای پارامتریک الگوریتم های XGBOOST و بهینه سازی ازدحام انبوه ذرات (PSO) برای دستیابی به دقت و صحّت بهینه پیشنهاد شده است. روش : مطالعه حاضر پژوهشی کاربردی بوده که در آن حدود 42000 اخبار فارسی از شهرهای مختلف ایران از توییتر جمع آوری شده و با استفاده از روش های پاک سازی و پیش پردازش، اطلاعات اضافی حذف و پس از برچسب زدن، اخبار آماده به کارگیری جهت رویکرد پیشنهادی با استفاده از نرم افزار پایتون و کتابخانه های مربوطه با الگوریتم های یادگیری ماشین و یادگیری عمیق شد. یافته ها: طی بررسی، آزمایش و تست، برخی از الگوریتم های یادگیری ماشین دارای قدرت بیشتری در مسائل طبقه بندی بودند، ولی با تغییرات و اعمال روش های پیشنهادی که در ساختار الگوریتم شبکه کانولوشن و شبکه کپسول صورت گرفت، نتایج بهینه نسبت به الگوریتم های یادگیری ماشین و سایر الگوریتم های پایه و الگوریتم های مورد ارزیابی بدست آمد. نتیجه گیری: راهکارهای پیشنهادی در این تحقیق در مقایسه با رویکردهای الگوریتم های پایه و یا راهکارهای صورت گرفته جهت حل مشکلات مذکور بدون اضافه کردن سربار اضافی از لحاظ تعداد ویژگی ها و عمق شبکه، با تغییر در ورودی توانسته است به نتایج بهتر و قابل قبول از سایر رویکردهای موجود در ادبیات دست یافته و به دقت و صحّت حدود 96 درصد دست یابد.