نیلوفر مظفری

عوامل متعددی از مجموعه عناصر تشکیل دهنده سامانه های پیشنهاددهنده در تولید و ارائه پیشنهاد دخیل هستند. مطالعه حاضر، با هدف شناخت تاثیر دو چالش کمبود و پراکندگی داده بر اثربخشی نتایج پیشنهادی سامانه ژورنال یاب رایسست انجام شده است. بدین منظور بیش از ۱۵۰۰۰ مقاله از نشریه های فنی و مهندسی در بازه زمانی ۱۳۹۲ تا ۱۳۹۶ از وب سایت نشریه ها گرداوری شد. در مرحله بعد عناصر متنی این مقاله ها شامل عنوان، چکیده و واژه های کلیدی استخراج، نرمال سازی و پردازش شد و پایگاه داده پیکره پژوهش ایجاد گردید. بر اساس تعداد مقاله های گردآوری شده، با استفاده از فرمول کوکران تعداد ۴۰۰ مقاله پایه که پیش از این در نشریه های مرتبط با موضوع منتشر شده بودند، به روش تصادفی- تناسبی، انتخاب شد. عنوان و چکیده این مقاله ها، به منظور دریافت نشریه های پیشنهادی سامانه، جهت چاپ مقاله در دو مرحله پیش و پس از بهبود دو چالش کمبود و پراکندگی داده به عنوان پرسمان وارد سامانه شد. سپس نتایج پیشنهادی در هر مرحله در قالب فایل اکسل ذخیره گردید. در نهایت میزان اثربخشی نتایج سامانه در هر مرحله، به روش اعتبارسنجی یک طرفه و بر اساس معیار دقت در k تعیین شد. فراوانی نسبی رده ها نشان داد در وضعیت موجود، نشریه هدف تنها در ۲۶ درصد از پرسمان ها در ۳ رتبه نخست پیشنهاد شده است. در راستای بهبود چالش کمبود داده با غنی سازی، نرمال سازی و پردازش داده ها اثربخشی نتایج در ۳ رتبه نخست به میزان ۱۵ درصد افزایش یافت. اما همچنان در بیش از ۳۰ درصد پرسمان ها، نشریه هدف در رتبه ۱۰ و بالاتر پیشنهاد شده بود. بنابراین در مرحله بعد به منظور بهبود چالش پراکندگی، دسته بندی موضوعی داده ها انجام و افزایش ۳۰ درصدی اثربخشی نتایج نسبت به مرحله پیشین در ۳ رتبه نخست حاصل گردید. بر این اساس یکی از عواملی که منجر به کاهش اثربخشی نتایج پیشنهادی سامانه ژورنال یاب رایسست می گردد، کمبود و پراکندگی داده ها است؛ که با غنی سازی پایگاه داده، بهبود فرآیند پردازش و دسته بندی موضوعی داده ها می توان به میزان قابل توجهی با این دو چالش مقابله و اثربخشی نتایج پیشنهادی سامانه را بهبود بخشید.

امروزه با افزایش روزافزون حجم مقالات از یک طرف و استفاده از اینترنت و خدمات موتورهای جستجو از طرف دیگر، روش های ابهام زدایی از اسامی پژوهشگران بسیار مورد توجه قرار گرفته است. تاکنون روش های مختلفی برای حل این مشکل ارائه شده که هر کدام مزایا و معایب خاص خود را دارند. هدف این مقاله، ارائه راهکاری جهت شناسایی رکوردهای متعددی است که به یک نویسنده تعلق دارند. بدین منظور بعد از استخراج ویژگی های داخلی و خارجی نویسندگان، یک معیار جدید جهت مشخص کردن میزان مشابهت میان دو رکورد ارائه شده است. اهمیت هر کدام از ویژگی های ارائه شده، با استفاده از الگوریتمی مبتنی بر ژنتیک با دو تابع برازش مختلف تعیین می شود تا از طریق یادگیری نمونه های موجود، بهینه ترین ضرایب بدست آیند. روش پیشنهادی با دو تابع برازش روی داده های آزمایشی مورد ارزیابی و مقایسه قرار گرفته و نتایج حاصله نشاندهنده افزایش دقت در روش پیشنهادی با هر دو تابع برازش نسبت به روش قبلی است.

با افزایش داده ها در سال های اخیر که عمدتا غیرساخت یافته هستند، بدست آوردن اطلاعات دلخواه و مرتبط با پیچیدگی هایی همراه می شود. هوش مصنوعی با ارائه تکنیک هایی کمک می کند تا بتوان اطلاعات ارزشمندی را از داده ها استخراج کرد. یکی از تکنیک های قوی برای تحلیل مجموعه بزرگی از متون، مدلسازی موضوعی است که در واقع فرآیند تشخیص خودکار موضوعات در یک متن با هدف کشف الگوهای پنهان می باشد. بزرگترین چالش موجود در مدلسازی موضوعی، تشخیص تعداد موضوعات موجود می باشد که نتیجه نهایی به این پارامتر وابسته است. این پژوهش با مقایسه دو روش، یکی مبتنی بر گریدی و دیگری مبتنی بر نظریه بازبهنجاری، این پارامتر را برای مقالات نشریات فارسی تخمین زده است. روش گریدی با تعریف یک معیار برای ارزیابی مدل موضوعی و بدست آوردن این معیار با توجه به مقادیر مختلف تعداد موضوعات، می تواند تعداد موضوعات بهینه را تخمین بزند. الگوریتم دیگر مبتنی بر نظریه بازبهنجاری است که در واقع یک فرمولاسیون ریاضی برای ساخت یک رویه برای تغییر مقیاس سیستم تحت بررسی می باشد؛ به صورتی که رفتار سیستم حفظ شود و تغییری در روند آن ایجاد نشود. با استفاده از این نظریه و استفاده از اطلاعات مرحله قبل، می توان تعداد موضوعات را با سرعت تخمین زد. همچنین مدت زمان اجرای هر دو الگوریتم روی مقالات نشریات مختلف فارسی، ارائه و با یکدیگر مقایسه شده است. یافته ها نشان دهنده سرعت روش مبتنی بر نظریه بازبهنجاری در تخمین تعداد موضوعات موجود در مقالات نشریات فارسی است. به عنوان دستاورد دیگری از این پژوهش، لیستی از ایست واژه هایی که منحصرا مربوط به مقالات فارسی هستند، استخراج و ارائه گردید.

زمینه و هدف: در نظام اداری ایران، وظیفه انتخاب و انتصاب مدیران دولتی اهمیت زیادی دارد. افرادی که این مناصب محوری به آن ها سپرده می شود، قدرت شکل دادن و تأثیرگذاری بر جهت گیری مدیریت عمومی، اجرای سیاست ها را برعهده دارند. انتخاب مدیران دولتی مناسب، فقط یک رویه معمولی نیست و تصمیمی است که می تواند پیامدهای گسترده ای برای اثربخشی و موفقیت دستگاه اداری داشته باشد. تیمی که از مدیران توانا و شایسته تشکیل شده است، تحول و دگرگونی های مثبتی را در سیستم اداری به وجود می آورد و حکمرانی کارآمد را تقویت می کند. با انتخاب مدیران توانمند، سیستم اداری ایران می تواند به طور فعال به چالش ها رسیدگی و سیاست های مؤثری را پیاده سازی کند. روش: پژوهش حاضر از نوع کیفی است و با استفاده از روش تحلیل مضمون، اجرا شده است. جامعه آماری پژوهش را خبرگان دو بخش دانشگاهی و اجرایی تشکیل داده اند. با استفاده از نمونه گیری هدفمند، از نوع گلوله برفی با ۱۷ نفر از خبرگان مصاحبه نیمه ساختاریافته صورت گرفت. داده های مصاحبه با استفاده از نرم افزار مکس کیودا کدگذاری و تجزیه وتحلیل شد. با کمک ضریب توافق بین دو کدگذار، اعتبار یافته ها تأیید شد. یافته ها: در این بخش به آسیب ها و چالش های انتخاب ها و انتصاب های مدیران در نظام اداری ایران پرداخته شد. ۵۳ مضمون پایه استخراج شد که در قالب پنج مضمون فراگیر نفوذ و پویایی سیاسی، ارزیابی و سنجش، پاسخ گویی و شفافیت، مدیریت منابع و مسائل رویه ای و فرایندی طبقه بندی شدند. مضمون فراگیر «نفوذ و پویایی های سیاسی»، مهم ترین عامل تأثیرگذار بر انتصاب های مدیریتی شناخته شد. نتیجه گیری: این پژوهش چالش های حیاتی مرتبط با انتخاب و انتصاب مدیران در نظام اداری و چشم انداز پیچیده آن را نشان می دهد. مهم ترین این چالش ها، موضوع کلی «نفوذ و پویایی سیاسی» است که بر نیاز به بهبود فرایندها برای به حداقل رساندن فشارهای خارجی بر انتصاب های مدیریتی تأکید می کند. در این راستا، مطالعه حاضر با هدف ارتقای شفافیت، کاهش مداخلات سیاسی، به کارگیری روش های ارزیابی پیشرفته، استفاده از ابزارهای اندازه گیری اصلاح شده، توجه به دانش و تجربه، بهینه سازی مدل های شایستگی و رفع کمبودهای سازمانی، توصیه هایی را برای انتخاب مدیران ارائه می دهد. با پرداختن به این چالش ها و اجرای اصلاحات سازمانی هدفمند، می توان ساختار گزینش مدیران در نظام اداری ایران را به سمت انتخاب هایی مسئولانه تر و کارآمدتر سوق داد. این امر در نهایت به ارتقای سطح پاسخ گویی، کارایی و اثربخشی کلی نظام اداری در مسیر توسعه و پیشرفت کشور کمک خواهد کرد.  روش شناسی: پژوهش حاضر از نوع کیفی است و با استفاده از روش تحلیل مضمون، اجرا شده است. جامعه آماری پژوهش را خبرگان دو بخش دانشگاهی و اجرایی تشکیل دادند و با استفاده از نمونه گیری هدفمند از نوع گلوله برفی با 17 نفر از خبرگان مصاحبه نیمه ساختاریافته صورت گرفت. داده های مصاحبه با استفاده از نرم افزار MAXQDA کدگذاری و سپس تجزیه و تحلیل شد. با کمک ضریب توافق بین دو کدگذار اعتبار یافته ها مورد تائید قرار گرفت. یافته ها: در این بخش به آسیب ها و چالش های انتخاب ها و انتصاب های مدیران در نظام اداری ایران پرداخته شد و 53 مضمون پایه استخراج گردید که در قالب پنج مضمون فراگیر نفوذ و پویایی سیاسی، ارزیابی و سنجش، پاسخگویی و شفافیت، مدیریت منابع و مسائل رویه ای و فرآیندی طبقه بندی و مضمون فراگیر «نفوذ و پویایی های سیاسی» به عنوان مهم ترین عامل تأثیرگذار بر انتصاب های مدیریتی شناخته شدند. نتیجه گیری: این پژوهش چالش های حیاتی مرتبط با انتخاب و انتصاب مدیران در نظام اداری ایران را روشن می کند و چشم انداز پیچیده ای را آشکار می کند که با نفوذ سیاسی، روش های ارزیابی، پاسخگویی، شفافیت، مدیریت منابع و مسائل رویه ای مشخص شده است. شناسایی 53 مضمون پایه بر مسائل فراگیر در این فرآیند تاکید می کند. مهمترین این چالش ها موضوع کلی «نفوذ و پویایی سیاسی» است که بر نیاز به بهبودهای قابل توجه برای به حداقل رساندن فشارهای خارجی بر انتصاب های مدیریتی تأکید می کند. این مطالعه از اصلاحات سازمانی حمایت می کند، به ویژه هدف قرار دادن شفافیت، کاهش مداخلات سیاسی، روش های ارزیابی پیشرفته، ابزارهای اندازه گیری اصلاح شده، در نظر گرفتن دانش و تجربه، بهینه سازی مدل های شایستگی، و اصلاح کمبودهای سازمانی برای تقویت پاسخگویی بیشتر در سیستم. با پرداختن مستقیم به این چالش ها، ساختار اداری می تواند به سمت انتخاب های مدیریتی مؤثرتر و مسئولانه تر تلاش کند و به بهبود کلی نظام اداری ایران کمک کند.

هدف: در حوزه آموزش عالی، مرجعیت علمی رشته های دانشگاهی نقش تعیین کننده ای در شکل دهی فضای تحصیلی، جذب دانشجویان مستعد و ارتقای دانش دارد. شناخت و ارزیابی مرجعیت علمی حوزه های دانشگاهی هم برای دانشگاه ها و هم برای افرادی که به دنبال تصمیم گیری آگاهانه در زمینه تحقیق، آموزش و مشاوره هستند  ضروری است. پژوهش حاضر مطالعه ای کیفی با هدف شناسایی شاخص های مرجعیت علمی در رشته های دانشگاهی آموزش عالی در دانشگاه علامه طباطبایی به عنوان یکی از ارکان آموزش عالی است.روش: با استفاده از روش نمونه برداری هدفمند گلوله برفی مصاحبه های عمیقی با 30 عضو هیئت علمی دانشگاه در رشته های مختلف صورت گرفت. داده های جمع آوری شده با استفاده از روش تحقیق تحلیل موضوعی و نرم افزار مورد تجزیه وتحلیل قرار گرفت.یافته ها: یافته های پژوهش مجموعه ای از شاخص های کلیدی را نشان داد که به ایجاد و به رسمیت شناختن مرجعیت علمی در حوزه های دانشگاهی کمک می کند. این شاخص ها شامل خروجی های تحقیقاتی، همکاری های بین رشته ای، بودجه و منابع، تخصص هیئت علمی و شناخت بین المللی است.نتیجه گیری: پژوهش حاضر با ارائه بینشی در مورد عواملی که به اعتبار علمی کمک می کند، راهنمایی های ارزشمندی برای سایر دانشگاه ها ارائه می دهد که هدف آن ارتقای جایگاه علمی و جایگاه خود به عنوان دانشگاه های پیشرو در حوزه های مربوطه است.

حجم مستندات و مقالات علمی در دهه اخیر افزایش بسیار زیادی کرده است که این امر، شناسایی مقالات مرتبط در کتابخانه های دیجیتال را با چالش هایی روبرو کرده است. هدف این پژوهش، ارائه روشی مبتنی بر تحلیل مراجع کتابشناختی برای شناسایی مقالات علمی مرتبط در کتابخانه های دیجیتال است. جامعه آماری این پژوهش، مقالات منتشر شده در 5 سال اخیر در نشریات فارسی و انگلیسی نمایه شده در پایگاه استنادی علوم جهان اسلام در حوزه علوم کامپیوتر می باشد. روش پیشنهادی قادر است با تحلیل مراجع مقالات، مقالاتی را که بیشترین شباهت با مقاله داده شده دارند، پیدا کند و آنها را بر اساس میزان شباهتشان، مرتب نماید. در این راستا بعد از استخراج عنوان و بدست آوردن شباهت میان مراجع موجود میان مقالات، آن دسته از مقالاتی که بیشترین شباهت را با یک مقاله دارند، شناسایی شده و بر اساس میزان شباهتشان مرتب می شوند. به منظور مقایسه، روش پیشنهادی با روش های دیگر مقایسه شد که نتایج بدست آمده روی هم داده های فارسی و هم داده های انگلیسی نشاندهنده کارایی روش پیشنهادی در شناسایی مقالات مرتبط است.

زمینه و هدف: انتخاب و به کارگماری مدیران در بخش دولتی، فرایندی بنیادین و اثرگذار بر کارآمدی نظام اداری و تحقق اهداف توسعه ای کشور محسوب می شود. مدیران شایسته، سکان داران تحول و پیشرفت در سازمان های دولتی هستند و در ارتقای حکمرانی و پاسخ گویی، نقش محوری ایفا می کنند. از این رو، گزینش صحیح مدیران، فراتر از یک اقدام اداری معمول، تصمیمی راهبردی با پیامدهای گسترده بر عملکرد سازمان ها و اعتماد عمومی است. انتصاب مدیران توانمند، زمینه را برای ابتکارهای تحول آفرین، بهبود مستمر فرایندها و استقرار فرهنگ تعالی در بخش دولتی فراهم می سازد. هدف اصلی این پژوهش، شناسایی و تبیین خطاهای تکرارشونده انتصاباتی و ارائه راه کارهای عملی برای بهبود این فرایند است. روش: پژوهش حاضر با رویکردی پدیدارشناسانه و با اتکا به روش خودپدیدارشناسی، به بررسی عمیق خطاهای رایج در فرایند انتخاب و انتصاب مدیران بخش دولتی می پردازد. در این راستا، تجربه های زیسته نویسندگان، به عنوان پژوهشگران نظام اداری، تحلیل و واکاوی شده است. یافته ها: یافته های این پژوهش، خطاهای شناختی و ادراکی، خطاهای سیستمی و فرایندی و خطاهای فرهنگی و ساختاری را به عنوان مهم ترین دسته های خطاهای رایج در انتصاب مدیران بخش دولتی شناسایی کرد. شناسایی این خطاها، زمینه را برای کاهش انتخاب های سلیقه ای و ذهنی، توجه بیشتر به شایستگی های واقعی و در نهایت، انتصاب مدیران کارآمدتر فراهم می سازد. نتیجه گیری: نتایج این پژوهش، بر ضرورت بازنگری اساسی در رویکردها و فرایندهای موجود و حرکت به سوی انتخاب و انتصاب مدیران بر مبنای شایستگی، شفافیت و داده های عینی خاطر نشان می کند.

بازیابی اطلاعات در سامانه های مختلف اطلاعاتی، از جمله کتابخانه های دیجیتال، موتورهای جستجو، سامانه های توصیه گر و پلتفرم های آنلاین، نقشی اساسی در سازمان دهی و جستجوی اطلاعات ایفا می کند. این سامانه ها به طور گسترده ای برای تسهیل دسترسی به اطلاعات در مقیاس های مختلف، از جمله در حوزه های علمی، تجاری و اجتماعی، مورد استفاده قرار می گیرند. با این حال، استفاده از مدل های پیچیده ای مانند شبکه های عصبی عمیق و مدل های زبان بزرگ، که به دلیل نیاز به توان پردازشی بالا از سخت افزارهای قدرتمندی بهره مند می شوند، چالش های جدیدی در زمینه مصرف انرژی و اثرات زیست محیطی به وجود آورده است. این مقاله که به صورت یک مرور نظام مند تدوین شده است، به بررسی این چالش ها پرداخته و مفهوم هوش مصنوعی سبز را معرفی می کند. هوش مصنوعی سبز به عنوان رویکردی برای توسعه الگوریتم ها و سامانه های هوشمند با توجه به محدودیت های منابع انرژی و اثرات زیست محیطی آن ها مطرح شده است. با توجه به پیشرفت های اخیر در فناوری های هوش مصنوعی، به ویژه در زمینه های پردازش زبان طبیعی و یادگیری عمیق، توجه به تاثیرات زیست محیطی این مدل ها ضروری به نظر می رسد. به ویژه، افزایش مصرف انرژی و تولید گازهای گلخانه ای در فرایندهای آموزشی و استنتاج مدل های پیچیده، نیازمند رویکردهای نوآورانه برای کاهش این اثرات است. همچنین مفهوم بازیابی اطلاعات پایدار معرفی شده و روش های اندازه گیری گازهای گلخانه ای و استراتژی های کاهش این گازها در فرآیندهای بازیابی اطلاعات ارائه می گردد. هدف اصلی این مقاله، جلب توجه جامعه علمی به اهمیت کاهش اثرات زیست محیطی در طراحی و پیاده سازی سامانه های بازیابی اطلاعات است. به ویژه، بر این نکته تاکید می شود که محققان و طراحان سامانه های بازیابی اطلاعات باید علاوه بر تمرکز بر کارایی و دقت سامانه ها، اثرات زیست محیطی آن ها را نیز در نظر بگیرند. در این راستا، برای ایجاد بازیابی اطلاعات پایدار، می توان با بهینه سازی الگوریتم ها، استفاده مجدد از مدل های پیش آموزش دیده و بهره گیری از محاسبات ابری، مصرف انرژی و هزینه ها را کاهش داد. این رویکردها نه تنها موجب کاهش هزینه ها و بهبود کارایی سامانه ها می شود، بلکه گامی موثر در جهت پایداری محیط زیستی نیز خواهند بود. علاوه بر این، این مقاله به محققان پیشنهاد می کند که در فرآیند تحقیقاتی خود، اثرات محیط زیستی را به عنوان یک پارامتر حیاتی در نظر بگیرند.