علی میرعرب

هدف: پژوهش حاضر به بررسی چالش ها و فرصت های ترکیب گراف دانش[1] و مدل زبانی بزرگ[2] در حوزه علوم اسلامی- انسانی می پردازد. یکی از دلایل اصلی این مسئله، پیچیدگی و تنوع مفاهیم و مقولات در این حوزه است. مفاهیم دینی و انسانی به طور طبیعی دارای ابعاد و لایه های متعددی هستند که تحلیل آن ها نیازمند رویکردهایی نوین و کارآمد است. گراف دانش به عنوان ابزاری قدرتمند برای سازمان دهی اطلاعات و نمایش روابط بین مفاهیم شناخته می شود. این ابزار می تواند به شفاف سازی و تجسّم روابط پیچیده میان مفاهیم کمک کند و به پژوهشگران امکان می دهد تا به راحتی روابط میان مفاهیم مختلف را درک کنند. هدف اصلی پژوهش حاضر، ارائه الگویی جهت ترکیب این دو مفهوم در علوم اسلامی- انسانی برای تحلیل دقیق تر و کارآمدتر مفاهیم اسلامی و انسانی است. روش: پژوهش پیش رو از لحاظ هدف توسعه ای بوده و با رویکرد کیفی انجام شده است. روش گردآوری داده ها کتابخانه ای و برای مرور نظام مند متون بوده که به شناسایی مفاهیم کلیدی و اساسی می پردازد. منابع موجود در دو حوزه گراف دانش و مدل های بزرگ زبانی با روش هدفمند جهت تحلیل، انتخاب و مورد بررسی قرار گرفته است. یافته ها: یافته اصلی پژوهش حاضر، طراحی یک الگوی جدید مبتنی بر ترکیب گراف دانش و مدل های زبانی بزرگ برای تحلیل و استنتاج مفاهیم علوم اسلامی- انسانی است. گراف دانش به عنوان ابزاری برای سازمان دهی اطلاعات و نمایش روابط میان مفاهیم می تواند به شفاف سازی و تجسم روابط پیچیده میان مفاهیم کمک کند. همچنین، مدل های زبانی بزرگ قادر به پردازش زبان طبیعی[3] و استخراج اطلاعات معنادار از متون هستند. ترکیب این دو رویکرد می تواند به توسعه چارچوب های نوینی برای تحلیل و استنتاج داده ها در حوزه های علوم دینی کمک کند. نتیجه گیری: تلفیق گراف دانش و مدل های زبانی بزرگ به عنوان رویکردی نوین و کارآمد در تحلیل و استنتاج مفاهیم پیچیده در علوم اسلامی- انسانی مطرح است. این الگوی پیشنهادی می تواند به عنوان الگویی برای تحقیقات آتی و توسعه سیستم های هوشمند در این حوزه ها مورد بهره برداری قرار گیرد و به بهبود فرایندهای تحقیق و تحلیل در علوم اسلامی- انسانی کمک کند.

مقدمه: امروزه فناوری های معنایی رویکرد جدیدی را در پردازش و بازنمون معارف قرآنی با هدف ارائه اطلاعات معنادار ارائه می دهند. هستی نگاشت ها به عنوان یکی از فناوری های معنایی، ابزاری جهت بیان رسمی مفاهیم و روابط موجود در حوزه خاصی بوده که توسعه و کاربرد آن جهت استخراج معارف و علوم قرآنی مورد توجه قرار گرفته است. یادگیری هستی نگاشت ها و روش های آن به صورت خودکار جهت استخراج مفاهیم از مباحث مهم در حوزه وب معنایی و فناوری های آن است. به تازگی توسعه و کاربرد یادگیری هستی نگاشت ها جهت استخراج مفاهیم قرآنی مورد توجه قرار گرفته است. ازاین رو، هدف پژوهش حاضر، بررسی جامع یادگیری خودکار هستی نگاشت ها در حوزه استخراج مفاهیم قرآنی به منظور شفاف سازی وضعیت فعلی و آینده است. معیارهای مورد بررسی مجموعه داده ها، روش های یادگیری، روش های ارزیابی، نتایج و پیشنهاد های آتی پژوهش ها در حوزه یادگیری خودکار هستی نگاشت های قرآنی بود. روش شناسی: روش بررسی پژوهش حاضر، مرور دامنه ای بر اساس دستورالعمل های پریزما و بر اساس رویه استفاده شده توسط آرکسی و امالی (2005) است. این فرآیند پروتکلی را به منظور تطبیق نتایج پژوهش موجود با سؤالات و معیارهای تحقیق توصیف می کند. پنج مرحله پیشنهادی آرکسی و امالی عبارت اند از: 1. شناسایی و طراحی سؤال(ها) پژوهش، 2. انجام استراتژی های جستجو برای استخراج مطالعات مرتبط از طریق انتخاب واژه های کلیدی مناسب و عملگرهای بولی، 3. انتخاب نهایی پژوهش های مرتبط با تعیین معیارهای ورود و خروج، 4. خلاصه سازی و گزارش یافته ها و درنهایت، 5. گزارش و بحث پیرامون نتایج حاصل. جستجوی منابع در هفت پایگاه داده علمی مشتمل برEmerald, Science Direct, IEEE Xplore Digital Library, Google Scholar, Web of Science, Scopus انجام شد. فرایند جستجو در فروردین 1402 صورت گرفت. تعداد 811 مقاله، بدون توجه به محدوده زمانی، مورد ارزیابی و انتخاب قرار گرفت. به منظور سازماندهی مقالات بازیابی شده، از نرم افزار مدیریت منابع اطلاعاتی اندنوت استفاده شد و پس از تطبیق عناوین در پایگاه های اطلاعاتی مختلف، تعداد 317 مقاله تکراری حذف گردید. پس از بررسی چکیده ها، معیارهای ورود و خروج و کیفیت مقالات اعمال گردید. همچنین به منظور جلوگیری از سوگیری در انتخاب مقالات، طی بررسی تصادفی مجددی، توسط دو پژوهشگر مستقل در حوزه یادگیری خودکار هستی نگاشت نیز ارزیابی صورت گرفت و درنهایت تعداد 25 اثر به عنوان ملاک مرور انتخاب گردید. یافته ها: یافته ها نشان داد اغلب پژوهش ها در حوزه مجموعه داده های قرآنی به زبان های انگلیسی و عربی بودند و بخش عمده آن ها نیز از ترجمه انگلیسی قرآن الهلالی و خان استفاده کرده اند. استفاده از مجموعه داده های بسیار محدود، مهم ترین محدودیت پژوهش های انجام شده بود. بخش عمده پژوهش ها از روش های نرمال سازی، خوشه بندی و دسته بندی متن، خلاصه سازی متن، استخراج اطلاعات، تشابه و یافتن موجودیت های نامدار استفاده کرده اند. البته در برخی پژوهش ها، روش های هوش مصنوعی نظیر شبکه عصبی نیز به کار گرفته شده است. علاوه بر این، یافته ها نشان داد که الگوریتم های داده کاوی مبتنی بر روش های آمار و احتمال برای یادگیری و ساخت هستی نگاشت های خودکار در میان محققان با محبوبیت روبرو شده است. همچنین از روش های محاسبه دقت، فراخوانی و معیار F برای ارزیابی نتایج کاربرد الگوریتم های یادگیری خودکار در هستی نگاشت های قرآنی استفاده کرده اند. پژوهش هایی که از روش های هوش مصنوعی بهره برداری کرده اند، با تحلیل معنایی، استنتاج، مدل سازی و تأیید اعتبار داده های استنتاج شده به نتایجی مانند تشخیص صوت برای آموزش قرائت قرآن، تشخیص آرایه های ادبی و ایجاد ارتباط های موضوعی در مفاهیم قرآنی و همچنین ایجاد ارتباط بین این مفاهیم با مفاهیم سایر ادیان نائل شده اند. ارزیابی روش های ارائه شده برای یادگیری خودکار هستی نگاشت های قرآنی نشان می دهد استفاده توأمان از روش های داده کاوی و هوش مصنوعی نتایج بهتری را به همراه دارد. بخش عمده نتایج این حوزه در دو دسته کلی قرار دارد. دسته اول مبتنی بر به کارگیری روش های داده کاوی، متن کاوی و یادگیری ماشین جهت استخراج خودکار مفاهیم و ابعاد سه گانه (فعل، فاعل، مفعول) به همراه روابط معنایی از متن قرآن بود. دسته دیگر به مقایسه عملکرد روش ها و الگوریتم های مبتنی بر آمار و مشابهت یابی نظیر TF، TF-IDF، AVE-TF، Ridf، TIM، N-gram، FREyA، Pos Taggin، Levenshtein، Log Likelihod، هِرسِت، و جز این ها در استخراج مفاهیم خودکار جهت ساخت هستی نگاشت قرآنی پرداخته اند. یافته های حاصل از بررسی کارهای آینده نشان از علاقه محققان به الگوریتم های هوش مصنوعی و استفاده در یادگیری هستی نگاشت و توسعه خودکار و نیمه خودکار هستی نگاشت های قرآنی دارد. فقدان مجموعه داده های صحیح، دلیل عجز سامانه های هوش مصنوعی پیشرفته دنیا مانند جی پی تی 4 است که در آینده باید به این مهم پرداخته شود. نتیجه گیری: نتایج این مطالعه می تواند به جهت دهی پژوهش های آتی درباره بهترین روش ها در توسعه خودکار هستی نگاشت های قرآنی کمک کند. این مسئله می تواند با طراحی هستی نگاشت جامع قرآنی که تمام موضوعات و مفاهیم را با توجه به بافت قرآن، پوشش دهد، مدنظر قرار گرفته و با ایجاد هستی نگاشتی جامع از مفاهیم قرآن، کاربران را به سمت بازیابی دانش قرآنی رهنمون سازد. همچنین بهره برداری بیشتر از روش های هوش مصنوعی و پردازش زبان طبیعی نظیر جی.پی.تی. به عنوان مدل یادگیری ماشینی برای تولید متن به زبان طبیعی با استفاده از شبکه عصبی عمیق، در توسعه خودکار هستی نگاشت های قرآنی ضروری به نظر می رسد. با توجه به اینکه یادگیری ماشین مستلزم وجود داده های کلان در حوزه قرآن است، ساخت مجموعه داده های استاندارد ازجمله کارهای آتی محققان است.

هدف: پژوهش حاضر با هدف تعیین شیوه های استفاده حداکثری از قابلیت های هستان نگارهای قرآنی در عمل، به بازنمون کاربردی و عملیاتی از کاستی ها و مشکلات و پیشنهادات مطرح شده در زمینه کاربرد هستان نگارهای قرآنی موجود پرداخته است.روش شناسی: چارچوب روش شناختی آرکسی و امالی (2005) در طراحی مرور نظام مند دامنه ای حاضر به کار رفته است. جستجو در 6 پایگاه اطلاعاتی بین المللی، در فروردین 1401 صورت پذیرفت و برای سازماندهی مطالعات، از نرم افزار مدیریت منابع اطلاعاتی (Endnote) استفاده شد. از مجموع 811 پژوهش، 317 مقاله تکراری و با مطالعه عنوان و ، 362 مقاله به دلیل غیرمرتبط بودن با هدف مطالعه، حذف گردید. سپس متن کامل مقالات مطالعه شده و معیارهای ورود و خروج اعمال و در نهایت، 14 مقاله به مطالعه مروری راه یافتند.یافته ها: تاکنون هستان نگارهای علوم قرآنی برای طراحی موتور جستجوی معنایی، توسعه سیستم های گفتگو به زبان طبیعی، ابهام زدایی از کوئری کاربر به زبان طبیعی، تشخیص گفتار و ارزیابی تلاوت قرآن، پیوند آیات قرآن با منابع چندرسانه ای وب به کار رفته اند.نتیجه گیری: به مدد فناوری های معنایی از جمله هستان نگارها، انتشار دانش صحیح قرآنی، محقق شده و می توان کاربران را به سمت بازیابی دانش قرآنی، رهنمون ساخت. از این رو، لازم است هستان نگار جامع قرآنی به زبان فارسی نیز طراحی و توسعه داده شود تا مبنایی برای کاربردهای ذکر شده در پژوهش های پیشین از جمله سیستم های گفتگو به زبان فارسی و طراحی موتور جستجوی معنایی فارسی قرار گیرد.

روش های مختلفی برای تجمیع، تلفیق و ادغام اطلاعات به عنوان فرایندی حیاتی در سیستم های مدیریت اطلاعات وجود دارد، اما رویکرد و الگوی مشخصی در حوزه سیستم های مدیریت اطلاعات مبتنی بر روابط (اصطلاحنامه ای) ارائه نشده است. هدف پژوهش حاضر تبیین مفهوم و مدل های مناسب ادغام اطلاعات و کاربست آن در سیستم های مدیریت اطلاعات مبتنی بر رابطه (اصطلاحنامه ای) است. پژوهش حاضر از نوع مفهومی با رویکرد تحلیلی است. جامعه پژوهش، متون و بروندادهای حوزه ادغام اطلاعات در پایگاه های اطلاعاتی مختلف بود. روش گردآوری داده ها، کتابخانه ای بود که به صورت هدفمند انتخاب گردید. یافته ها نشان داد که ادغام، تلفیق و ترکیب اطلاعات در سیستم های مدیریت اطلاعات اصطلاحنامه ای، نتایج و تأثیرات متفاوتی ایجاد می کنند. مدل های ادغام اطلاعات در چهار دسته کلی مدل های مبتنی بر گردش اطلاعات، گردش کار و فعالیت، نقش ها و عملکرد موجودیت ها، و درک مفاهیم قرار دارند. مدل گردش کار و فعالیت Omnibus و مدل مبتنی بر نقش ها و عملکرد موجودیت Endsley's به عنوان مدل های انتخابی با توجه به مدل پایه JDL جهت به کارگیری در سیستم های مدیریت اطلاعات مبتنی بر روابط نظیر اصطلاحنامه ها و هستی شناسی ها مناسب است و این قابلیت را دارند که با برخی تغییرات استفاده شوند. عیب اصلی مدل های ادغام اطلاعات، عدم توجه به ویژگی های ساختارهای اطلاعاتی مشخص نظیر اصطلاحنامه هاست. کم توجهی به کاربران خبره در سیستم های اطلاعاتی مبتنی بر تصمیمات کاربری که وظیفه استخراج اطلاعات تخصصی را دارند و نادیده گرفتن سیستم مشارکت جمعی برای حل مسائل پیچیده از جمله تشابه یابی و رفع آن در حجم انبوه اطلاعاتی، عدم شرح ریز عملکردهای مورد نیاز برای حل مسائل، مدیریت تأثیرات در صورت بروز اشتباهات سیستمی یا کاربری و بازگردانی اطلاعات تجمیعی و تلفیق، و همچنین عدم اجرای روش ها با نمونه های عملیاتی در چنین ساختارهایی را می توان از جمله این مشکلات برشمرد. به طور کلی، باید در هر مدل ادغام اطلاعات در سیستم های مدیریت اطلاعات اصطلاحنامه ای، فرایندهای کلی تشابه یابی، بررسی تشابهات، تجمیع پارامترها و ادغام اطلاعات و مدیریت تأثیرپذیری زیرسیستم ها مورد توجه قرار گیرد. بر خلاف روش های سنتی ادغام اطلاعات که بیشتر بر ترکیب داده ها تمرکز دارند، ادغام اطلاعات معنایی به جای ترکیب داده ها و اطلاعات، بر ترکیب دانش های مرتبط و مفاهیم ذخیره شده در اصطلاحنامه ها تأکید دارد. از این رو، توجه به رویکردهای معنایی در فرایند ترکیب و ادغام مدل های جدید پیشنهاد می گردد.

هدف: در دهه های اخیر، موتورهای جستجوی وب به یکی از ابزارهای برجسته و ضروری برای به دست آوردن اطلاعات در جهان متصل شده امروزی تبدیل شده اند. با افزایش حجم اطلاعات موجود در وب، نیاز به یافتن و دسترسی به اطلاعات مرتبط و معنادارتر افزایش یافته است. اما موتورهای جستجوی سنّتی، معمولاً براساس تطابق کلمات کلیدی و تعداد ورودی های مشابه در متن ها، نتایج را بازیابی می کنند. این روش، در بسیاری از موارد به نتایج ناخوشایند و غیرمرتبط منجر می شود. در زبان فارسی و عربی نیز این مشکلات به دلیل وجود دستور زبان پیچیده آن که در بین کلمات وجود دارد و برای ماشین قابل درک نیست، بیشتر وجود دارد. در این راستا، هدف پژوهش حاضر بررسی و ارائه راهکارهای جستجو و بازیابی معنایی متون فارسی و عربی است. روش: تحقیق حاضر از نوع تحلیل محتوا بوده و برای گردآوری داده ها از روش کتابخانه ای استفاده شده است. به منظور جمع آوری اطلاعات و دستیابی به منابع مورد نیاز، از منابع مختلفی ازجمله مقالات علمی، کتب، پایان نامه ها و گزارش ها استفاده گردید. برای جمع آوری مقالات فارسی، منابعی با تاریخ انتشار از سال 1398، و برای جمع آوری مقالات انگلیسی، منابعی با تاریخ انتشار از سال 2020 به بعد مورد استفاده قرار گرفتند. برای تحلیل داده های جمع آوری شده، از روش تحلیل محتوا استفاده شد. با استفاده از روش های تحلیل و تفسیر داده ها، نتایج حاصل از مطالعات پیشین و یافته های جدید تحقیق مورد بررسی و ارزیابی قرار گرفت. این ارزیابی شامل شناسایی مشکلات و محدودیت های موجود در موتورهای جستجوی معنایی و ارائه پیشنهادها برای بهبود عملکرد آن ها است. یافته ها: در پژوهش های جستجوی معنایی و بازیابی اطلاعات در متون فارسی و عربی، روش های مبتنی بر تحلیل و پردازش معنایی متون با استفاده از مدل های زبانی پیش آموزش دیده، الگوریتم های خوشه بندی مانند K-Means و منابع دانش مانند گراف های دانش به کار گرفته می شوند. همچنین تفاوت ها در مجموعه داده، نحوه استفاده از این مدل ها و الگوریتم ها و روش جستجو و بازیابی معنایی بین کلمات، عملکرد و دقت سیستم را تحت تأثیر قرار می دهد. نتایج حاصل از پژوهش های متعدد، حاکی از آن است که برای جستجو و بازیابی معنای متون، گستره ای از روش ها و الگوریتم ها وجود دارد که می توانند نتایج متفاوتی را ارائه دهند. این نتایج نشان می دهند که هر یک از روش های مورد استفاده، قابلیت بازیابی معنایی متون را دارا هستند و قابلیت های مختلفی در ارائه دقت جستجو دارند. همچنین برخی از روش ها عملکرد بهتری نسبت به سایر روش ها از خود نشان می دهند. این روش ها با استفاده از تکنیک ها و الگوریتم های متفاوتی مانند تحلیل موضوع، شبکه های عصبی، بازنمایی های برداری و غیره، قدرت خوبی در جستجوی معنایی دارند. از طرفی، انتخاب روش مناسب باید با توجه به ماهیت مسئله و ویژگی های داده ها انجام شود. هر مسئله و داده ممکن است نیازهای خاص خود را داشته باشد و برای بهترین عملکرد، انتخاب روش مناسب و تنظیم پارامترهای آن ضروری است. نتیجه گیری: هر کدام از روش های ارائه شده برای مشکلات و ویژگی های زبانی دو زبان فارسی و عربی، راهکارهای منحصربه فردی ارائه می دهند. همچنین روش های مختلف از مدل های زبانی پیش آموزش دیده مانند BERT، الگوریتم های خوشه بندی مانند K-Means و سیستم های بازیابی مبتنی بر منابع دانش مانند گراف های دانش استفاده می کنند. همچنین راهکارهای ارائه شده، مجموعه داده ها و منابع خاصی را برای آموزش و ارزیابی مورد استفاده قرار می دهند. تفاوت ها در مجموعه داده و نحوه استفاده و تنظیم این مدل ها و الگوریتم ها بسیار حائز اهمیت است. برخی از روش ها نیز براساس معنا و روابط معنایی بین کلمات، جستجوی اطلاعات را انجام می دهند، در حالی که برخی دیگر، از روش های مبتنی بر کلمات کلیدی و ریشه ها استفاده می کنند. این تفاوت در روش جستجو و بازیابی می تواند بر عملکرد و دقت سیستم تأثیر داشته باشد. هر روش، عملکرد و دقت متفاوتی در بازیابی اطلاعات دارد که این تفاوت ها به دلیل نحوه استفاده از مدل ها، الگوریتم ها و منابع داده مختلف است.

هدف: امروزه در حوزه وب معنایی فعالیت های ارزشمندی در داخل و خارج کشور بر روی مفاهیم هستان نگار ارائه شده است. تاکنون بیشتر مطالعات انجام شده در ایران، بر نکات نظری و تعاریف متمرکز بوده اند و ذکر نمونه های عملی انجام شده توسط محققین ایرانی به ندرت انجام شده است. ارزیابی یکپارچه هستان نگارهای ایرانی تولید شده برای ایجاد درک صحیح از مفاهیم و عملیات موردنیاز برای تولید هستان نگار، لازم و ضروری است. هدف پژوهش حاضر مرور تحلیلی هستان نگارهای ایرانی به منظور شناسایی نقاط قوت و ضعف آن ها از مرحله ساخت تا کاربرد است. روش: پژوهش حاضر از نظر هدف کاربردی و از لحاظ نوع، ارزیابانه و با رویکرد تحلیلی است. جامعه آماری مورد مطالعه شامل شش هستان نگار ایرانی است که پیکره آن به صورت آزاد در دسترس قرار دارد یا به صورت مقاله، پایان نامه و طرح های پژوهشی منتشر شده است. این هستان نگارها شامل هستان نگار شاهنامه، برهان، قرآن جوی، فرقان، علم سنجی و حملات کامپیوتری است. در این پژوهش نرم افزارهای ساخت و نمایش هستان نگار براساس سیاهه محقق ساخته نیز مورد بررسی قرار گرفته اند. داده های گردآوری شده از هستان نگارها با استفاده از سیاهه، مبنای تجزیه و تحلیل اطلاعات بود که موردبحث و بررسی قرار گرفته است. به منظور گردآوری داده ها از پایگاه های اطلاعاتی داخلی و همچنین مصاحبه با تیم های تولیدکننده هستان نگارها استفاده شد. روش نمونه گیری هدفمند بود و روایی صوری محتوایی ابزار گردآوری داده ها با ارسال برای 4 نفر از متخصصان هستی شناسی تأیید شده و پس از انجام اصلاحات، مورد استفاده قرار گرفت. یافته ها: نتایج نشان داد که حرکت به سوی هستی شناسی در جامعه علمی ایرانی، در زمینه های مختلف شامل علوم اسلامی (فقه) و متون کهن فارسی (شاهنامه) تا حوزه های جدیدی مانند علم سنجی در حال گسترش بوده که نشانگر پیاده سازی هستان نگار در مباحث مختلف است. مشکلی که در اغلب هستان نگارهای فارسی وجود دارد، عدم توسعه و به روزرسانی آن ها است. همچنین نرم افزارهای سازنده هستان نگار از نظر پایه بسیار مشابه یکدیگرند و عموماً توسعه پذیر هستند؛ اما تفاوت هایی نیز دارند. برخی نرم افزارها موتور استنتاج را پشتیبانی می کنند، اما برخی در نمایش هستان نگار و امکان ارائه خروجی های مختلف قوی تر عمل می نمایند. نتیجه گیری: در این پژوهش سازوکارهای پیاده سازی و ابزارهای نرم افزاری مورد استفاده در تولید هستان نگارهای ایرانی به همراه ارزیابی امکانات و قابلیت های آنها با رویکردی تحلیلی مورد بحث و بررسی قرار گرفت. این پژوهش توانست براساس ارزیابی مؤلفه های بررسی شده، علاوه بر بررسی هستان نگارهای ایرانی و ارائه برخی از نقاط قوت و ضعف مربوط به آن ها، نرم افزار های هستی شناسی را نیز مورد بحث و بررسی قرار دهد. نتایج پژوهش به مدیران و پژوهشگران امکان درک صحیحی از مفاهیم و عملیات موردنیاز برای تولید هستان نگار را می دهد.  

هدف پژوهش حاضر، بررسی نقش کلان داده ها در تصمیم سازی و سیاست گذاری است. روش پژوهش توصیفی- تحلیلی بوده و بر این فرض استوار است که کلان داده ها با اتکا به منابع مشخصی هم چون «اینترنت اشیاء»، «داده های باز» و «فرایند»ها، با کشف الگوهای ناشناخته به کاهش بوروکراسی دولتی، بهبود تصمیم سازی و سیاست گذاری کمک می کنند. این امر از طریق فرایند تحلیلی منتج از کلان داده ها به دست می آید و با دراختیار نهادن تصویری روشن و نظام مند از وضعیت حال، امکان مدیریت منابع را میسر ساخته و در نتیجه به پیش بینی وضعیت آینده منتهی می شود