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 همة یادگیرندگان ارائه 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 ارائة 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 پژوهـش از روش خوشه¬بندی شورایی برای ترکیـب نـتایج خوشـه¬بندی پنـج روش FCM، K-means، KNN , SVM و medoids-K برای گروه¬بندی یادگیرندگان در محیط یادگیری الکترونیکی استفاده شده است. نتایج ارزیابی تجربی روش خوشه‌بندی پیشنهادی بر اساس سه شاخص «دیویس – بولدین»، « خلوص و تجمع» و « واریانس » نشان می‌دهد که این روش، کاهش هزینة محاسباتی و دقت و سرعت بیشتری نسبت به سایر روش‌های متداول در شناسایی گروه‌ها داشته است. جزييات مقاله

پیش‌بینی بازارها از جمله سهام به دلیل حجم بالای معاملات و نقدینگی برای محققان و سرمایه‌گذاران دارای جذابیت بوده است. توانایی پیش‌بینی جهت قیمت ما را قادر می‌سازد با کاهش ریسک و اجتناب از ضرر و زیان مالی، به بازده بالاتری دست‌یابیم. اخبار نقش مهمی در فرایند ارزیابی قیمت فعلی سهام دارد. توسعه روش‌های داده‌کاوی، هوش محاسباتی و الگوریتم‌های یادگیری ماشین سبب ایجاد مدل‌های جدیدی در پیش‌بینی شده‌اند. هدف از این پژوهش ذخیره سازی اخبار خبرگزارها و استفاده از روش‌های متن کاوی و الگوریتم ماشین بردار پشیبان به منظور پیش‌بینی جهت قیمت روز آینده سهم است. بدین منظور خبرها منتشر شده در 17 خبرگزاری با استفاده از یک خزگشر موضوعی به زبان پی‌اچ‌پی ذخیره و دسته‌بندی شده است. سپس با استفاده از روش‌های متن‌کاوی و الگوریتم ماشین بردار پشتیبان و کرنل‌های مختلف به پیش‌بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار پرداخته می‌شود. دراین مطالعه از 300 هزار خبر در دسته‌های سیاسی و اقتصادی و قیمت‌های سهام 25 شرکت منتخب در بازه زمانی آبان تا اسفند 97 در 122 روز معاملاتی استفاده شده است. نتایج نشان می‌دهد با مدل ماشین بردار پشتیبان با کرنل خطی می‌توان به صورت میانگین 83 درصد جهت قیمت‌ها را پیش‌بینی کرد. با استفاده از کرنل‌های غیرخطی و معادله درجه 2 ماشین بردار پشتیبان صحت پیش‌بینی به صورت میانگین تا 85 درصد افزایش می‌یابد و سایر کرنل‌ها نتایج ضعیف‌تری از خود نشان می‌دهند. جزييات مقاله

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 می¬کنند. یکی از چالش¬های بزرگی که پیش روی شبکه‌های مبتنی بر نرم‌افزار قرار گرفته است، انتخاب مکان¬هایی مناسب برای قرار¬دادن و توزیع کنترلرها (کنترل¬کننده¬ها) است؛ به گونه‌ای که بتوان تأخیر بین کنترلرها و سوئیچ¬ها را در شبکه‌های گسترده کاهش داد. در همین راستا اغلب روش‌های ارائه شده بر روی کاهش تأخیر متمرکز بوده‌اند. ولی تأخیر تنها یکی از عواملی است که در کارائی شبکه و کاهش هزینه¬ی کلی بین کنترلرها و سوئیچ‌های مرتبط با آن‌ها نقش دارد. این مقاله به بررسی عوامل بیشتری برای کاهش هزینه بین کنترلر¬ها و سوئیچ¬ها نظیر ترافیک لینک¬های ارتباطی می¬پردازد. به همین منظور یک الگوریتم مبتنی برخوشه¬بندی برای بخش¬بندی شبکه ارائه می¬شود. با بهره گیری از این الگوریتم می‌توان تضمین کرد که هر بخش از شبکه می‌تواند حداکثر هزینه (شامل تأخیر و ترافیک موجود روی لینک¬ها) را در بین کنترلر و سوئیچ¬های مربوط به آن کاهش دهد. در این مقاله، با بکارگیری از Topology Zoo، شبیه‌سازی‌های گسترده‌ای تحت توپولوژی¬های واقعی شبکه انجام شده است. نتایج شبیه¬سازی¬ها نشان می¬دهد در شرایطی که احتمال ازدحام در شبکه 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. لذا، با در نظر گرفتن دو معیار تأخیر و میزان مشغول بودن لینک¬ها، فرآیند قرارگیری و توزیع کنترلر¬ها را در عمل خوشه-بندی با دقت بالاتری انجام می¬دهد. با این کار، میانگین حداکثر هزینه¬ی انتها به انتها بین هر کنترلر و سوئیچ¬های مربوط به آن به ترتیب در توپولوژی¬های Chinanet کشور چین، Uunet کشور آمریکا، DFN کشور آلمان، و Rediris کشور اسپانیا به اندازه¬ی 4694/41، 2853/29، 3805/21 و 4829/46 درصد کاهش یافته است. جزييات مقاله

معماری دانش منابع انسانی بیش از هر ابزار یا عنصر دیگری در شیوۀ ایجاد، سازماندهی کردن، اندوختن، توزیع و کاربرد دانش برای دستیابی به اهداف سازمانی ضروری است. پژوهش حاضر باهدف ارائه الگوی معماری دانش منابع انسانی در سازمان¬های دانش¬بنیان با استفاده از رویکرد آمیخته انجام پذیرفت. این پژوهش بر پایه پژوهش‌های آمیخته و به‌صورت کمی و کیفی است که ازنظر هدف، کاربردی و حیث ماهیت و روش، توصیفی پیمایشی است. جامعه آماری پژوهش حاضر را سازمان¬های دانش¬بنیان استان لرستان تشکیل می¬دهد که 30 نفر از خبرگان آن‌ها بر اساس اصل کفایت نظری و با استفاده از روش نمونه¬گیری هدفمند انتخاب‌شده‌اند. ابزار گردآوری اطلاعات در بخش کیفی پژوهش، مصاحبه نیمه ساختاریافته و در بخش کمی نیز پرسشنامه است. در بخش کیفی، داده‌ها و اطلاعات با استفاده از نرم‌افزار Atlas.ti و روش کدگذاری تحلیل و شاخص‌های معماری دانش منابع انسانی شناسایی شدند. در بخش کمی پژوهش، با استفاده از نرم‌افزار Matlab و روش مدل‌سازی ساختاری تفسیری مدل نهایی پژوهش تدوین و ارائه‌شده است. نتایج پژوهش دربرگیرنده شاخص‌ها و مؤلفه‌های معماری دانش منابع انسانی و ارائه 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 مؤلفه‌های اصلی معماری دانش منابع انسانی، زیرساخت¬های مدیریت دانش، ویژگی‌های حرفه‌ای، ویژگی‌های موقعیتی و دستاوردهای معماری دانش منابع انسانی است. جزييات مقاله

هدف از پژوهش حاضر، بررسي تاثير استفاده از انواع استراتژی‌های بازاریابی در شبکه‌های اجتماعی بر جلب اعتماد مشتریان می‌باشد. جامعه آماری این پژوهش شامل تمامی کاربران ایرانی عضو سایتهای شبکههای اجتماعی است که تحت تاثیر تبلیغات شرکتها قرار میگیرند. حجم نمونه آماری نیز با روش نمونهگیری گلوله برفی 446 نفر است. روش پژوهش، توصیفی پیمایشی بوده و ابزار گردآوری داده‌ها پرسشنامه می‌باشد. برای آزمون فرضیههای پژوهش از روش حداقل مربعات جزئی (PLS) و نرم افزار SmartPLS 3 استفاده شده است. نتایج بدست آمده نشان می‌دهد که هر چهار متغیر، استراتژی‌های بازاریابی مبادله‌ای، رابطه‌ای، پایگاه داده و مبتنی بر دانش در شبکه‌های اجتماعی تاثیر معنی‌داری بر جلب اعتماد مشتریان دارند. جزييات مقاله

امروزه رفتارهای تعاملی کاربران در رسانه ­های اجتماعی به یک منبع مهم و اثرگذار بر فعالیت­ های حوزه ­­ی بازاریابی تبدیل شده است. مفاهیم موجود در کاوش رسانه ­های اجتماعی، تکنیک­ های لازم برای محاسبه ­ی معیارهای مربوط به ارزیابی رفتارهای اثرگذار کاربران را فراهم می ­آورد. علی­رغم اهمیت کاوش رسانه­ های اجتماعی برای تحلیل رفتارهای تعاملی کاربران، فقدان یک بازنگری جامع و طرح کلاس­ بندی در این زمینه وجود دارد. به این منظور در این تحقیق در قدم اول با ارائه ­ی یک دسته­ بندی شامل سه حوزه­ی، 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، یک چارچوب نوآورانه و ترکیبی شامل دو بعد اصلی" پتانسیل اثرگذاری" و "سطح اثرگذاری" ارائه گردیده است و معیارهای "تعداد کاربران فعال"، "رتبه­­ ی کاربر"، "کیفیت و میزان تحلیلی و قضاوتی بودن متون تولید شده توسط کاربران" برای محاسبه­ ی هر یک از این ابعاد تعریف شده است. در واقع این مقاله اولین کلاس ­بندی جامع و آکادمیک در خصوص تکنیک ­های کاوش رسانه ­های اجتماعی مثمرثمر در تحلیل رفتارهای کاربران می­باشد که با ارائه ­ی یک چارچوب امکان ارزیابی ارزش اثرگذاری کاربران را برای کسب­ و­کارها فراهم می ­نماید. جزييات مقاله