• شماره های پیشین

    • فهرست مقالات Modeling

      • دسترسی آزاد مقاله

        1 - ارائه مدل تأثیر سرمایه‌گذاری‌های فناوری اطلاعات بر رضایت مشتری در سازمان‌‌ها با استفاده از مدل‌یابی معادلات ساختاری و تحلیل مسیر
        جعفر باقری نژاد بهتاج  رسولی پشته
        در تحقیق انجام شده که این مقاله نتایج آن‌را منعکس می‌سازد، مدلی برای تبیین رابطه میان سرمایه‌گذاری فناوری اطلاعات و رضایت مشتری در سازمان‌ها ارائه شده است. در این پژوهش ضمن مرور جامع ادبیات موضوع سرمایه گذاری در فناوری اطلاعات و رضایت مشتری، مدل مفهومی با چهار معیار (شا چکیده کامل
        در تحقیق انجام شده که این مقاله نتایج آن‌را منعکس می‌سازد، مدلی برای تبیین رابطه میان سرمایه‌گذاری فناوری اطلاعات و رضایت مشتری در سازمان‌ها ارائه شده است. در این پژوهش ضمن مرور جامع ادبیات موضوع سرمایه گذاری در فناوری اطلاعات و رضایت مشتری، مدل مفهومی با چهار معیار (شاخص‌های اقتصادی، آموزشی، نشر فناوری اطلاعات و ارتباطات و ارتباطات از راه دور ) و یک متغیر مکنون (شاخص رضایت مشتری)، طراحی شد. مدل مذکور از طریق نظرسنجی از خبرگان امر مورد اعتبارسنجی اولیه قرار گرفت. سپس در یک مطالعه میدانی در سازمان تحت بررسی، برای آزمون تایید کارکرد و اعتبار سنجی مدل، داده های لازم گردآوری شد. در ادامه با استفاده از تکنیک مدل یابی معادلات ساختاری و نیز معادلات رگرسیونی تعاملی در قالب تحلیل مسیر و استفاده از نرم افزار های اس پی اس اس و لیزرل به تبیین عوامل رابطه ای بین متغیر های مکنون و مشاهده گر پرداخته شد. یافته های تحقیق بیانگر رابطه مستقیم و معنی‌دار عوامل اقتصادی و آموزشی مربوط به سرمایه‌گذاری فناوری اطلاعات بر رضایت مشتریان در سازمان می‌باشد. پرونده مقاله
      • دسترسی آزاد مقاله

        2 - مدل اکوسیستم دولت همراه ایران، تحلیل و شناخت بازیگران اصلی
        علی حکیم جوادی مهدی سپهری
        اکوسیستم دولت همراه از اکوسیستم‏های در حال شکل‏گیری در ایران است. هدف این مقاله شناخت و تحلیل ساختار و همچنین شناسایی نقش هر یک از بازیگران اصلی این اکوسیستم است. به منظور نیل به این هدف، ابتدا با استفاده از منابع پژوهش و بررسی مدل‏های ارائه شده در این منابع، مدلی مفهوم چکیده کامل
        اکوسیستم دولت همراه از اکوسیستم‏های در حال شکل‏گیری در ایران است. هدف این مقاله شناخت و تحلیل ساختار و همچنین شناسایی نقش هر یک از بازیگران اصلی این اکوسیستم است. به منظور نیل به این هدف، ابتدا با استفاده از منابع پژوهش و بررسی مدل‏های ارائه شده در این منابع، مدلی مفهومی برای اکوسیستم دولت همراه ارائه می‏شود که در آن چهار بازیگر جدید: رویکردهای جدید در ارائه خدمات فراتر از انتظار، نوآوری و نوآوران‏، تبلیغ و تبلیغ‏کنندگان و واسطه‏ها معرفی شده‌اند. سپس، با طراحی پرسشنامه‏ای جهت تأیید عوامل شناسایی شده در مدل و بررسی تأثیر آنها بر اکوسیستم دولت همراه، و توزیع آن با بهره‏گیری از یک نمونه تصادفی400 تایی، نگرش‏ها و نظرات 363 نفر از خبرگان و کارشناسان حوزه تلفن ‏همراه و دولت‏ همراه جمع‏آوری و بر پایه مدل معادلات ساختاری تحلیل شده ‏است. نتایج نشان می‏دهد به جز عامل تبلیغ و تبلیغ‏کنندگان، سه عامل جدید دیگر ضرایب معنی‏داری در مدل دارند. پرونده مقاله
      • دسترسی آزاد مقاله

        3 - تعیین عوامل موثر بر تامین مالی جمعی شرکت‌های دانش بنیان IT
        علی حاجی غلام سریزدی علی  رجب زاده قطری علینقی  مشایخی علیرضا  حسن زاده
        روش تامین مالی جمعی در دنیا بدلیل نیاز به تامین مالی در مراحل اولیه تاسیس کسب و کارهای نوپا و همچنین پیشرفت در فناوری اطلاعات بسرعت گسترش یافته است. در ایران نیز تاکنون چندین پلتفرم تامین مالی ایجاد شده است که بعضی موفق و بعضی ناموفق بوده اند. لذا نیاز است با بررسی عوام چکیده کامل
        روش تامین مالی جمعی در دنیا بدلیل نیاز به تامین مالی در مراحل اولیه تاسیس کسب و کارهای نوپا و همچنین پیشرفت در فناوری اطلاعات بسرعت گسترش یافته است. در ایران نیز تاکنون چندین پلتفرم تامین مالی ایجاد شده است که بعضی موفق و بعضی ناموفق بوده اند. لذا نیاز است با بررسی عوامل موثر بر این روش به توسعه آن کمک کرد. از آنجا که تامین مالی جمعی پدیده‌ای نو و جدید می‌باشد ضرورت دارد تا با روشی مناسب ضمن تعیین عوامل موثر بر این روش، به افزایش آگاهی آن در جامعه پرداخت. روش مدل‌سازی جمعی مبتنی بر شبکه‌های اجتماعی و وب 2 با هدف شناخت پدیده‌های جدید می‌باشد. لذا در این مقاله با استفاده از مدل‌سازی جمعی به احصا عوامل موثر بر تامین مالی جمعی در ایران در راستای حمایت از شرکت‌های نوپا‌ی حوزه IT پرداخته شده است. پرونده مقاله
      • دسترسی آزاد مقاله

        4 - مدل سازی معماری سازمانی چابک: ارزیابی کاربردپذیری شش استاندارد مدل سازی بر مبنای چارچوب ملی معماری سازمانی ایران
        علی راضی رضا رضایی احمدعلی یزدان پناه
        چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سا چکیده کامل
        چارچوب ملی معماری سازمانی ایران از چارچوب توگف و روش توسعه معماری آن اقتباس شده است. یکی از مسائل مهم در معماری سازمانی چابک، مدل سازی چابک است. ArchiMateیک استاندارد مدل سازی سطح بالا برای معماری سازمانی است. به دلیل اطمینان بیشتر نیاز است تا استاندارد ArchiMate با سایر استانداردهای مدل سازی سطح تفصیلی ترکیب شده و کاربردپذیری آن مورد ارزیابی قرار گیرد. در این مقاله به ارزیابی کاربردپذیری ترکیب استاندارد مدل سازی سطح بالای ArchiMate با پنج استاندارد مدل سازی سطح پایین شامل UML، BPMN، FAML،SoaML وBMM بر مبنای چارچوب ملی معماری سازمانی ایران پرداخته می شود. برای ارزیابی کاربردپذیری از روش ترکیبی(کیفی + کمی) استفاده می شود. هر استاندارد مدل سازی از نظر دامنه و کارکرد متفاوت است. از آنجاییکه یک استاندارد مدل سازی به تنهایی نمی تواند تمام نیازمندی های معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران را پشتیبانی نماید لذا ترکیب استانداردهای مدل سازی راهکاری مناسب است. ارزیابی کیفی ترکیب استانداردهای مدل سازی از طریق مطالعه موردی انجام می پذیرد. ارزیابی کمی با استفاده از روش های تصمیم گیری چندمعیاره شامل فرآیند تحلیل شبکه ای و دیمتل انجام می پذیرد. بدین منظور بر اساس مطالعات کتابخانه ای و نظرات خبرگان تعدادی گزینه و معیار استخراج می گردد. طبق ارزیابی کیفی، ترکیب شش ابزار استاندارد مدل سازی با روش مدل سازی معماری سازمانی چابک بر مبنای چارچوب ملی معماری سازمانی ایران قابل انجام است. برای ارزیابی کمی کاربردپذیری در این مقاله چهار گزینه مطرح شده اند که بر اساس وزن نهایی به ترتیب عبارتند از : پشتیبانی توسط ابزارهای شناخته شده، قابلیت پوشش به فرآورده های روش توسعه چارچوب ملی معماری سازمانی ایران، کارآمدی یا اثربخشی، سهولت یادگیری یا آموزش پذیری. پرونده مقاله
      • دسترسی آزاد مقاله

        5 - پیش‌بینی بازار سهام با استفاده از الگوریتم بهینه‌سازی ملخ بهبود یافته و الگوریتم‌های سری زمانی
        وحید صفری دهنوی مسعود شفیعی
        پیش‌بینی بازار سهام به عنوان یک زمینه جذاب و همچنین چالش برانگیز برای سرمایه گذاران در بازارهای مالی عمل می‌کند. بسیاری از مدل‌های مورد استفاده در پیش‌بینی بازار سهام قادر به پیش‌بینی دقیق نیستند یا این مدل‌ها نیاز به تعداد داده ورودی بسیار زیادی دارند که باعث افزایش حج چکیده کامل
        پیش‌بینی بازار سهام به عنوان یک زمینه جذاب و همچنین چالش برانگیز برای سرمایه گذاران در بازارهای مالی عمل می‌کند. بسیاری از مدل‌های مورد استفاده در پیش‌بینی بازار سهام قادر به پیش‌بینی دقیق نیستند یا این مدل‌ها نیاز به تعداد داده ورودی بسیار زیادی دارند که باعث افزایش حجم شبکه‌ها و پیچیدگی یادگیری می‌شود که همه این موارد در نهایت موجب کاهش دقت در پیش‌بینی می‌شود. این مقاله یک روش برای پیش‌بینی بازار سهام را پیشنهاد می‌دهد که این روش قادر هست به طور موثر وضعیت بازار سهام را پیش‌بینی کند. در این مقاله، برای کاهش حجم داده‌های ورودی از قیمت گذشته بازار استفاده شده و این داده‌ها در یک مدل رگریسور قرار داده شده است. در این حالت، با ارایه یک روش مبتنی بر الگوریتم بهینه‌سازی ملخ بهبود یافته، تعیین می‌شود که داده‌های فعلی بازار بورس به کدام داده‌های قبلی وابسته هستند و با استفاده از داده‌های قبلی می‌توان داده جدید را پیش‌بینی کرد. برای پیش‌بینی سری زمانی نیز از روش‌های شبکه عصبی GMDH، شبکه نروفازی و شبکه عصبی استفاده شده است؛ به علاوه، در این مقاله از روش‌های متناسب‌سازی داده‌ها با استفاده از الگوریتم‌های مختلف استفاده شده است که این روش‌ها می‌توانند در پیش‌بینی بازار موثر باشند. در نهایت، از مجموعه داده شرکت تسلا برای اعتبارسنجی و تست الگوریتم‌های ارایه شده استفاده شده است و نتایج شبیه‌سازی در پایان آمده است. همانطور که در قسمت شبیه‌سازی نشان داده شده، با استفاده از الگوریتم بهینه‌سازی ملخ بهبود یافته، موثرترین خروجی‌ها برای پیش‌بینی ارزش سهام به دست آمده و در نهایت با استفاده از چند حالت مختلف پیش‌بینی انجام شده و نتایج روش‌های مختلف مورد مقایسه قرار گرفته و ارزیابی بر اساس معیار خطای میانگین مربع (RMSE) انجام شده است. مدل پیشنهادی پیش بینی بازار سهام دارای حداقل RMSE=4.05 است که نشان دهنده اثربخشی روش پیشنهادی در پیش بینی بازار سهام است. نتایج نشان می‌دهد که در بین الگوریتم‌های ارایه شده مربوط به پیش‌بینی سری زمانی، شبکه GMDH با الگوریتم ترکیبی ارایه شده، بهترین نتیجه را در بر داشته است. پرونده مقاله