مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718Matched grouping of learners in e-learning environment using council clustering methodگروه‌بندی همسان یادگیرندگان در محیط یادگیری الکترونیکی به کمک روش خوشه¬بندی شورایی118faملیحهکمرئیمدیریت فنّاوري اطلاعات، گروه مدیریت، دانشگاه تربیت مدرّس، تهران، ایرانغلامعلیمنتظرفنّاوري اطلاعات، دانشکده فنی و مهندسی، دانشگاه تربیت مدرّس، تهران، ایران0000-0003-2866-29302019910Despite the individual differences of learners such as their abilities, goals, knowledge, learning styles and backgrounds, most of the electronic learning systems has presented an equal learning content for all of the learners. This is happening while producing a specialized content for the individuals. Increasing appliances of artificial memory in teaching the adaptation learning systems will require recommended teaching methods which are appropriate to the learner’s individual differences. In order to grouping learners based on their learning styles in their own similar groups, we are presenting a new method in this text. This method is mainly about combining the result of clustering methods which is certainly reducing choosing an unreliable method. Meanwhile it is preventing method`s complication which is because of using simpler and more useful clustering algorithms that subsequently will cause a better result and it may happen due to the fact that different methods will overlap each other’s defections. In this article we are using Felder- Silverman learning style which consist of 5 dimensions: processing (active-reflective) , input (visual-verbal) , understanding (sequential-global) , perception (sensing-intuitive) and organization (inductive-deductive). Firstly, proper behavioral indicators to different learning style dimension of Silverman-Feedler will recognize and then based on these behaviors learners will be able to be groups by one of these 5 methods. In the case of evaluating the proposed method, utilizing the c++ programming electronic teaching period information is necessary. Learner members of experiment environment were 98 ones which were extracting the expressed indicators connected to their network behaviors in 4 dimensions of Perception , process , input and understanding of Felder- Silverman model. On the other hand students were asked to fill the questionnaire forms and their learning styles were calculated between 0-11 and then based on the behavioral information they were being grouped. We are using 5 clustering grouping methods : k-means , FCM , KNN , K-Medoids and SVM to produce ensemble clustering in generation step and co-occurrence samples or majority votes were used in Integration step. Evaluating the results will require the followings : Davies-bouldin index , Variance index , and gathering purity index. Due to the fact that the expressed methods are not able to indicate automatically the best cluster, clustering 3,4,5,6,7 clusters were using this method. And with calculating Davies-bouldin index the best cluster in each method were selected. In FCM each data were contributed to the cluster which has the most dependence to that . Numerical results of Davies-bouldin index have shown that ensemble clusters have the exact accumulation clusters among the others. Clustering variance in different size is indicating that ensemble clustering has the most accumulation and the least dispersion and also purity-gathering results has shown that proposed grouping method has the ability to gather learners with the similar style in each cluster and has a better efficiency compared to the others. So with this idea while maintaining simplicity, more accurate results based on the Davies-bouldin index , Variance index , and gathering purity index is obtained. Due to the importance of high accuracy and high speed and low computational complexity in the clustering methods, instead of a more complex approach, combining the weaker and easier clustering methods, better and more accurate results reached.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.یادگیری الکترونیکی، گروه¬بندی یادگیرندگان، خوشه¬بندی، سبک یادگیری، رویکرد شوراییhttp://jour.aicti.ir/en/Article/Download/8336
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718بررسی تاثیر استفاده از انواع استراتژی¬های بازاریابی در شبکه‌های اجتماعی بر جلب اعتماد مشتریان شوراییبررسی تاثیر استفاده از انواع استراتژی¬های بازاریابی در شبکه‌های اجتماعی بر جلب اعتماد مشتریان شورایی91104faفرزانهمیلانیمدیریت بازرگانی- بازاریابی دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ایرانسیدجعفر زنوزیگروه مدیریت بازرگانی دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ایران2019910The aim of this study is to investigate the effect of using variety of marketing strategies in social networks to build customers’ trust. Marketing through social networks has made appropriate opportunities for companies to attract more customers. Building customers' trust and attracting the customers can be mentioned as marketing challenges on these networks. So, in order to create competitive advantages, companies need to use appropriate strategies of building trust. The population of this study consists of all Iranian users of social networking sites that affected by companies advertisements. Also the sample size by using snowball sampling method is 446. The research method is descriptive survey research and data collection tool is questionnaire. To test hypotheses the partial least squares (PLS) technique and SmartPLS 3 software has been used. The results show that all four variables include: transactional, relationship, database and knowledge-based marketing strategies in social networks have a significant impact to build customers’ trust. Indeed, transactional strategy has negative impact on trust so the relation between this variable and dependent variable is reverse. knowledge-based marketing strategy has the most positive impact on customers’ trust.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.استراتژی‌های بازاریابی، شبکه‌های اجتماعی، اعتماد مشتریانhttp://jour.aicti.ir/en/Article/Download/8340
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718Using web analytics in forecasting the stock price of chemical products group in the stock exchangeبه‌کارگیری وب‌کاوی در پیش‌بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار1948faامیرداییمدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه خوارزمی، تهرانامیدمهدیعبادتیگروه مدیریت عملیات و فناوری اطلاعات دانشگاه خوارزمی، تهران0000-0002-2688-9595کیوان برنا گروه علوم کامپیوتر دانشگاه خوارزمی، تهران20191230Forecasting markets, including stocks, has been attractive to researchers and investors due to the high volume of transactions and liquidity. The ability to predict the price enables us to achieve higher returns by reducing risk and avoiding financial losses. News plays an important role in the process of assessing current stock prices. The development of data mining methods, computational intelligence and machine learning algorithms have led to the creation of new models in prediction. The purpose of this study is to store news agencies' news and use text mining methods and support vector machine algorithm to predict the next day's stock price. For this purpose, the news published in 17 news agencies has been stored and categorized using a thematic language in Phoenician. Then, using text mining methods, support vector machine algorithm and different kernels, the stock price forecast of the chemical products group in the stock exchange is predicted. In this study, 300,000 news items in political and economic categories and stock prices of 25 selected companies in the period from November to March 1997 in 122 trading days have been used. The results show that with the support vector machine model with linear kernel, prices can be predicted by an average of 83%. Using nonlinear kernels and the quadratic equation of the support vector machine, the prediction accuracy increases by an average of 85% and other kernels show poorer results. ارسالپیش‌بینی 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.متن‌کاوی، کاوش محتوای وب، خزشگر وب، پیش‌بینی بورس اوراق بهادار، ماشین بردار پشتیبانhttp://jour.aicti.ir/en/Article/Download/8337
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718Routing improvement to control congestion in software defined networks by using distributed controllersبهبود مسیریابی جهت کنترل ازدحام در شبکه¬هاب مبتنی بر نرم¬افزار با استفاده از کنترلرهای توزیع¬شده4972faسعیدبختیاریدانشگاه علوم انتظامی امین، تهراناردشیرآذرنژادفناوری اطلاعات دانشگاه آزاد اسلامی واحد تهران مرکزی201974Software defined networks (SDNs) are flexible for use in determining network traffic routing because they separate data plane and control plane. One of the major challenges facing SDNs is choosing the right locations to place and distribute controllers; in such a way that the delay between controllers and switches in wide area networks can be reduced. In this regard, most of the proposed methods have focused on reducing latency. But latency is just one factor in network efficiency and overall cost reduction between controllers and related switches. This article examines more factors to reduce the cost between controllers and switches, such as communication link traffic. In this regard, a cluster-based algorithm is provided for network segmentation. Using this algorithm, it can be ensured that each part of the network can reduce the maximum cost (including delays and traffic on links) between the controller and its related switches. In this paper, using Topology Zoo, extensive simulations have been performed under real network topologies. The results of the simulations show that when the probability of congestion in the network increases, the proposed algorithm has been able to control the congestion in the network by identifying the bottleneck links in the communication paths of each node with other nodes. Therefore, considering the two criteria of delay and the degree of busyness of the links, the process of placing and distributing the controllers in the clustering operation has been done with higher accuracy. By doing so, the maximum end-to-end cost between each controller and its related switches, in the topologies Chinanet of China, Uunet of the United States, DFN of Germany, and Rediris of Spain, is decreased 41.2694%, 29.2853%, 21.3805% and 46.2829% respectively.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. شبکه¬های مبتنی بر نرم¬افزار، کنترلرهای توزیع¬شده، قراردادن کنترلرها، خوشه¬بندی، کنترل ازدحامSoftware Defined Networking Distributed Controllers Controller Placement Clustering Congestion Controlhttp://jour.aicti.ir/en/Article/Download/8338
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718Provide a model of human resource knowledge architecture in knowledge-based organizations using a mixed approachارائه الگوی معماری دانش منابع انسانی در سازمان‌های دانش‌بنیان با استفاده از رویکرد آمیخته7390faعبداله ساعدی مدیریت منابع انسانی، دانشگاه لرستان، خرم آباد، ایرانرضا سپهوندگروه مدیریت بازرگانی، دانشگاه لرستان، خرم آباد، ایران0000-0002-2217-6029سید نجم الدین موسویگروه مدیریت بازرگانی، دانشگاه لرستان، خرم آباد، ایرانمحمد حکاکگروه مدیریت بازرگانی، دانشگاه لرستان، خرم آباد، ایران2019628Knowledge architecture of human resources is more important than any other tool or element in the way of creating, organizing, storing, distributing and applying knowledge to achieve organizational goals. The present study was conducted to present the architectural model of human resource knowledge in knowledge-based organizations using a mixed approach. This research is based on mixed research and quantitatively and qualitatively, which is descriptive-survey in terms of purpose, application and nature and method. The statistical population of the present study consists of knowledge-based organizations in Lorestan province, 30 of whose experts have been selected based on the principle of theoretical adequacy and using purposive sampling. The data collection tool in the qualitative part of the research is a semi-structured interview and in the quantitative part is a questionnaire. In the qualitative section, data and information were identified using Atlas.ti software and analysis coding method and architectural indicators of human resource knowledge. In the quantitative part of the research, the final model of the research has been developed and presented using Matlab software and interpretive structural modeling method. The research results include the indicators and components of human resource knowledge architecture and the presentation of human resource knowledge architecture model in knowledge-based organizations. Thus, in addition to developing a human resource knowledge architecture architecture model, the findings indicate the identification of the main components of human resource knowledge architecture, knowledge management infrastructure, professional characteristics, situational characteristics and achievements of human resource knowledge architecture.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.معماری دانش، معماری دانش منابع انسانی، رویکرد آمیخته، سازمان¬های دانش¬بنیان http://jour.aicti.ir/en/Article/Download/8339
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041111392020718Criteria for evaluating the effectiveness of social media users - a framework based on social media explorationمعیارهای ارزیابی ارزش اثرگذاری کاربران رسانه های اجتماعی- چارچوبی براساس کاوش رسانه های اجتماعی109125faروجیارپیرمحمدیانیدانشکده مهندسی کامپیوتر، دانشگاه کردستان، ایرانشهریار محمدی دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، ایران 20191230 Nowadays, users' interactive behaviors on social media have become an important and influential resource on marketing activities in various businesses. Despite the importance of this issue, providing appropriate criteria for evaluating the influential behavior of users in recent studies has received less attention. For this purpose, in the first step, an innovative theory framework including two main dimensions: potential of the influence and the level of the influence is presented. Then, in order to define criteria for measuring each dimension, by providing a comprehensive and combined classification including three domains, user-based analysis, relationship-based analysis and content-based analysis, exploration techniques Social media has been examined to analyze the effective behaviors of users. In the following, according to the literature review, the criteria of "number of active users", “ranked of users based on the structural indexes and activity", “quality and the subjectiveness of content” have been defined to measure each of the aforementioned dimensions. The criteria proposed in this article are effective for creating dashboards to assess the value of users' influence in various businesses. It also a comprehensive roadmap has been provided for businesses about the data they need to collect and the required techniques to determine each of these metrics through a cross-disciplinary and academic classification of social media exploration techniques. 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.ارزش اثرگذاری، کاوش رسانه های اجتماعی، رفتارهای تعاملی کاربران http://jour.aicti.ir/en/Article/Download/8341