فهرست مقالات خرد جمعی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بررسی عوامل کلیدی جمع سپاری و تأثیر آن بر موفقیت پروژه (مورد مطالعه: شرکت پدیده شاندیز)
  میر حمید تقوی علیرضا علی احمدی محمدعلي شفيعا پیمان  اخوان علی بنیادی نائینی
  یکی از مهمترین روندهایی که نگاه کسب و کارها، دولت ها و سازمان های بشردوستانه به بازار اینترنت و موبایل را تغییر می دهد، جمع سپاری است. این پارادایم جدید که بر اساس مشارکت در چارچوب خرد جمعی شکل گرفته به عنوان مدل کسب وکار در حال ظهور جدیدی شناخته شده است که با استفاده چکیده کامل

  یکی از مهمترین روندهایی که نگاه کسب و کارها، دولت ها و سازمان های بشردوستانه به بازار اینترنت و موبایل را تغییر می دهد، جمع سپاری است. این پارادایم جدید که بر اساس مشارکت در چارچوب خرد جمعی شکل گرفته به عنوان مدل کسب وکار در حال ظهور جدیدی شناخته شده است که با استفاده از غیرحرفه ای ها در کنار حرفه ای ها، سعی در صرف هر چه کمتر زمان و به تبع آن هزینه کمتر در اجرای وظایف دارد. هدف تحقیق حاضر بررسی عوامل مؤثر بر جمع سپاری و رابطه آن با موفقیت پروژه در شرکت پدیده شاندیز است. جهت انجام تحلیل عاملی تأییدی متغیرهای پژوهش، از روش مدل یابی معادلات ساختاری مبتنی بر روش حداقل مربعات جزیی با نرم افزار اسمارت پی ال اس2 استفاده شده است. برای این منظور 200 نفر از مدیران و کارشناسان شرکت پدیده شاندیز که از آشنایی کامل در حوزه جمع سپاری برخوردار بوده و در این زمینه فعالیت های عملیاتی و تحقیقاتی داشته اند، با روش نمونه گیری تصادفی انتخاب و از طریق پرسشنامه و مصاحبه مورد ارزیابی قرار گرفته اند. نتایج تحقیق نشان می دهد که 1. مشارکت کنندگان بیشترین تأثیر را بر جمع سپاری دارند. 2. جمع سپاری تأثیر معناداری بر عملکرد کسب و کار و موفقیت پروژه دارد. 3. شاخص رضایتمندی مشتریان مهمترین عامل در توصیف تغییرات موفقیت پروژه است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - یک روش انتخاب ویژگی ترکیبی برای داده‌های با بعد بالا مبتنی بر خرد جمعی
  امیررضا روحی حسین نظام‌آبادی‌پور
  امروزه با ظهور و گسترش داده‌های بعد بالا، روند انتخاب ویژگی نقش بسیار مهمی را در زمینه یادگیری ماشینی و به خصوص مسایل طبقه‌بندی داده، بازی مي‌کند. کار بر روی داده‌های با بعد بالا از جمله داده‌های میکروآرایه‌ای با مشکلاتی همچون وجود ویژگی‌های نامرتبط و افزونه بسیار روبه‌ چکیده کامل

  امروزه با ظهور و گسترش داده‌های بعد بالا، روند انتخاب ویژگی نقش بسیار مهمی را در زمینه یادگیری ماشینی و به خصوص مسایل طبقه‌بندی داده، بازی مي‌کند. کار بر روی داده‌های با بعد بالا از جمله داده‌های میکروآرایه‌ای با مشکلاتی همچون وجود ویژگی‌های نامرتبط و افزونه بسیار روبه‌رو است که باعث کاهش نرخ صحت طبقه‌بند، افزایش هزینه محاسباتی و معضل "نفرین بعد" می‌شود. در این مقاله به ارائه یک روش ترکیبی با استفاده از رویکردهای خرد جمعی برای انتخاب ویژگی در داده‌های با بعد بالا پرداخته می‌شود. در روش پیشنهادی، ابتدا در مرحله اول از یک روش فیلتری برای کاهش بعد داده استفاده می‌شود، سپس در مرحله دوم، دو الگوریتم روزآمد پیچشی با استفاده از رویکرد خرد جمعی بر روی ویژگی‌های کاهش‌یافته اعمال شده و نتیجه تجمیع می‌گردد. روش پیشنهادی بر روی 8 پایگاه داده میکروآرایه‌ای مورد ارزیابی قرار گرفته و مقایسه نتایج با چندین روش روزآمد و شناخته‌شده در حوزه انتخاب ویژگی، کارایی روش پیشنهادی را تأیید می‌کند. پرونده مقاله