فهرست مقالات Big Data

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بررسی تطبیقی، کاربردها و چالش‌های فناوری‌های تحلیل بزرگ داده
  یاسر قاسمی نژاد سید عباسعلی کتابچی
  10.52547/jstpi.20796.15.60.66
  امروزه سازمان‌ها، با به‌کارگیری فناوری بزرگ داده‌، از طریق دریافت و به اشتراک‌گذاری ساده‌تر و ارزان‌تر اطلاعات، قادر به اداره حجم زیادی داده‌ها، با سرعت و تنوع زیاد شده‌اند. فناوری داده‌های عظیم، در صورت حل صحیح مشکلات مرتبط، فرصت‌های زیادی را فراهم می‌کنند. فناوری‌های چکیده کامل

  امروزه سازمان‌ها، با به‌کارگیری فناوری بزرگ داده‌، از طریق دریافت و به اشتراک‌گذاری ساده‌تر و ارزان‌تر اطلاعات، قادر به اداره حجم زیادی داده‌ها، با سرعت و تنوع زیاد شده‌اند. فناوری داده‌های عظیم، در صورت حل صحیح مشکلات مرتبط، فرصت‌های زیادی را فراهم می‌کنند. فناوری‌های گذشته، در پردازش داده‌های موجود برای مواجهه با مقادیر زیاد داده‌های تولید شده، مناسب نیستند. درصورتیکه قالب‌های پیشنهادی برای کاربردهای بزرگ داده، به ذخیره، تجزیه و تحلیل و پردازش داده‌های عظیم کمک می‌کنند. در این تحقیق، ابتدا تعاریف و چالش‌های بزرگ داده، بررسی شده و سپس تعدادی از چارچوب‌های بزرگ دادۀ موجود ( هادوپ، فلینک، استورم، اسپارک و سمزا)، مورد مطالعه و مقایسه تطبیقی قرار گرفته است. چارچوب بزرگ داده‌های مورد مطالعه، به طور کلی در دو دسته طبقه‌بندی می‌شود: (۱) حالت دسته‌ای و (۲) حالت جریانی.‌ چارچوب ‌ هادوپ،‌ داده‌ها را در حالت دسته‌ای پردازش می‌کند، در حالی که چارچوب‌های دیگر، اجازۀ پردازش جریانی یا بلادرنگ را می‌دهند. نهایتاً مهم‌ترین کاربردهای فناوری بزرگ داده تشریح شده است. مهم‌ترین کاربردهای تحلیل بزرگ داده عبارتند از: کاربردهای برنامه‌های بهداشتی، سیستم‌های توصیه‌گر، شهر هوشمند و تحلیل شبکه‌های اجتماعی. با توجه به رشد دستگاه‌‌ها‌ی متصل به اینترنت، داده‌‌ها‌ی شبکه‌های اجتماعی به طور گسترده در حال رشد بوده و نیاز بیشتری به فناوری بزرگ داده دارند. همچنین مهم‌ترین چالش‌های کاربرد بزرگ داده‌ها، شامل محرمانگی در سیستم‌های ذخیره‌سازی، كمبودهاي نرم‌افزاري و محدوديت ابزارها و امكانات سخت‌افزاری موجود، لزوم سرمايه‌گذاري بزرگ اوليه و فقدان مهارت‌هاي تكنيكي و نيروي كار خبره می‌باشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - کلان‌داده‌های مبتنی بر اینترنت‌اشیاء از چشم‌انداز کشاورزی هوشمند
  بهاره جمشیدی حسین دهقانی سانیج
  10.52547/jstpi.20875.16.63.12
  اینترنت اشیاء یک فناوری نوظهورِ مرتبط با اینترنت است که به جای تمرکز بر ارتباط بین افراد، بر ارتباط بین اشیاء تمرکز دارد. ظهور راه‌کارهای هوشمند و فناوری‌های جدید اینترنت‌اشیاء در کشاورزی با ایجاد تغییر بنیادی در همه وجوه شیوه‌های جاری، بسترساز توسعه الگوی جدیدی در کشاو چکیده کامل

  اینترنت اشیاء یک فناوری نوظهورِ مرتبط با اینترنت است که به جای تمرکز بر ارتباط بین افراد، بر ارتباط بین اشیاء تمرکز دارد. ظهور راه‌کارهای هوشمند و فناوری‌های جدید اینترنت‌اشیاء در کشاورزی با ایجاد تغییر بنیادی در همه وجوه شیوه‌های جاری، بسترساز توسعه الگوی جدیدی در کشاورزی به نام کشاورزی هوشمند شده است. کشاورزی هوشمند مبتنی بر اینترنت‌اشیاء سبب بهبود بهره‌وری کشاورزی با تولید بیشینه غذا از طریق استفاده بهینه از منابع پایه، کمینه‌کردن اثرات محیطی، کاهش هزینه‌ها و افزایش درآمد با ارتباط به بازار کسب و کار خواهد شد که دستیابی به اهداف توسعه‌پایدار کشاورزی را تسهیل می‌کند. داده‌های مبتنی بر اینترنت‌اشیاء، کلان‌داده هستند. در این مقاله فناوری‌های اینترنت‌اشیاء و کلان‌داده معرفی شده است. همچنین با هدف کمک به تصمیم‌گیری راهبرد از مرحله پیش از تولید تا بازاریابی کسب‌ وکارها در کشور، چرخه عمر و روند این فناوری‌ها بررسی و تحلیل شده است. براساس Google Trends، محبوبیت جهانی این فناوری‌ها نیز بررسی و تحلیل و ارتباط بین آنها از چشم‌انداز کشاورزی هوشمند ارائه شده است. همچنین در این مقاله، کاربردهای کلان‌داده‌های مبتنی بر اینترنت‌اشیاء در چرخه‌ کشاورزی هوشمند بر پایه مطالعه مروری و تحلیل موضوعی پژوهش‌های اجراشده، معرفی شده‌اند. طبق یافته‌ها‌، کاربرد فناوری‌های اینترنت‌اشیاء و کلان‌داده در کشاورزی و کسب و کارهای مرتبط رو به افزایش است و می‌توان پیش‌بینی کرد که آیندة کشاورزی بهینه در جهان برای پاسخگویی به نیاز غذایی و پایداری در تولید بدون یکپارچگی این فناوری‌ها و هوشمندسازی کشاورزی امکان‌پذیر نباشد. کاربردهای کلان‌داده‌های مبتنی بر اینترنت‌اشیاء در دسته‌بندی چرخه کشاورزی هوشمند شامل سنجش و پایش هوشمند شرایط محیطی، تجزیه و تحلیل و برنامه‌ریزی هوشمند، کنترل هوشمند، و استفاده در فضاهای ابری قرار می‌گیرند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - راهکاری مبتنی بر ساخت درخت دودویی تقریبی برای سرعت‌بخشیدن به جستجوی نزدیک‌ترین همسایگی در داده‌های حجیم
  حسین کلاته نگین دانشپور
  با توجه به سرعت روزافزون تولید اطلاعات و نیاز تبدیل اطلاعات به دانش، روش‌های یادگیری ماشین قدیمی دیگر پاسخگو نیستند. هنگام استفاده از طبقه‌بندی‌ها با روش‌های یادگیری ماشین قدیمی، به ویژه استفاده از طبقه‌بندی‌های ذاتاً تنبل مانند روش k- نزدیک‌ترین همسایگی (KNN)، عملیات ط چکیده کامل

  با توجه به سرعت روزافزون تولید اطلاعات و نیاز تبدیل اطلاعات به دانش، روش‌های یادگیری ماشین قدیمی دیگر پاسخگو نیستند. هنگام استفاده از طبقه‌بندی‌ها با روش‌های یادگیری ماشین قدیمی، به ویژه استفاده از طبقه‌بندی‌های ذاتاً تنبل مانند روش k- نزدیک‌ترین همسایگی (KNN)، عملیات طبقه‌بندی داده‌های حجیم بسیار کند است. نزدیک‌ترین همسایگی به دلیل سادگی و دقت عملی که ارائه می‌دهد یک روش محبوب در زمینه طبقه‌بندی داده‌ها می‌باشد. روش پیشنهادی مبتنی بر مرتب‌سازی بردارهای ویژگی داده‌های آموزشی در یک درخت جستجوی دودویی است تا طبقه‌بندی داده‌های بزرگ را با استفاده از روش نزدیک‌ترین همسایگی تسریع بخشد. این کار با استفاده از یافتن تقریبی دو دورترین داده محلی در هر گره درخت انجام می‌شود. این دو داده به عنوان معیار برای تقسیم داده‌های موجود در گره فعلی بین دو گروه، مورد استفاده قرار می‌گیرند. مجموعه داده‌های موجود در هر گره بر اساس شباهت آنها به این دو داده، به فرزند چپ یا راست گره فعلی تخصیص داده می‌شوند. نتایج آزمایش‌های متعدد انجام‌شده بر روی مجموعه داده‌های مختلف از مخزن UCI، میزان دقت خوب با توجه به زمان اجرای کم روش پیشنهادی را نشان می‌دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - خوشه‌بندی مدیران صنعت گاز ایران و اولویت‌بندی شایستگی‌های مدیران مبتنی بر نتایج ارزیابی مدل تعالی سازمانی با رویکرد هوش مصنوعی
  علی رضا زمانیان مجید جهانگیرفرد فرشاد حاج علیان
  10.52547/istd.31542.8.31.51
  در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی به عنوان کلان داده و هوش مصنوعی ایجاد شود و با استفاده از نتایج مدل تعالی سازمان در صنعت بزرگ گاز ایران و برای حدود 51 شرکت، به یک مدل برای خوشه بندی مدیران موفق منابع انسانی سازمان بر چکیده کامل

  در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی به عنوان کلان داده و هوش مصنوعی ایجاد شود و با استفاده از نتایج مدل تعالی سازمان در صنعت بزرگ گاز ایران و برای حدود 51 شرکت، به یک مدل برای خوشه بندی مدیران موفق منابع انسانی سازمان بر اساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (EFQM) دست یابیم. در این مقاله تلاش شده تا بسترسازی مناسبی در جهت ایجاد رابطه بین داده های منابع انسانی با استفاده از نتایج مدل تعالی سازمانی، برای حدود 51 شرکت فرعی و ستادی شرکت ملی گاز ایران با بهره گیری از روش های هوش مصنوعی و یادگیری ماشین صورت پذیرد و به یک مدل برای خوشه بندی مدیران ارشد سازمان براساس نتایج ارزیابی شرکت ها با مدل تعالی سازمانی (مبتنی بر مدل تعالی EFQM) دست یابیم. ویژگی منحصربه فرد این روش این است که براساس خروجی و عملکرد واقعی سازمان های موفق به دست می آید که در رأس آن ها مدیران و رهبران موفق سازمان حضور داشته اند و براساس آن در آینده می توان به یک مدل شایستگی مبتنی بر عملکرد دست یافت. در این مقاله ابتدا بر اساس نتایج حاصل از ارزیابی مدل تعالی سازمان، به خوشه بندی نتایج مدل تعالی در 51 شرکت صنعت گاز ایران بر اساس نتایج ارزیابی های سال های 1396، 1397 و 1398 اقدام می کنیم. خوشه بندی برای 3776 داده با روش های مبتنی بر هوش مصنوعی و کدنویسی با نرم افزار پایتون صورت می گیرد. تحقیق حاضر از لحاظ هدف کاربردی بوده و به دنبال طراحی و تدوین یک مدل جدید برای کشف خبرگان و دسته بندی علمی منابع انسانی سازمان بر اساس داده های معتبر می باشد. این پژوهش همچنین به دنبال تلفیق مباحث جدید علمی هوش مصنوعی شامل خوشه بندی در ایجاد زیرساخت های پژوهشی در منابع انسانی است و در بعد کاربردی از نتایج به دست آمده در تصمیم گیری و برنامه ریزی های سازمانی استفاده می کند و به دنبال تولید ابزاری است که با آن بتواند در آینده با داشتن داده های مناسب در حرفه منابع انسانی، عملکرد مدیریتی کارکنان این حرفه و سازمان را پیش بینی نماید. در انتها با استفاده از نرخ تفکیک پذیری فیشر یک اولویت بندی برای آموزش و توسعه مدیران براساس شکاف شایستگی های ایشان بدست خواهد آمد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - بازاریابی داده محور در کسب و کارهای دیجیتال از دیدگاه قابلیت های پویا
  مائده  امینی ولاشانی ایوب محمدیان سید محمدباقر جعفری
  زمینه و هدف: علیرغم حجم بسیار زیاد داده و فوایدی که استفاده از آن می تواند برای فعالیت های بازاریابی داشته باشد، هنوز نحوه بکارگیری آن در ادبیات پژوهش بصورت روشن مشخص نبوده و مطالعات بسیار محدودی در این زمینه انجام گرفته است. در این راستا ﭘﮋوﻫﺶ ﺣﺎﺿﺮ با بهره گیری از نظری چکیده کامل

  زمینه و هدف: علیرغم حجم بسیار زیاد داده و فوایدی که استفاده از آن می تواند برای فعالیت های بازاریابی داشته باشد، هنوز نحوه بکارگیری آن در ادبیات پژوهش بصورت روشن مشخص نبوده و مطالعات بسیار محدودی در این زمینه انجام گرفته است. در این راستا ﭘﮋوﻫﺶ ﺣﺎﺿﺮ با بهره گیری از نظریه قابلیت های پویا به شناسایی قابلیت های پویای بازاریابی داده محور به منظور محوریت دادن به داده در شکل گیری راهبردهای بازاریابی، انجام تصمیم گیری های اثربخش و بهبود کارایی در فرایندها و عملیات بازاریابی پرداخته است. روش‌شناسی: این پژوهش به روش ﮐﯿﻔﯽ و ﺑﺎ اﺳﺘﺮاﺗﮋي تحلیل مضمون و بهره گیری از ﻣﺼﺎﺣﺒﻪ با متخصصان این حوزه، اﻧﺠﺎم گرفته است. افراد مورد مطالعه ﭘﮋوﻫﺶ تعداد 18 متخصص حرفه ای در زمینه تحلیل داده و بازاریابی ﺑﻮده اﻧﺪ ﮐﻪ ﺑﺎ روش ﻧﻤﻮﻧﻪﮔﯿﺮي ﻫﺪﻓﻤﻨﺪ اﻧﺘﺨﺎب ﺷﺪه اﻧﺪ. یافته‌ها: ﯾﺎﻓﺘﻪﻫﺎي این مطالعه ﻧﺸﺎن می دهد قابلیت های پویای بازاریابی داده محور شامل؛ قابلیت جذب داده های بازاریابی، قابلیت تجمیع و تحلیل گری داده های بازاریابی، قابلیت تصمیم گیری داده محور، قابلیت بهبود تجربه داده محور با مشتری، قابلیت نوآوری داده محور، قابلیت شبکه سازی، قابلیت چابکی و قابلیت ایجاد تحول داده محور می باشند. نتیجه‌گیری: نتایج این مطالعه می تواند گامی در جهت تکامل تئوری قابلیت های پویا در حوزه بازاریابی با رویکرد داده محوری باشد. از این رو می تواند در آموزش و ایجاد قابلیت های جدید سازمانی به منظور بکارگیری کلان داده در فعالیت های بازاریابی سازمان ها و توسعه و بهبود محصولات و خدمات داده محور و بهبود تجربه مشتریان مورد استفاده قرار گیرد پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - مولفه های اصلی ارزیابی اعتبار کاربران با توجه به اهداف سازمانی در چرخۀ حیات کلان داده
  سوگند  دهقان شهریار  محمدی روجیار پیرمحمدیانی
  شبکههاي اجتماعي بهدلیل سرعت انتشار رویدادها و نیز حجم زیاد اطلاعات، به یکي از مهمترین منابع تصمیمگیري در سازمانها تبدیل شدهاند. ولي پیش از استفاده، صحت، قابلیت اطمینان و ارزش اطلاعات تولید شده توسط آنها، باید مورد ارزیابي قرار گیرد. به این منظور، بررسي اعتبار اطلاعات با چکیده کامل

  شبکههاي اجتماعي بهدلیل سرعت انتشار رویدادها و نیز حجم زیاد اطلاعات، به یکي از مهمترین منابع تصمیمگیري در سازمانها تبدیل شدهاند. ولي پیش از استفاده، صحت، قابلیت اطمینان و ارزش اطلاعات تولید شده توسط آنها، باید مورد ارزیابي قرار گیرد. به این منظور، بررسي اعتبار اطلاعات با توجه به ویژگيهاي شبکههاي اجتماعي در سه سطح کاربر، محتوا و رویداد امکانپذیر ميباشد. سطح کاربر، قابل اطمینانترین سطح این حوزه ميباشد، زیرا کاربر معتبر، معمولا اقدام به انتشار محتواي معتبر مينماید. از این رو، ارزیابي سطح کاربر مورد توجه این پژوهش ميباشد. بیشتر مقالات مرتبط به حوزۀ ارزیابي اعتبار کاربران شبکههاي اجتماعي به ارزیابي اعتبار کاربران در حالت کلي پرداختهاند و از اهداف سازماني مانند ارزیابي اعتبار کاربران به منظور یافتن افراد خلاق چشم پوشي نمودهاند. همچنین چرخه حیات کلان داده و مولفههاي مهم در فرآیند ارزیابي اعتبار کاربران کمتر مورد توجه قرار گرفتهاند. از این رو، این تحقیق با بررسي 50 مقاله مهم در این حوزه، مولفههاي مهم را به سه مولفه اصلي )تعیین موضوع محتوا، انتخاب ویژگيها و ارزیابي اعتبار( دسته بندي مينماید و روشها و ویژگيهاي مربوط به هر یک را مورد بحث قرار ميدهد. نهایتا یک چارچوب اولیه ارزیابي اعتبار کاربران شبکههاي اجتماعي با توجه به اهداف سازماني و چرخه حیات کلان داده ارائه گردید. هدف این چارچوب، ارائه یک راهنما مناسب به سازمانها، براي محاسبۀ میزان اعتبار کاربران در فرآیند تصمیمگیري ميباشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  7 - راهكاری نوين در انتخاب پايگاه‌هاي‌ داده مناسب جهت ذخيره‌سازي کلان داده‌ها در شبکه ملی اطلاعات
  محمد رضا احمدی داود ملکی احسان آریانیان
  توسعه زيرساخت‌ها و برنامه‌هاي كاربردي به خصوص سرويس‌هاي همگاني در قالب رايانش ابري، الگوهاي سنتي خدمات پايگاه‌ها‌‌ي داده و روش‌هاي ذخيره‌سازي آنها را با محدوديت‌ها و چالش‌هاي جدي روبرو ساخته است. توسعه روزافزون ابزارهاي مولد خدمات داده‌اي و لزوم ذخيره‌سازي نتايج پردازش‌ چکیده کامل

  توسعه زيرساخت‌ها و برنامه‌هاي كاربردي به خصوص سرويس‌هاي همگاني در قالب رايانش ابري، الگوهاي سنتي خدمات پايگاه‌ها‌‌ي داده و روش‌هاي ذخيره‌سازي آنها را با محدوديت‌ها و چالش‌هاي جدي روبرو ساخته است. توسعه روزافزون ابزارهاي مولد خدمات داده‌اي و لزوم ذخيره‌سازي نتايج پردازش‌هاي بزرگ وگسترده حاصل از فعاليت‌هاي مختلف در شبکه ملی اطلاعات و داده‌های تولیدی بخش خصوصي و شبكه‌هاي فراگير اجتماعي، روند مهاجرت به پايگاه‌ها‌‌ي داده نوين با ويژگي‌هاي مناسب را اجتناب‌ناپذير كرده است. با گسترش و تغيير حجم و تركيب داده‌ها و شكل‌گيري کلان داده‌ها،‌ عملكردها و الگوهاي سنتي پاسخگوي نيازهاي جديد نيستند. بنابراين لزوم استفاده از سيستم‌هاي ذخيره‌سازي داده در قالب‌ها و مدل‌هاي نوین و مقیاس‌پذیر را ضروري ساخته است. در اين مقاله راهكارهاي اساسي در خصوص ابعاد ساختاري و كاركردهاي مختلف پايگاه‌ها‌‌ي داده سنتي و سيستم‌هاي ذخيره‌سازي نوين بررسي گرديده و راهكارهاي فني جهت مهاجرت از پايگاه‌هاي داده سنتي به نوین و مناسب برای کلان داده‌ها ارائه مي‌گردد. همچنین ويژگي‌هاي اساسي در خصوص پيوند پايگاه‌هاي داده سنتي و نوين جهت ذخيره و پردازش داده‌هاي حاصل از شبکه ملی اطلاعات ارائه شده و پارامترها و قابليت‌های پايگاه‌های داده در بستر استاندارد پایه و بستر هدوپ بررسی شده است. به عنوان یک نمونه عملیاتی یک راهکار ترکیبی از پایگاه داده سنتی و نوین با استفاده از روش کارت امتيازی متوازن ارائه شده و مورد ارزیابی و مقایسه قرار گرفته است. پرونده مقاله