<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <title>دانشنامۀ تحول دیجیتال</title>
    <link>https://dtj.mehralborz.ac.ir/</link>
    <description>دانشنامۀ تحول دیجیتال</description>
    <atom:link href="" rel="self" type="application/rss+xml"/>
    <language>fa</language>
    <sy:updatePeriod>daily</sy:updatePeriod>
    <sy:updateFrequency>1</sy:updateFrequency>
    <pubDate>Sun, 22 May 2022 00:00:00 +0430</pubDate>
    <lastBuildDate>Sun, 22 May 2022 00:00:00 +0430</lastBuildDate>
    <item>
      <title>آرتمیا: مسیریاب مبتنی بر انجمن و آگاه به نظم تماس در شبکة اجتماعی متحرک</title>
      <link>https://dtj.mehralborz.ac.ir/article_246988.html</link>
      <description>میزبان‌ها در شبکة اجتماعی متحرک در خیلی از کاربردها در زمان‌های نسبتاً مشخص در مکان‌های مشخص حضور پیدا می‌کنند. آگاهی به این نظم تماس و انجمن‌های شکل گرفته می‌تواند به بهبود کارایی پروتکل‌های مسیریابی در این شبکه کمک نماید. ما مسیریاب آرتمیا را پیشنهاد می‌کنیم که از این دانش بهره می‌برد. این مسیریاب برای آگاهی از نظم تماس، هر روز را به بازه‌های مشخص تقسیم و با نقشة بیتی اقدام به ثبت حضور میزبان‌ها به صورت روزانه، هفتگی و ماهانه می‌نماید. علاوه بر این، در هر بازه با یک رویکرد بهینه‌سازی چندمعیاری اقدام به تشخیص و ثبت انجمن‌ها می‌کند. برای هدایت بسته‌ها در این مسیریاب یک تابع مطلوبیت هدایت مدل‌سازی شده پیشنهاد شده است. در این مدل برای شناسایی گره‌های هم‌انجمن، دوست، آشنا و غریبه یک روش با پیچیدگی پایین پیشنهاد می‌کنیم که برای افزایش دقت داده‌ها از نابرابری چبیشف استفاده می‌کند. آرتمیا معیار سربار شبکه‌ای را در مقایسه با پروتکل‌های دینامیک و TCCB به ترتیب در حدود 44% و 35%، و معیارهای نرخ تحویل و تأخیر تحویل را به ترتیب تا حداکثر 6% و 8% بهبود می‌دهد.</description>
    </item>
    <item>
      <title>ادغام استراتژیک داده کاوی و شبیه سازی برای افزایش دسترسی به خدمات پزشکی و دارویی</title>
      <link>https://dtj.mehralborz.ac.ir/article_246989.html</link>
      <description>از جمله مسائل مطرح در حوزه خدمات درمانی، دسترسی آسان بیماران به مراکز درمانی جهت تسریع در فرایند درمانی بیمار ، خرید دارو، موجود بودن دارو در داروخانه، جلوگیری از ورود داروهای تقلبی به چرخه زنجیره تأمین دارویی و جلوگیری از احتکار دارو است. برای این منظور در این پژوهش ابتدا با استفاده از نرم‌افزار رپیدماینر و الگوریتم‌های K-Means، X-Means، K-means-H2O و K-Means-Fast مراکز درمانی بر حسب دوری و نزدیکی به بیمار فرضی خوشه‌بندی شدند تا دسترسی بیمار به نزدیکترین مرکز درمانی به سهولت انجام شود. از میان این الگوریتمها، الگوریتم K-Means-H2O با شاخص سیلوئت 0.67 بعنوان بهترین الگوریتم برای خوشه بندی این داده‌ها انتخاب شد. سپس با مراجعه بیمار به مرکز درمانی مورد نظر، کد نسخه الکترونیک مربوطه صادر شد که بیمار براساس آن می‌توانست با مراجعه به داروخانه، داروی مورد نظر خود را دریافت نماید. علاوه براین بمنظور سلامت زنجیره تأمین دارویی، از تگ رادیویی برای شناسنامه‌دار کردن داروهای عرضه شده استفاده شد تا ضمن ردیابی دارو، از ورود داروهای تقلبی به چرخه زنجیره تأمین دارویی جلوگیری شود. در نهایت، با استفاده از نرم‌افزار ویژوال بیسیک و طراحی فیلدهای دارو و داروخانه، نظارت بر فروش دارو برای جلوگیری از احتکار دارو، خروج داروهای تاریخ مصرف گذشته از چرخه فروش و همچنین پشتیبانی از داروها و داروخانه‌های پر فروش از طریق تأمین به موقع دارو، توسط نهاد ناظر فراهم شد. علاوه بر آن فیلدی ایجاد شد که بیماران بتوانند تمام یا بخشی از داروهای خود را از نزدیکترین داروخانه تهیه کنند.</description>
    </item>
    <item>
      <title>ارائه چارچوبی از عوامل مؤثر بر تمایل دانشجویان در استفاده از کلاس مجازی در دانشگاه مهر البرز</title>
      <link>https://dtj.mehralborz.ac.ir/article_246993.html</link>
      <description>این پژوهش ارائه چارچوبی از عوامل مؤثر بر تمایل دانشجویان در استفاده از کلاس مجازی را هدف گرفته است. به این منظور، با مطالعه پیشینه پژوهش‌های انجام‌شده، عوامل مؤثر بر تمایل دانشجویان در استفاده از کلاس مجازی استخراج‌شده و بر مبنای آن‌ها مدل معادلات ساختاری شکل‌گرفته است. جامعه آماری پژوهش را دانشجویان دانشگاه مهر البرز تشکیل داده‌اند که تعداد 182 نفر به‌عنوان نمونه انتخاب‌شده است. تجزیه‌وتحلیل داده‌ها با تکنیک مدل‌سازی معادلات ساختاری حداقل مربعات جزئی با استفاده از نرم‌افزار اسمارت پی‌ال‌اس انجام‌گرفته است. نتایج تجزیه‌وتحلیل داده‌ها نشان‌می‌دهد که عواملی چون رهبری آموزشی استادان، آمادگی فنی دانشجویان و طراحی دوره‌های یادگیری آنلاین به‌صورت مستقیم بر میزان رضایت دانشجویان از شرکت در کلاس تأثیرگذار است و عواملی مانند آمادگی فنی دانشجویان، تعامل دانشجویان، شرایط تسهیل‌کننده و رضایت دانشجویان از برگزاری دوره‌های آنلاین بر مشارکت ایشان در کلاس مجازی مؤثر است. همچنین مشارکت دانشجویان در کلاس مجازی بر قصد استفاده آن‌ها از کلاس مجازی در آینده اثرگذار است. نتایج این پژوهش، بینش مفیدی برای دانشگاه مهر البرز فراهم می‌کند تا با درک این عوامل، بتوانند از عوامل مؤثر بر قصد استفاده دانشجویان از کلاس مجازی استفاده‌کنند.</description>
    </item>
    <item>
      <title>تاثیر مدیریت ارتباط با مشتریان اجتماعی بر وفاداری برند و توانمند سازی عملکرد &amp;rlm;سازمان از طریق فناوری هوش مصنوعی</title>
      <link>https://dtj.mehralborz.ac.ir/article_246996.html</link>
      <description>این تحقیق تلاشی برای بررسی تاثیر مدیریت ارتباط با مشتریان اجتماعی بر وفاداری برند و توانمندسازی عملکرد سازمان از طریق هوش مصنوعی می باشد. پژوهش حاضر از نظر هدف کاربردی و از نظر روش تحقیق توصیفی همبستگی مبتنی بر معادلات ساختاری است. جامعه آماری این تحقیق مدیران و کارشناسان ارشد بانک مهر ایران می باشد که حجم آن 400 نفر می باشند. جهت برآورد از روش کوکران استفاده گردیده است که حجم نمونه به 196 رسیده است و روش نمونه گیری، روش خوشه ای می باشد. برای جمع آوری داده ها از پرسشنامه استفاده شده است که روایی صوری آن با نظر صاحب نظران و روایی سازه با تحلیل عاملی تاییدی بررسی و تایید گردیده است. جهت بررسی اعتبار و پایایی پرسشنامه از آزمون کرونباخ استفاده شده است که مقدار آن 0.78 را نشان می دهد لذا پرسشنامه از پایایی مناسبی برخوردار است. نتایج بررسی در ابتدا با استفاده از آمار توصیفی، شناختی از وضعیت و ویژگی های جمعیت شناختی پاسخ دهندگان را نشان داده و در ادامه به کمک آزمون تحلیل عاملی تائیدی به تائید مدل تحقیق پرداخته و به بررسی روابط بین متغیرهای موجود با استفاده از نرم افزار AMOS پرداخته شد. فرضیات این تحقیق شامل تاثیر مدیریت ارتباط با مشتریان اجتماعی بر وفاداری برند از طریق هوش مصنوعی، مدیریت ارتباط با مشتریان بر توانمندسازی عملکرد سازمان از طریق هوش مصنوعی مورد بررسی قرار گرفت و نتایج حاصل از تایید کلیه فرضیات تحقیق میباشد.</description>
    </item>
    <item>
      <title>مروری بر تشخیص جامعه در شبکه های اجتماعی</title>
      <link>https://dtj.mehralborz.ac.ir/article_246997.html</link>
      <description>یک شبکه اجتماعی یک ساختار اجتماعی است که از گروه های مختلف فردی یا سازمانی تشکیل شده اسـت. استفاده از شبکه های اجتماعی در سال های اخیر به طور گسترده افزایش یافته است. یکی از حوزه های تحقیقاتی فعال و چالش برانگیز در بحث شبکه های اجتماعی، موضوع تشخیص جوامـع اسـت. معنای عمومی جامعه در شبکه اجتماعی، گردآمدن تعدادی عامل در کنار هم به گونه ای است که اعضای هـر جامعـه بیشـترین تعاملات را با یکدیگر داشته باشند. انسان ها تمایل دارند در این شبکه ها گروه هایی را بر اساس علایق مشابه خود تشکیل دهند. چنین گروه هایی به عنوان جوامع یا خوشه ها شناخته می شوند. تشخیص چنین ساختاری به ما درک استثنایی از سازمان و عملکرد شبکه های اجتماعی می دهد. یکی از مهم ترین ویژگی ها در این شبکه ها وجود ساختار جامعه است. در سال‌های اخیر، الگوریتم‌های تشخیص جامعه زیادی برای آشکار کردن ویژگی‌های ساختاری و رفتارهای دینامیکی شبکه‌ها پیشنهاد شده‌اند. هدف اصلی این مقاله ارائه مروری بر الگوریتم‌های تشخیص جامعه و بررسی نقاط قوت و ضعف هر رویکرد تشخیص جامعه می باشد که از الگوریتم‌های سنتی تا الگوریتم‌های پیشرفته برای تشخیص جامعه همپوشانی می باشد. الگوریتم‌های مبتنی بر تکنیک‌های کاهش ابعاد مانند فاکتورگیری ماتریس غیر منفی (NMF) و تحلیل مؤلفه‌های اصلی (PCA) نیز مورد توجه قرار گرفته‌اند.</description>
    </item>
  </channel>
</rss>
