کلان داده

حکمرانی در عصر فضای مجازی به یکی از چالش های اصلی کشورها تبدیل شده است. معطوف به دغدغه نجات فرهنگ ایرانی-اسلامی در مقابله با تهاجم فرهنگی غرب با تأکید بر این پیش فرض که عمده آسیب های حکمرانی در بخش های مختلف جامعه متاثر از فرهنگ حاکم بر ذهن مسئولین و مردم است، این پژوهش با روش کیفی-توصیفی و گردآوری کتابخانه ای در جستجوی پاسخ به دو سوال اساسی است که اولاً چرا حکمرانی و صیانت از ذهن جامعه در عصر فضای مجازی یک امر لازم و ضروری است؟ ثانیاً امکان حکمرانی همراه با صیانت از ذهن جامعه در عصر فضای مجازی، چگونه تحقق خواهد یافت؟ ادبیات نظری پژوهش با توجه به اهمیت صیانت از ذهن جامعه در فضای مجازی، محدود به واکاوی و تبیین مؤلفه های مبنایی مرتبط با تحولات عرصه فضای مجازی از جمله رصد تحولات فناورانه در حوزه ارتباطات دیجیتال، شکل گیری دوران پساحقیقت و ظهور پدیده ای با عنوان ناآرامی های اجتماعی، و نیز تحولات معرفت شناسی و نگرش پست مدرنیسم در رابطه با مفهوم عقلانیت عام و محدود است؛ تا از طریق این بینش مبنایی، فرصتی برای تأمل و توجه جدی تر حکمرانان و سیاستمداران راهبردی در طراحی سیاست ها و مداخلاتی که منجر به نتایج بهتر برای حکمرانی بر افراد و آحاد جامعه به مثابه یک کل می شود، ایجاد گردد.

هدف: انبوهی از داده های خام در حوزه های مختلف در درون شبکه های اجتماعی ایجاد شده است و پژوهشگران در حوزه های مختلف با توجه به مسئله مورد پرسش به تحلیل و ارزیابی این داده ها پرداختند. از سوی دیگر همیشه بشر دنبال دانستن این مهم بوده است که فردا چه اتفاقی می افتدو یا افراد دیگر چه فکر می کنند و چه تصمیمی می گیرندروش: هدف کلیدی این مقاله مطالعه و ارزیابی روش های پیش بینی انتخابات مبتنی بر کلان داده های شبکه های اجتماعی است. از همین رو، این مقاله به مطالعه و ارزیابی روش های پیش بینی انتخابات بر اساس داده های فراوان در شبکه اجتماعی در سطح ایران و جهان حاصل از تجربه بین المللی و نویسنده پرداخته است. بر این اساس، 25 مورد پژوهش پیرامون پیش بینی انتخابات بر اساس کلان داده های شبکه های اجتماعی مورد مطالعه قرار گرفت و دو روش کلیدی استخراج شد. اولین روش، استفاده از حجم داده ها و شمارش محتوا است و روش دیگر، تجزیه و تحلیل احساسات محتواهای منتشر شده (شناسایی دوست داشتن، دوست نداشتن، و یا رویکرد سنجی یا ارزیابی بازخورد به صورت پاسخ های مثبت، منفی یا خنثی طبقه بندی می شود).یافته ها: یافته های از ارزیابی پژوهش های بین المللی با تجربه نویسنده حاکی از آن است هرچند هر دو روش در مواردی پاسخ گو بوده اند اما احتمال پاسخگویی روش تحلیل احساسات و درک محتوای پست ها در فالب رویکرد سنجی موثر تر و دقیق تر به نظر می رسد. همچنین با بررسی این مقالات به نظر می رسد با اینکه روش ها اندکی با هم اختلاف دارند اما این دو روش در این 25 نقاله که در کشور های مختلف مورد بررسی قرار گرفته است مشترک است.نتیجه گیری: می توان نتیجه گرفت پیش بینی انتخابات و رویدادهای مشابه سیاسی و اجتماعی و حتی در نگاه مثبت نگر تصمیم و احساسات یک جامعه را می توان به کمک کلان داده های شبکه اجتماعی تا حدود پیش بینی کرد اما این به معنی دقت بسیار بالا در تمامی روش ها نیست بلکه می تواند مقدمه پژوهش ها و تجربیاتی باشد که در جهت توسعه بهره گیری از کلان داده های شبکه های اجتماعی مفید واقع شود.

دانشگاه ها، سازمان های تأثیرگذار و مهمی در جامعه هستند که حجم داده ها و اطلاعات زیادی در آنها تولید و استفاده می شود. باتوجه به اهمیت استفاده از فناوری کلان داده در دانشگاه ها، ضرورت دارد که بررسی شود، دانشگاه های ایران تا چه اندازه در موضوع کلان داده پیشرفت کرده اند. هدف این مقاله، ارزیابی بلوغ کلان داده در دانشگاه های دولتی ایران است. برای رسیدن به این هدف از مدل TDWI برای ارزیابی بلوغ کلان داده در دانشگاه های دولتی ایران استفاده شده است. این تحقیق از نظر هدف، کاربردی و از نظر روش توصیفی - پیمایشی است. جامعه آماری این تحقیق شامل کلیه مدیران فناوری اطلاعات دانشگاه های دولتی ایران به تعداد ۱۴۱ نفر است. نتایج حاصل از تحلیل ها نشان داد که ۲ دانشگاه در مرحله نوپا، ۲۷ دانشگاه در مرحله اولیه، ۱۶ دانشگاه در مرحله تثبیت شده و ۵ دانشگاه در مرحله بالغ هستند وهیچ دانشگاهی در سطح پیشرفته از مدل بلوغ شناسایی نشد. همچنین نتایج حاکی از آن بود که میانگین سطح بلوغ کلان داده در بین دانشگاه های تهران و شهرستان با هم تفاوت معناداری دارند. در این تحقیق برای هرکدام از دانشگاه های شرکت کننده در پیمایش بر اساس نتایج حاصل شده، توصیه هایی جهت ارتقای بلوغ کلان داده ارائه شده است.

طراحی یک مدل هوشمند اعطای تسهیلات بانکی می تواند بسیار از دغدغه ها و نگرانیهای سیستم بانکی را در خصوص بازپرداخت وامهای اعطای شده و افزایش وامهای غیر عملیاتی را کاهش دهد. برای این منظور لازم است با بهره گیری از الگوریتمهای هوش مصنوعی چنین مدلی طراحی شود. در این تحقیق هدف طراحی یک مدل اعطای تسهیلات بانکی هوشمند بر اساس کلان داده و بر اساس مشخصه های جمعیت شناختی وضعیت کسب و کار و پرداختهای گذشته مشتریان می باشد. مدل شامل 12 متغیر بود که داده های آن از سیستم بانکی جمع اوری شده و سپس با کمک الگوریتمهای یادگیری ماشین پیاده سازی شد. سه الگوریتم کا نزدیکترین همسایه، درخت تصمیم و جنگل تصادفی در تحقیق حاضر استفاده شد که نتایج نشان می دهد الگوریتم درخت تصمیم با دقت 99.6 درصد در بالاترین سطح قادر به پیش بینی رفتار بازپرداخت مشتریان بوده و این امر نشان می دهد که متغیرهای 12 گانه معرفی شده تا بیش از 99 درصد می توانند بازپرداخت مشتریان را بر اساس سه دسته مشتریان با ریسک بالا، متوسط و ریسک اندک دسته بندی نمایند.

هدف: هدف این مطالعه، آینده پژوهی مدیریت کلان داده ها در کتابخانه های عمومی، وابسته به نهاد کتابخانه های عمومی کشور در قرن 21 و ارائه مدل راهبردی است. روش شناسی: این پژوهش از نوع آینده پژوهی بوده و با استفاده از روش دلفی در سه دور انجام شده است. جامعه آماری پنل دلفی، متشکل از 20 نفر از متخصصان حوزه فناوری اطلاعات و علم اطلاعات و دانش شناسی می باشند. براساس پرسشنامه مورد اجماع پنل دلفی از 77 نفر کارشناسان در مراکز استانی که براساس جدول مورگان انتخاب شدند، در خصوص اولویت های کاربرد کلان داده و قطعیت و عدم قطعیت آنها با مقایسه وضعیت فعلی و آینده سوال شد. سپس با استفاده از تحلیل عاملی تاییدی، مدل راهبردی مطلوب پیشنهاد شده است. 30 گویه پرسشنامه از لحاظ دو ضریب نسبی روایی محتوی (CVR) و شاخص روایی محتوی (CVI) مورد تایید قرار گرفتند و پایایی پرسشنامه نیز براساس ضریب آلفای کرونباخ 86% محاسبه شد. یافته ها: کتابخانه های عمومی کشور در حال حاضر به مقدار بسیار اندکی از کلان داده استفاده می کنند. طبق نظر خبرگان، کاربرد کلان داده موجب ایجاد امکان دسترسی سریع به داده های روزآمد و تامین و تولید داده ها با فرمت های گوناگون از محل های مختلف خواهد شد. تامین ابزارهای تجزیه و تحلیل داده، تامین زیرساخت یکپارچه سازی اطلاعات و اتصال کتابخانه های عمومی، تامین هزینه مربوط به تجهیزات و سرورهای قدرتمند و روزآمدسازی دانش و مهارت های کتابداران از ضرورت های بهره گیری از کلان داده است. نتیجه گیری: پژوهش حاضر آینده پژوهی وضعیت کلان داده در کتابخانه های عمومی را پیش بینی کرده و بر این اساس، مدل راهبردی برای مدیریت کلان داده در کتابخانه های عمومی کشور را پیشنهاد داده است.

هدف: هدف این پژوهش کیفی، شناسایی ابعاد، مولفه ها و ارائه مدل کیفی مدیریت تحقیق و توسعه مبتنی بر تحلیل های کلان داده است. روش : مطالعه حاضر پژوهشی کیفی بوده که با استفاده از رویکرد اکتشافی انجام شده است. در این پژوهش جمع آوری داده ها به روش مصاحبه نیمه ساختاریافته انجام شد که در آن 12 نفر از مدیران و متخصصان تحقیق و توسعه از مراکز علمی و دانشگاهی، سیاستگزاری و صنعت که به مبانی مدیریت تحقیق و توسعه و علم داده ها آشنا بودند، با روش گلوله برفی انتخاب شده و مصاحبه انجام گرفت. مصاحبه ها تا زمان رسیدن به اشباع نظری و عدم تولید مقوله های جدید ادامه یافت. همچنین تجزیه و تحلیل داده ها طی فرآیند کلاسیک کدگذاری باز، محوری و انتخابی و با استفاده از نرم افزار MAXQDA18 انجام شده و نهایتاً مدل کیفی تبیین شد. یافته ها: براساس یافته های پژوهش 8 مقوله (مولفه) محوری و 24 زیرمولفه در قالب شش بُعد نظریه داده بنیاد شامل عوامل علّی (مدیریت نظام مند و تأمین منابع)، مقوله محوری (توانمندی بکارگیری تحلیل های کلان داده)، راهبردها (آموزش عالی و حمایت دولت)، شرایط مداخله گر (عوامل سازمانی)، شرایط زمینه ای (توسعه علم داده، بسترها و زیرساخت) و پیامدها (منافع کسب وکاری) شناسایی، و در قالب مدل پارادایمی داده بنیاد سازماندهی شدند. نتیجه گیری: مدل کیفی مدیریت تحقیق و توسعه براساس رویکرد فرآیندی و تلفیق آن با مولفه های محوری شناسایی شده ارائه گردید. در این مدل به بخش ورودی فرآیند مدیریت تحقیق و توسعه، منابع داده ای اضافه شد. مولفه های موثر داخلی که وارد بخش پردازش مدل شدند، توانمندی بکارگیری تحلیل های کلان داده، راهبردهای تحقیق و توسعه، ابزارهای علم داده، مدیریت سیستمی و عوامل درون سازمانی هستند. در حالی که عوامل برون سازمانی، راهبردهای آموزش عالی و حمایت دولتی، زیرساخت های فنی و فرهنگ سازمانی مولفه های موثر خارجی مدل هستند.