هومن خسروی

   پژوهش حاضر با هدف واکاوی چالش­های توسعه کسب­وکارهای الکترونیک در بستر شبکه­های اجتماعی ایرانی صورت پذیرفته است. پژوهش از نظر هدف کاربردی است و از روش پژوهش آمیخته   بهره برده است. جامعه در بخش کیفی و کمی پژوهش، شامل مدیران و دست‎اندرکاران کسب‎وکارهای الکترونیک فعال در شبکه‎های اجتماعی ایرانی می­باشد که با استفاده از روش نمونه­گیری گلوله­برفی در بخش کیفی 18 مصاحبه عمیق   نیمه­ساختاریافته صورت گرفت و در بخش کمی نیز تعداد 50 نمونه از متخصصین این حوزه با بیشترین تخصص انتخاب شدند. روایی و پایایی ابزار پزوهش در بخش کیفی به صورت انتخاب نمونه مناسب و بازنگری مشارکت­کنندگان و در بخش کمی نیز پرسشنامه مورد تایید روایی متخصصین قرار گرفت و پایایی نیز از طریق آلفای کرونباخ (71/0 درصد) مورد سنجش و تایید قرار گرفت. در بخش کیفی با استفاده از روش تحلیل محتوا به بررسی و استخراج کدها پرداخته شد. یافته­ها حاکی از استخراج 7 مقوله اصلی و 20 مقوله فرعی است. مقولات اصلی عبارت‌اند از؛ چالش‏های مربوط به کاربران، زیرساختی و فنی، قوانین، شبکه‏های اجتماعی ایرانی، مدیریتی، ضعف نیروی انسانی و اقتصادی می‏باشد. می­باشد. یافته­های بخش کیفی، با کمک روش آزمون فریدمن اولویت‌بندی شدند و با توجه به تحلیل انجام شده، براساس نتایج بدست آمده از آزمون رتبه­بندی فریدمن 79 عامل مورد بررسی عامل­های؛ نبود قوانین نظارتی با رتبه (09/64)، ایجاد مزاحمت برای مخاطبین شبکه‏های اجتماعی با رتبه (13/63)، عدم استقبال عموم از این شبکه‏ها با رتبه (06/62)، زیرساخت­های فنی ضعیف با رتبه (05/62)، ضعف اعتماد امنیتی مخاطب به شبکه‏های اجتماعی ایرانی با رتبه (87/61)، تعدد شبکه‏های اجتماعی با رتبه (31/61) و دانش کم متخصصان در حیطه شبکه‏های اجتماعی با رتبه (67/60) به ترتیب دارای بالاترین اولویت از نظر پاسخ­دهندگان معرفی شدند   و عامل­های؛ سختی ورود کاربر به شبکه‏های ایرانی با رتبه (49/17)، عدم آشنایی فعالان از این شبکه‎ها با رتبه (12/25)، سرقت اطلاعات با رتبه (27/25)، چالش گران‏تر بودن و ناپایدارتر بودن سرور ایرانی با رتبه (29/25)، عدم به روزرسانی به موقع این شبکه‎ها با رتبه (33/25)؛ عدم دقت در انتخاب رسانه با رتبه (41/25) و ضعف در تبعات زیاد اشتباه در شبکه‏ها با رتبه (78/25)، دارای پایین­ترین اولویت از نظر پاسخگویان بودند.

  این پژوهش به بررسی و پیاده‌سازیمدلی ترکیبی از منطق فازی و درخت تصمیم برای تشخیص بیماری قلبی با استفاده از داده‌های پزشکی 920 بیمار (پایگاه داده UCI) پرداخته است. پس از بررسی و آماده‌سازی داده‌ها، اطلاعات 304 بیمار به‌عنوان داده‌های کامل انتخاب شدند و فرآیند کمی‌سازی و نرمال‌سازی آن‌ها با روش مین-ماکس انجام شد. پایگاه داده محلی بیمارستان معاون صحنه نیز برای تکمیل مدل استفاده گردید. مدل درخت تصمیم با دقت 78.30% و سطح زیر نمودار ROC برابر با 0.798 استخراج شد، اما خطای طبقه‌بندی حدود 22.36% گزارش شد. با توجه به درخت تصمیم، سامانه استنتاج فازی با 9 ورودی و 12 قانون فازی پیاده‌سازی شد. سپس، مدل ترکیبی درخت تصمیم-سامانه استنتاج فازی با 70 داده بیمارستانی اجرا و با 35 داده جدید ارزیابی گردید. نتایج نشان داد که مدل توانسته است دقت کلی 91.43% را در طبقه‌بندی داده‌ها به دست آورد. حساسیت مدل برای تشخیص افراد سالم و بیماران قلبی به ترتیب 89.47% و 93.75% بود. مقایسه با روش‌های دیگر نشان داد که مدل پیشنهادی دقت بالاتری بین 1 تا 12 درصد نسبت به روش‌های ماشین بردار پشتیبان، شبکه عصبی مصنوعی و k-نزدیک‌ترین همسایگی دارد. نتایج این تحقیق نشان داد که استفاده از داده‌های محلی و متناسب با ویژگی‌های خاص هر منطقه می‌تواند دقت مدل‌های یادگیری ماشینی را در کاربردهای پزشکی بهبود بخشد. مدل ترکیبی درخت تصمیم-فازی با دقت بالا و سادگی در پیاده‌سازی، به‌عنوان ابزاری موثر برای تشخیص بیماری‌های قلبی معرفی شد.

   راه های اساسی در راستای تبدیل نظریه های تدوینی به عمل، ارائه و پیشنهاد راه حل هایی مناسب در هر پژوهش صورت گرفته است. این کار می تواند تا حد زیادی دستیابی به موفقیت در آینده را براساس نتایج به دست آمده از پژوهش را تضمین کند. این مهم نشان می دهد که ارائه نتایج علمی و صحیح در قالب پیشنهادهایی مناسب تا چه اندازه در یک پژوهش دارای اهمیت است. در واقع نتیجه گیری هایی که بر اساس تحلیل های صحیح شکل گرفته باشد، می تواند شرایط مناسب تحقق موضوع و هدف پژوهش را ایجاد و مهیا کند. در ادامه به هر یک از سوالات پژوهش با توجه به یافته­ها و نتایج به دست آمده پاسخ داده شده است.