جستجوي پيشرفته | کتابخانه مجازی الفبا

این پژوهش در زمینه انسان شناختی و بررسی ذهن طراحان حرفه‌ای و به منظور شناخت میزان تاثیر تجربه و مهارت بر ارتقاء خلاقیت طراحانو نحوه تفکر ایشان انجام شد. نحوه رویارویی طراحان با مسائل طراحانه و کمتر طراحانه و میزان بکارگیری راهکارهای حل مسائل طراحی در موقعیتهای کمتر طراحانه بررسی شد. هدف بررسی میزان تاثیر تجربه و مهارت بر خلاقیت دانشجویان طراحی است.دو گروه جلسه ارزیابی شد.هر یک از جلسات شامل دو نفربود. رفتار ایشان در برخورد با مسئله طراحانه و کمتر طراحانه بررسی شد. طراحان به منظور شناخت نحوه تفکر ایشان در موقعیت‌های روزمره در مقایسه با جلسات طراحی در شرایط آزمایشگاهی و کنترل شده ارزیابی شدند. 4 گروه غیر طراح به عنوان گروههای شاهد نیز در شرایط یکسان بررسی شد. جلسات درمجموعه ای از واحدهای معنادار آنالیز و بر اساس مجموعه کدهای (FBS) کد گذاری شدند. هستی شناختی (FBS) برای اولین بار درآنالیز جلسات کمتر طراحانه نیزاستفاده شد. پس از کدگذاری بر اساس روش لینکوگرافیارتباطات کدها بررسی شد.اعتماد پذیری روش مذکور در جلسات کمتر طراحانه اثبات شد. اطلاعاتدو مجموعه طراحانه و کمتر طراحانه مورد بررسی قرار گرفت. در راستای بدست آوردن نتایج قابل مقایسه، یافته‌ها وارد نرم افزار محاسباتی لینکودر شد.بر اساس آزمونها ویژگی های اصلی جلسات طراحی به اثبات رسید. طراحان میتوانند از روشهای طراحانه در شرایط کمتر طراحانه استفاده کنند.تجربه و مهارت تا حد زیادی در نحوه تفکر طراحان تاثیر میگذارد. البته غیر طراحان نیز میتوانند اینگونه بیاندیشند اما بدلیل کمبود مهارت، توانایی کمتری دارند.

وب‌معنایی با هدف ایجاد ارتباط و تعامل مستقیم ماشین‌ها و بدون دخالت بشر طرح شد، ولی هم‌اکنون با چالش بزرگ تعامل آنتولوژی‌ها روبه‌رو است. این رساله درپی یافتن تناظر بین موجودیت‌های آنتولوژی، با استفاده از روش‌های یادگیری ماشین است. بدین ترتیب که، ابتدا معیار شباهت را در سطوح مختلف برای آنتولوژی‌های واقعی انتخاب و تولید می‌کند، و سپس از معروف‌ترین دسته‌بندی کننده‌های تحت‌نظارت، مثل ماشین بردارهای پشتیان (SVM) ، نزدیک‌ترینk همسایه (KNN)، درخت تصمیم‌گیری (DT) و روش AdaBoost برای دسته‌بندی موجودیت‌ها استفاده می‌کند. البته هر یک از دسته‌بندی‌کننده‌های مذکور با پارامترهای مناسب تنظیم می‌شوند. مدل نهایی بدون نیاز به بازخورد کاربر و کاملاً خودکار است. هم‌ترازی تنها برمبنای اطلاعات موجود در اسناد OWL است، و نیازی به نمونه‌های آنتولوژی نیست. از SVM برای کاهش معیارهای مشابهت استفاده شده، و نتایج حاصل از آزمایش مدل، بیانگر انتخاب روش مناسب و تنظیم صحیح پارامترهاست. به‌طوری‌که قادر به تامین نتایج قابل‌قبول همراه با کاهش قابل‌ملاحظه‌ی هزینه‌ی محاسباتی است. نتایج حاصل از روش AdaBoost بالاترین کارایی را داراست. نتایج حاکی از میانگین مقدار 92 درصد برای معیار F است.