جستجوي پيشرفته | کتابخانه مجازی الفبا

این نوشتار، ضمن بررسی وضعیت توسعه فناوری اطلاعات در نظام های آموزش عالی جهان، هدف اصلی خود را تشریح چالش های فراروی توسعه فناوری اطلاعات در آموزش عالی ایران در دو بعد فرهنگی اجتماعی و نیروی انسانی قرار داده است. جامعه آماری، استادان شاغل در دانشگاه های دولتی کشور است. شش دانشگاه کردستان، شیراز، علامه طباطبائی، تهران، صنعتی شریف و اصفهان به صورت تصادفی به عنوان نمونه آماری برگزیده شدند. ابزار جمع آوری داده نیز پرسش نامه محقق ساخته بود. نتایج نشان داد در بعد فرهنگی اجتماعی، بالا بودن نسبت دانشجو به رایانه های موجود، ضعف روحیه جستجوگری دانشجویان، ضعف زبان انگلیسی دانشجویان و استادان، ازجمله چالش های مهم بود. در بعد نیروی انسانی نیز ناتوانی دانشجویان و استادان در چگونگی دسترسی به اطلاعات موجود در پایگاه های اطلاعاتی یک چالش مهم عنوان شد.

هدف اصلی این پژوهش بررسی تاثیر دوره های آموزشی ICDL بر بهبود عملکرد کارکنان موسسه عالی آموزش و پژوهش سازمان مدیریت و برنامه ریزی است. در پژوهش حاضر با توجه به نوع فرضیات و اهداف تحقیق از روش توصیفی استفاده شده است. جامعه آماری این تحقیق کارکنان شاغل (کارمندان، کارشناسان و مدیران) در موسسه عالی آموزش و پژوهش مدیریت و برنامه ریزی بودند که بر اساس جدول مورگان حجم نمونه کارکنان از روی اندازه جامعه به تعداد 169 نفر بود، که برای انتخاب نمونه مورد نظر از روش نمونه گیری تصادفی طبقه ای استفاده گردید. در این پژوهش از کلیه ی مدیران بلاواسطه کارکنان نیز (سی نفر) در رابطه با تاثیر دوره های مذکور بر بهبود عملکرد کارکنان زیر مجموعه آنان نظرخواهی شد و در نهایت نظرهای مدیران با کارکنان با یک دیگر مقایسه گردید.با توجه به تجزیه و تحلیل داده ها و نتایج آزمون فرضیه های تحقیق، دوره های آموزشی ICDL به افزایش مهارت های جدید، دقت و اثربخشی، سرعت و مقدار انجام کار و جاذبه و علاقه مندی افراد در انجام کار و موفقیت شغلی افراد منجر شده و بین نظرهای مدیران با کارکنان در رابطه با تاثیر دوره های مذکور بر بهبود عملکرد کارکنان تفاوت معنی داری مشاهده نشده است.

گسترش بیش از حد وب، نیازِ بر سامانه‌های بازیابی اطلاعات را بیش از پیش نموده‌است. یکی از این دست سامانه‌ها، که تحقیقات بسیاری را معطوف خود نموده‌است، موتور‌های جستجو هستند. رشدِ نماییِ استفاده از موتور‌های جستجو در میان کاربران وب به‌اندازه‌ای است که بسیاری حتی در انجام کار‌های روزمره، استفاد از آن را در اولویت قرار می‌دهند. این میزان رشد نمایان‌گر نیاز بر تمرکز بیش از پیش بر توسعه موتور‌های جستجویی با قابلیت بیشتر در پاسخگویی به نیاز کاربران است. ازجمله نیاز‌های مهم کاربران، بازیابی صفحاتِ وب مبتی بر دامنه خاص، جستجوی دقیق‌تر، ارائه رهنمون‌های مناسب و رتبه‌بندی کارآمد صفحات وب است. این نیاز‌ها درطی تحقیقاتِ جامع منجر به معرفی مفاهیم معنایی در موتور‌های جستجو شده‌است. امروزه تمرکز بسیاری از توسعه‌دهندگان موتور‌های جستجو، مهاجرت از موتور‌های جستجوی نحوی خود به‌سمت موتور‌های جستجوی معنایی است. بیان انجام این مهاجرت در کلام ساده بوده و پیاده‌سازی آن نیاز به ممارست فراوان دارد. از جمله مشکلات موجود استخراج دانش دامنه‌ای و مبتنی بر زبانی است که موتور‌های جستجو با آن روبرو هستند.این پایان‌نامه آغاز نگرشی در جهت توسعه موتور‌های جستجوی معنایی به زبان فارسی در حوزه فناوری اطلاعات و ارتباطات است. بر اساس معماری ارائه‌شده برای موتور جستجوی معنایی خود، دو رویکرد مورد توجه بوده‌است. در بخش نخست از این پایان‌نامه مکانیزم خزش متمرکز مورد توجه بوده‌است. خزش‌گر یکی از مهم‌ترین و شکننده‌ترین مولفه هر موتور جستجو است که وظیفه استخراج صفحات وب به‌منظور استفاده‌های آتی، همانند یادگیری هست‌شناسی و ساخت شاخص، را بر‌عهده دارد. در این میان مکانیزم خزش متمرکز جدیدی ارائه و مورد ارزیابی قرار گرفت. در بخش دوم، یادگیری هست‌شناسی به‌عنوان زیربنای موتور‌های جستجوی معنایی مورد تحقیق و بررسی قرار گرفت. یادگیری هست‌شناسی در صفحاتِ حوزه فناوری اطلاعات و ارتباطات به زبان فارسی با مشکلات و نقیصه‌هایی همراه بوده که این نقیصه‌ها مورد بررسی قرار گرفته و لزوم پیاده‌سازی نرم‌افزار‌هایی در این باب به چالش کشیده‌شده‌است. بنابر الگوریتم‌های یادگیری هست‌شناسی مورد استفاده، مهم‌ترین نقطه ضعف در این حوزه عدم وجود نرم‌افزار‌هایی مناسب پردازش زبان طبیعی به زبان فارسی است.

اگر روشی وجود داشت که می شد به کمک آن معنا و مفهوم داده ها را برای ماشین تبیین و تفسیر کرد، آن گاه طبیعتاً ماشین می توانست بر اساس نیاز کاربر نتایج به مراتب دقیق تری را در اختیار او قرار دهد. به طور کلی وب معنایی ساختارمند کردن داده ها، اضافه کردن معنای آنها و در نهایت بازنمایی دانش به کمک ماشین با استفاده از فناوریها و استانداردهایی است که به وسیله کنسرسیوم وب جهان گستر در حال تدوین و تکمیل هستند. تیم برنرزلی و دوستانش وب معنایی را چنین معرفی می کنند: وب معنایی شاخه ای از وب فعلی است که در آن به اطلاعات، معنایی دقیق تخصیص داده شده است به گونه ای که کامپیوترها و انسان ها بتوانند با یکدیگر به صورت مشترک به کار بپردازند. این تعریف از چندین جنبه حائز اهمیت است. نخست، وب معنایی شاخه ای از وب فعلی است و به آرامی جایگزین آن خواهد شد. دوم این که در وبمعنایی به هر داده، تعدادی معنای مناسب تخصیص داده می شود. سوم این که هدف انجام اعمالی است که به وسیله انسان و ماشین بصورت مشترک انجام شود. در این تحقیق سعی می کنیم نقشه راهی ارائه نماییم تا صاحبان شرکت های تجاری بتوانند وب معنایی را به راحتی درک و عملی نموده و از پیاده سازی آن در ارائه خدمات تجاری خویش بهتر و بیشتر بهره گیرند. چارچوب توصیف منابع ، سرویس های وب ، هستی شناسی و ... فناوریهای وب معنایی هستند که ما در این تحقیق به آنها پرداخته ایم و مطالعه موردی آن در شرکت ایران خودرو خراسان اجرا شده است .

آنچه که تا کنون در فضای وب جریان داشته است افزایش روزافزون حجم اطلاعات و مستندات موجود در آن بوده است، بدون اینکه این افزایش حجم مستندات تاثیری در کاربرد و بهره برداری خودکار اطلاعات موجود به همراه داشته باشد. به علاوه امروزه اکثریت محتوای وب بر روی پایگاه داده های رابطه ای ذخیره شده اند. حرکتی که گام های اولیه آن درحال شکل گیری است تغییر شکل «وب» به موجودیتی تحت عنوان «وب معنایی» میباشد. وب معنایی یک گسترش از وب موجود است که گاهی اوقات تحت عنوان «وب آینده» و یا «وب نسخه 3» معرفی می شود، که در آن به اطلاعات، معانی خوش تعریفی داده می شود که بتوانند قابلیت همکاری بهتر بین کامپیوتر ها و انسان را فراهم کنند. موفقیت وب معنایی بر تولید انبوه داده های معنایی وابسته است. با توجه به حجم عظیم داده های رابطه ای ذخیره شده در پایگاه داده های رابطه ای موجود در وب، انتشار این داده های رابطه ای بر روی وب معنایی بسیار پر کاربرد خواهد بود. در این پایان نامه، الگویی جهت پیاده سازی جستجوی معنایی بر روی داده های ذخیره شده در پایگاه داده های رابطه ای، با استفاده از تکنیک های وب معنایی ارائه شده است. گام های اصلی الگوی پیشنهادی در این پایان نامه از این قرارند:1-بازنمایی داده های سازمانی ذخیره شده بر روی پایگاه داده های رابطه ای بر اساس گراف های معنایی با استاندارد RDF به صورت یک پایگاه دانش معنایی(نگاشت داده های رابطه ای به گراف های معنایی)2-آنالیز وابستگی های داده ای برنامه و بازنمایی اجزای برنامه و ارائه یک آنتولوژی سازمانی بر اساس آنها3-پیاده سازی یک موتور جستجوگر معنایی که بر پایه آنتولوژی سازمانی تهیه شده و پایگاه دانش نگاشت شده، که به جستجوی معنایی بر روی اطلاعات دامنه مورد نظر می پردازد.

امروزه یکی از مهمترین چالش‌ها در زمینه امنیت اطلاعات و شبکه‌های ارتباطی، گسترش روزافزون بدافزارها است که به دنبال آن،یافتن راه‌های مناسب جهت حفاظت سیستم‌ها در مقابل نفوذگران الزامی است .یکی از مشکلات اساسی برای درک صحیح رفتارهای مخرب و گرایش‌های جدید در توسعه بدافزارها، این است که بدافزارها نیز مانند کامپیوترها و نرم‌افزارها به سرعت توسعه و بهبود می‌یابند و روز به روز، از روش‌های پیچیده‌تری برای گریز از تشخیص بهره می‌گیرند. لذا روش‌های سنتی، مانند تطابق چند رشته کد از امضای بدافزارها، که قادر به شناسایی بدافزارهای ناشناخته و جدید نبوده و میزان هشدارهای نادرست بالایی دارند، به تنهایی کارایی لازم جهت تشخیص بدافزارها را ندارند. در اینجاست که تشخیص هوشمند به موازات پیچیده‌تر شدن بدافزارها مورد توجه قرار گرفته‌است. روش‌های هوشمند کنونی، با تکیه بر تکنیک‌های یادگیری ماشین، کمک به درک سریع‌تر رفتارهای مخرب کرده و، در نتیجه، راه را برای تشخیص و ارزیابی بدافزارها هموارتر ساخته اند. باتوجه به اهمیت این موضوع، ایده اصلی ما، ارائه یک سیستم تشخیص بدافزار با توانایی درک معنایی است که با استفاده از جریان اطلاعات یعنی روابط میان داده‌ها و استنتاج آنها، بدافزار را شناسایی کرده و، سپس، با استفاده از طبقه‌بندی ابعادی پیشنهادی، بدافزار شناسایی شده را به درستی به خانواده مربوط به خود اختصاص می‌دهد.چارچوب پیشنهادی به معرفی یک سیستم تشخیص نفوذ توزیع شده در سطح شبکه می‌پردازد که شناسایی بدافزارها را با استفاده از مفاهیم هستان‌شناسی انجام داده و آن ها را به خوبی طبقه‌بندی می‌کند. سیستم ارائه شده، قادر به شناسایی حملات ناشناخته بوده و بهبود قابل ملاحظه‌ای در نرخ تشخیص، نسبت به سایر روش‌ها داشته، ضمن اینکه نرخ هشدارهای نادرست آن، در مقایسه با سایر روش‌ها پایین‌تر است.

با افزایش استفاده از سرویس‌های وب در بسترهای توزیع شده نظیر اینترنت، بر اهمیت بهبود فرآیند کشف آن‌ها افزوده شده است و سرویس‌های وب معنایی و روش‌های همتایابی هیبریدی، سعی در بهبود هرچه بیشتر آن دارند. استفاده از تکنیک‌های حوزه‌هایی نظیر بازیابی اطلاعات، جزو روش‌های معمول مورد استفاده در همتایاب‌های هیبریدی محسوب می‌گردد که محاسبه شباهت میان توصیف سرویس‌های وب، مهم‌ترین بخش این روش‌ها است. کارایی همتایاب‌هایی که از معیارهای شباهت متنی برای این منظوراستفاده کرده‌اند، تا حدود زیادی بر انتخاب این معیارها بستگی دارد زیرا که هر معیار شباهت، در دسته‌ای از پرس‌وجوها، عملکرد بهتری از خود نشان می‌دهد. با توجه به اهمیت این موضوع، ایده اصلی ما، استفاده همزمان از چندین معیار شباهت در فرآیند کشف سرویس‌های وب می‌باشد که برای این منظور به ارائه روشی برای استفاده از معیارهای شباهت چندگانه جهت محاسبه میزان شباهت بین پارامترهای ورودی/خروجی سرویس‌های وب، پرداختیم. بدین ترتیب می‌توان بهبودهای حاصل از عملکرد هر یک از معیارهای شباهت مختلف را تجمیع نمود و به نتایج کلی بهتری به ازای تمام مجموعه پرس‌وجوها رسید. در این روش از میانگین‌گیری مرتب شده وزن‌دار یاگر برای تجمیع مقادیر شباهت حاصل از به‌کارگیری معیارهای شباهت مختلف، استفاده کرده‌ایم. همچنین با توجه به برخی از ویژگی-های سرویس‌های وب، به معرفی دو معیار شباهت نامتقارن پرداخته‌ایم که موجب حصول نتایج متفاوتی نسبت به معیارهای متقارن مشابه خود شده‌اند. همچنین روشی جدید برای تجمیع نهایی شباهت حاصل از پارامترهای ورودی و خروجی سرویس‌های وب ارائه نموده‌ایم. نتایج حاصل ازبه‌کارگیری روش پیشنهادی نشان دهنده عملکرد مطلوب آن در حالت کلی، در مقایسه با نتایج حاصل از به‌کارگیری مجزای معیارهای شباهت می‌باشد. همچنین این روش در مقایسه با دو همتایاب مطرح در این زمینه، عملکرد بهتری از خود نشان داده است.

عموما تشخیص پزشکی دارای دو مشکل اساسی می‏باشد. اولا تشخیص نادرست که معمولا نتیجه‏ی انتقال ناکامل اطلاعات ضروری برای تشخیص بیماری به پزشک و ثانیا اتلاف زمان که به دلیل بیان اطلاعات غیرضروری به پزشک می‏باشد. هدف از انجام این تحقیق ارائه‏ی راه حلی برای این دو مشکل می‏باشد. راه‏حل ارائه شده یک چارچوب برپایه‏ی هستان‏نگار می‏باشد که از طرفی به پزشک کمک می‌کند اطلاعات ضروری را در کمترین زمان دریافت نماید و از طرفی می‏تواند آموزشی کلی به بیمار قبل از ورود به اتاق پزشک ارائه کند تا بیمار تشخیص دهد چه اطلاعاتی باید برای پزشک بیان شوند و چه اطلاعاتی نباید بیان شوند. چارچوب مزبور یک سیستم تصمیم‏گیری تولید پرسشنامه می‏باشد که مهمترین و ضروری‏ترین پرسش‏ها برای تشخیص را بین همه‏ی پرسش‏های ممکن انتخاب می‏کند و به کاربر(بیمار یا پزشک) برمی‏گرداند. این چارچوب می‏تواند به وسیله‏ی پزشکان و بیماران برای کارامدتر کردن فرایند تبادل اطلاعات و کاهش زمان ویزیت بیمار، و همچنین برای آموزش بیماران قبل از ورود به اتاق پزشک، به کار رود که به کارگیری آن از لحاظ اقتصادی و انسانی به طور مستقیم تأثیر مثبتی برکارکرد سیستم تشخیص دارد.در این پایان‏نامه پس از تعیین محدوده‏ی تحقیق، به منظور تولید هستان‏نگار داده‏های لازم از منابع مورد نظر استخراج می‏شوند. پس از آن به وسیله‏ی الگوریتم جستجو در هستان‏نگار، پرسش‏نامه‏ تولید می‏شود و سپس توسط متخصصین ویرایش می‏شود و پرسشنامه‏ای مشابه پرسشنامه‏ی قبلی تولید می‏شود.نتایج اجرای پرسشنامه‏ها نشان می‏دهد پرسشنامه‏ی قبل از ویرایش از لحاظ کاهش زمان و پرسشنامه‏ی بعد از ویرایش از لحاظ کیفیت در فرایند تشخیص کارکرد بهتری داشته‏اند. در یک نتیجه‏گیری کلی می‏توان گفت، هردو پرسشنامه‏ی تولید شده از لحاظ کاهش زمان و افزایش کیفیت کارکرد مناسب و رضایت بخشی را در جهت بهبود فرایند تشخیص دارند. برای بهبود خروجی این تحقیق می‏توان جنبه‏های دیگری از جمله روانشناسی ارتباط با بیمار را برای تولید هستان‏نگار در نظر گرفت.

در سالهاي اخير تلاشهاي زيادي براي طراحي روشهاي يادگيري و خودکار سازي فرايند ساخت هستان نگار در جهان انجام شده است. هستان نگارها در زمينه هاي زيادي نظير وب معنايي، جويشگرها، تجارت الکترونيکي، پردازش زبان طبيعي، مهندسي دانش، استخراج و بازيابي اطلاعات، طراحي دادگان، سامانه‌هاي چند کارگزاره و کتابخانه‌هاي ديجيتال و غيره کاربرد دارند. مشکل عمده در ساختن هستان نگارها، اکتساب دانش و زمانبر بودن ساخت آنها براي کاربردهاي مختلف است. بنابراين ساخت خودکار هستان نگار راه حل مناسبي براي چيره شدن بر اين مشکلات است. در دو دهة اخير فعاليت‌هاي زيادي در زمينة يادگيري هستان نگار انجام شده و روش ها، ابزارها و سامانه‌هاي مختلفي نيز ارائه شده که از روشها و الگوريتم هاي رشته‌هاي مختلفي مانند پردازش زبان طبيعي، يادگيري ماشيني، اكتساب دانش، استخراج اطلاعات ، پردازش نمادين و احتمالاتي بهره مي‌‌گيرند. سامانه‌هاي پيشنهاد شده در بسياري از شاخصها، خصيصه‌ها و روشهاي يادگيري از ساير سامانه‌هاي متمايز هستند. در اين رساله روش نويني براي يادگيري هوشمند هستان نگار در تمام سطوح يادگيري ارائه شده که مي توان از آن در کاربردها و حوزه‌هاي مختلف استفاده کرد. در اين روش نيازي به وجود هستان نگارهاي عمومي يا تخصصي اوليه و واژگان معنايي از پيش تعريف شده نبوده و پايگاه دانش اولية آن تنها شامل مجموعه‌اي از متون ورودي است. سامانة يادگيرندة پيشنهادي با شروع از متون ورودي و با استفاده از رهيافت پيشنهادي در اين رساله قادر خواهد بود هستان نگار حوزه‌هاي مختلف را استخراج کند. در اين روش از ترکيبي از روشهاي زباني، آماري، مبتني بر الگو و روشهاي يادگيري ماشين بر اساس روش C-value، شبکه عصبي نظرية تشديد وفقي و شبکة بيز استفاده شده است. از طرفي به منظور مواجهه با عدم قطعيت داده‌ها و غني سازي هستان نگار قطعي، با استفاده از ترکيب شبکة عصبي و نظرية فازي روش نويني براي استخراج هستان نگار فازي پيشنهاد شده است. از اين روش در استخراج هستان نگارهاي قطعي و فازي حوزة فنّاوري اطلاعات استفاده شده است. هستان نگارهاي استخراج شده به منظور جستجوي معنايي اسناد کتابخانة محلي (که در آن اسناد مرتبط با حوزة فنّاوري اطلاعات قرار داده شده) بر اساس رويکرد بسط پرسمان به‌کار برده شده‌اند. نتايج حاصل از پياده‌سازي هستان نگار فازي بيانگر دقت بالاتر حدود 0/07 و نتايج حاصل ازپياده‌سازي هستان نگار قطعي بيانگر دقت بالاتر حدود 05/0 نسبت به روشهاي مبتني بر کليد واژه است. همچنين ميانگين دقت مفاهيم هستان نگار فازي حدود 0/09 و ميانگين دقت مفاهيم هستان نگار قطعي حدود 06/0 نسبت به ميانگين دقت مفاهيم ساير روشهاي مشابه بهبود داشته است.

روز به روز در کاربردهای بیشتری از قبیل مدل‌سازی ترافیک، شبکه‌های حسگر و دنبال کردن در کاربردهای نظامی، پردازش داده‌های برخط و غیره، شاهد تولید هر روزه حجم عظیمی از داده‌های جریان‌دارهستیم. کشف دانش بهینه از این جریان‌های داده، یک حوزه تحقیقاتی فعال در داده‌کاوی با کاربردهای متفاوت بوجود آورده است. برخلاف داده‌های ایستای موجود در پایگاه داده‌های سنتی، داده‌های جریان‌دار اغلب به صورت پیوسته با سرعت بالا و با حجم زیاد و همچنین با توزیع داده متغیر دریافت می‌شود. از طرفی مقادیر آنتولوژی‌ها و حاشیه‌نویسی‌هایمعنایی موجود بر روی داده‌ها نیز به طور پیوسته در حال افزایش می‌باشد. این نوع داده‌های پیچیده و ناهمگن چالش‌های جدیدی را در حوزه‌ تحقیقاتی داده‌کاوی بوجود آورده است. اصلی‌ترین چالش در این مسأله، نیاز فناوری‌های کاوش قوانین انجمنی به تراکنش‌ها می‌باشد، در حالی که در داده‌های معنایی تعریف دقیقی از تراکنش وجود ندارد. کارهای مشابهی که در این زمینه انجام گردیده‌اند، اغلب با کمک کاربر تراکنش‌ها را برای داده‌های معنایی تعریفکرده و سپس به کمک الگوریتم‌های داده‌کاوی سنتی اقدام به کاوش قوانین انجمنی از این تراکنش‌ها می‌نمایند و لازمه این کار تسلط کاربر به ساختار داده‌های معنایی و دامنه کاربرد مورد نظر می‌باشد. لذا روشی مورد نیاز است که انسجام معنایی را در تمام مراحل کار برقرار سازد و تعریفی کلی و یکپارچه برای تراکنش‌ها و سایر مفاهیم مرتبط ارائه دهد. بنابراین در اینتحقیق به ارائه روشی جهت رفع چالش‌های ذکر شده و امکان‌پذیر ساختن پردازش حجم وسیع داده‌های معنایی جریان‌دار موجود و کشف و ذخیره‌سازی قوانین انجمنی جدید در سطح معنایی بالاتر با استفاده از غنای معنایی مفاهیم موجود در آنتولوژی و بهره‌وری از دیگر فناوری‌های معنایی پرداخته شده است.