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.

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.

امروزه کنترل رایانه‌ای حمل ونقل شهری در سرتاسر دنیا به شکل امری معمول درآمده و دامنه آن از کنترل‌کننده‌های مجزّا برای تقاطعها تا سامانه‌های پوشش‌دهنده کل شبکه شهری گسترش یافته است و همگی آنها بر کنترل‌ترافیک و تشخیص‌ وسیله نقلیه برای تنظیم ‌مدت ‌زمان‌چراغ ‌سبز ‌و ‌فواصل‌زمانی بین دوره‌های ‌چراغ‌ها ‌در ‌تقاطعهای مجاور برای‌ واکنش به ‌تغییرات ‌جریان ‌ترافیک، تکیه دارند. این تحقیق رویکرد رایانه‌ای‌ جدیدی‌ را برای ‌کنترل هوشمند چراغهای راهنمایی تقاطعهای مجزا ارائه می‌کند. دو تفاوت عمده این تحقیق در مقایسه با روشهای هوشمند دیگری که به کنترل چراغ راهنمایی پرداخته‌اند نخست‌ نوع داده‌های اولیه و دیگری ‌رویکرد کنترلی آن است. استفاده از تصاویر به جای داده‌های شناسگرهای حلقه‌های القایی و مدلسازی دانش‌حوزه در‌قالب هستان‌نگار و به اشتراک‌گذاری و استفاده از آن به منظور کنترل چراغ راهنمایی مواردی هستند‌که با رویکردهای مشابه کنترل هوشمند چراغ راهنمایی تفاوت دارند. تشخیص ترافیک با استفاده از پردازش تصویر فواید متمایزی نسبت به فنّاوری مبتنی بر حلقه‌های القایی دارد. همچنین ایجاد هستان‌نگار کنترل چراغ راهنمایی و بکارگیری آن نه تنها دانش این حوزه را استخراج کرده، بلکه امکان به اشتراک گذاشتن آن و نیز باز استفاده آن را برای دیگران فراهم می‌کند، علاوه بر این، روش مذکور استقلال عمل در حوزه کنترل نرم افزاری ترافیک را نیز افزایش می‌دهد بدین معنا که سیستم‌های کنترلی مختلف با در اختیار داشتن هستان‌نگار می‌توانند متغیرها، پارامترها و قواعد خود را با افزودن یا کاستن قواعد هستان نگار توسعه دهند و بدین ترتیب توسعه سیستمهای کنترل هوشمند با پیچیدگی کمتری همراه خواهد بود. روش پیشنهادی با رویکرد کنترلی زمان ثابت در محیط متلب شبیه‌سازی، مقایسه و ارزیابی شده است. نتایج این ارزیابی نشان می‌دهد که سیستم جدید در تمامی شرایط ارزیابی نتایج بهتری نسبت به سیستم زمان ثابت دارد.

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.

با ظهور معماری سرویس گرا، وب سرویس ها محبوبیت بسیاری یافتند. بعلت موجود بودن تعداد زیادی از وب سرویس ها، یافتن وب سرویس متناسب با نیازهای کاربر چالشی عظیم می باشد. این امر نیاز به برقراری یک فرایند مورد اعتماد و موثر کشف وب سرویس را تضمین می کند. امروزه تحقیقات بسیاری برای طراحی روش هایی به منظور افزایش میزان دقت کشف وب سرویس انجام می گیرد که بهترین سرویس را تطبیق نماید. نتایج فرایند کشف سرویس، سرویس هایی است که تا اندازه ای نیاز های کاربر را ارضا می نمایند. در نظر گرفتن رابطه معنایی میان کلمات استفاده شده در توصیف سرویس و همچنین پارامترهای ورودی و خروجی می تواند منجر به دقت در کشف وب سرویس شود. علاوه بر پارامترهای ورودی و خروجی، پارامترهای دیگری نیز در توصیف سرویس وجود دارند که استفاده از آنها منجر به بالا بردن دقت کشف وب سرویس ها می شود. این پارامترها پیش شرط و اثر نام دارند. این تحقیق الگوریتمی برای کشف وب سرویس معنایی براساس مقایسه میان پارامترهای ورودی، خروجی، پیش شرط، و اثر درخواست و سرویس، ارائه می دهد.در بیشتر روش های کشف وب سرویس، پنج درجه تطبیق در نظر گرفته می شود که عبارتند از : Exact، PlugIn، Subsume، Intersect، Fail. در الگوریتم حاضر به جای درجه Fail درجه تطبیق جدیدی به نام Substitute در نظرگرفته شده که سرویس جایگزین درخواست را ارائه می کند. همچنین در این الگوریتم برای تعیین میزان شباهت میان مفاهیم روشی بر مبنای درخت سلسله مراتب آنتولوژی در نظر گرفته شده که میزان دوری و نزدیکی مفاهیم به یکدیگر را تشخیص می دهد. الگوریتم ارائه شده از یک سیستم امتیاز دهی براساس میزان شباهت مفاهیم و ویژگی های آنها به یکدیگر استفاده می کند. این سیستم به هر یک از زوج مفاهیم که با یکدیگر مقایسه می شوند، براساس روش تعیین مشابهت ذکر شده، امتیازی نسبت داده و امتیاز نهایی سرویس را براساس میانگین امتیاز مفاهیم محاسبه می کند. امتیاز محاسبه شده برای هر سرویس همراه با درجه تطبیقی که برای سرویس محاسبه شده است به کاربر ارائه می شود.برای ارزیابی الگوریتم ارائه شده از مجموعه داده ای متشکل از 100 وب سرویس معنایی و 20 پرس و جو استفاده شده است. نتایج به سه معیار Precision/Recall، F1، و میانگین زمان پاسخ با سه الگوریتم کشف وب سرویس دیگر مقایسه شده اند. الگوریتم ارائه شده دارای دقت بالاتری از سه الگوریتم مورد مقایسه می باشد. اما از نظر میانگین زمان پاسخ با توجه به اینکه علاوه بر ورودی و خروجی، از مقایسه پیش شرط و اثر نیز برای کشف وب سرویس معنایی استفاده می کند، دارای میانگین زمان پاسخ بالاتری نسبت به دیگر الگوریتم های مورد مقایسه می باشد. در مجموع، دقت کشف وب سرویس معنایی با الگوریتم ارائه شده پیشرفت قابل ملاحظه ای را نسبت به روش های مرسوم کشف وب سرویس نشان می دهد.

در سال‌های اخیر، تکنیک‌های فیلتر محتوایی دانش‌محور مبتنی‌بر پایگاه دانش و آنتولوژی به‌ روش‌هایی کارا و قابل‌قبول برای فیلتر اطلاعات تبدیل شده‌اند. در این تحقیق از ساختار آنتولوژی و پایگاه‌دانش‌های ویکی‌پدیا، وردنت و BNC برای عمل فیلتر اسناد، بهبود نمایش اولویت‌های کاربری و محتوای اسناد و محاسبه شباهت معنایی استفاده می‌شود. همچنین سامان‌دهی علایق کاربری و محتوای اسناد در پروفایل‌ها امکان استخراج دانش درباره‌ی علایق احتمالی کاربران و محتوای اسناد را با استفاده از آنتولوژی و پایگاه‌دانش فراهم می‌آورد. این تحقیق روشی نوین و منحصر‌به‌فرد در ساختار ترکیب خبرگان برای فیلتر اسناد ارائه می‌کند و مجموعه‌ای از بهترین و کاراترین روش‌های فیلتر را پیاده‌سازی و با هم یکپارچه می‌کند. ارزیابی سیستم در دو مرحله ارزیابی روش‌های محاسبه شباهت معنایی و روش‌های فیلتر محتوایی با استفاده از مجموعه داده‌های میلر- چارلز و 20Newsgroup انجام می‌شود. نتایج ارزیابی، همبستگی زیاد روش‌های محاسبه‌ی شباهت معنایی میان مفاهیم را با قضاوت بشر نشان می‌دهد. روش‌ مبتنی‌بر ویکی‌پدیا با میزان همبستگی 0.779 نه‌تنها از دیگر روش‌های پیاده‌سازی شده بهتر عمل می‌کند بلکه از روش‌های مشابه و شناخته‌شده‌ای مانند CODC با میزان همبستگی 0.693 و روش ESA با میزان همبستگی 0.58 بهتر عمل می‌کند. به‌علاوه در ارزیابی روش‌های فیلتر دانش‌محور ملاحظه می‌شود که روش مبتنی‌بر آنتولوژی با نرخ صحت و کارآیی98.9 و 98 درصد و روش مبتنی‌بر ویکی‌پدیا با نرخ صحت و کارآیی98.2 و 96 درصد نتایجبهتری نسبت به دیگر روش‌های مشابه و شناخته شده مانند NB-SVM Hybrid دارند. همچنین نتایج ارزیابی روش مبتنی‌بر ساختار ترکیب خبرگانبا نرخ صحت و کارآیی 99.4 و 98.9 درصد نشان می‌دهد کهاین روش نه‌تنها از تک‌تک روش‌های پیاده‌سازی شده کارآیی و صحت بالاتری دارد، بلکه می‌تواند خطاهای عمل فیلتر را تصحیح کند. براساس این نتایج، سیستم پیاده‌سازی شده می‌تواند به‌عنوان رویکرد جدیدی در فیلتر محتوایی و به‌عنوان چارچوبی برای استفاده در کاربردهای فیلتر اطلاعات استفاده شود.

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.

هدف از این پایان نامه بررسی تکنیک های آموزش الکترونیک و ارائه مدل سیستم آموزش الکترونیک بر مبنای پایگاه دانش و پیاده سازی مدل پیشنهادی با استفاده از تکنولوژی های موجود است. در این تحقیق پس از بررسی مفاهیم آموزش الکترونیک و دیدگاه های رایج به بررسی نقش استاندارد سازی در این حوزه پرداخته و با معرفی مفاهیم دانش و پایگاه دانش از آنتولوژی (هستانه) به عنوان روشی برای نگهداری دانش یاد میکنیم و در ادامه به بررسی جایگاه آنتولوژی در سیستم های آموزش الکترونیک پرداخته. در فصول آخر پایان نامه یک مدل کاملا کاربردی برای پیاده سازی سیستم آموزش الکترونیک بر مبنای پایگاه دانش ارائه می گردد و در فصل پایانی به معرفی نسخه پیاده سازی شده آن سیستم بر مبنای تکنولوژی های قابل دسترس می پردازیم.

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.