جستجوی مقالات مرتبط با کلیدواژه "استخراج دانش" در نشریات گروه "مدیریت"
تکرار جستجوی کلیدواژه «استخراج دانش» در نشریات گروه «علوم انسانی»-
الگوهای متنوع از رویکردهای مختلف برای اکتساب دانش و استفاده از آن ارائه شده است که لزوما نمی توان برتری آنها را نسبت به هم اثبات کرد؛ اما عدم موفقیت این الگوها برای گره گشایی چالش ها و مسائل کاری سازمان های دولتی همچنان باقی مانده است. بنابراین مقاله کنونی در تلاش است تا با استفاده از روش فراترکیب، یافته ها و الگوهای مرتبط را به صورت نظا م مند بررسی کرده و براساس فرایند شکل گیری و دستاورد خروجی، به تحلیل آنها بپردازد. برای این منظور، با مراجعه به اسناد و مدارک معتبر قابل دسترس و اولویت دار در وب گاه های الکترونیکی اسکوپوس، وب آو ساینس و گوگل اسکولار در بازه زمانی 1980 تا 2023 از میان 317 سند اولیه، تعداد 27 مقاله مناسب برای این موضوع انتخاب شد. در ادامه با استفاده از روش تحلیل محتوا، مفاهیم تشکیل دهنده ابعاد و مولفه های تاثیرگذار بر اکتساب دانش در سازمان های دولتی شناسایی و از طریق گروه کانونی که تعداد 7 نفر از صاحب نظران و خبرگان پژوهشکده دانش و پژوهش یک سازمان دفاعی در تهران بودند، اعتبارسنجی انجام شد. یافته های پژوهش ارائه یک الگوی جدید اکتساب دانش سه مرحله ای «آماده سازی و شناخت دانش»، «عملی سازی دانش» و «تثبیت سازی دانش» را نشان داد که نسبت به سایر الگوهای مطرح شده، افزون بر مراحل ساده، تاکید بسیار زیادی بر استخراج دانش صریح عمومی سازی نشده، پیش از هرگونه انجام دوباره فرایند اکتساب دانش ضمنی کارکنان سازمان های دولتی، دارد.
کلید واژگان: دانش, اکتساب دانش, استخراج دانش, مدل های اکتساب دانشVarious models of different approaches to acquiring knowledge and using it have been presented, which cannot necessarily be proven to be superior to each other; But the failure of these models to solve the challenges and work issues of government organizations still remains. Therefore, the current article is trying to systematically examine the findings and related patterns using the metacombination method and analyze them based on the formation process and the output achievement. For this purpose, by referring to the available and prioritized reliable documents and documents in the Scopus, Web of Science and Google Scholar electronic websites in the period from 1980 to 2023, among the 317 primary documents, 27 suitable articles were selected for this topic. In the following, using the content analysis method, the concepts constituting the dimensions and components affecting the acquisition of knowledge in government organizations were identified and validated through a focus group consisting of 7 experts and experts from the Research Institute of Knowledge and Research of a defense organization in Tehran. The findings of the research showed the presentation of a new three-stage model of knowledge acquisition, "preparation and recognition of knowledge", "practicalization of knowledge" and "consolidation of knowledge", which compared to other proposed models, in addition to simple steps, a great emphasis is placed on the extraction of explicit, non-generalized knowledge, before Any re-doing of the process of acquisition of tacit knowledge of employees of government organizations.
Keywords: Knowledge, Knowledge Acquisition, Knowledge Extraction, Knowledge Acquisition Models -
هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که این مدل ها داشته اند لیکن به علت تعدد عوامل تاثیر گذار که بعضا ناشناخته نیز هستند نیاز به مدلهایی که با دقت بیشتری این پدیده را مدلسازی و پیش بینی کنند احساس می شود.
در این تحقیق برای پیش بینی نرخ خوردگی از مدل شبکه عصبی مصنوعی با بهینه سازی ژنتیک استفاده گردیده است. از بین مدل های مختلف شبکه عصبی شبکه عصبی چند لایه با الگوریتم یادگیری کاهش گرادیان انتخاب شده است. پس از ایجاد شبکه، فرایند آموزش شبکه با داده های موجود در یک پالایشگاه نفت مورد تحقیق انجام شد و سپس ارزیابی و آزمایش صورت گرفت. پس از آماده شدن شبکه جهت استخراج دانش از روش تحلیل حساسیت و الگوریتم گارسن استفاده شد.
نتایج تحقیق نشان می دهد که روش شبکه عصبی توانایی پیش بینی نرخ خوردگی را با ضریب همبستگی و خطای MSE قابل قبول دارد. بخش دیگری از نتایج که برگرفته از روش تحلیل حساسیت هستند نشان دهنده میزان تاثیر هر کدام از پارامترهای نفت خام بر روی خوردگی می باشد. طبق این نتایج نمک و گوگرد تاثیرگذارترین عوامل بر روی خوردگی در پالایشگاه مورد تحقیق هستند.کلید واژگان: پیش بینی, شبکه عصبی, تحلیل حساسیت, استخراج دانش, الگوریتم گارسون, خوردگی فلزات, سیستم های بالاسری تقطیر نفت خامThis paper uses neural network to predict corrosion rate. Corrosion can not modeled easily, because of wide range of causes either known or unknown. In mechanistic approach, physical, chemical and electrochemical reactions and processes are considered to model and predict. But as stated before this models are not practically successful in prediction because of unknown parameters. This paper uses genetic optimized neural network to predict corrosion rate. Among different neural networks, multi layer neural network with gradient descent learning algorithm has been selected. After developing the network, learning process has been done, using an oil refinery'S data. Then evaluation and test have been performed. After preparing the network Garson's algorithm and sensitivity analysis have been used for knowledge extraction. According to results, neural network approach can predict corrosion rate with acceptable correlation coefficient (R) and mean squared error (MSE). Sensitivity analysis depicts the strength of each oil parameter influence on corrosion rate. Among these results, salt and sulphur are the most affecting parameters in corrosion rate.Keywords: Prediction, Neural Network, Sensitivity Analysis, Knowledge extraction, Garson's Algorithm, Corrosion, Crude oil distillation overhead Systems
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.