عنوان پایان‌نامه
ارائه رویکردی مناسب برای ایجاد نقشه دانشی غنی برای یک سازمان پژوهشی به عنوان ابزار پشتیبانی تصمیم
- دانشجو
- ریزان مرادی
- رشته تحصیلی
- مهندسی کامپیوتر - هوش مصنوعی - رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2546;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65124
- تاریخ دفاع
- ۰۸ اردیبهشت ۱۳۹۳
- چکیده
- دانش به عنوان سرمایه اصلی هر سازمان، نقشی کلیدی در بقا و پیشرفت آن ایفا می کند. مدیریت دانش در واقع، به فرایندهای کشف، بازنمایی، تغییر، توسعه، انتقال و ایجاد دانش در سازمان می-پردازد و ابزارهای مدیریت دانش که نقشه ی دانش یکی از آنهاست، این فرایندها را ممکن می-سازند. نقشه دانش نمایشی گرافیکی از اطلاعات است که با استفاده از آن میتوان وضعیت دانش خبرگان و منابع سازمان را بازنمایی نمود و از آن برای تصمیم گیری های به موقع بهره گرفت. دانشگاه به عنوان یک سازمان دانش بنیان، نقش های مدیریتی متنوعی دارد که در حالت کلی صرفاً با استفاده از دانشی که در ذهن آنهاست، اقدام به تصمیم گیری می کنند. وجود یک نقشه دانش دقیق کمک می کند تا دانش مورد نیاز نوع خاص تصمیم گیری آنها در اختیارشان قرار گرفته، فرایند تصمیم گیری آنها تسهیل شود. در این پژوهش پس از انتخاب دو نقش مدیریتی معاونت آموزشی و معاونت پژوهشی و بررسی وظایف و دانش مورد نیاز برای پشتیبانی تصمیم گیری هر کدام از آنها، حداقل چهار گونه نقشه دانش جدید یا در حالت کلی رویکرد پشتیبانی تصمیم ارائه شده است که راهکار ایجاد آنها دستاوردهای اصلی این پژوهش است. دو رویکرد اول که برای معاونت پژوهشی ایجاد شده است، نقشه ی دانش همکاری و نقشه ی دانش خبرگی است که با استفاده از رویکردهای خوشه بندی و ایجاد گونه شناسی حوزه های دانشی ، بازیابی اطلاعات و ... ایجاد شده است. دو رویکرد دیگر که خاص معاونت آموزشی است، اول معرفی الگوریتم IPC و سپس ایجاد شبکه ی بیزی به عنوان یک نقشه ی دانش است که چرایی پدیده ها را تشریح میکند و در نهایت پیشنهاد یک رویکرد جدید خبره یابی برای تعیین مدرس بالقوه برای هر یک از دروس که از مهمترین وظایف این نقش است. برای ارزیابی ساختاری هر یک از روشهای فوق از دادگان استاندارد و معیارهای ارزیابی برآمده از خاستگاه اصلی آنها یعنی حوزه ی یادگیری ماشین و شناسایی الگو بهره گرفته ایم و نتایج نشان دهنده عملکرد قابل مقایسه ی این رویکردها روی داده های واقعی دانشگاه با روش های محک منتخب است.
- Abstract
- Knowledge is the main asset of today’s organizations. Briefly, knowledge management has been focused on discovery, representation, modification, transformation and creation of knowledge in an enterprise. Knowledge map as a knowledge management tool makes these processes feasible and practicable. It is a graphical representation of the decision-related information with which one can represent the current status of experts’ knowledge or organizations knowledge and employ it for on time and efficient decision making. There are different and diverse knowledge-related roles and managers in a university -as an instance of a knowledge-based organization-; each usually relies on their own memory for their daily decisions. However, utilizing an informative knowledge map greatly facilitates his/her decision making process by proposing him/her the key required information. In this research, we have selected two important managerial roles of associate deans of research and education. By reviewing their key managerial decisions, four different techniques for supporting their decisions have been proposed. Two former approaches for associate dean of research are expertness map and collaboration map which are formed by clustering and taxonomy formation and information retrieval methods. Two latter ones for the associate dean of education include IPC algorithm introduction, then learning the structure and the parameters of a Bayesian network to describe the reason behind some observations in the domain of education as well as a mechanism for expert finding as a potential lecturer for courses. In order to evaluate the proposed approaches, we have chosen structural as well as functional evaluation measures and standard dataset (in available cases) found from pattern recognition and information retrieval fields. The results justify that the approaches are comparable to the selected benchmarks on real data –with the challenging nature of the real data such as incompleteness and being not clean -we have extracted from UT education and research management systems. Keywords: Knowledge Map, Decision Making, Expert Finding, Bayesian Network, Clustering
