ORIGINAL_ARTICLE
ارائه الگوی هوش کسبوکار آموزشی دانشگاه با رویکرد مدلسازی ساختاری تفسیری (موردمطالعه: دانشگاه فردوسی مشهد)
مؤسسات آموزش عالی بهعنوان سازمانهایی که دارای حجم انبوهی از دادهها در حوزههای دانشجویی، برنامهریزی درسی و منابع انسانی خود هستند، میتوانند با استفاده از سامانههای مبتنی بر هوش کسبوکار، اطلاعات مفیدی برای برنامهریزی و تصمیمگیری خود فراهم نمایند که آنها را قادر میسازد از چنین اطلاعاتی برای افزایش مزیتهای رقابتی خود استفاده کنند. به همین دلیل در پژوهش حاضر تلاش شده است الگویی برای هوش کسبوکار آموزشی دانشگاهها ارائه شود که مبنای طراحی سامانههای هوش کسبوکار آموزشی دانشگاه باشد. برای ارائه الگوی موردنظر، پس از انجام مطالعات و بررسی ادبیات موضوع، ابتدا مؤلفههای اثرگذار بر هوش کسبوکار آموزشی شناسایی شد و سپس عناصر و مؤلفههای آن بر اساس نظر خبرگان آموزشی، احصاء شد که در پنج بخش: مدیریت ثبتنام، حمایت تحصیلی از دانشجو، بهبود وضعیت تحصیلی دانشجو، بهبود محتوای درسی، بهبود روش تدریس اساتید و مدیریت دانشآموختگان قرار میگیرند. پس از تعیین عناصر پیشنهادی و مدل مفهومی برای هوش کسبوکار آموزشی دانشگاه، با استفاده از رویکرد مدلسازی ساختاری تفسیری، عناصر مدل مفهومی پیشنهادی، سطحبندی و مدل سلسله مراتبی آن به دست آمد. بر اساس این مدل سلسله مراتبی، بخش مدیریت دانشآموختگان دارای قدرت نفوذ بالا و در بالاترین سطح و بخشهای توسعه مهارتهای تدریس اساتید و بهبود محتوای دروس، دارای قدرت نفوذ و وابستگی بالا و در سطح میانه قرار دارند. بخشهای بهبود وضعیت تحصیل دانشجویان و بهبود ثبتنام دارای قدرت وابستگی بالا هستند و در پایینترین سطح قرار میگیرند. این مدل ساختاری تفسیری و سطوح مشخصشده در آن میتواند در پیکربندی سامانه هوش کسبوکار آموزشی دانشگاه همراه با مؤلفههای هر بخش مورداستفاده قرار گیرد.
https://www.aimj.ir/article_64887_316897d397b4e958727558db950dfd0b.pdf
2017-08-23
1
30
آموزش عالی
سامانه آموزشی دانشگاه
مدل ساختاری تفسیری
مدل سلسله مراتبی
هوش کسبوکار
غلامرضا
ملک زاده
malekzadeh@um.ac.ir
1
گروه مدیریت، دانشکده علوم اداری و اقتصادی دانشگاه فردوسی مشهد، مشهد، ایران
LEAD_AUTHOR
آلاء
اکرامی فرد
ekramifard@staff.um.ac.ir
2
کارشناس ارشد، مهندسی نرم افزار، دانشگاه فردوسی مشهد، مشهد، ایران
AUTHOR
محمود
رنجبر
ranjbar@um.ac.ir
3
کارشناس ارشد، مدیریت فناوری اطلاعات، دانشگاه فردوسی مشهد، مشهد، ایران
AUTHOR
منصوری، سعیده، و کاترین ریاضی. 1392. بررسی مدلهای زنجیره ارزش در صنعت آموزش الکترونیکی و ارائه مدل بهینه (مطالعه موردی: یکی از دانشگاههای تهران). فصلنامه علمی-پژوهشی مدیریت فناوری اطلاعات. 5(3): 191-202.
1
ناصحی فر، وحید، و هانیه آرزمجو، و محمدتقی تقوی فرد. 1394. طراحی الگوی یکپارچه تغییرات در سازمانهای ایرانی با استفاده از رویکرد دلفی فازی. پژوهشهای مدیریت منابع انسانی. 7(2): 237-266.
2
Abramowitz S. 2000. The Knowledge Factory: dismantling the corporate university and creating true higher learning. Boston: Beacon Press.
3
Alzoabi, Z., F. Diko. and S. Hanna. 2011. Suggested Model for Business Intelligence in Higher Education. Business intelligence and agile methodologies for knowledge-Based organizations: Cross-Disciplinary Applications, 223-239.
4
Baepler, P. and C. J. Murdoch. 2010. Academic analytics and data mining in higher education. International Journal for the Scholarship of Teaching and Learning, 4(2), Article 17.
5
Brown, M. 2011. Learning analytics: The coming third wave. EDUCAUSE Learning Initiative Brief, 1(4), 1-4.
6
Campbell, J. P., P. B. DeBlois and D. G. Oblinger. 2007. Academic analytics: A new tool for a new era. EDUCAUSE review, 42(4), 41-57.
7
Carver A. and M. Ritacco. 2006. The Business Value of Business Intelligence. A Framework for Measuring the Benefits of Business Intelligence. Business Objects, 33.
8
Chen H., R. H. Chiang and V. C. Storey. 2012. Business intelligence and analytics: From big data to big impact. MIS quarterly, 36(4), 1165-1188.
9
Clegg S., A. Hudson and J. Steel. 2003. The Emperor's New Clothes: globalization and e-learning in Higher Education. British Journal of Sociology of Education, 24(1), 39-53.
10
Forest J.F. 2002. Learning organizations: Higher education institutions can work smarter too. Connection, 17(2), 31-33.
11
Fritz J. 2009. Using Course Activity Data to Raise Awareness of Underperforming College Students. In E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education (pp. 2586-2589). Association for the Advancement of Computing in Education (AACE).
12
Goodman L.A. 1961. Snowball sampling. Annual Mathematics and Statistics, 32, 148–170.
13
Hočevar B. and J. Jaklič. 2010. Assessing benefits of business intelligence systems–a case study. Management: Journal of Contemporary Management Issues, 15(1), 87-119.
14
Hutaibat K. A. 2011. Value chain for strategic management accounting in higher education. International Journal of Business and Management, 6(11), 206-218.
15
Išljamović S. and S. Lalić. 2014. Academic Dashboard for Tracking Students' Efficiency. In Proceeding of the XIV international symposium SYMORG 2014: New business models and sustainable competitiveness.
16
Johnson L., R. H. Smith, H. Willis, A. Levine and K. Haywood. 2011. The 2011 horizon report. Austin, TX: The New Media Consortium.
17
Ludwig, L. and S. Starr. 2005. Library as place: results of a Delphi study. Journal of the Medical Library Association, 93(3), 315-327.
18
Lyotrad J.F. 2004. Anamnesis: Of the Visible. Theory, Culture and Society, 21 (1), 107-119.
19
Olszak C. M. and E. Ziemba. 2007. Approach to building and implementing business intelligence systems. Interdisciplinary Journal of Information, Knowledge and Management, 2, 135-148.
20
Pathak V. and K. Pathak. 2010. Reconfiguring the higher education value chain. Management in Education, 24(4), 166-171.
21
Power D. J. 2007. A brief history of decision support systems. DSS Resources, World Wide Web. Available in: http://DSSResources. COM/ history/dsshistory.html, version 4.
22
Rathee R. and P. Rajain. 2013. Service value chain models in higher education. International Journal of Emerging Research in Management andTechnology, 2(7), 2278-9359.
23
Readings B. 1996. The University in Ruins. Cambridge, Massachusetts: Harvard University Press.
24
Schmidt R.C. 1997. Managing Delphi surveys using nonparametric statistical techniques. Decision Sciences, 28(3), 763–774.
25
Shamizanjani M. and Shahri S. (2014). Proposing a Model for Successful Application of Knowledge Sharing II (Social Knowledge Sharing) within Organizations, Iranian journal of Information Processing and Management, 29 (4), 903-930.
26
Skulmoski, G. J, F. T. Hartman, and j. Krahn. 2007. The Delphi Method for Graduate Research.. Journal of Information Technology Education 6: 1-21.
27
Strober, M. 2006. Habits of the Mind: Challenges for Multidisciplinary Engagement. Social Epistemology, 20 (3), 315-331.
28
Turban, E., J. E Aronson., T. P. Liang and R. Sharda, 2007. Decision support and business intelligence systems. Pearson Prentice Hall, New Jersey.
29
Warfield, J. N. 1974. Structuring complex systems, Battelle Monograph No 4, Battelle Memorial Institute. Columbus. Ohio, USA.
30
ORIGINAL_ARTICLE
بررسی پارامترهای تأثیرگذار در ایجاد عیب چسبندگی ورقهای فولادی تحت نورد سرد با کشف دانش از دادههای فرآیندی
بهبود کیفیت تولید با بهینهسازی شرایط تولید، یک هدف مستمر برای همه شرکتهای صنعتی-تولیدی است. کاهش ضایعات و محصولات معیوبی که در اثر عوامل کنترلی در فرآیندهای تولید ایجاد میشوند، همواره از اهداف مدیران شرکت است. فرآیندهای تولید شرکتهای فولادسازی نیز از این موضوع مستثنا نیستند. یکی از عیوب سطحی ورقهای فولادی، عیب چسبندگی است که نوعی جوشخوردگی لایهها بوده که در خط تولید در حین باز شدن کلاف آنیل شده و درصورتیکه نیروی موردنیاز جهت باز کردن کلاف بیش از استحکام تسلیم باشد، اتفاق میافتد. در صورت بروز این عیب در ورقهای فولادی، هزینههای سنگینی به شرکتهای فولادسازی وارد میشود. در راستای کاهش عیب چسبندگی میتوان دادههای عملیاتی فرآیندی را تجزیهوتحلیل و پردازش کرد؛ بهگونهای که انعکاسدهنده مشخصههای تأثیرگذار بر عیب باشد. برای هدایت این کار میتوان تکنیکهای دادهکاوی را مورد بهرهبرداری قرار داد؛ چراکه این تکنیکها قادرند دانش را بازیابی کرده و به استخراج قواعد عملیاتی از یک مجموعه داده بپردازند. دادههای عملیاتی از مجموعه دادههای غیرمتمرکز یک شرکت فولادی گرفته شد و بر اساس متدولوژی استاندارد CRISP-DM مورد تجزیهوتحلیل قرار گرفت. مجموعه داده تحت بررسی یک مجموعه داده نامتوازن بوده که با استفاده از ابزارهای شبکه عصبی، رگرسیون لجستیک، ماشینهای بردار پشتیبان و درخت تصمیم C5.0 مورد تجزیهوتحلیل قرار گرفت که بالاترین دقت، مربوط به درخت تصمیم C5.0 بوده است. بر این اساس، از درخت تصمیم، قوانینی استخراج شد که با تجارب کارشناسان خبره نیز چک و کنترل گردید. نتایج بهدستآمده نشان داد که بهرهگیری از دادهکاوی برای تجزیهوتحلیل پارامترهای مؤثر بر عیوب میتواند منجر به بهبود کیفیت گردد؛ زیرا از این رویکرد میتوان برای تنظیم پارامترهای عملیاتی فرآیندهای تولیدی استفاده نمود.
https://www.aimj.ir/article_64888_c0f40c6f740c1346959338689d2b852e.pdf
2017-08-23
31
54
بازیابی دانش
دادهکاوی
درخت تصمیم
شبکه عصبی
عیب چسبندگی
ماشینهای بردار پشتیبان
محمد تقی
رضوان
rezvan@kashanu.ac.ir
1
استادیار گروه مهندسی صنایع، دانشکده مهندسی دانشگاه کاشان، کاشان، ایران
LEAD_AUTHOR
مصطفی
ابویی اردکان
mabouei2001@gmail.com
2
استادیار گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
AUTHOR
علی
زینل همدانی
hamadani@cc.iut.ac.ir
3
استاد دانشکده مهندسی صنایع، دانشگاه صنعتی اصفهان، اصفهان، ایران
AUTHOR
علی اکبر
باطنی
abc@gmail.com
4
کارشناس شرکت فولاد مبارکه، اصفهان، ایران
AUTHOR
Agarwal, K., and·Shivpuri, R. 2013. “On line prediction of surface defects in hot bar rolling based on Bayesian hierarchical modeling”. Journal of Intelligent Manufacturing 26(4): 785-800.
1
Chen, W. C., Tseng, S. S., and Wang, C. Y. 2005. “A Novel manufacturing defect detection method using association rule mining techniques”. Expert System with Applications 29: 807-815.
2
Choudhary, A. K., Tiwari, M. K., and Harding, J. A. 2009. “Data Mining in Manufacturing: A Review Based on the Kind of Knowledge”. Journal of Intelligent Manufacturing 20(5): 501-521.
3
Deng, Z. H., Zhang, X. H., Liu, W., and Cao, H. 2009. “A hybrid model using genetic algorithm and neural network for process parameters optimization in NC camshaft grinding”. International Journal of Advanced Manufacturing Technology 45(9-10): 859–866.
4
Kusiak, A. and Kurasek, C., 2001.” Data Mining of Printed Circuit Board defects”. IEEE Transactions on Robotics and Automation 17(2):191-196.
5
Olsen, D.L.and Delen, D., 2008. “Advanced data mining techniques”, Springer.
6
Paralikas, J., Salonitis, K., and Chryssolouris, G. 2009. “Optimization of the roll forming process parameters—a semi empirical approach”. International Journal of Advanced Manufacturing Technology 47(9–12): 1041–1052.
7
Pérez, D., García-Fernández, F.J., Díaz, I., Cuadrado A.A., Ordonez, D.G., Díez, A.B., and Domínguez, M. 2013. “Visual analysis of a cold rolling process using a dimensionality reduction approach”. Engineering Applications of Artificial Intelligence 26: 1865–1871.
8
Sedighi, M., & Afshari, D. 2010. “Creep feed grinding optimization by an integrated GA-NN system”. Journal of Intelligent Manufacturing 21(6): 657–663.
9
Tsai, C. Y., Chiu, C. C., and Chen, J. S. 2006. “A Case based reasoning system for PCB defect prediction”. Expert Systems with Applications 28: 813-822.
10
Tseng, T. L., Jothishanker, M. C., and Wu, T. 2004. Quality Control Problem in Printed Circuit Board Manufacturing–An Extended Rough Set Theory Approach”, Journal of Manufacturing System 23(1): 56-72.
11
Valavanis, I., and Kosmopoulos, D., 2010. “Multiclass defect detection and classification in weld radiographic images using geometric and texture features”. Expert Systems with Applications 37(12): 7606-7614.
12
Wang, C. H., Kuo, W., and Bensmail, H., 2006. “Detection and classification of defects patterns on semiconductor wafers”. IIE Transactions 38: 1059-1068.
13
Wendt, P., Frech, W., and Leifgen, U. 2007. “Cold rolling defect, “stickers” and countermeasures”. Heat processing 5(2): 127-135.
14
Yang, S. Y., Tansel, I. N., and Kropas-Hughes, C. V. 2003. “Selection of optimal material and operating conditions in composite manufacturing. Part I: Computational tool”. International Journal of Machine Tools & Manufacture 43(2): 169–173.
15
Yazdchi, M. R., Golibagh Mahyari, A., and Nazeri, A. 2008. “Detection and Classification of Surface Defects of Cold Rolling Mill Steel Using Morphology and Neural Network”. International Conference on Computational Intelligence for Modelling Control & Automation, IEEE.
16
Za´rate, L.E., and Dias, S.M. 2009. “Qualitative behavior rules for the cold rolling process extracted from trained ANN via the FCANN method”. Engineering Applications of Artificial Intelligence 22: 718–731.
17
Zhang, X.H., Deng, Z.H., Liu, W., and Cao, H. 2013. “Combining rough set and case based reasoning for process conditions selection in camshaft grinding”. Journal of Intelligent Manufacturing 24: 211–224.
18
ORIGINAL_ARTICLE
ارائه مدلی جهت پیشبینی موضوعات مرتبط با هوشمندی کسبوکار
امروزه بسیاری از کالاها ازجمله کتاب از طریق اینترنت و بهصورت آنلاین به فروش میرسد و بهتبع آن لازم است اطلاعات دقیقتری در ارتباط با کالا در اختیار مشتری قرار داده شود تا تصمیم خریدش آگاهانه و هوشمندانهتر باشد. سایت آمازون، وبسایتی است که اطلاعات کتابها را برای خرید آنلاین در اختیار کاربران قرار میدهد. یکی از مشکلات در انتخاب کتاب از سایت آمازون مشخص نبودن زیرشاخههای مربوط به موضوع اصلی است. آگاهی از این زیر موضوعها خریداران را در انتخاب هوشمندانهتر و درنتیجه خرید بهتر یاری میکند. در این تحقیق تلاش گردیده تا با دادههای استخراجشده از سایت آمازون و با استفاده از روشهای خوشهبندی و طبقهبندی موضوعات و زیر حوزههای مرتبط با هوشمندی کسبوکار بهعنوان نمونه استخراج و درنهایت مدلی جهت پیشبینی موضوعات مرتبط با هوشمندی کسبوکار ارائه گردد. با استفاده از مدل پیشبینی، با ارائه عنوان و مقدمه کتابهای مرتبط با هوشمندی کسبوکار زیر موضوع مرتبط با کتاب پیشبینی میگردد. نتایج تحلیل نشان میدهد هفت خوشه مرتبط با هوشمندی کسبوکار به ترتیب ابزارهای هوشمندی کسبوکار و مصورسازی، رفتار سازمانی، مدیریت فرآیندها و دانش، سیستمهای پشتیبانی تصمیم، رهبری، متنکاوی و پایگاه داده است. درنهایت درخت تصمیم و نزدیکترین همسایه با دقت بالاتری مدل پیشبینی موضوعات مرتبط با هوشمندی کسبوکار را ارائه مینمایند.
https://www.aimj.ir/article_93384_c97da57e2e1b5c1adde7fb7e7aab3eb7.pdf
2017-09-22
57
78
خوشهبندی
داده ساختار نیافته
طبقهبندی
متنکاوی
هوشمندی کسبوکار
فاطمه
عباسی
sati9634@yahoo.com
1
دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران، ایران
LEAD_AUTHOR
بابک
سهرابی
bsohrabi@ut.ac.ir
2
استاد گروه مدیریت فناوی اطلاعات دانشکده مدیریت دانشگاه تهران، تهران، ایران
AUTHOR
آمنه
خدیور
a.khadivar@alzahra.ac.ir
3
دانشیار گروه مدیریت دانشکده علوم اجتماعی و اقتصاد دانشگاه الزهرا(س)، تهران، ایران
AUTHOR
امیر
مانیان
amanian@ut.ac.ir
4
استاد گروه مدیریت فناوی اطلاعات دانشکده مدیریت دانشگاه تهران، تهران، ایران
AUTHOR
پرئی، اعظم السادات و حجت اله حمیدی. 1395. "ارائه رویکردی برای مدیریت و سازماندهی اسناد متنی با استفاده از تجزیه وتحلیل هوشمند متن." پردازش و مدیریت اطلاعات.
1
لطفی آذری داریان، سولماز و رضا جاویدان. 1395. "استفاده از روشهای دادهکاوی به منظور تسهیل جستجو در موتورهای جستجوگر متنی." بیست و چهارمین کنفرانس برق ایران. شیراز. 2809-2817.
2
Aggarwal, Charu C and Zhai, ChengXiang. 2012. Mining text data. Springer.
3
Bouldin, Davies D.L. 1979. “A cluster separation measure.” IEEE Transactions on Pattern Analysis and Machine Intelligence 224-227.
4
Chakraborty , Rakhi . 2013. “Domain Keyword Extraction Technique: A New Weighting Method Based on Frequency Analysis.” Computer Science & Information Technology 109-118.
5
Chapman, Pete . 2000. CRISP-DM 1.0 Step-by-step data mining guide. USA and Denmark: CRISP consortium.
6
Chen, Hsinchun , Roger H. L. Chiang, و Veda C. Storey. 2012. “Business Intelligence and Analysis:from Big Data to Big Impact.” MIS Quarterly 1165-1188.
7
Chibelushi, Caroline , و Mike Thelwall . 2009. “Text Mining for Meeting Transcript Analysis to Extract Key Decision Elements.” International MultiConference of Engineers and Computer Scientists 710-715.
8
Chowdary, N Sunil , D Sri Lakshmi Prasanna, و P Sudhakar. 2014. “Evaluating and Analyzing Clusters in DataMining using Different Algorithms.” International Journal of Computer Science and Mobile Computing 86-99.
9
Gupta , V, و G.S Lehal . 2009. “A Survey of Text Mining Techniques and Applications Emerging Technologies in Web Intelligence,.” Academy Publisher 60-76.
10
Gurusamy, Vairaprakash, و Subbu Kannan. 2014. “Preprocessing Techniques for Text Mining.” RTRICS. Podi.
11
Hofmann, Markus , و Andrew Chisholm. 2016. Text Mining and Visualization Case Studies Using Open-Source Tools. Broken Sound Parkway NewYork: Taylor & Francis Group.
12
JALIL, Abdennour Mohamed , Imad HAFIDI, Lamiae ALAMI, و ENSA Khouribga. 2016. “Comparative Study of Clustering Algorithms in Text Mining Context.” International Journal of Interactive Multimedia and Artificial Intelligence 42-45.
13
Katariya, Nikita P, و M S Chaudhari. 2015. “Text Preprocessing for Text Mining Using Side Information.” International Journal of Computer Science and Mobile Applications 1-5.
14
Korde, Vandana , و C Namrata Mahender. 2012. “Text Classification and Classifiers:A Survey.” International Journal of Artificial Intelligence & Applications (IJAIA) 85-99.
15
Kumar B, Sathees, و Karthika R. 2014. “A Survey on Text Mining Process and Techniques.” International Journal of Advanced Research in Computer Engineering & Technology (IJARCET) 2279-2284.
16
Kumar, B Shravan and Ravi, Vadlamani. 2016. “A survey of the applications of text mining in financial domain.” Knowledge-Based Systems 128-147.
17
Kuo.R.J. An.Y. L., Wang .H .S., و Chung .W . J. 2006. “Integration of self-organizing feature maps neural network and genetic K-means algorithm for market segmentation.” Expert Systems with Application 331-324.
18
Liao, S H, P H Chu, و P Y Hsiao. 2012. “Data mining techniques and applications–a decade review from 2000 to 2011.” Expert Systems with Applications 11 303–11 311.
19
LIM, EE-PENG , HSINCHUN CHEN, و GUOQING CHEN. 2013. “Business Intelligence and Analytics: Research Directions.” ACM Transactions on Management Information Systems 17:1-17:10.
20
Miner, Gary, Dursun Delen, John Elder, Andrew Fast, Thomas Hill, و Robert A. Nisbet. 2012. Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications. Waltham,USA: Academic Press.
21
Moro, Sérgio , Paulo Cortez, و Paulo Rita. 2015. “Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation.” Expert Systems with Applications 1314–1324.
22
Nayak, Arjun Srinivas, Ananthu P Kanive, Naveen Chandavekar, و Balasubramani R. 2016. “Survey on Pre-Processing Techniques for Text Mining.” International Journal Of Engineering And Computer Science 5 (6): 16875-16879.
23
Negash, Solomon . 2004. “Business Intelligence.” Communications of the Association for Information Systems 176-196.
24
Obeidat, Muhammad , Sarah North, Max North, و Vebol Rattanak. 2014. “Business Intelligence Domain and Beyond.” Universal Journal of Industrial and Business Management 127-134.
25
Olorisade, Babatunde Kazeem , Pearl Brereton, و Peter Andras. 2017. “Reproducibility of studies on text mining for citation screening in systematic reviews: Evaluation and checklist.” Journal of Biomedical Informatics 1-13.
26
Ramasubramanian, C, و R Ramya. 2013. “Effective Pre-Processing Activities in Text Mining using Improved Porter’s Stemming Algorithm.” International Journal of Advanced Research in Computer and Communication Engineering 4536-4538.
27
Ranjan, Jayanthi. 2009. “Business Intelligence: Concepts, Components, Techniques and Benefits.” Journal of Theoretical and Applied Information Technology 60-70.
28
Sagayam, R. 2012. “survey of text mining: Retrieval, extraction and indexing techniques.” International Journal of Computational Engineering Research 1443-1446.
29
Singh, Hardeep. 2016. “Clustering of text documents by implementation of K-means algorithms.” Streamed Info-Ocean 53-63.
30
Talib, Ramzan, Muhammad Kashif Hanif, Shaeela Ayesha, و Fakeeha Fatima. 2016. “Text Mining: Techniques, Applications and Issues.” International Journal of Advanced Computer Science and Applications 414-418.
31
Truyens, Maarten and Van Eecke, Patrick. 2014. “Legal aspects of text mining.” Computer law & security review 153--170.
32
Weiss, S M, N Indurkhya, T Zhang, و F Damerau. 2010. “Text mining:predictive methods for analyzing unstructured information.” Springer Science and Business Media.
33
Weng, S, و Y Lin . 2003. “A study on searching for similar documents based on multiple concepts and distribution of concepts.” Expert Systems with Applications, 355-368.
34
ORIGINAL_ARTICLE
تعیین وضعیت استفاده از ابزارهای وب 2.0 مبتنی بر پیادهسازی آلتمتریکس: مطالعه موردی کتابخانه مرکزی دانشگاه علوم و تحقیقات تهران
هدف پژوهش حاضر تعیین وضعیت استفاده از ابزارهای وب 2.0 توسط کتابداران و کاربران کتابخانه مرکزی دانشگاه علوم و تحقیقات تهران مبتنی بر پیادهسازی آلتمتریکس است. این پژوهش ازنظر ماهیت، کاربردی است و با استفاده از روش ترکیبی متوالی - تبیینی انجام شده است. لذا ترکیبی از روشهای کمی، کیفی بهصورت متوالی مورداستفاده قرار گرفت. در بخش کمی پژوهش از دو ابزار پرسشنامه و سامانه مدیریت اطلاعات تحقیقاتی محقق ساخته استفاده شد. دو پرسشنامه محقق ساخته برای کتابداران و کاربران تدوین شدبه جهت محدودیت تعداد برای کتابداران نمونهگیری صورت نگرفت ولی برای کاربران نمونه بر اساس جدول مورگان تعیین شد و دادههای هر دو نمونه توسط نرمافزار اس پی اس اس تحلیل گردید. سامانه مدیریت اطلاعات تحقیقاتی بهعنوان دومین ابزار بخش کمی با استفاده از نرمافزار امکا ایجاد شد. جامعه آماری این بخش کلیه کاربران کتابخانه که از سامانه استفاده کردهاند بود. دادههای این سامانه توسط نرمافزار اددیس تحلیل شد. بخش کیفی پژوهش از نوع پژوهش کیفی عام بود، ابزار این بخش مصاحبه ساختاریافته بود و مصاحبه با 12 نفر از کتابداران برای تعیین وضعیت استفاده آنها از رسانههای مجازی برای ارائه خدمات پس از نصب دونات آلتمتریکس تا جایی ادامه یافت که دادهها به حد اجماع نظری رسیدند. نتایج بخش کمی پژوهش با استفاده از ابزار پرسشنامه نشان میدهد میزان استفاده از ابزارهای وب 2.0 موردبررسی در پژوهش، میان جامعه هدف (کتابداران و کاربران) پایینتر از حد متوسط است. در این میان استفاده از شبکههای اجتماعی پیامرسان موبایلی میان کتابداران و کاربران در حد متوسط است. تحلیل ابزار سامانه مدیریت اطلاعات تحقیقاتی نشان داد میزان استفاده از شبکههای اجتماعی مندلی و ریسرچ گیت میان کاربران پس از ایجاد سامانه و پیادهسازی آلتمتریکس افزایشیافته است. بر اساس نتایج بخش کیفی پژوهش، کتابداران کتابخانه پس از ایجاد سامانه و تجهیز آن به دونات آلتمتریکس، اقدامات فردی و سازمانی مختلفی برای افزایش استفاده از انواع رسانههای مجازی در کتابخانه انجام دادند. به طور کلی ایجاد سامانه مدیریت اطلاعات تحقیقاتی در کتابخانه علوم تحقیقات تهران و تجهیز آن به دونات آلتمتریکس و انواع ابزارهای رسانههای مجازی میزان استفاده کاربران از منابع علمی رسانههای مجازی و آشنایی آنها با ابزار آلتمتریکس را گسترش داد.
https://www.aimj.ir/article_64890_2226537c5c2713992992b450ed39d58a.pdf
2017-08-23
77
105
ابزارهای وب 2
آلتمتریکس
رسانههای مجازی
شبکههای اجتماعی
کتابخانه مرکزی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
فیروزه
دوخانی
fdokhani@yahoo.com
1
دانشجوی دکترای علم اطلاعات و دانش شناسی ، دانشگاه آزاد اسلامی ، واحد علوم وتحقیقات تهران
AUTHOR
امیررضا
اصنافی
aasnafi@gmail.com
2
استادیار گروه علم اطلاعات و دانش شناسی دانشگاه شهید بهشتی
LEAD_AUTHOR
نجلا
حریری
nadjlahariri@gmail.com
3
استاد گروه علم اطلاعات و دانش شناسی، دانشگاه آزاد اسلامی ، واحد علوم وتحقیقات تهران
AUTHOR
فاطمه
نوشن فرد
f.nooshinfard@gmail.com
4
دانشیار گروه علم اطلاعات و دانش شناسی، دانشگاه علوم و تحقیقات تهران
AUTHOR
آریانی، ابراهیم، عادل زاهد بابلان، مهدی معینی کیا، وعلی خالق خواه. 1394. نقش شبکههای اجتماعی مجازی در قابلیتهای پژوهشی دانشجویان تحصیلات تکمیلی. مجلهدانشگاهییادگیریالکترونیکی(مدیا)، 6 (2): 26-39.
1
ابراهیمی، سعیده، فاطمه، ستاره، و مسعود حسین چاره. 1395 .بررسی رابطه بین سنجههای جایگزین روئیت پذیری و ذخیره با شاخص استناد در نظام آلتمتریکس پلاس . پژوهشنامهمدیریتوپردازشاطلاعات، 31(3) : 845-864 .
2
اسدی، حمیده، نادرنقشینه، و مریم نظری. 1393. بررسی شبکههای اجتماعی علمی بهعنوان ابزاری جایگزین یا مکمل در ارزیابی پژوهشگران ایرانی . پژوهشنامهعلمسنجی، 1 (2): 67-80 .
3
اسفندیاری مقدم، علیرضا، و منصوره حسینی شعار. 1388. تحلیل عاملی عوامل مؤثر بر استفاده کتابداران کتابخانههای دانشگاهی همدان از وب 2.0 . اطلاعشناسی.2 (26): 53-57.
4
اصنافی، امیررضا، مریم سلامی، مهدی سیاح برگرد، و سید عابدین حسینی آهنگری. 1394. حضور پژوهشگران دانشگاه علوم پزشکی، آزاد و دولتی شهر اهواز در شبکههای علمی ریسچ گیت . فصلنامهیمرکزمطالعاتوتوسعهیآموزشعلومپزشکی، 6(1): 67-73 .
5
اصنافی امیررضا، و مریم رحمانی. 1395. تأملی بر نقش شبکههای اجتماعی تحقیقاتی در توسعه فعالیتهای علمی پژوهشگران. فصلنامه نقد کتاب اطلاعرسانی و ارتباطات، ۳ (۱۱) :۲۵۳-۲۷۲.
6
اناری، فاطمه، عاطفه عاصمی، و نصرت ریاحی نیا . 1392. بررسی میزان استفاده از ابزارهای شبکههای اجتماعی در به اشتراکگذاری دانش بین کتابداران دانشگاه اصفهان. فصلنامهدانششناسی ( علومکتابداریواطلاعرسانیوفناوریاطلاعات) . 6(20) : 10-23 .
7
جوادی نیا، سید علیرضا، مرتضی عرفانیان، محمدرضا عابدینی، مجید عسکری، علی عباسی، و بیتا بیجاری. 1392. الگوی استفاده از شبکههای اجتماعی مجازی در دانشجویان دانشگاه علوم پزشکی بیرجند. فصلنامهعلمیوپژوهشیعلموتزکیه . 22(2) : 39-44 .
8
حریری، نجلا، و سحر مهربان. 1392. راهبردهای جستجوی کاربران پایگاههای اطلاعاتی فناوری نانو: تحلیل گزارش تراکنش . فصلنامهپردازشومدیریتاطلاعاتایران . 29(1): 233-252.
9
خبر گذاری ایسنا (25 خرداد 1395) قابلدسترسی در :
10
http://salamkhabar.com/fa/news/ مهاجرت از شبکههای اجتماعی به پیامرسانها
11
خسروی، مریم، و محمدرضا جمالی مهموئی . 1393. تحلیل لاگ پایگاه اطلاعات و مدارک علمی ایران (ایرانداک) و رفتار جستجوی کاربران آن . پژوهشنامهپردازشومدیریتاطلاعاتایران 29(4) : 979-1006 .
12
رشیدی، الهام. 1394. وب 2 و کتابداران کتابخانههای دانشگاه علوم پزشکی کرمانشاه. .نشریهعلوموفنونمدیریتاطلاعات، 1(1).
13
رضایی شریفآبادی، سعید، و فاطمه پازوکی. 1395. واکاوی مفهوم، کارکرد و جایگاه سازمان دهی اطلاعات در مدل های مدیریت دانش سازمانی. نقد کتاب اطلاع رسانی و ارتباطات.(1): 233-252.
14
زارعی، عاطفه، و محمد کریم بیات. 1394. کارایی رسانههای اجتماعی در کتابخانههای دانشگاهی : مطالعه موردی دانشگاههای دولتی تهران . فصلنامهتحلیلیپژوهشیکتابمهر،( 17و18): 98-121.
15
زاهدی، زهره. 1393. بررسی میزان استفاده از انتشارات انگلیسیزبان منتشرشده در مجلات بینالمللی ایرانی در مندلی . ارائهشده در اولین همایش ملی سنجش علم، ارزشیابی و آسیبشناسی بروندادهای علمی . ایران دانشگاه اصفهان 7-8 .
16
زوارقی، رسول. 1384. تحلیل گزارشهای وب، روشی نوین برای ارزیابی عملکرد وبسایتها : مطالعه موردی: وبسایت مرکز اطلاعات و مدارک علمی ایران. اطلاعشناسی، 3و4 (2): 88-116.
17
ستوده، هاجر ، زهرا مزارعی، و مهدیه میزابیگی. 1394. بررسی رابطه میان شاخصهای استنادی و نشانهای سایت یولایک : نمونه موردمطالعه مقالات حوزه علم اطلاعات و کتابداری در سالهای 2004 تا 2012. فصلنامه پردازشومدیریتاطلاعات، علوموفناوریاطلاعات.3(4): 939-963 .
18
سیامکی، صبا، احسان گرایی، و فیروزه زارع. 1395. حضور پژوهشگران دانشگاه علوم پزشکی اصفهان در شبکه اجتماعی ResearchGate: یک مطالعه آلتمتریکس. مدیریت اطلاعات سلامت،51(5).
19
طاهری، سید مهدی، عصمت مؤمنی و بشری همتیان. 1395. بررسی کاربردپذیری سیستم کتابخانه دیجیتالی دانشگاه علامه طباطبائی بر اساس تحلیل لاگ. دولتی - وزارت علوم، تحقیقات، و فناوری - دانشگاه علامه طباطبایی - دانشکده علوم تربیتی و روانشناسی.
20
ظهوریان فولادی، نیوشا. 1393. انگیزهها و موانع کاربست رسانههای اجتماعی توسط کتابداران کتابخانههای دانشگاهی. فصلنامه تحقیقات کتابداری و اطلاع رسانی دانشگاهی، (67): 121-141.
21
عرفان منش، محمدامین. 1394. حضور مقالههای بینالمللی ایرانی علم اطلاعات و کتابداری در رسانههای اجتماعی : مطالعه آلتمتریک.پژوهشنامهمدیریتوپردازشاطلاعات .زودآیند.
22
لنکستر،ف. ویلفرد. 1366. کتابخانه ها و کتابداران در عصر الکترونیک. ترجمه اسداله آزاد. مشهد، آستان قدس .
23
مرادی، شیما، امید علیپور ، مریم صابری، و آمنه فلاحتی. 1390. میزان بهرهگیری از وب 2.0 در کتابخانههای دانشگاهی کشورهای خاورمیانه .کتابداریواطلاعرسانی، (54): 107-130.
24
مهربان، سحر، و یزدان منصوریان. 1393. رصد روندهای علمی: روشها و معیارهای علمسنجی و تغییر نقش کتابداران . پژوهشنامهپردازشومدیریتاطلاعات،29(3). پیاپی77: 613-631.
25
نویدی، فاطمه، و یزدان منصوریان. 1394. درآمدی بر آلتمتریکس : مقیاسهای جایگزین برای بررسی تأثیر پژوهش با تأکید بر وب اجتماعی . پژوهشنامهعلمسنجی 1(2): 15-34 .
26
نیک کار،ملیحه، رحیم علی جانی، و حمید قاضیزاده. 1396. بررسی حضور پژوهشگران حوزه جراحی در شبکه علمی ریسرچ گیت: مطالعه آلتمتریکس. فصلنامه جراحی ایران، 26 (2): 76-82.
27
Barnes, C. 2015. The Use of Altmetrics as a Tool for Measuring Research Impact. Australian Academic & Research Libraries, 46(2): 121-134.
28
Bornmann, L. 2014b. Validity of altmetrics data for measuring societal impact: A study using data from atmetric and F1000Prime. Journal of Informetrics, 8(4): 935–950.
29
Bornmann, L. 2015. Alternative metrics in scientometrics: A meta- analysis of research into three altmetrics. Scientometrics, 103(3): 1123–1144.
30
Chaib D.T.B. 2010.Towards a visibility of Algerian libraries in social media era. Paper presented at the Congres annual de L’IFLA, Stockholm.
31
Chen, D. Y. T., Chu, S. K. W., & Xu, S. Q. 2012. How do libraries use social networking sites to interact with users. Proceedings of the American Society for Information Science and Technology, 49(1): 1-10.
32
Elsayed AM. 2015. The Use of Academic Social Networks Among Arab Researchers A Survey. Social Science Computer Review, 0894439315589146.
33
Erdt, M., Nagarajan, A., Sin, S.J. et al 2016. Altmetrics: an analysis of the state-of-the-art in measuring research impact on social media. Scientometrics. doi:10.1007/s11192-016-2077-0.
34
González-Valiente, C. L., Pacheco-Mendoza, J. and Arencibia-Jorge, R. 2016. A review of altmetrics as an emerging discipline for research evaluation. Learned Publishing. DOI: 10.1002/leap.1043 . http://onlinelibrary.wiley.com/doi/10.1002/leap.1043/full.( accessed 30 july 2016)
35
Haustein, S., Peters, I., Bar-Ilan, J., Priem, J., Shema, H., & Terliesner, J. 2014. Coverage and adoption of altmetrics sources in the bibliometric community. Scientometrics, 101(2): 1145–1163.
36
Islam, M. M., & Habiba, U. 2015. Use of Social Media in Marketing of Library and Information Services in Bangladesh. DESIDOC Journal of Library & Information Technology, 35(4).
37
Jansen, B.J., A. Spink, and T. Saracevic. 2000. Real life, real users, and real needs: a study and analysis of user queries on the web. Information Processing & Management. 36 (2): 207-27.
38
Konkiel,S. 2012. Altmetrics: an app review.[ presentation ].Indiana university.2012. http://hdl.handle.net/2022/14714 .
39
Konkiel, S., & Scherer, D. 2013. New opportunities for repositories in the age of altmetrics. Bulletin of the American Society for Information Science and Technology, 39(4): 22-26.
40
Lahikainen, Johanna .2016 .Altmetrics in Social Sciences and Humanities: Possibilities, Challenges, and Experiences. Paper presented at: IFLA WLIC 2016 – Columbus, OH – Connections. Collaboration. Community in Session 136 - Social Science Libraries with Asia and Oceania.
41
Lambert, Frank .2010. Web Searching to Meet Everyday Information Needs: A Comparative Longitudinal Study of Queries. Submitted to an Online Community Information System Prato CIRN-DIAC Community Informatics Conference. 2010: Refereed Stream.
42
MacMillan D. 2012. Mendeley: teaching scholarly communication and collaboration through social networking, Library Management,33(8/9): 61-569.
43
Maisiri, E., Mupaikwa, E. and Ngwenya S. 2013. Strategic Planning for Social Media in Libraries: The Case of Zimbabwe. Hershey: IGI Global.pp . 250 – 262.
44
McCallum, I. 2015. Use of social media by the library: Current practices and future opportunities. A white paper from Taylor & Francis. The Australian Library Journal, 64(2): 161-162.
45
Mohammadi, E., & Thelwall, M. 2014. Mendeley readership altmetrics for the social sciences and humanities: Research evaluation and knowledge flows. Journal of the Association for Information Science and Technology, 65(8): 1627-1638.
46
Nicholas, D, P. Huntington, and H. R. Jamali. 2008 . User diversity: as demonstrated by deep log analysis. Electronic Library. 26 (1): 21-38.
47
Palmer, Stuart. 2014. ‘Characterizing University Library Use of Social Media: A Case Study of Twitter and Facebook from Australia’, The Journal of Academic Librarianship, 40(6): 611-619.
48
Park, M. and T. S. Lee. 2013. Understanding science and technology information users through transaction log analysis. Library Hi Tech. 31 (1): 123-140.
49
Priem,J., Hemminger,BM. 2010. Scientometrics 2.0: New metrics of scholarly impact on the social Web. http://pear.accc.uic.edu/ojs/index.php/fm/article/view/2874/2570.Firest Monday, 15(7).(Accessed,23 April 2016)
50
Priem, Jason, Heather A. Piwowar, and Bradley M. Hemminger. 2012. Altmetrics in the wild: Using social media to explore scholarly impact. arXiv preprint arXiv: 1203.4745.
51
Reed, K., McFarland, D., & Croft, R. 2016. Laying the groundwork for a new library service: scholar-practitioner & graduate student attitudes toward altmetrics and the curation of online profiles. Evidence Based Library and Information Practice, 11(2): 87-96.
52
Rehemtula, S., Rosa, M. D. L., Leitão, P., & Avilés, R. A. 2014. Altmetrics in institutional repositories: new perspectives for assessing research impact. Libraries in the Digital Age (LIDA) Proceedings, 13.
53
Roemer, Robin Chin and Rachel Borchardt 2013. Institutional Altmetrics and Academic Libraries. Information Standards Quarterly, Summer 2013, 25(2): 14-19.
54
Roemer, R. C., & Borchardt, R. 2015. . Altmetrics and the Role of Librarians. Library Technology Reports, 51(5): 31-37.
55
Schloegl, C., & Gorraiz, J. 2010. Comparison of citation and usage indicators: the case of oncology journals. Scientometrics, 82(3): 567-580.
56
Secker, J. 2008 “Case study 5: libraries and Facebook. LASSIE: Libraries and Social Software in Education”, Centre for Distance Education, University of London, London.
57
Sheikh, A., Syed, K. A., & Naseer, M. M. 2016. Use of social media tools by reputed University libraries of the world: A comparative study. Pakistan Library & Information Science Journal, 47(2): 45 – 55.
58
Spink, A., and. B. J. Jansen. 2006 . Searching multimedia federated content web collections. Online Information Review. 30 (5): 485-495.
59
Sutton, Sarah W. 2014. "Altmetrics: What Good are They to Academic Libraries?," Kansas Library Association College and University Libraries Section Proceedings. http://dx.doi.org/10.4148/2160-942X.1041.. 4(2): 1 -7 .
60
Thelwall, M., Haustein, S., Larivière, V. and Sugimoto, CR. 2013 .Do Altmetrics Work? Twitter and Ten Other Social Web Services. PLoS ONE, 8(5): 1- 7 . doi:10.1371/journal.pone.0064841.
61
Thelwall, M., & Wilson, P. 2016. Mendeley readership altmetrics for medical articles: An analysis of 45 fields. Journal of the Association for Information Science and Technology.67(8): 1962–1972.
62
Weller, K. 2015. Social media and altmetrics: an overview of current alternative approaches to measuring scholarly impact. In Incentives and Performance (pp. 261-276). Springer International Publishing.
63
Yi, K., J. Behesht, J. E. Leide, and A. Large. 2006. User search behavior of domain- specific information retrieval systems: an analysis of the query logs from psycINFO and ABC-Clio’s Historical Abstracts/America: history and life. American Society for Information Science and Technology. 57 (7): 1208.
64
Zahedi, Z., Costas, R., & Wouters, P. 2014, “How well developed are altmetrics? A cross-disciplinary analysis of the presence of ‘alternative metrics’ in scientific publications”, Scientometrics, 101 (2): 1491-1513.
65
ORIGINAL_ARTICLE
ارزیابی کارآیی کتابخانههای مرکزی دانشگاههای جامع دولتی وزارت علوم، تحقیقات و فناوری ایران با رویکرد تحلیل پوششی داده ها DEA )) و وزنهای مشترک( CSW)
چکیده ارزیابی کارآیی یکی از مباحث مهم در مدیریت هر سازمان و یا نهادی است که در صدد ارتقاء سطح کارآیی و یا عملکرد وضعیت موجود سازمان خود است. رویکردهای مختلفی برای ارزیابی کارآیی وجود دارد. یکی از رویکردها یا الگوهای ارزیابی کارآیی، «تحلیل پوششی دادهها» است که روشی ناپارامتریک و مبتنی بر دادههایی است که از شاخصهای ورودی و خروجی بدست میآید. هدف پژوهش حاضر تعیین شاخصهای مناسب ارزیابی کارآیی، میزان کارآیی، کارآمد یا ناکارآمد بودن و رتبهبندی کتابخانههای مرکزی دانشگاههای دولتی ایران، با توجه به این رویکرد است. این پژوهش از نوع توصیفی است و برای جمعآوری دادهها از روش پیمایش و از دو پرسشنامه استفاده شده و برای اجرای ارزیابی کارآیی کتابخانه-های مرکزی، از مدل BCC که یکی از الگوهای تحلیل پوششی دادهها است و همچنین از مدل دیگری با نام مدل وزنهای مشترک استفاده گردید. ارزیابی کارآیی 41 کتابخانه مرکزی دانشگاهی دولتی در ایران نشان داد که تنها یک کتابخانه به عنوان کتابخانه کارآمد و در سطح عالی، 8 کتابخانه در سطح خیلی خوب، 13 کتابخانه در سطح خوب، 7 کتابخانه در سطح متوسط، و 12 کتابخانه در سطح ضعیف قرار دارند.
https://www.aimj.ir/article_65265_c6c3a46c6dd874f67b806d7a3bf9e5d2.pdf
2017-08-23
106
137
ارزیابی
کارآیی
کتابخانه دانشگاهی
ایران
تحلیل پوششی دادهها
وزن مشترک
محمدکریم
بیات
mkbayat@gmail.com
1
مسئول بخش خدمات مرجع الکترونیکی کتابخانه مرکزی و مرکز اسناد دانشگاه علامه طباطبائی
LEAD_AUTHOR
علی رضا
اسفندیای مقدم
ali.isfandyari@gmail.com
2
رئیس دانشگاه آزاد اسلامی واحد علیآباد کتول
AUTHOR
مقصود
امیری
amiri@atu.ac.ir
3
عضو هیئت علمی گروه مدیریت صنعتی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی
AUTHOR
آذر، عادل و علیرضا ترکاشوند. 1385. ارزیابی عملکرد آموزشی و پژوهشی با استفاده از مدل تحلیل پوششی دادهها: گروههای آموزشی دانشکده علوم انسانی دانشگاه تربیت مدرس. مدرس علوم انسانی (1): 1–23.
1
امیری، مقصود، جعفر آهنگران، سلیمان منصوری محمدآبادی و میترا رحیمی. 1394. ارزیابی مناطق مختلف شهری از منظر جرم و بزهکاری با رویکرد تحلیل پوششی دادهها و وزنهای مشترک. فصلنامه دانش انتظامی 17(2): 157–180.
2
امیری، مقصود، امیر علیمی و سیدحسین ابطحی. 1386. ارائه مدلی در تحلیل پوششی دادهها برای به دست آوردن وزنهای مشترک با استفاده از منطق فازی. فصلنامهعلمی-پژوهشیمطالعاتمدیریتصنعتی 6(17): 35-151.
3
امیری، مقصود؛ علیرضا یعقوبی، حمیدرضا مشاطزادگان و جمشید صالحیصدقیانی. 1388. ارائه مدلی جهت پیشبینی کارایی بر اساس تکنیک تحلیل پوششی دادههای تصادفی با اوزان فازی. مهندسیصنایع و مدیریت 25(49): 47–55.
4
جهانشاهلو، غلامرضا، حسین لطفی و هاشم نیکومرام. 1389. تحلیل پوشی دادهها و کاربردهای آن. تهران: نفیس.
5
شاهطهماسبی، اسماعیل، محمدرضا اسمعیلیگیوی، سارا و شمساللهی. 1392. بررسی و مقایسه روند کارایی نسبی کتابخانههای نهادی کشور در مقیاس استانی؛ رویکرد سیستمی به پردازش ورودیها. تحقیقات اطلاعرسانی و کتابخانههای عمومی 19(4): 493–510.
6
صالحیصدقیانی، جمشید، مقصود امیری، محمدتقی تقویفرد و سیدحسین رضوی. 1388. ارائه مدل برنامهریزی آرمانی خطی برای محاسبه اوزان مشترک در مسائل تحلیل پوششی دادهها. مدیریتصنعتی (2): 89-104.
7
کتابی، سعیده، سیدمحمدرضا میراحمدی و سمیه کریمپورآذر. 1390. ارزیابی عملکرد کتابخانههای عمومی استانها با تکنیک تحلیل پوششی دادهها. تحقیقات اطلاع رسانی و کتابخانههای عمومی 17(1): 9-28.
8
علیزاده زوارم، علی و حسین آقاجانی. 1389. ارزیابی عملکرد کتابخانهها بر اساس کارایی با استفاده از (DEA) رویکرد تحلیل پوششی دادهها (مورد مطالعه کتابخانههای عمومی شهر مشهد). کتابداری 16(3): 271-296.
9
مروتیشریفآبادی، علی، محمدحسین طحاریمهرجردی و حمید باباییمیبدی 1390. ارائه یک مدل برنامه ریزی آرمانی برای ارزیابی عملکرد کتابخانه های عمومی استان های کشور. علوم و فناوری اطلاعات 27(1): 41–58.
10
میرغفوری، سیدحبیبالله و میثم شفیعیرودپشتی. 1386. رتبهبندی کتابخانههای دانشگاهی بر اساس سطح عملکرد با استفاده از تکنیکهای تحلیل پوششی دادهها و بردا (کتابخانههای دانشگاه یزد). کتابداری و اطلاع رسانی ۱۰(۳): 35-56.
11
میرغفوری، سیدحبیبالله و زهرا صادقیآرانی 1389. بررسی و ارزیابی کارایی کتابخانه هادر به کار گیری مدیریت دانش و نوآوری به منظور بهبود کیفیت خدمات با استفاده از مدل DEA دو مرحله ای مطالعه موردی: کتابخانه های عمومی و دانشگاهی شهرستان یزد. فصلنامه کتابداری و اطلاع رسانی 13(1): 175-203.
12
Avkiran, N. K. 2001. Investigating technical and scale efficiencies of Australian Universities through data envelopment analysis. Socio-Economic Planning Sciences 35(1): 57–80. http://doi.org/10.1016/S0038-0121(00)00010-0
13
Bowlin, W. F. 1998. Measuring Performance: An Introduction to Data Envelopment Analysis (DEA). Journal of Cost Analysis 15(2): 3–27. http://doi.org/10.1080/08823871.1998.10462318
14
Charnes, A., W.W. Cooper, and E. Rhodes. 1978. Measuring the efficiency of decision- making units. European Journal of Operational Research 2: 429-444.
15
Cooper, W. W., L. M. Seiford, and J. Zhu. 2011. Data Envelopment Analysis: History, Models, and Interpretations. Handbook on Data Envelopment Analysis, US, New York: Springer 1-39. http://dx.doi.org/10.1007/978-1-4419-6151-8_1
16
De Carvalho, F. A., M. J. Jorge, M. Filgueiras, J. Mariza, R. Nysia, and O.De Sá. 2012. Library Management Library performance management in Rio de Janeiro, Brazil: Applying DEA to a sample of university libraries in. Library Management Library Management Iss Khalfan Al Hijji Library Management, 33(33): 297–306.
17
Farrel, M. J. (1957). the Masurment of Productive Efficiency. Journal of the Royal Statistical Sosiety, 20(3), 253–290.
18
Hammond, C. J. 2009. The effect of organisational change on UK public library efficiency. International Journal of Production Economics.121 (1): 286-295. doi:10.1016/j.ijpe.2009.04.027
19
Hatami-Marbini, A., Tavana, M., Agrell, P. J., F. Hosseinzadeh Lotfi, and Z. Ghelej Beigi. 2015. A common-weights DEA model for centralized resource reduction and target setting. Computers and Industrial Engineering. 79: 195–203. http://doi.org/10.1016/j.cie.2014.10.024
20
Kuah, C. T., and K. Y.Wong. 2011. Efficiency assessment of universities through data envelopment analysis. Procedia Computer Science. 3: 499–506. http://doi.org/10.1016/j.procs.2010.12.084
21
Lee, C. W., N. K. Kwak, and Jr. W. A.Garrett. 2013. A comparative appraisal of operational efficiency in u.s. research-university libraries: A dea approach. Applications of Management Science. http://doi.org/10.1108/S0276-8976(2013)0000016010
22
Lee, B. L., and A. C. Worthington. 2016 . A network DEA quantity and quality-orientated production model: An application to Australian university research services. Omega (United Kingdom). 60: 26–33. http://doi.org/10.1016/j.omega.2015.05.014
23
Li, P., and Z. Yang. 2014. Performance Evaluation of the Public Libraries in USA Using Data Envelopment.International Journal of Applied Science and Technology. 4(2): 10–19.
24
Liu, W., Z. Zhou, C. Ma, D. Liu, and W. Shen. 2015. Two-stage DEA models with undesirable input-intermediate-outputs. Omega. 56: 74–87.
25
Mann, G. M. 1997. Efficiency Evaluation of north American University Libraries by Data Envelopment Analysis. Master of Science, Canada.
26
Miidla, P., and K. Kikas. 2009. The efficiency of Estonian central public libraries. Performance Measurement and Metrics. 10(1): 49–58.
27
Noh, Y. 2012. A study measuring the performance of electronic resources in academic libraries. Aslib Proceedings. 64(2): 134–153.
28
Noora, A. A., M. Khodabakhshi, A. Payan, and M. Nozohour. 2012. Common Set of Weights Approach in Stochastic DEA and its Application to Chief Executive Officers of US Public Banks and Thrifts. Acta computare. 1: 193–205. http://doi.org/10.5899/2012/cjac-001-022
29
Peng, Y. 1998. Two Essays on Efficiency Measures. UMI Cmpany. Master of Science, University of Kansas. http://doi.org/10.16953/deusbed.74839
30
Reichmann, G. 2004. Measuring university library efficiency using data envelopment analysis. Libri. 54(2): 136-146.
31
Stroobants, J., and G. Bouckaert. 2014. Benchmarking local public libraries using non-parametric frontier methods: A case study of Flanders. Library & Information Science Research. 36(3–4): 211–224. http://doi.org/10.1016/j.lisr.2014.06.002
32
Saunders, E. S. 2003. Cost efficiency in ARL academic libraries. The Bottom Line. 16(1): 5-14.
33
Shahwan, T. M., and A. Kaba. 2013. Efficiency analysis of GCC academic libraries: an application of data envelopment analysis. Performance Measurement and Metrics. 14: 197–210. http://doi.org/10.1108/PMM-07-2013-0023
34
Shim, W. 1999. Evaluation of digital libraries : A DEA approach. Proceedings of the ASIS Annual Meeting. 36: 605–615. Retrieved from http://www.scopus.com/inward/record.url?eid=2-s2
35
Shim, W. 2003. Applying DEA Technique to Library Evaluation in Academic Research Libraries. Library Trends. 51(3): 312-332.
36
Shupala, C. M. 2012. Measuring Academic Library Efficiency and Alignment With Institutional Resource Utilization Priorities Using Data Envelopment Analysis : an Analysis of Institutions of Higher Education in Texas and Their Libraries a Dissertation Submitted in Partial Fulfi. Master of Science, Texas University.
37
Stancheva, N., and V. Angelova. 2004. Measuring the Efficiency of University Libraries Using Data Envelopment Analysis. Paper presented at the Conference on Professional Information Resources Prague, Bulgariam.
38
Toloo, M., and T. Tichý. 2015. Two alternative approaches for selecting performance measures in data envelopment analysis. Measurement. 65: 29–40. http://doi.org/10.1016/j.measurement.2014.12.043
39
Vitaliano, D. F. (1998). Assessing Public Library Efficiency Using Data Envelopment Analysis. Annals of Public and Cooperative Economics. 69(1): 107–122.
40
Wagner, J. M., and D. G. Shimshak. 2007. Stepwise selection of variables in data envelopment analysis: Procedures and managerial perspectives. European Journal of Operational Research. 180(1): 57–67. http://doi.org/10.1016/j.ejor.2006.02.048
41
ORIGINAL_ARTICLE
تأثیر فناوری اطلاعات سبز بر مؤلفه اقتصادی پایداری سازمانی (مطالعه موردی: سازمانهای کوچک و متوسط ایرانی)
بشر امروزی با دشواریهای شیوههای ناپایدار از زندگی مواجه است که تلاش برای رسیدن به رشد اقتصادی و افزایش درآمد با از بین بردن منابع طبیعی و تخریب اکوسیستمها باعث شده است تا بسیاری از مردم گرایشهای محیط زیستی را فراموش نمایند و درنتیجه اغلب در برابر هر نوع تغییر لازم بهمنظور اقتصادی پایدار و انسان دوستانه مقاومت نمایند. جهانیشدن، بهتدریج، باعث گسترش صنعت و فناوریهای پاک و سبز شده و پیروی از اصول اقتصاد سبز را الزامآور میکند؛ بنابراین تولیدکنندگان، واردکنندگان و صادرکنندگان، بیشازپیش مجبور میشوند معیارها و شاخصهای خود را بهویژه ازنظر ملاحظات محیطزیستی ارتقاء دهند تا نیازهای مشتریان سختگیر را پاسخگو باشند. در این پژوهش از طریق مصاحبههای هدفمند و مطالعات کتابخانهای، شاخصهای فناوری اطلاعات سبز و پایداری اقتصادی شناسایی گردید. سپس پرسشنامه الکترونیکی در میان مدیران، مشاوران و خبرگان فناوری اطلاعات سازمانهای ایرانی توزیع شد. درمجموع اطلاعات 108 پرسشنامه در مدت یک ماه جمعآوری و اطلاعات 99 نمونه موردبررسی قرار گرفت. تجزیهوتحلیل دادهها در قالب مدل معادلات ساختاری و از روش حداقل مربعات جزئی استفادهشده است. این مطالعه ازنظر هدف کاربردی و ازنظر روشهای پژوهش، پیمایشی - توصیفی است. نتایج بیانگر این است که سازمانهای کوچک و متوسط ایران میتوانند از طریق شاخصهای فناوری اطلاعات سبز (چرخه عمر، زیرساخت، توانمند ساز، سازمان و روشها) سازمان خود را در جهت پایداری اقتصادی هدایت نمایند.
https://www.aimj.ir/article_64892_d4888a2c6266a0ebc1e57857769cca2d.pdf
2017-08-23
143
161
پایداری اقتصادی
پایداری سازمانی
سازمانهای ایرانی
سازمانهای کوچک و متوسط
فناوری اطلاعات سبز
محمدرضا
تقوا
tagha@atu.ac.ir
1
دانشیار مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
LEAD_AUTHOR
مسعود
ظهرابی
masoud.zohrabi1982@gmail.com
2
دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
AUTHOR
زهره
دهدشتی شاهرخ
dehdashtishahrokh@atu.ac.ir
3
دانشیار، مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
AUTHOR
تقوی فرد، محمدتقی، فائقه صمدی و اعظم عدنان راد. 1393. حفاظت از محیطزیست و توسعه پایدار از طریق پیادهسازی طرحهای فناوری اطلاعات سبز در سازمانها، دومین همایش ملی برنامهریزی، حفاظت، حمایت از محیطزیست و توسعه پایدار، تهران، دبیرخانه دائمی همایش، دانشگاه شهید بهشتی.
1
دریایی، عباسعلی، عبدالله پاکدل و سیدمحمد مشعشی. 1392. توسعه پایدار پیامد حسابداری و بازاریابی سبز و مسئولیتپذیری اجتماعی با تأکید بر راهبری شرکتی، فصلنامه دانش و پژوهش حسابداری، سال 8، شماره 32 صفحه 33-28.
2
رحیمیان نظام الدین، اسماعیل توکل نیا، . زینب اسدی.1390. مسئولیت اجتماعی و پایداری شرکتها. مجله حسابدار
3
شفیعا، محمدعلی و مریم ابوالقاسمی. 1394. بررسی نقش فناوری اطلاعات در توسعه پایدار و گسترش اقتصاد سبز، دومین کنفرانس بینالمللی و آنلاین اقتصاد سبز، بابلسر. شرکت پژوهشی طرود شمال.
4
قرچه، شمشیری، فیروز شمشیری .1389. مزایای استفاده از خدمات شرکتهای مدیریت صادرات در راهبرد توسعه صادرات بنگاه-های کوچک و متوسط. فصلنامه مطالعات مدیریت راهبردی. شماره 4. صفحه 85-65.
5
مرادی، محسن مدلسازی معادلات ساختاری مبتنی بر SmartPLS.، 1395.انتشارات موسسه نگاه دانش.
6
محرابیان، مولود و مسعود ظهرابی. 1393. بررسی مزایای فناوری اطلاعات سبز. همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات. تهران. شرکت علم و صنعت طلوع فرزین.
7
ملکی، اعظم و مهدی دارینی. 1393. تأثیر بهینهسازی منابع انسانی در توسعه پایدارسازمانی، همایش بینالمللی مدیریت، تهران، موسسه سفیران فرهنگی مبین.
8
ناطق، محمد .1385. نقش خوشهبندی در افزایش رقابتپذیری بنگاههای کوچک و متوسط با محوریت توسعه بازاریابی. تهران. مؤسسه مطالعات و پژوهشهای بازرگانی.
9
Blazejczak, J., & Edler, D. 2004. Nachhaltigkeitskriterien aus ökologischer, ökonomischer und sozialer Perspektive–Ein interdisziplinärer Ansatz. Vierteljahrshefte zur Wirtschaftsforschung, 73(1), 10-30.
10
Chen, H., Frank, M. Z., & Wu, O. Q. 2005. What actually happened to the inventories of American companies between 1981 and 2000?. Management science, 51(7), 1015-1031.
11
Dyllick, T., & Hockerts, K. 2002. Beyond the business case for corporate sustainability. Business strategy and the environment, 11(2), 130-141.
12
Elkington, J. 1998. Cannibals with forks: the triple bottom line of sustainability. New Society Publishers, Gabriola Island.
13
Gareis, R., Heumann, M., & Martinuzzi, A. 2009 . Relating sustainable development and project management. IRNOP IX, Berlin, 52.
14
Grunwald, A., & Kopfmüller, J. 2006. Nachhaltigkeit. 2006. Frankfurt/Main: Campus Verlag GmbH.
15
Hair. J. Hult. T. & Sarstedt، M. 2014. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). s.l.:SAGE Publications، Ic.
16
Lili,S. 2015. “Intelligent Transport Systems - Your journey starts here. Empowering sustainable mobility.” Logica Whitepaper.i and Jange.
17
Murugesan, S. 2008. Harnessing green IT: principles and practices. IEEE IT Professional Vol. 10 No. 1, pp. 24-33.
18
Staples, J. 2012. Environmental Policy, Environmental NGOs and the Keating Government. In Australian Political Studies Conference, Hobart, Tasmania.
19
Sheridan, C. Curry, E., Guyon, B & Donnellan, B. 2012. Developing a sustainable IT capability: Lessons from Intel's journey. MIS Quarterly Executive, 11(2).
20
Sharma,S. 2015. Green IT Regional Data – Global, available at: www.symantec.com/content/en.
21
Stahlmann, V., & Clausen, J. 2000. Können Unternehmen dauerhaft Umweltleistung erbringen.
22
Yasa, N. N. K., Ratnaningrum, L. P. R. A., & Sukaatmadja, P. G. 2014. The application of technology acceptance model on internet banking users in the city of denpasar. Journal Manajemen dan Kewirausahaan, 16(2), 93-102.
23
ORIGINAL_ARTICLE
طراحی مدل پارادایمی مدیریت حین بحران و ارائهی راهکارهای پیشگیری: بررسی سازمانهای اسنادی (آرشیوی) کشور
هدف این پژوهش، ارائه مدل مدیریت بحران برای پیشگیری و مقابله با بحران در سازمانهای اسنادی (آرشیوی) کشور است. روش پژوهش حاضر با رویکرد کیفی و با استفاده از روش نظریه داده بنیاد انجامشده است. دادهها با استفاده از مصاحبههای نیمه ساختاریافته عمیق گردآوری گردید. جامعه پژوهش، شامل 20 نفر از متخصصان مدیریت بحران و نیز مدیران مراکز آرشیوی در ایران بودند و از نمونهگیری هدفمند برای انتخاب مصاحبهشوندگان استفاده شد. تحلیل داده در سه مرحله کدگذاری باز، محوری و گزینشی انجام شد. یافتههای مدل پارادایمی حاصله، شامل بخشهای شرایط علی، راهبردها، شرایط مداخلهگر و زمینهای و نیز پیامد حاصل از آنها است. شرایط علی در دو مقوله بحرانهای داخلی، بحران خارجی مانند بحرانهای طبیعی و بحرانهای انسانساخت جای گرفته است. شرایط مداخلهگر و زمینهها از مقولههایی ازجمله عدم آموزش تخصصی کارکنان، عدم وجود شرایط محیطی مناسب و مکانیسمهای مدیریتی (ایجاد انگیزه در کارکنان)؛ محل ساختمان آرشیو؛ استفاده از انواع تجهیزات آرشیوی برای مقابله با آتشسوزی، استفاده از نقشه بحران در حین بحران و مسائل مرتبط با نیروی انسانی تشکیلشده است. برای پیشگیری و مقابله با بحران در آرشیوها، لازم است راهبردهایی چون آموزش نوین تابآوری، آموزش نحوه استفاده اسناد برای کاربران؛ تصمیمگیری در شرایط بحرانی، استانداردسازی ساختمان و تجهیزات (عدم استفاده از اسکلت فولادی در ساختمان آرشیو، استفاده از اسکلت بتون مسلح و نیز استفاده از دیوارها و درها و کفها پوشهای ضد حریق) در ساختمان آرشیو اتخاذ شود. درنهایت پیامد اجرای فرایند مدیریت بحران در آرشیوهای ایران، کاهش و یا از بین رفتن اثرات بحرانهای داخلی و خارجی خواهد شد.
https://www.aimj.ir/article_64893_73b1d29ba52e914a195f9c8954fa2bd1.pdf
2017-08-23
163
180
آرشیوها
روش داده بنیاد
مدیریت پیش از بحران
مدیریت حین بحران
صدیقه
احمد فصیح
ahmadifa_se@yahoo.com
1
دانشجوی دکترای علم اطلاعات و دانششناسی، دانشکده مدیریت، دانشگاه تهران
AUTHOR
مریم
ناخدا
mnakhoda@ut.ac.ir
2
استادیار گروه علم اطلاعات و دانششناسی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
LEAD_AUTHOR
محمد رضا
اسماعیل گیوی
s.givi@ut.ac.ir
3
استادیار گروه علم اطلاعات و دانششناسی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
AUTHOR
فهیمه
باب الحوائجی
f.babalhavaeji@gmail.com
4
دانشیار گروه علم اطلاعات و دانش شناسی دانشگاه آزاد ، واحد علوم و تحقیقات تهران، ایران
AUTHOR
احمدی، علیاکبر، قطری رسولی و پریسا قلی زاده.1391. ارائه مدل مدیریت بحران با تمرکز بر نظام مدیریت منابع انسانی برای بیمارستانهای شهر تهران. مجله مدیریت دولتی. 10 (4): 1- 24
1
استراوس، آنسلم و جولیت کوربین. 1390. اصول روش تحقیق کیفی: نظریه مبنایی، رویهها و شیوهها. ترجمه بیوک محمدی. تهران: پژوهشگاه علوم انسانی و مطالعات فرهنگی.
2
بازرگان هرندی، عباس. 1393. مقدمهای بر روشهای تحقیق کیفی و آمیخته؛ رویکردهای متداول در علوم رفتاری (چاپ چهارم). تهران: نشر دیدار.
3
تاجیک، محمدرضا. 1379. مدیریت بحران: نقدی بر شیو ه های تحلیل و تدبیر بحران در ایران. تهران: نشر، فرهنگ گفتمان
4
روزنتال، آریل و همکاران.2003. دنیایی از بحران ها و مدیریت بحران. مجله دانش انتظامی، 4(4):118-140.
5
روشندل اربطائی، طاهر.1388. تدوین الگوی جامع فراگرد مدیریت بحران با رویکرد نظم و امنیت. دانش انتظامی، مجله دانش انتظامی، شماره 2 (10): 63-80.
6
شاکری، صدیقه؛ محمدی، فرناز. 1392. «نقد کتاب مدیریت بحران در آرشیوها، کتابخانهها و موزهها». کتاب ماه کلیات. شماره 185. 60-63
7
عزیزی، غلامرضا.1393. اصول اصلی ایمنی در برابر آتش سوزی در کتابخانه ها و آرشیوها. تهران: سازمان اسناد و کتابخانه ملی.
8
فرهودی، فائزه و فهیمه با ب الحوائجی. 1394. الگوی بومی مدیریت بحران در کتابخانه های ایران: پژوهش کیفی. مجله تحقیقات اطلاع رسانی و کتابخانه های عمومی، 21(3): 449-466.
9
مستانه، زهرا، موصلی، لطف اله، جهانگیری، مریم، دوست، مریم و عشقی، علی 1390. توانمندی ها و محدودیت های مدیریت بحران در بیمارستان های دانشگاه علوم پزشکی هرمزگان. مجله دانشگاه علوم پزشکی فسا. 1(4): 244-250.
10
میتراف، ین و گاس انگناس. 2002. مدیریت بحران پیش از روی دادن. ترجمه محمود توتونچیان.1381. تهران: انتشارات موسسه عالی آموزش و پژوهش مدیریت و برنامه ریزی.
11
نیکنام، مهرداد.1387. مقابله با آتش سوزی. تهران: سازمان اسناد و کتابخانه ملی جمهوری اسلامی ایران
12
نیکنام، مهرداد (1381). برنامه ریزی ملی برای حفاظت و نگهداری از مواد کتابخانه ای. پاپان نامه دکتری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات.
13
هادی زاده بزاز، مریم. 1386. مدیریت بحران، کاهش آسیب پذیری در برابر بلایای طبیعی. تهران: نشرآذر برزین.
14
یقین لو، مهرانگیز، خلیلی عراقی، مریم. 1386. بحران و مدیریت بحران: بررسی آثار مثبت و منفی بحران درسازمانها. بازیابی 25 /5/ 1395.
15
Ahenkorah-Marfo, M. & Borteye, E. 2010. Disaster preparedness in academic libraries. The case of the Kwame Nkrumah University of Science and Technology Library, Kumasi, Ghana. Library & Archival Security2011, 23(2), 117-136.
16
Brown, CH. 2011. Disaster waste Management: A Review Article, waste Management 31, 1085-1098.),
17
Brown D.F., Dunn W.E. Application of a quantitative risk assessment method to emergency response planning. Computers & Operations Research 34 (2007) 1243–1265.
18
Chu, G.Q., Chen, T., Sun, Z.H., Sun, J.H., 2007, Probabilistic risk assessment for evacuees in building fires, Building and Environment, 42, 1283–1290.
19
Chu.G, Sun.J , . 2008 . Decision analysis on fire safety design based on evaluating building fire risk to life ; safety science , 46 , 1125-1136.
20
Frank, J. 2011. The impact of hurricane katrina on Gulf Coast libraries and their disaster planning. [Thesis], USA: San Joes State University
21
Grassi, A, Gamberini, R., Mora, C., Rimini, B . 2008. A fuzzy multiattribute model for risk evaluation in workplaces; J.safety science 10; 1016-1026.
22
Guan Y, Cheng X, Zhang Y. Study on the Earthquake Disaster Reduction Information Management System and Its Application. I.J. Intelligent Systems and Applications 2011; (1): 51-7.
23
Managing the library and archive environment. Henderson, j. 2013. London: preservation Advisory centre, British library.
24
Kuligowski, E.D.; Mileti, D.S. 2009. Modeling pre-evacuation delay by occupants in World Trade Center Towers 1 and 2 on September 11,2001; 44, 487-496
25
Matthews, Graham; Smith, Yvonne; Knowles, Gemma .2009. "Disaster management in Archives, ibraries and Museums".London: Ashgate publishing, 229p.
26
Practical Applications of Reactivity Monitoring in Museums and Archive, Muller, Chris. 2003. Consideration for Monitoring Classification of Gaseous Pollutants, Purafil,in., Doraville, Georgia, USA.
27
Pricop, O. C. 2012. Critical Aspects in the Strategic Management Theory. Procedia- Social and Behavioral Sciences, 3 (28), 98-107.
28
Ritchie, B. W. 2009. Chaos, Crisis and Disasters: A Strategic Approach to Crisis Management in Archives and Information Centers. Disaster Prevention and Management, 25 (6), 669-683.
29
Sener, I. .2012. Strategic Responses of Top Managers to Environmental Uncertainty. rocedia- Social and Behavioral Sciences, 3 (28), 169-177.
30
Smith, Larry; Millar, Dan PhD.2002. "Before Crisis Hits: Building a Strategic Crisis Plan". Washington, DC, AACC Community College Press. 261-269.
31
Swanson, D. 2010. Seven Tools for Creating Adaptive Policies in Crisis Management. Technological Forecasting and Social Change, 77 (6), 924-939.
32