دانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023Tehran Stock Exchange Index Forecasting Using Approach Adaptive Neural-Fuzzy Inference System and Imperialist Competitive Algorithmپیشبینی شاخص کل بورس اوراق بهادار تهران با رویکرد سیستم استنتاج عصبی- فازی انطباق پذیر و الگوریتم رقابت استعماری5341037410.22054/ims.2019.10374FAمجتبیصالحیعضو هیئتعلمی، گروه مهندسی صنایع، دانشکدۀ فنی و مهندسی، دانشگاه پیام نور، تهران.(نویسنده مسئول)؛ m.salehi61@chmail.irفاطمهگرشاسبیکارشناسی ارشد، مهندسی صنایع، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی خواجه نصیر، تهران.Journal Article20170630vStock market has been one of the most influential economic phenomena in the world for many years. The main players in the stock market are investors that are always looking to make the most profit. Since prices of stock market transactions is Impressionable from political, economic, social problems and the high volatility of prices, the prediction of stock market is very difficult. The main solution for more profits in the market is making the right decisions about buying and selling appropriate stocks in appropriate time. Therefore, prediction is the most important requirements for traders. I this research, a new hybrid algorithm is proposed that uses imperialist competitive algorithm as a feature selection method and fuzzy adaptive neural inference system as a prediction function. This approach uses 63 features that affect the stock market, including economic features, Iran and other countries stock market indexes, technical analysis indexes and Japanese Candlestick on a daily basis in the period from 2010-2016. The Exchange Stock Index for the next day is considered as the target variable. The results show that the hybrid model includes Adaptive Neural Fuzzy Inference System (ANFIS) and Imperialist Competitive Algorithm, is much appropriate. This model is compared with a single ANFIS model has better approximation speed and the ability to predict the sto <br />در این پژوهش یک روش نوین ترکیبی برای پیشبینی شاخص کل بورس اوراق بهادار تهران ارائه شده است که همزمان از الگوریتم رقابت استعماری بهعنوان روش انتخاب ویژگی و شبکه فازی عصبی انطباق انطباقپذیر بهعنوان تابع پیشبینی کننده استفاده مینماید. برای انجام این امر از 68 ویژگی مؤثر بر بازار بورس اوراق بهادار؛ که شامل شاخصهای اقتصادی، شاخصهای بورس ایران و سایر کشورها، شاخصهای تحلیل فنی و شاخصهای شمعدان ژاپنی بهصورت روزانه در بازه زمانی 1389-1395 بهعنوان ورودی مدل استفاده شده است. همچنین، شاخص کل بورس اوراق بهادار روز آتی بهعنوان متغیر هدف مسئله مسأله در نظر گرفته شده است. نتایج بهدستآمده نشان میدهد که مدل ترکیبی شبکه عصبی- فازی انطباق انطباقپذیر و الگوریتم رقابت استعماری پیشبینیهای بسیار مناسبتری داشته و به نسبت شبکههای عصبی منفرد از سرعت بالاتر و توانایی تقریب قویتری برای پیشبینی شاخص کل بورس اوراق بهادار برخوردار بوده است.<br /> https://ims.atu.ac.ir/article_10374_a5ec122b5409a0cb8ab8fb0467824c5a.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023The Role of Social Media on Entrepreneurship Intentionتأثیر شبکههای اجتماعی مجازی بر قصد کارآفرینی دانشجویان35601037510.22054/ims.2019.10375FAسید سعیدمیرواحدی عضو هیئتعلمی، گروه مدیریت دولتی، شهری و کارآفرینی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران. (نویسنده مسئول)؛ mirvahedi@atu.ac.irداودحسینپورعضو هیئتعلمی، گروه مدیریت دولتی، شهری و کارآفرینی، دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهراناحسانسلطان محمدلوکارشناس ارشد، کارآفرینی، دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی، تهرانJournal Article20170903 <br />The present study seeks to evaluate the effect of social media on people's entrepreneurial intention. In this study, the components of entrepreneurial intention are derived from the Linan’s Entrepreneurial Intention Model. These components include attitudes towards entrepreneurial behaviors, social norms, and self-belief. The present study is quantitative and the research method is descriptive. In this research, questionnaire was used for data collection. Students of Allameh Tabatabaei University in Tehran are samples of the study. Gathered data was analyzed by using t-test, factor analysis, and structural equation model with SPSS and LISREL software. Results showed that there was a significant relationship between social media and entrepreneurial intention and its components. Furthermore, social media strongly influences entrepreneurial intention and its components. Moreover, the most significant impacts were related to entrepreneurial self-belief, social norms, and attitudes towards entrepreneurial behavior, respectively. Finally, all hypotheses were confirmed by structural analysis and structural equation modeling. <br /> ر <br />این تحقیق به بررسی تأثیر استفاده از شبکههای اجتماعی مجازی بر قصد کارآفرینانه پرداخته است. مؤلفههای قصد کارآفرینانه در پژوهش حاضر، برگرفته از مدل قصد کارآفرینانه لینان؛ است که شامل نگرش نسبت به رفتارهای کارآفرینانه، هنجارهای اجتماعی و خودباوری میشود. تحقیق حاضر کمّی، -کاربردی بودهو ، روش پژوهش آن توصیفی است. و در این پژوهش از پرسشنامه بهعنوان ابزار گردآوری دادهها از دانشجویان دانشگاه علامه طباطبایی استفاده شده است. یافتههای پژوهش، با استفاده از آزمونهای ، تحلیل عاملی و معادلات ساختاری در نرمافزارهای تحلیلی " اس پی اس اس"و" لیزرل" مورد تجزیهوتحلیل و برازش قرار گرفت. نتایج تحلیل معادلات ساختاری نشان داد که رابطه بین شبکههای اجتماعی با قصد کارآفرینانه و مؤلفههای آن بهخوبی معنادار است بوده و متغیر شبکههای اجتماعی مجازی بر قصد کارآفرینی و مؤلفههای آن تأثیر دارد.از بین مؤلفه های مورد بررسی، بیشترین تأثیر و معناداری به ترتیب برای مؤلفههای خودباوری کارآفرینانه، هنجارهای اجتماعی و نگرش نسبت به رفتار کارآفرینانه است. درنهایت با آزمونهای تحلیل ساختاری و مدل معادلات ساختاری تمام فرضیات پژوهش تأیید شدند.<br />اhttps://ims.atu.ac.ir/article_10375_a341138da00b15ba19bbf26c416b01fc.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023A Hybrid Algorithm for Detecting Communities of Social Networks based on the Modularity Density Criterionتوسعه یک روش فرا ابتکاری ترکیبی برای شناسایی اجتماعات در شبکههای اجتماعی با هدف چگالی پودمانگی61861037610.22054/ims.2019.10376FAامیرحسینحسینیاندانش آموخته دکتری، مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران.بابکتیمورپورعضو هیئتعلمی، گروه مهندسی صنایع و سیستمها، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران. (نویسنده مسئول)؛ b.teimourpour@modares.ac.irباقرجمالی هندریدانشجوی دکتری، مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران.Journal Article20191116 <br />Detecting existing communities in social networks is a significant process in analyzing these networks. In recent years, the community detection problem has become popular for detecting structures of social networks. Due to high importance of this problem, various algorithms have been developed in the literature to find communities of complex networks. In this research, a hybrid meta-heuristic consisting of the genetic algorithm (GA) and the invasive weed optimization (IWO) method have been proposed which aims to find appropriate and high quality solutions for the community detection problem. In this hybrid method, the initial solutions are generated via the IWO algorithm, and thereafter the optimization process is continued by means of the genetic algorithm. The proposed algorithm is known as the GAIWO. Fitness of solutions is determined in terms of the modularity density criterion. Modularity density has a maximization essence and determines the quality of detected communities. To evaluate the efficiency of the GAIWO, four other methods have been employed and their results have been compared. Comparisons have been made on several networks with different sizes. Input parameters of all algorithms have been tuned by a design of experiments approach. The outputs indicate appropriate efficiency of the proposed algorithm. Validation of the results have been investigated by means of the Normalized Mutual Information (NMI) metric. <br />شناسایی ساختارهای موجود در شبکههای اجتماعی، فرآیندی حائز اهمیت در تحلیل این شبکهها است. یکی از مسائلی که در سالهای اخیر در زمینه شناسایی ساختارهای شبکههای اجتماعی مطرح شده است، مسئله اجتماع یابی است. با توجه به اهمیت این موضوع، تاکنون روشهای حل متنوع و گوناگونی برای اجتماع یابی پیشنهاد شده است. در پژوهش حاضر، یک الگوریتمی ترکیبی از روشهای بهینهسازی علفهای هرز و ژنتیک پیشنهاد شده است که هدف آن یافتن جوابهای مناسب و باکیفیت برای مسئله اجتماع یابی است. در این روش ترکیبی، جوابهای اولیه توسط روش بهینهسازی علفهای هرز تولید میشوند و در ادامه جوابهای یافته شده بهوسیله الگوریتم ژنتیک در فرآیند بهینهسازی، بهبود مییابند. ارزیابی برازندگی جوابها، مبتنی بر معیار چگالی پودمانگی است. چگالی پودمانگی، معیاری با ماهیت بیشینهسازی است که میزان کیفیت اجتماعات کشفشده را به دست میدهدمشخص می کند. بهمنظور بررسی کیفیت جوابهای الگوریتم پیشنهادی، نتایج این روش نسبت به چهار الگوریتم علفهای هرز، ژنتیک، الگوریتم کرم شبتاب و یک الگوریتم جستجوی کاملاً تصادفی مقایسه شدهاند. پارامترهای این الگوریتمها به کمک یک رویکرد طراحی آزمایشها تنظیم شدهاند. این مقایسات بر روی شبکههای محک گوناگون و با ابعاد متفاوت انجام شدهاند. با توجه به نتایج بهدستآمده، میتوان دریافت که الگوریتم پیشنهادی قادر به تولید جوابهایی باکیفیت بالا است. اعتبارسنجی نتایج الگوریتمها نیز توسط شاخص اطلاعات متقابل نرمال انجام شده است.<br /> https://ims.atu.ac.ir/article_10376_d0fd6daa3dfba0a7cf0a54e35670746f.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023A Model to Publish Online Social Networks Data with Privacy Preservingمدلی برای انتشار دادههای شبکههای اجتماعی برخط با حفظ حریم خصوصی871121037710.22054/ims.2019.10377FAروحاللهکوثری لنگریدانشجوی دکتری، مدیریت فنّاوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران شمال، تهرانسهیلاسردارعضو هیئتعلمی، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران شمال، تهران (نویسنده مسئول)؛ s_sardar@iau-tnb.ac.irسید عبداللهامین موسویعضو هیئتعلمی، گروه مدیریت فنّاوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهرانرضارادفرعضو هیئتعلمی، گروه مدیریت تکنولوژی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.Journal Article20190226Nowadays the growth in the use of social networks among different classes of world community is increasingly undeniable. Social networks database include Rich and valuable resources whose release and analysis with the purpose of marketing, publicity, National Security, Health and etc. can benefit researchers of public and private institutions. But respect the privacy of the entities whose information is available to data miner analysis is essential as a legal protocol. In this Paper, through qualitative methodology Meta synthesis, all related dimensions, indicators and codes were identified and then the importance and priority of each of the factors was determined. Subsequently, the improved model of anonymity was presented by an optimizing firefly algorithm and fuzzy clustering. The result of simulation and assessment of the proposed model on the data of four social networks such as Facebook, YouTube, Twitter and Google+ depicts that privacy preserving of data with the lowest distortion ratio and the more usefulness of data. <br /> <br />امروزه رشد استفاده از شبکههای اجتماعی در میان اقشار مختلف جامعه جهانی، بهصورت غیرقابلانکاری رو به فزونی افزایش یافته است. پایگاه داده شبکههای اجتماعی؛ شامل منابع غنی و با ارزشی هستند که انتشار یا تحلیل آنها جهت برای مقاصد بازاریابی، تبلیغاتی، امنیت ملی، سلامت و ... میتواند برای محققان مؤسسات دولتی و خصوصی سودمند واقع گرددباشد؛ اما رعایت حریم خصوصی موجودیتهایی که اطلاعات آنها در اختیار تحلیلگران دادهکاوی قرار میگیرد، بهعنوان یک پروتکل حقوقی ضروری است. در این مقاله، از طریق روششناسی کیفی فراترکیب، کلیه ابعاد، شاخصها و کدهای مربوطه استخراج و سپس میزان اهمیت و اولویت هر یک از عوامل، تعیین شده و متعاقباً مدل بهبودیافته گمنامی، بهوسیله الگوریتم بهینهسازی کرم شبتاب و خوشهبندی فازی، ارائه گردیده شده است. نتایج شبیهسازی و ارزیابیهای مدل پیشنهادی بر روی دادههای چهار شبکه اجتماعی فیسبوک، یوتیوب، توییتر و گوگل پلاس، حاکی از حفظ حریم خصوصی دادهها با کمترین نسبت انحراف و بیشترین سودمندی است.<br />اhttps://ims.atu.ac.ir/article_10377_e15122f30c962741586481c09d08ef5f.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023Developing a Model for Customer Brand Engagement on Social Mediaمدل درگیری مشتریان با برند در رسانههای اجتماعی د ر صنعت بانکداری1131421037810.22054/ims.2019.10378FAزهره دهدشتی شاهرخدانشیار، عضو گروه مدیریت بازرگانی دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران. (نویسنده مسئول)؛ Zdehdashti33@gmail.comمحمودمحمدیان محمودی تباراستادیار، عضو گروه مدیریت بازرگانی دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهرانمسعودکیماسیاستادیار، عضو گروه مدیریت بازرگانی دانشکده مدیریت، دانشگاه تهران، تهران0000000229827453علیاصغرساجدیفردانشجوی دکتری مدیریت بازاریابی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران.Journal Article20190407Rapid developments of the internet and the increasing growth of social media have provided new opportunities for today's businesses. Using these media, organizations can build up deep and lasting relationships with their customers. Moreover by engaging customers with their brand, they can create positive outcomes for themselves, customers and society. Accordingly, this study seeks to identify Antecedents, dimensions, and consequences of customers brand engagement in social media in the banking industry. In order to achieve the goal, In-depth interviews were conducted with customers who following one or more banks on social media, and data analysis was performed by using content analysis method. The results of the research were presented in a research model consisting of three divisions of Antecedents (individual, organizational and media), consequences (individual, organizational and social) and dimensions of customers brand engagement. Finally this study provided suggestions to use these media to engage customers.تحولات سریع اینترنت و رشد روزافزون رسانههای اجتماعی، فرصتهای جدیدی را برای کسبوکارهای امروزی فراهم نموده است. سازمانها با استفاده از این رسانهها میتوانند روابط عمیق و بادوامی را با مشتریان خود برقرار ساخته و با درگیر ساختن آنها با برند خود، پیامدهای مثبتی را هم برای خودشان، هم برای مشتریان و جامعه ایجاد نمایندکنند. بر این اساس، پژوهش حاضر به دنبال شناسایی پیشزمینهها، ابعاد و پیامدهای درگیری مشتریان با برند در رسانههای اجتماعی، در صنعت بانکداری است. در راستایبه منظور دستیابی به هدف مذکور مصاحبههای عمیق نیمه ساختاریافتهای با مشتریانی که دنبال کننده یک یا چند بانک در رسانههای اجتماعی بودند، صورت پذیرفت و تحلیل دادههای آن با استفاده از روش تحلیل محتوا، انجام گردیدشد. نتایج تحقیق؛ شامل سه بخش پیشزمینهها (فردی، سازمانی و رسانه)، پیامدها (فردی، سازمانی و اجتماعی) و ابعاد درگیری مشتریان، در قالب مدل تحقیق ارائه شد. که شامل سه بخش پیشزمینهها (فردی، سازمانی و رسانه)، پیامدها (فردی، سازمانی و اجتماعی) و ابعاد درگیری مشتریان بوده و . درنهایت، پیشنهادهایی بهمنظور استفاده از این رسانهها برای درگیر ساختن مشتریان، ارائه شده است.https://ims.atu.ac.ir/article_10378_ebeb4b9e5276c96ffe314adb731c7441.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023A Custome Loyalty Model fo E-Commerce Recommendation Systemsمدل وفاداری مشتری برای سیستمهای توصیهگر در تجارت الکترونیک1431701037910.22054/ims.2019.10379FAلیلاابراهیمیدانشجوی دکترای مدیریت بازرگانی، گروه مدیریت، واحد قشم، دانشگاه آزاد اسلامی، قشم، ایرانوحید رضامیرابیعضو هیئتعلمی، گروه مدیریت، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران. (نویسنده مسئول): vrmirabi@yahoo.comمحمدحسینرنجبرعضو هیئتعلمی، گروه حسابداری و مدیریت مالی، دانشکده علوم انسانی، دانشگاه آزاد اسلامی، بندرعباساسماعیلحسنپورعضو هیئتعلمی، گروه مدیریت، واحد قشم، دانشگاه آزاد اسلامی، قشمJournal Article20180715The main objective of this research is to provide a customer loyalty model for e-commerce recommender systems. The proposed model is developed using Delone and McLean Information System success model and a set of factors which are identified from the literature. To test the research hypotheses of the developed model, a questionnaire survey is conducted and the data is collected from the 384 customers in a B2C website. We used SPSS and SmartPLS software for descriptive statistics and path analyses and to verify the proposed model. The result of the Structural Equations Modeling showed that trust has a significant relationship with the customers’ satisfaction in the e-commerce recommendation systems. In addition, the results revealed that satisfaction with the recommended products can improve the customers’ loyalty in the B2C recommendation systems. The proposed model will help the e-commerce managers to improve their website recommendation systems and increase the sale of the products by achieving the customers’ loyalty in the online shopping websites. <br /><strong> </strong>هدف اصلی این تحقیق، ارائه مدل وفاداری مشتری برای سیستمهای توصیهگر تجارت الکترونیک است. مدل پیشنهادی، به کمک مدل موفقیت «سیستم اطلاعات دلون و مکلین» و مجموعهای از عوامل شناختهشده از منابع موجود تدوین شده است. برای آزمایش فرضیههای تحقیقی مدل تدوینشده، نظرسنجی پرسشنامهای انجام و دادههای حاصل از 384 مشتری از یک وبسایت B2C جمعآوری شده است. در اجرای آمار توصیفی و تحلیلهای مسیر و اعتبارسنجی مدل پیشنهادی، از نرمافزار "اس پی اس اس" و "اسمارت پی ال اس" استفاده شده است. نتایج «مدلسازی معادلات ساختاری»، نشان داد که عامل «اعتماد» دارای رابطه مهمی با رضایت مشتری در سیستمهای توصیهگر تجارت الکترونیک است. علاوه بر آن، نتایج حاکی از آن است که رضایت از محصولات پیشنهادی، میتواند موجب ارتقاء وفاداری مشتری در سیستمهای توصیهگر B2C شود. مدل پیشنهادی، به مدیران تجارت الکترونیک برای بهبود سیستمهای توصیهگر کمک خواهد کرد و از طریق کسب وفاداری مشتریان، فروش محصولات را در وبسایتهای فروش آنلاین افزایش خواهد داد.https://ims.atu.ac.ir/article_10379_8922462532b81104b77ca9c5b0d780f4.pdfدانشگاه علامه طباطبائیمطالعات مدیریت کسب و کار هوشمند2821-096482920191023Social Dimensions of Information Technology (IT) and Business Misalignmentابعاد اجتماعی ناهمسویی فناوری اطلاعات و کسبوکار1712041038010.22054/ims.2019.10380FAمجتبیاحمدیبازرس فناوری اطلاعات، اداره ارزیابی سلامت نظام بانکی، بانک مرکزی جمهوری اسلامی ایران. (نویسنده مسئول)؛ m.ahmady@cbi.ir0009-0009-6785-9788Journal Article20170322In this study, social dimensions of obstacles to achieve alignment in IT and business have been identified through a case study in the Post Bank of Iran. The data have been collected through conducting 10 interviews with experts in both fields of IT and business as well as reviewing some internal documents of the bank. In this study, 20 of the main obstacles and problems of achieving alignment were identified. The findings of the study showed that “lack of joint strategic planning”, “organizational units’ inappropriate understanding about each other”, “unsuitable administrative structure of the bank”, “lack of a strong Organization and Methods office”, “lack of precise definition of tasks and roles in projects”, and “limited cooperation and lack of mutual support in achieving alignment between IT and business” are among the main obstacles to achieve alignment. Understanding these obstacles, while providing background for future studies on achieving alignment considering its social dimensions for researchers, helps organizations make effective efforts to bring about an alignment between IT and business by identifying these obstaclesدر این مقاله، ابعاد اجتماعی موانع دستیابی به همسویی فناوری اطلاعات و کسبوکار از طریق انجام یک مطالعهای موردی، در پستبانک ایران شناسایی شده است. دادهها از طریق انجام 10 مصاحبه با خبرگان مربوط به هر دو حوزه فناوری اطلاعات و کسبوکار بانک و نیز بررسی برخی از اسناد داخلی بانک جمعآوری شده است. در این پژوهش، 20 مورد از موانع و مشکلات اصلی دستیابی به همسویی شناسایی شد. یافتههای پژوهش نشان داد که "عدم وجود برنامهریزی استراتژیک مشترک"،"شناخت نامناسب واحدهای سازمانی از محیط یکدیگر"،"ساختار نامناسب اداری بانک"،"عدم وجود یک اداره سازمان و روشهای قوی"،"عدم تعریف دقیق وظایف و نقشها در پروژهها"و"همکاری محدود و عدم وجود حمایت متقابل در دستیابی به همسویی میان فناوری اطلاعات و کسبوکار"، از جمله اصلیترین موانع دستیابی به همسویی به شمار میرود. شناخت این موانع، ضمن فراهم آوردن زمینه مطالعات آتی در خصوص تدوین چارچوبهای دستیابی به همسویی با در نظر گرفتن ابعاد اجتماعی آن برای پژوهشگران، به سازمانها کمک میکند تا با شناسایی این موانع، اقدامات مؤثری جهت به منظور ایجاد همسویی میان فناوری اطلاعات و کسبوکار انجام دهند.https://ims.atu.ac.ir/article_10380_8dedcb84c3d4acc64d59288a17b739b9.pdf