رویکردهای مدیریتی در حوزه کسب وکار هوشمند
الناز ولی زاده حمزه کلایی؛ آمنه خدیور؛ فاطمه عباسی
چکیده
بررسیها نشان داده است که بسیاری از سازمانها برای ایجاد دانش و بهبود تصمیمگیری از تحلیل نظرات و محتوای تولید شده توسط کاربران در شبکههای اجتماعی بهرهبرداری کردهاند. در این پژوهش، به تحلیل عملکرد مالی سازمانهای غیرانتفاعی با استفاده از تحلیل نظرات کاربران پرداخته شده است. مجموعه دادهی استفاده شده در این پژوهش شامل 26714 ...
بیشتر
بررسیها نشان داده است که بسیاری از سازمانها برای ایجاد دانش و بهبود تصمیمگیری از تحلیل نظرات و محتوای تولید شده توسط کاربران در شبکههای اجتماعی بهرهبرداری کردهاند. در این پژوهش، به تحلیل عملکرد مالی سازمانهای غیرانتفاعی با استفاده از تحلیل نظرات کاربران پرداخته شده است. مجموعه دادهی استفاده شده در این پژوهش شامل 26714 توییت کاربران از جمعا 23 حساب توییتری در سراسر جهان میباشد و ده سال دادهی مالی شامل سالهای 2010-2020 این سازمانها از 5 سازمان غیرانتفاعی منتخب جمعآوری شده است. نتایج حاصل از روشهای مدلسازی موضوع و تحلیل احساسات به دادههای پانلی تبدیل شدهاند. نتایج مدلسازی موضوعی و تحلیل احساسات به دادههای پنلی تبدیل و با استفاده از روشهای حداقل مربعات معمولی و حداقل مربعات معمولی پویا تحلیل شدهاند. نتایج نشان میدهند که محتوای تولید شده توسط کاربران و عملکرد مالی سازمانهای غیرانتفاعی رابطه معنی داری دارند. در حالی که احساسات مثبت تأثیر معنیداری بر عملکرد مالی این سازمانها ندارند، احساسات منفی و بازتوئیتها تأثیر منفی و علاقمندیها رابطه ی مثبتی با عملکرد مالی را نشان می دهند.
آرمینا محسنی؛ آمنه خدیور؛ فاطمه عباسی
چکیده
رشد اینترنت، شبکههای اجتماعی و وبسایتهای تجارت الکترونیک بستری جهت ارائه عقاید و نظرات برای کاربران فراهم می نمایند. در سال های اخیر بسیاری از کاربران احساسات و نظرات خوب یا بد خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان می کنند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ ...
بیشتر
رشد اینترنت، شبکههای اجتماعی و وبسایتهای تجارت الکترونیک بستری جهت ارائه عقاید و نظرات برای کاربران فراهم می نمایند. در سال های اخیر بسیاری از کاربران احساسات و نظرات خوب یا بد خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان می کنند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ کیفیت، توسعهی محصول و برندشان بسیار مهم می باشند. تحلیل احساسات رویکردی جهت پردازش زبان طبیعی است و امکان تحلیل سیستماتیک نظرات کاربران را فراهم می نماید. با توجه به اهمیت این موضوع هدف این مطالعه ارائهی مدل تحلیل احساسات نظرات سایت تریپادوایزر دربارهی رستورانهای ایرانی میباشد. در این تحقیق ما تحلیل احساسات مبتنی بر جنبه بر اساس الگوریتم یادگیری عمیق شبکهی عصبی حافظهی طولانی کوتاهمدت استاندارد را برای استخراج احساسات کاربران در مورد رستورانها پیشنهاد نمودهایم. برای آموزش مدل، 4000 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفی برچسب زده شد و گامهای مطالعه طبق متدولوژی کریسپ صورت گرفت. میزان دقت برای معیارهای غذا، سرویس، قیمت و اتمسفر به ترتیب 82%، 86%، 87% و 81% به دست آمد. این نتایج نشان از کارایی و عملکرد قابل قبول مدل برای تحلیل احساسات مبتنی بر جنبهی رستورانها است. همچنین جنبهی غذا و اتمسفر به ترتیب مهمترین جنبهها برای مشتریان رستورانهای ایرانی محسوب میشوند. رستورانداران و صاحبان کسبوکار میتوانند از مدل توسعهیافته برای کسب مزیت رقابتی و یافتن نقاط قوت و ضعف خود استفاده کنند.
محمد احسان بصیری؛ شیرین حبیبی؛ َشهلا نعمتی
چکیده
با همهگیر شدن بیماری کووید-19، قرنطینه شدن مردم و فاصلهگذاری اجتماعی، افراد بیش از پیش نظرات خود درباره ویروس کرونا را در شبکههای اجتماعی مانند توئیتر منتشر میکنند. با این حال، هنوز مطالعهای برای تحلیل نظرات برخط افراد به منظور درک احساسات آنها در مورد همهگیری کووید-19 در ایران گزارش نشده است. در این پژوهش به تحلیل احساسات ...
بیشتر
با همهگیر شدن بیماری کووید-19، قرنطینه شدن مردم و فاصلهگذاری اجتماعی، افراد بیش از پیش نظرات خود درباره ویروس کرونا را در شبکههای اجتماعی مانند توئیتر منتشر میکنند. با این حال، هنوز مطالعهای برای تحلیل نظرات برخط افراد به منظور درک احساسات آنها در مورد همهگیری کووید-19 در ایران گزارش نشده است. در این پژوهش به تحلیل احساسات موجود در نظرات مردم ایران در شبکه اجتماعی توییتر در طول بحران کرونا پرداخته میشود. برای این منظور یک مدل شبکه عصبی عمیق ارائه میشود. با توجه به اینکه داده های برچسبگذاری شده از توئیت های مرتبط با کرونا در دسترس نیست، مدل پیشنهادی ابتدا روی مجموعه داده Sentiment140 دانشگاه استنفورد شامل یک میلیون و ششصدهزار توئیت آموزش داده شده، سپس برای طبقهبندی دوکلاسهی احساسات موجود در توئیتهای جمع آوری شده مرتبط با کرونا در ایران استفاده میشود. نتایج نشان میدهد درصد توئیتها دارای احساسات منفی نسبت به توئیتهای مثبت به شکل معنیداری بیشتر است. همچنین، تغییر احساسات منفی افراد در ماههای مختلف متناسب با تغییر در آمار بیماران میباشد.
سارا آقابابائی؛ محسن نظری؛ نسترن حاجی حیدری
چکیده
در دنیای رقابتی امروز، قیمتگذاری بهعنوان یکی از چهارعنصر آمیخته بازاریابی، از عوامل مؤثر در موفقیت یا شکست شرکتها محسوب میگردد. بر اساس مبانی نظری، در قیمتگذاری مبتنی بر ارزش، شرکتها ارزش متمایز محصولات خود را برای مشتریان محاسبه میکنند. هدف از انجام این پژوهش که بر اساس مبانی علم طراحی استوار است، طراحی و پیادهسازی ...
بیشتر
در دنیای رقابتی امروز، قیمتگذاری بهعنوان یکی از چهارعنصر آمیخته بازاریابی، از عوامل مؤثر در موفقیت یا شکست شرکتها محسوب میگردد. بر اساس مبانی نظری، در قیمتگذاری مبتنی بر ارزش، شرکتها ارزش متمایز محصولات خود را برای مشتریان محاسبه میکنند. هدف از انجام این پژوهش که بر اساس مبانی علم طراحی استوار است، طراحی و پیادهسازی سیستمی جهت کمک به قیمتگذاری رقابتی بر اساس ارزش مشتری از طریق دستهبندی و تحلیل احساسات مشتریان باهدف حداکثر سازی سود است. صنعت منتخب این پژوهش هتل داری است که سلایق و ارزشهای مشتری در آن از عوامل موفقیت محسوب میگردد. در این پژوهش ابتدا سعی شده به روش مدلسازی موضوعی با الگوریتم LDA، از دادههای استخراجشده از نظرات مشتریان هتلهای 5 ستاره تهران بهعنوان هتلهای رقیب، موارد مهم و باارزش در ذهن مشتریان این هتلها شناسایی و دستهبندی گردد. پسازآن، در هر دسته، نظرات هر مشتری برچسبگذاری شده و با الگوریتمهای مختلف متنکاوی، فرایند تحلیل احساسات بر روی این نظرات انجام شود. سپس دقت الگوریتمها محاسبهشده که الگوریتم یادگیری عمیق با دقت 0.9 بیشترین دقت محاسبات را داشت. درنهایت تحلیل احساسات با دادههای موجود توسط سیستمِ طراحیشده در مرحله قبل انجامشده و نتایجی قابل قبولی دریافت گردید. کاربرد سیستم پیشنهادی، تشخیص ارزش هتلها در ذهن مشتریان هدف نسبت به رقبا و کمک به قیمتگذاری بر مبنای ارزش است.
فاطمه عباسی؛ بابک سهرابی؛ امیر مانیان؛ آمنه خدیور
چکیده
در سالهای اخیر رشد شبکههای اجتماعی و بهتبع آن افزایش فزاینده محتوای این شبکهها باعث شده است تا افراد برای خرید و استفاده از محصولات، خدمات و یا حتی انتخابهای سیاسی خود از نظرات سایر افراد برای تصمیمگیری استفاده نمایند. با توجه به آنکه نظرات کاربران بهصورت متنی است و خواندن و جمعبندی آنها زمانبر و مشکل است، ...
بیشتر
در سالهای اخیر رشد شبکههای اجتماعی و بهتبع آن افزایش فزاینده محتوای این شبکهها باعث شده است تا افراد برای خرید و استفاده از محصولات، خدمات و یا حتی انتخابهای سیاسی خود از نظرات سایر افراد برای تصمیمگیری استفاده نمایند. با توجه به آنکه نظرات کاربران بهصورت متنی است و خواندن و جمعبندی آنها زمانبر و مشکل است، خودکارسازی استخراج عقاید و احساسات نظرات کاربران یکی از راهکارهای پیشنهادی برای سایتهای فروش آنلاین جهت ارائه خدمات کاراتر به مشتریان جهت تصمیمگیری آگاهانهتر است. تحلیل احساسات یا عقیده کاوی فرآیندی است که نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج میشود و بهعنوان شاخهای از متنکاوی شناخته میشود. نتایج حاصل از تحلیل احساسات میتواند در سیستمهای پیشنهاددهنده جهت ارائه پیشنهادهای کاراتر برای خرید مورد استفاده قرار گیرد. اطلاعات حاصل از عقیده کاوی میتواند در زمینههای مختلف ازجمله کتابخانهها در انتخاب بهتر و خرید مبتنی بر نظرات واقعی کاربران کاربرد داشته باشد. در این پژوهش سیستمی جهت دستهبندی خودکار احساسات بیانشده در نظرات مربوط به خریداران کتاب سایت آمازون ارائه شده است. سیستم با استفاده از مدلهای ترکیبی برای تحلیل احساسات نظرات کاربران سایت آمازون طراحی شده است. جهت کلیه تحلیلها از پکیجهای متنکاوی پایتون استفاده است. نتایج نشان میدهند سیستم پیشنهادی میتواند بهصورت خودکار نظرات مثبت و منفی را با دقت بالای 80% دستهبندی نماید.