Information Systems Design Process in Organization Mehrdad Mahdavian
Systems design is the process of defining the architecture, components, modules, interfaces, and data for a system to satisfy specified requirements. Systems design could be seen as the application of systems theory to product development. There is some overlap with the disciplines of systems analysis, systems architecture and systems engineering.
تفکر سيستمي سخت نام کلي است که توسط چکلند(1981) به رويکردهاي سيستمي مختلف براي حل مسائل دنياي واقعي داده شده که دقيقاً پس از جنگ جهاني دوم و طي آن پديد آمدند. رويکردهايي که بيشتر تحت اين نام شناخته مي شوند عبارتند از
تحقيق در عمليات;
تحليل سيستم ;
مهندسي سيستم.
اين رويکردها خود منجر به گونه هاي ديگري از تفکر سيستمي سخت شدند، نظير علم تصميم گيري، تحليل سود و هزينه، سيستم هاي طرح و برنامه و بودجه، و تحليل سياست.
چک لند از اینکه بیشتر مطالبی که مطالعه کرده بود با کار مدیریت او بی ارتباط بود دچار ضربه و ناامیدی شد
اینها و تبعیت از جفری ویکرز او را ترغیب به آغاز تحیقیق تحت عنوان روش شناسی سیستم های نرم در دانشگاه لن کاستر کند.
روششناسی نرم سیستمی یک نوع روششناسی است که اصولی را برای مداخله در مسئله های بدساخت مطرح میکند
A database model is a type of data model that determines the logical structure of a database and fundamentally determines in which manner data can be stored, organized, and manipulated. The most popular example of a database model is the relational model, which uses a table-based format.
Information Systems Design Process in Organization Mehrdad Mahdavian
Systems design is the process of defining the architecture, components, modules, interfaces, and data for a system to satisfy specified requirements. Systems design could be seen as the application of systems theory to product development. There is some overlap with the disciplines of systems analysis, systems architecture and systems engineering.
تفکر سيستمي سخت نام کلي است که توسط چکلند(1981) به رويکردهاي سيستمي مختلف براي حل مسائل دنياي واقعي داده شده که دقيقاً پس از جنگ جهاني دوم و طي آن پديد آمدند. رويکردهايي که بيشتر تحت اين نام شناخته مي شوند عبارتند از
تحقيق در عمليات;
تحليل سيستم ;
مهندسي سيستم.
اين رويکردها خود منجر به گونه هاي ديگري از تفکر سيستمي سخت شدند، نظير علم تصميم گيري، تحليل سود و هزينه، سيستم هاي طرح و برنامه و بودجه، و تحليل سياست.
چک لند از اینکه بیشتر مطالبی که مطالعه کرده بود با کار مدیریت او بی ارتباط بود دچار ضربه و ناامیدی شد
اینها و تبعیت از جفری ویکرز او را ترغیب به آغاز تحیقیق تحت عنوان روش شناسی سیستم های نرم در دانشگاه لن کاستر کند.
روششناسی نرم سیستمی یک نوع روششناسی است که اصولی را برای مداخله در مسئله های بدساخت مطرح میکند
A database model is a type of data model that determines the logical structure of a database and fundamentally determines in which manner data can be stored, organized, and manipulated. The most popular example of a database model is the relational model, which uses a table-based format.
فرایند مدیریت زمان پروژه (زمانبندی پروژه) به طور عمده در مرحله برنامهریزی اتفاق میافتد، اگرچه درباره مدت زمان پروژه و رویدادهای مهم در مرحله آغازین تصمیمگیری میشود، با این حال از وظایف مدیر پروژه است که فعالیتهای پروژه را برنامهریزی کند و پروژه را در مدت زمان در نظر گرفته شده و در محدودهی بودجه برنامهریزی شده، به اتمام برساند.
https://behtime.ir/main/زمانبندی-پروژه-مدیریت-زمان-پروژه
یکی از روشهایی که برای دستهبندی دادهها به کار میرود روش آنالیز عامل است. در این روش گزینههایي که به هم نزدیکترند، در یک عامل جمع میشوند و بدين صورت سازههای داخل یک ابزار مشخص میگردد. تحلیل عاملی یک روش آماری است که بهعنوان روشی شناختهشده برای تعیین دسته سؤالات مربوط به هم بکار میرود. این روش برای مشخص کردن و گروهبندی اندازههای متفاوت بعضی صفات مهم و برای تشخیص آنها از صفات مختلف به کار میرود. بهطورکلی آنالیز عاملی به دو نوع تقسیم میشود.
1- آنالیز عاملی اکتشافی Exploratory Factor Analysis
2- آنالیز عاملی تأییدی Confirmatory Factor Analysis
مراحل آنالیز مانع:
1-شناسایی خطر و هدف2-شناسایی موانع3-مشخص نمودن نحوه عمل هر مانع هنگام حادثه4-مشخص نمودن علل بروز خطا در عملکرد مانع5-ارزیابی نتایج عمل نکردن یک مانع در حادثهتکنیک تحلیل مانع میتواند معلوم کند که چه موانعی(لایه های دفاعی)باید در محل حضور داشته باشد تا جلوی حادثه گرفته شود.
The PowerPoint presentation file of my PhD thesis defense (in Persian)
قابلیت اطمینان به مدیریت دانش و ارائه مدلی جهت ارزیابی آن در سازمان ها
Knowledge Management Reliability
قابلیت اطمینان برای تبادلات داده ای تضمین شده روی شبکه در شرایط اضطراری یک ضرورت است.قابلیت اطمینان هنگام تحقق نیازمندیهای امنیتی و حصول سطح مطلوب در دسترس بودن سامانه یک منفعت مضاعف است.قابلیت اطمینان برای کسب رضایت مشتری و تحقق منفعت بالقوه یک پیش شرط است.
قابلیت اطمینان کیفیتی عملیاتی - اجرایی است.تعریف قابلیت اطمینان : احتمال عملکرد بدون نقصان و شکست یک قطعه نرم افزار طی یکدورۀ زمانی معین و در یک شرایط محیطی معین را قابلیت اطمینان آن نرم افزار میگویند .قابلیت اطمینان یک مؤلفه به توانمندیهای درونی آن وابسته است.قابلیت اطمینان یک سامانۀ نرم افزاری به مؤلفه های خاص ارتباطات بین مؤلفه ها و محیط اجرایی وابسته است.
ارزیابی قابلیت اطمینان به دو روش انجام میشود شبیه سازی تحلیلی روشهای مبتنی بر مشاهدات شبیه سازی معمولا به فعالیتهایی مانند تخمین و پیش بینی منجر میشود.مشاهدات نیز معمولا به آزمون و اندازه گیری ختم میگردد.
طراحی روشی یکپارچه برای ارزیابی قابلیت اطمینان ضروری است. هدف این مقاله ارائۀ چنین روشی است.نشان میدهیم چگونه روشهای موجود در قالب یک چرخۀ طراحی منسجم یکپارچه میگردند.این روش یکپارچه را زنجیره ای از ابزارها حمایت خواهند کرد.در این روش تمامی فعالیتهای مرتبط با ارزیابی قابلیت نرم افزار در سطح مؤلفه ها و در سطح سیستم تجمیع میشوند.
در این مقاله ارزیابی قابلیت اطمینان به عنوان بخشی از فرایند ارزیابی کیفیت نرم افزار مورد بحث قرار گرفت. از آنجا که قابلیت اطمینان مؤلفه و قابلیت اطمینان سامانۀ نهایی متقابلاً بر یکدیگر مؤثر هستند. بنابراین نیازمند روشی یکپارچه هستیم تا به تصمیم گیری در مرحلۀ طراحی و انتخاب صحیح و درست مؤلفه کمک نماید.
در این مقاله به شرح روشی پرداخته شده است که با استفاده از تخمین ، پیشبینی و اندازه گیری مبتنی بر مدل قابلیت اطمینان مؤلفه ها و تجمیع آن با پیش بینی قابلیت اعتماد کل سامانه به تولید کننده در روشهای تکراری – افزایشی یاری میرساند.
با کمک این روش میتوان قابلیت اطمینان مؤلفه هایی که هنوز پیاده سازی نشده اند را تخمین زد ، عدد قابلیت اطمینان مؤلفه ها را اندازه گرفت و چگونگی تأثیر انتخاب مؤلفه های متفاوت در مرحلۀ طراحی بر عدد قابلیت اطمینان را ارزیابی کرد.
مدل سازی بین سیستمی کاربران شبكههای اجتماعی به منظور شخصیسازی سيستمهای پيش...🧱 Amirmasood Sheidayi
مدلسازی کاربران ما را برای پیشبینی حرکات و رفتارهای بعدی کاربران یاری میدهد. از مدلسازیهای انجام شده از یک کاربر میتوان برای شخصیسازی سیستمی که کاربر در حال تعامل با آن است مانند بهبود سیستمهای پیشنهاددهنده استفاده نمود. یکی از چالشهای اصلی در مسئله مدلسازی کاربران و شخصیسازی سیستمهای پیشنهاددهنده مشکل «شروع سرد» است که در همه مدلسازیهای درون سیستمی وجود دارد. شروع سرد به پدیدهای گفته میشود که منجر به خلوت بودن دادههای اولیه از کاربر میشود. خلوت بودن دادهها منجر به پیشبینیها، شخصیسازیها و پیشنهادهای نادرست از رفتار کاربر میشود. برای رفع این مشکلات میتوان از اطلاعات عمومی کاربران که در سایر حسابهای شبکههای اجتماعی موجود است، یا به عبارت دیگر مدلسازی بین سیستمی، بهره برد. مسئلهای که به دنبال حل آن در این پژوهش هستیم به دست آوردن اطلاعات از دادههای عمومی کاربر، موجود در دو شبکهی اجتماعی یوتیوب و توییتر است تا به بهبود شخصی سازی سیستمهای پیشنهاددهنده منجر بشود. به همین منظور ، 5000 رکورد از شبکهی اجتماعی یوتیوب از طریق فراخوانی واسط برنامهنویسی نرم¬افزار، جمعآوری شده است. ساختار دادهی حاصل، ترمیم و بررسی شد تا دادههای پرت و خالی حذف گردند. سپس به منظور بررسی ارتباط ویژگیهای کاربر در دو سیستم، الگوریتم رگرسیون از جهت سرعت اجرا و دقت خروجی تحلیل و بررسی شد. نتایج نشان داد میزان مشترکین یک کانال در یوتیوب ارتباط اندکی با مجموع ویدئوهای بارگزاری شده همان کانال دارد. اهمیت یکسان تعداد دنبالکنندگان یک شخص در توییتر و تعداد مشترکین همان شخص در کانال یوتیوب او به منظور پیش¬بینی مجموع بازدیدهای ویدئوهای کانال یوتیوب همان شخص، نشان داده شد. از نتایج این پژوهش میتوان در بهبود شخصی¬سازی سیستم پیشنهاد دهنده در کانالهای یوتیوب تازه شروع به کار کرده، استفاده کرد. در این موارد میتوان از ویژگی دنبالکنندگان توییتر به جای ویژگی تعداد مشترکین به منظور پیش¬بینی ویژگی مجموع بازدیدهای ویدئوهای کانال یوتیوب استفاده کرد تا مشکل شروع سرد برای آن کانال را کاهش داد.
فرایند مدیریت زمان پروژه (زمانبندی پروژه) به طور عمده در مرحله برنامهریزی اتفاق میافتد، اگرچه درباره مدت زمان پروژه و رویدادهای مهم در مرحله آغازین تصمیمگیری میشود، با این حال از وظایف مدیر پروژه است که فعالیتهای پروژه را برنامهریزی کند و پروژه را در مدت زمان در نظر گرفته شده و در محدودهی بودجه برنامهریزی شده، به اتمام برساند.
https://behtime.ir/main/زمانبندی-پروژه-مدیریت-زمان-پروژه
یکی از روشهایی که برای دستهبندی دادهها به کار میرود روش آنالیز عامل است. در این روش گزینههایي که به هم نزدیکترند، در یک عامل جمع میشوند و بدين صورت سازههای داخل یک ابزار مشخص میگردد. تحلیل عاملی یک روش آماری است که بهعنوان روشی شناختهشده برای تعیین دسته سؤالات مربوط به هم بکار میرود. این روش برای مشخص کردن و گروهبندی اندازههای متفاوت بعضی صفات مهم و برای تشخیص آنها از صفات مختلف به کار میرود. بهطورکلی آنالیز عاملی به دو نوع تقسیم میشود.
1- آنالیز عاملی اکتشافی Exploratory Factor Analysis
2- آنالیز عاملی تأییدی Confirmatory Factor Analysis
مراحل آنالیز مانع:
1-شناسایی خطر و هدف2-شناسایی موانع3-مشخص نمودن نحوه عمل هر مانع هنگام حادثه4-مشخص نمودن علل بروز خطا در عملکرد مانع5-ارزیابی نتایج عمل نکردن یک مانع در حادثهتکنیک تحلیل مانع میتواند معلوم کند که چه موانعی(لایه های دفاعی)باید در محل حضور داشته باشد تا جلوی حادثه گرفته شود.
The PowerPoint presentation file of my PhD thesis defense (in Persian)
قابلیت اطمینان به مدیریت دانش و ارائه مدلی جهت ارزیابی آن در سازمان ها
Knowledge Management Reliability
قابلیت اطمینان برای تبادلات داده ای تضمین شده روی شبکه در شرایط اضطراری یک ضرورت است.قابلیت اطمینان هنگام تحقق نیازمندیهای امنیتی و حصول سطح مطلوب در دسترس بودن سامانه یک منفعت مضاعف است.قابلیت اطمینان برای کسب رضایت مشتری و تحقق منفعت بالقوه یک پیش شرط است.
قابلیت اطمینان کیفیتی عملیاتی - اجرایی است.تعریف قابلیت اطمینان : احتمال عملکرد بدون نقصان و شکست یک قطعه نرم افزار طی یکدورۀ زمانی معین و در یک شرایط محیطی معین را قابلیت اطمینان آن نرم افزار میگویند .قابلیت اطمینان یک مؤلفه به توانمندیهای درونی آن وابسته است.قابلیت اطمینان یک سامانۀ نرم افزاری به مؤلفه های خاص ارتباطات بین مؤلفه ها و محیط اجرایی وابسته است.
ارزیابی قابلیت اطمینان به دو روش انجام میشود شبیه سازی تحلیلی روشهای مبتنی بر مشاهدات شبیه سازی معمولا به فعالیتهایی مانند تخمین و پیش بینی منجر میشود.مشاهدات نیز معمولا به آزمون و اندازه گیری ختم میگردد.
طراحی روشی یکپارچه برای ارزیابی قابلیت اطمینان ضروری است. هدف این مقاله ارائۀ چنین روشی است.نشان میدهیم چگونه روشهای موجود در قالب یک چرخۀ طراحی منسجم یکپارچه میگردند.این روش یکپارچه را زنجیره ای از ابزارها حمایت خواهند کرد.در این روش تمامی فعالیتهای مرتبط با ارزیابی قابلیت نرم افزار در سطح مؤلفه ها و در سطح سیستم تجمیع میشوند.
در این مقاله ارزیابی قابلیت اطمینان به عنوان بخشی از فرایند ارزیابی کیفیت نرم افزار مورد بحث قرار گرفت. از آنجا که قابلیت اطمینان مؤلفه و قابلیت اطمینان سامانۀ نهایی متقابلاً بر یکدیگر مؤثر هستند. بنابراین نیازمند روشی یکپارچه هستیم تا به تصمیم گیری در مرحلۀ طراحی و انتخاب صحیح و درست مؤلفه کمک نماید.
در این مقاله به شرح روشی پرداخته شده است که با استفاده از تخمین ، پیشبینی و اندازه گیری مبتنی بر مدل قابلیت اطمینان مؤلفه ها و تجمیع آن با پیش بینی قابلیت اعتماد کل سامانه به تولید کننده در روشهای تکراری – افزایشی یاری میرساند.
با کمک این روش میتوان قابلیت اطمینان مؤلفه هایی که هنوز پیاده سازی نشده اند را تخمین زد ، عدد قابلیت اطمینان مؤلفه ها را اندازه گرفت و چگونگی تأثیر انتخاب مؤلفه های متفاوت در مرحلۀ طراحی بر عدد قابلیت اطمینان را ارزیابی کرد.
مدل سازی بین سیستمی کاربران شبكههای اجتماعی به منظور شخصیسازی سيستمهای پيش...🧱 Amirmasood Sheidayi
مدلسازی کاربران ما را برای پیشبینی حرکات و رفتارهای بعدی کاربران یاری میدهد. از مدلسازیهای انجام شده از یک کاربر میتوان برای شخصیسازی سیستمی که کاربر در حال تعامل با آن است مانند بهبود سیستمهای پیشنهاددهنده استفاده نمود. یکی از چالشهای اصلی در مسئله مدلسازی کاربران و شخصیسازی سیستمهای پیشنهاددهنده مشکل «شروع سرد» است که در همه مدلسازیهای درون سیستمی وجود دارد. شروع سرد به پدیدهای گفته میشود که منجر به خلوت بودن دادههای اولیه از کاربر میشود. خلوت بودن دادهها منجر به پیشبینیها، شخصیسازیها و پیشنهادهای نادرست از رفتار کاربر میشود. برای رفع این مشکلات میتوان از اطلاعات عمومی کاربران که در سایر حسابهای شبکههای اجتماعی موجود است، یا به عبارت دیگر مدلسازی بین سیستمی، بهره برد. مسئلهای که به دنبال حل آن در این پژوهش هستیم به دست آوردن اطلاعات از دادههای عمومی کاربر، موجود در دو شبکهی اجتماعی یوتیوب و توییتر است تا به بهبود شخصی سازی سیستمهای پیشنهاددهنده منجر بشود. به همین منظور ، 5000 رکورد از شبکهی اجتماعی یوتیوب از طریق فراخوانی واسط برنامهنویسی نرم¬افزار، جمعآوری شده است. ساختار دادهی حاصل، ترمیم و بررسی شد تا دادههای پرت و خالی حذف گردند. سپس به منظور بررسی ارتباط ویژگیهای کاربر در دو سیستم، الگوریتم رگرسیون از جهت سرعت اجرا و دقت خروجی تحلیل و بررسی شد. نتایج نشان داد میزان مشترکین یک کانال در یوتیوب ارتباط اندکی با مجموع ویدئوهای بارگزاری شده همان کانال دارد. اهمیت یکسان تعداد دنبالکنندگان یک شخص در توییتر و تعداد مشترکین همان شخص در کانال یوتیوب او به منظور پیش¬بینی مجموع بازدیدهای ویدئوهای کانال یوتیوب همان شخص، نشان داده شد. از نتایج این پژوهش میتوان در بهبود شخصی¬سازی سیستم پیشنهاد دهنده در کانالهای یوتیوب تازه شروع به کار کرده، استفاده کرد. در این موارد میتوان از ویژگی دنبالکنندگان توییتر به جای ویژگی تعداد مشترکین به منظور پیش¬بینی ویژگی مجموع بازدیدهای ویدئوهای کانال یوتیوب استفاده کرد تا مشکل شروع سرد برای آن کانال را کاهش داد.