کاوش دانش پنهان در مدیریت ارتباط با شهروند: مورد کاوی پایگاه اطلاعاتی سامانه 137 شهرداری تهران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 551
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IKMC07_517
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
هدف از این مقاله ارائه یک چارچوب کاربردی برای کشف دانش در مدیریت ارتباط با شهروند است از آنجاکه در مدیریت ارتباط با شهروند تمرکز اصلی برشهروند محوری است وبهبود خدمات رسانی و پاسخگویی به شهروندان بر اساس نیازهای ایشان هدف اصلی محسوب میشود، در این راستا با استفاده از ابزارهای دادهکاوی میتوان دانش نهفته در پایگاده داده سامانه 137 تهران که شناسایی نیازها و مشکلات شهری است را استخراج نمود. دراین پژوهش با استفاده از رویکرد ترکیبی از مدلFT1Sوخوشهبندی با الگوریتمk-meansوقوانین تلازمی با الگوریتمAprioriجهت شناسایی الگوهای زمانی- مکانی وقوع مشکلات وسپس وضعیت رضایت مندی شهروندان در گروهای مختلف استفاده شد. ابتدا از مدل FT1Sو رویکرد خوشه بندی با الگوریتمk-meansجهت شناسایی مشکلات شهری استفاده شد. مشکلات شهروند در 3 خوشه دستهبندی شدند. سپس برای کشف الگوهای زمانی مکانی وقوع مشکلات وبررسی وضعیت رضایتمندی در هر گروه از روش ترکیبی خوشه بندی وقوانین تلازمی از الگوریتم Aprioriاستفاده شد. چهارچوب پیشنهادی بدست آمده این پژوهش پاسخگو بودن رویکردCiRM و کاربرد تکنیکهای دادهکاوی در مدیریت ارتباط با شهروند در حوزه خدمات شهری است. به عبارتی ترکیب این دو ابزار منجر به نتایجی شد که میتواند در بهبود ارائه خدمات شهری موثر واقع شود
نویسندگان
سوما غلام ویسی
دانشجوی کارشناسی ارشد ، دانشکده صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب
جمال شهرابی
استادیار، عضو هیئت علمی دانشکده صنایع، دانشگاه صنعتی امیرکبیر
صدیق ریسی
دانشیار، عضو هیئت علمی دانشکده صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :