این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت سلامت، جلد ۱۶، شماره ۵۴، صفحات ۲۴-۳۳
عنوان فارسی ارائه یک مدل شبکه عصبی مصنوعی در پیش­بینی کیفیت خدمات کتابخانه­های دانشگاهی
چکیده فارسی مقاله مقدمه : کتابخانه­ها و مراکز اطلاع­رسانی معمولاً با استفاده از ابزار لیب­کوآل به بررسی کیفیت خدمات می‏پردازند. در تجزیه و تحلیل لیب­کوآل می­توان از شبکه عصبی مصنوعی استفاده نمودکه با درجه خطای پایین به بررسی سطح خدمات می­پردازد. پژوهش حاضر در پی آن است که به معرفی شبکه عصبی مصنوعی بپردازد تا در پیش بینی کیفیت خدمات سایر کتابخانه های دانشگاهی مثمر ثمر واقع شود. روش کار: این پژوهش با استفاده از روش پیمایشی و از نوع کاربردی مقطعی می­باشد . جامعه پژوهش شامل کلیه دانشجویان دانشگاه علوم پزشکی شیراز است. ابزار گرد­آوری داده­ها پرسشنامه لیب ­ کوآل می­باشد. به منظور تجزیه و تحلیل داده ­ ها و ارائه شبکه عصبی مناسب از نرم­افزار MATLAB استفاده شده است. همچنین جهت دستیابی به مناسب ­ ترین شبکه عصبی مصنوعی که قادر به پیش ­ بینی کیفیت خدمات با کمترین خطا و بیشترین میزان تطابق باشد الگوریتمی در نرم افزار MATLAB نوشته شد که به صورت خودکار با گرفتن داده­های ورودی و داده ­ های هدف به محاسبه چنین شبکه­ای بپردازد. یافته­ها: به ازای پنج دسته داده ورودی و اجرای الگوریتم نوشته شده، پنج شبکه عصبی مصنوعی ایجاد گردید که به ترتیب دارای ضریب تعیین 77059/0، 68280/0، 81089/0، 79161/0 و 83273/0 می­باشد. نتیجه­گیری: با مقایسه شبکه­های عصبی مصنوعی مشخص گردید شبکه عصبی مصنوعی که دارای 20 لایه پنهان،80 درصد داده آموزشی، 667/16 درصد داده آزمایشی، 3333/3 درصد داده اعتبارسنجی باشد و به­وسیله داده­های پنج ورودی تغذیه شود، مناسب­ترین شبکه در ارزیابی کیفیت خدمات کتابخانه­های دانشگاهی می­باشد.
کلیدواژه‌های فارسی مقاله شبکه عصبی، خدمات کتابخانه ای، مدیریت خدمات سازمان­ها
عنوان انگلیسی An Artificial Neural Network Model to Predict the Service Quality of Academic Libraries
چکیده انگلیسی مقاله Introduction: Commonly libraries and information centers use LibQual to measure their quality of services. Although analysis of Libqual done with classical statistics, it is possible to analyze it through Artificial Neural Network with lower error rate. This research try to introduce an Artificial Neural Network that is able to predict s ervice quality of university library. Methods: In this applied cross-sectional study, all of Shiraz university of medical science students were assessed. LibQual questionnaire was the instrument of data collection and MATLAB software was being used to analyze data. In addition an algorithm was written to automatic selection of the best network architecture based on lower error rate and higher adaptation rate. Results: for 5 categories of input data and with running of the written algorithm, 5 ANN was created and their matching ratio is 0.77059, 0.6828, 0.81089, 0.79161 and 0.83273 respectively. Conclusion: By comparing the ANNs, it was found that ANN with 20 hidden layer, %80 training data, %16.667 testing data and %3.3333 validation data that be fed with fifth input data, is the most appropriate ANN in quality evaluation of university libraries.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله زینب محبی | z mohebbi
تهران، خیابان ولی عصر عج ، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی
سازمان اصلی تایید شده: دانشکده مدیریت و اطلاع رسانی پزشکی

شهرام صدقی | sh sedghi
تهران، خیابان ولی عصر عج ، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی
سازمان اصلی تایید شده: دانشکده مدیریت و اطلاع رسانی پزشکی

مسعود رودباری | m roudbari
یزد، دانشگاه یزد، دانشکده فنی مهندسی، گروه استخراج معدن
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

جواد غلام نژاد | j gholamnejad
تهران، خیابان ولی عصر عج ، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه آمار
سازمان اصلی تایید شده: دانشکده مدیریت و اطلاع رسانی پزشکی

نشانی اینترنتی http://jha.iums.ac.ir/browse.php?a_code=A-10-982-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات