این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
پنجشنبه 27 آذر 1404
پژوهش های مدیریت منابع سازمانی
، جلد ۶، شماره ۴، صفحات ۸۳-۱۰۶
عنوان فارسی
ارائه الگویی برای تحلیل رفتار کاربران شبکه های اجتماعی با استفاده از روشهای داده کاوی: مطالعه موردی یک شبکه اجتماعی در ایران
چکیده فارسی مقاله
در فضای مجازی، شبکههای اجتماعی به عنوان نوع جدیدی از وبسایتها متولد شده اند و کاربردها، کاربران و طرفداران بسیاری پیدا کردهاند. شبکههای اجتماعی یکی از انوع رسانههای اجتماعی محبوب محسوب میشوند و محلی برای شکلگیری جماعتهای مجازی و شبکهسازی کاربران اینترنتی هستند کاربران اینترنتی را بر حسب نوع مواجهشان با شبکههای اجتماعی میتوان به شکلهای مختلف دستهبندی کرده. باتوجه به گسترش انواع شبکههای اجتماعی، نیاز به الگویی است تا براساس آن تصمیم گیری استراتژیک و یا اتخاذ خط مشیهای جدید برای خدمترسانی بهتر به کاربران صورت گیرد. هدف این پژوهش، ارائه سازوکاری جهت پیشبینی الگوهای رفتاری افراد در شبکههای اجتماعی و بکارگیری تکنیکهای دادهکاوی با استفاده از روش فرآیندی اجرای پروژههای داده کاوی برای ردهبندی و تحلیل رفتار کاربران شبکه اجتماعی به منظور شناخت بهتر آنها و در نتیجه بهبود خدمات ارائه شده و تدوین استراتژیهای مناسب میباشد. جامعه آماری پژوهش کاربرانی میباشد که از شبکه اجتماعی موردنظر استفاده میکنند که شامل تعداد 31033 کاربر فعال است. درک صحیح از الگوهای رفتاری کاربران شبکههای اجتماعی، منجر به انطباق هرچه بهتر خدمات ارائه شده توسط شبکه با نیازهای کاربر و به تبع آن، توسعه تعداد کاربران شبکه و افزایش ارزش افزوده آن برای کاربران و درآمدزائی برای متولیان شبکه میگردد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
A Pattern for Analyzing the Social Network Users Behavior Based on Data Mining Algorithms: A Field Study of an Iranian Social Network
چکیده انگلیسی مقاله
In cyberspace , Social networks have been born as a new type of websites and have gained an enormous range of users and fans. Social networks are one of the types of social media and are places for forming virtual communities of interested users. Internet users have been classified in different ways based on their type of usage in social networks. This study seeks to provide a mechanism to predict patterns of behavior in social networks. Due to the expansion of social networks, the selected network requires a model based on the new strategic decisions or policies to better serve users. This study uses data mining techniques for classification and analysis of social network users to better understand their behavior and improving services and developing appropriate strategies. Understanding behavioral patterns of users of social networks lead to better adaptation to user needs. The user population applied for analysis includes 31033 users that use a specific Iranian Social Network regularly. A method for clustering and orientation analysis based on past users behavior using CRISP-DM and data mining software is deeply analyzed and described in the paper. A full perception of users behavior will result in a better match of social network features with users needs as well as a high value added for users and profitability for social network owners.
کلیدواژههای انگلیسی مقاله
Social Network, Data Mining, Clustering, Davies Bouldin
نویسندگان مقاله
بابک سهرابی |
استاد گروه مدیریت فناوری اطلاعات ، دانشکده مدیریت ، دانشگاه تهران، تهران، ایران.
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
ایمان رییسی وانانی | raeesi vanani
استاد گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران.
سازمان اصلی تایید شده
: دانشگاه علامه طباطبایی (Allameh tabatabaii university)
مرضیه طالبیان |
دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات - دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
نشانی اینترنتی
http://ormr.modares.ac.ir/article_16213_3a24ccbd722610e7eec3a301cfa04faf.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1425/article-1425-322321.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات