و بیان مسئله

امروزه رایانه در تمام لایه‏های زندگی بشر نفوذ کرده است. بطوریکه استفاده از فناوری رایانه در حوزه زبان‏شناسی، بیش از پیش احساس می‏شود. «پردازش زبان طبیعی»شاخه‏ای از علم «هوش مصنوعی» است كه به ماشینی كردن فرآیند زبان شناسی سنتی می‏پردازد. به این ترتیب با استفاده از رایانه می‏توان «زبان گفتاری ونوشتاری» را پردازش نمود، به طوریکه رایانه‏ها نیز قادر باشند زبان انسان را درک کرده و بتوانند از زبان طبیعی به عنوان ورودی وخروجی استفاده كند. به این ترتیب یک رایانه، درهنگام دریافت ورودی، نیاز به «درک» و درهنگام ارسال خروجی، نیاز به «تولید» زبان طبیعی دارد. ]81[

در زمینه پردازش زبان طبیعی پژوهش‏هایی مانند طبقه‏بندی متون، برچسب‏گذاری ادات سخن، تعیین و ابهام‏زدایی از معانی واژگان و… انجام شده است که تنها بر روی یک حوزه خاص تمرکز داشته‏اند و در نتیجه راه حل‏هایی جزئی در راستای اهداف کلی پردازش زبان طبیعی محسوب می‏‏‏شوند. تمامی این حوزه‏های جزئی باید حل شوند تا در نهایت رایانه بتواند همانند انسان واژگان و جملات را پردازش کرده و یا آنها را بسازد.                

وظایف زبان طبیعی را می‏توان به ریز کاربردها و کلان کاربردها افراز نمود. به طور کلی تا کنون تحقیقات انجام شده بیشتر بر روی پردازش‏هایی در سطح واژه و یا جمله (مانند برچسب گذاری ادات سخن، ابهام زدائی از مفهوم واژگان، شناسایی موجودیت‏های نامدار و … ) و یا در سطح کل متن (تشخیص هرزنامه، رده بندی متون و…) متمرکز شده اند؛ برخی از کاربرد‏ها نیز مانند استخراج اطلاعات، تشخیص مرجع مشترک و ماشین ترجمه در سطح بینابین قرار گرفته‏اند. ]27[بدیهی است که در توسعه یک کاربرد سطح بالاتر همانند تعیین ویژگی‏های معنایی متون، انواع متفاوتی از ویژگی‏های سطح پایین‏تر (مانند ویژگی‏های لغوی و نحوی) نیز لازم است، اما به لطف سیستم‏های جدید که تا حد زیادی به روش‏های آماری یادگیری ماشین بستگی دارند، دیگر در آنها، به تمامی‏‏‏ ویژگی‏های سطح پایین‏تر نیازی نیست. علت اینکه روش‏های یادگیری ماشین توانسته‏اند با وجود سادگی، به موفقیت قابل توجهی دست یابند این است که اطلاعات آماری پایه، دانشی را فراهم می‏آورد که برای بسیاری از کاربرد‏ها کافی بوده و می‏‏‏‏تواند به کارائی قابل توجهی منجر شود. با این وجود، باید توجه داشت که روش‏های آماری محدود است و هرگز نمی‏توانند درک کاملی از محتوای معانی یک متن را فراهم آورند.

از طرفی دیگر، با فراهم شدن اطلاعات و قدرت محاسباتی بیشتر، سیستم‏‏هایی که واژگان و جملات درست را از غلط تشخیص می‏دهند، به طور گسترده‏ای در حال توسعه هستند. به عنوان مثال، در زبان انگلیسی برچسب گذاری ادات سخن به صحتی برابر با ۹۸%، شیوه‏های تجزیه کردن به صحتی برابر با ۹۰%، و شناسایی موجودیت‏های نامدار به صحت ۹۱% رسیده اند. [78,55,38[.

بسیاری از پژوهشگران معتقدند كه استخراج اطلاعات به عنوان یکی از مهمترین کاربردهای پردازش زبان طبیعی محسوب می‏شود، که مجموعه‏ای از تکنیک‏های رده‏بندی، خوشه‏بندی و قوانین وابستگی است و خروجی استخراج اطلاعات شامل، شناسایی موجودیت‏ها ، تعیین نوع وگروه آنها، طبقه بندی ارتباط میان موجودیت‏ها و همچنین استخراج رویدادهایی كه در آن مشاركت دارند، می‏باشد.[71[ در نهایت می‏توان گفت كه خلاصه سازی، بازیابی اطلاعات، داده‏كاوی، پرسش و پاسخ و درك زبان از جمله كاربردهای این سیستم هستند.

تمرکز اصلی این پژوهش بررسی فرآیند تشخیص مرجع مشترک به عنوان یکی از فرآیندهای مهم استخراج اطلاعات است؛ در تشخیص مرجع مشترک تمام عبارت‏های اسمی‏‏‏ که به یک موجودیت واحد در دنیای واقعی اشاره دارند، تعیین می‏گردند. هدف نهایی این پایان‏نامه شناسایی اشاره‏های هم مرجع شامل ضمیر و اسم اشاره در متون پارسی می‏باشد. برای تحقق این هدف نیاز به انجام پیش پردازش‏هایی بر روی متون خام می‏باشد تا داده‏های مورد نیاز برای ورود به فرآیند تحلیل مرجع مشترک فراهم شوند. فرض ما بر این است که خروجی حاصل از فرآیند کشف اشاره به عنوان یک پیش پردازش می‏تواند در کنار سایر پیمانه‏های پیش پردازشی مانند تجزیه‏گر، شناسایی موجودیت‏های نامدار و… بر بهبود عملکرد تحلیل مرجع مشترک موثر واقع شود. [23،38،53،83]

به هر ترتیب شناسایی عبارت‏های اسمی‏‏‏ هم‏مرجع از مهمترین زیر وظایف استخراج اطلاعات می‏باشند که بهبود عملکرد آن موجب بهبود عملکرد کلی سیستم استخراج اطلاعات و سایر سیستم‏های مرتبط با آن خواهد شد.

واحد مورد بررسی در حوزه تشخیص مرجع مشترک، متن می باشد که پس از اجرای ماژول‏هایی متفاوت، متن مورد نظر به عبارت های اسمی یا به عبارت بهتر به اشاره تبدیل می‏شود. روش‏های موجود در این حوزه، به دو دسته روش‏های زبان‏شناسی و روش‏های یادگیری ماشین تقسیم می‏‏‏شوند. [76[ در روش اول، ابتدا به ازای هر عبارت اسمی‏‏، مراجع کاندیدا تعیین می‏‏‏شود و سپس با به کارگیری مجموعه‏ای از قواعد زبان‏شناسی، برخی از کاندیداها حذف شده و کاندیداهای باقیمانده نیز امتیازدهی می‏‏‏شوند و در‏نهایت کاندیدایی به عنوان مرجع برگزیده می‏‏‏شود که بیشترین امتیاز را کسب کرده باشد. مسئله اصلی در این روش این است که کسب اطلاعات زبان‏شناسی مورد نیاز، فرآیندی زمان‏بر، پرهزینه و پر خطاست. البته با پیدایش پیکره‏های زبان‏شناسی و موفقیت روش‏های یادگیری ماشین در سایر حوزه‏ها، روش‏های زبان‏شناسی جای خود را به روش‏های یادگیری ماشین دادند. در یادگیری ماشین، به محاسبات زبان‏شناسی پیچیده و سطح بالای روش‏های زبان‏شناسی نیاز نیست به طوریکه با استفاده از دانش اندکی در زمینه زبان‏شناسی نیز می‏توان به نتایج خوب و قابل توجهی دست یافت.

 

 

 

از سوی دیگر، امروزه اغلب پژوهشگران فرآیند تشخیص مرجع مشترک را به دو مرحله تقسیم می‏‏‏ کنند. (۱) کشف و شناسایی اشاره؛ برای شناسایی عبارت‏های اسمی‏‏‏ که به موجودیت ها در دنیای واقعی اشاره دارند، (۲) شناسائی اشاره‏هایی که به یک مرجع واحد اشاره دارند. به این ترتیب در مرحله اول، اکثر عبارت‏های اسمی‏‏‏ تحت عنوان اشاره و در قالب چهار گروه اصلی ضمایر، اسامی‏‏‏ خاص، اسامی‏‏‏ عام و غیر اشاره‏ها قرار می‏گیرند،[8،910،16،48،53،72] سپس این فرآیند مشخص می‏‏‏‌کند که هر اشاره به کدام موجودیت در دنیای واقعی اختصاص دار[26]می‏‏‏توان گفت که فرآیند کشف اشاره، توسعه یافته‏ی فرآیند شناسایی موجودیت‏های نامدار می‏باشد که علاوه بر شناسایی اسامی‏‏‏ خاص، به شناسایی اسامی‏‏‏ عام و ضمایر نیز می‏پردازد. [،23،72،81،113،114]از آنجائیکه بررسی فرآیند‏های شناسایی اشاره و تحلیل مرجع مشترک به طور همزمان خارج از حوزه‏ی این پایان‏نامه است، ما عبارت‏های اسمی‏‏‏ را در قالب انواع اشاره‏های گفته شده در پیکره‏ای تحت عنوان لوتوس برچسب‏گذاری می‏نمائیم و نتیجه‏ی آن را برای تحلیل مرجع مشترک به کار خواهیم برد.

چارچوب کلی این پایان‏نامه به این صورت می‏باشد: در بخش دوم این فصل گذری کوتاه بر انواع روابط میان دو عبارت اسمی‏‏‏ و به خصوص ارتباط‏های هم‏مرجعی خواهیم داشت. سپس در بخش اول فصل دوم، روش‏های ارائه شده برای تشخیص مرجع مشترک را مورد بررسی و مطالعه قرار می‏دهیم و در بخش دوم آن، به نحوه ایجاد پیکره‏ای مناسب برای کشف اشاره و تحلیل مرجع مشترک خواهیم پرداخت. در فصل سوم، به الگوریتم‏های مناسب برای این پایان‏نامه را معرفی می نمائیم. سیستم پیشهنادی برای شناسایی اشاره‏های ارجاع شده در فصل چهارم معرفی خواهد شد و همچنین در این فصل الگوریتم‏های یادشده را مورد ارزیابی قرار می‏دهیم. در نهایت در فصل پنجم نیز به نتیجه گیری و پیشنهاد كارهای آتی در ادامه‏ی این پژوهش خواهیم پرداخت.

1-2.بررسی ارتباط هم ‏مرجعی

یکی از ‏ویژگی‏های خاص گفتمان این است که می‏توان در یک متن آزادانه در مورد یک یا چند موجودیت صحبت کرد و برای اشاره به هر موجودیت از انواع مختلف عبارت‏ها مانند ضمیر (او)، اسم عام (دانشمند)، اسم خاص (لطفعلی عسگر زاده) و یا یک عبارت اسمی‏(بنیان‏گذار منطق فازی) بهره برد تا به این ترتیب از تکرار عبارت‏ها کاسته و شیوایی مطلب نیز افزایش یابد. همین ویژگی موجب می‏شود که زنجیره‏ها‏ی بالقوه‏ای از تمام عبارت‏های اسمی‏که به یک موجودیت واحد در متن ارجاع دارند، ایجاد گردد. (مانند: او، دانشمند، لطفعلی عسگر زاده، بنیان‏گذار منطق فازی که به شخص پرفسور زاده اشاره دارند).

یکی از اهداف مهم استخراج اطلاعات، شناسایی این زنجیره‏ها در متن است که در فرآیند تحلیل مرجع‏مشترک انجام می‏پذیرد. برای شروع، مثال ۱ را در نظر بگیرید:

مثال۱: (سیستم آبیاری گلاب) ۱Ant, در روز سه شنبه رونمایی شد. (این سیستم)۱Ana, محصول اندیشه‏ی (دکتر سارا شکری)۲Ant, است. (او) Ana,2، ( یک پژوهشگر)Ana در (شرکت آبیاری لاله)۳ است.

اگر فرض کنیم که پیمانه‏های نشانه‏گذاری تا کشف اشاره به عنوان پیش پردازش‏هایی بر روی متن اجرا شوند، با اجرای این پیمانه‏ها، انواع عبارت‏های اسمی‏موجود در متن (سیستم آبیاری، این سیستم، دکتر سارا شکری، او، یک پژوهشگر و شرکت آبیاری لاله) تعیین و نشانه‏گذاری می‏شوند. سپس با اجرای پیمانه تشخیص مرجع‏مشترک، ارتباطات میان این عبارت‏ها و اطلاعات نهفته در مورد موجودیت‏های شرکت کننده در متن آشکار می‏شود. به عنوان نمونه، می‏دانیم «او» و «سارا شکری» (با اندیسِ۲) به یک فرد مشخص و همچنین «سیستم آبیاری گلاب» و «این سیستم» (با اندیسِ۱) نیز به یک سیستم مشخص اشاره می‏کنند.

استفاده از اصطلاح موجودیت در تحلیل مرجع‏مشترک، این سؤال را مطرح می‏کند که چه چیزهایی موجودیت محسوب می‏شوند؟ تاکنون گروه‏بندی‏های متعددی برای انواع موجودیت‏ها ارائه شده است، به عنوان نمونهACE، یک تقسیم بندی هفت موجودیتی برای انواع موجودیت‏ها (شخص، سازمان، مکان، سیاسی، تسهیلات، سلاح و خودرو) و تعداد زیادی زیرگروه (به عنوان مثال شخص: فرد، گروه) و کلاس برای هر موجودیت پیشنهاد کرده است و[۶۴] که اغلب پژوهشگران همه این موجودیت‏ها و یا گاهی اوقات برخی از آن‏ها را مورد مطالعه و بررسی قرار می‏دهند.

یکی از ‏ویژگی‏های تحلیل مرجع‏مشترک این است که علاوه بر انواع موجودیت‏های رایج، می‏توانیم در حوزه‏ها‏ی متفاوت از تعاریف پیش فرض خود نیز برای موجودیت‏ها نیز استفاده نماییم. همین ویژگی موجب شده است تا برخی از پژوهشگران مانند[97] به تحلیل مرجع‏مشترک در متون پزشکی پرداخته و بررسی موجودیت‏هایی مانند انواع دارو، بیماری، ژن وغیره را هدف پژوهش خود قرار دهند.

با توجه به آنچه تا‏کنون گفته شد، انتظار می‏رود که با بررسی مراجع مشترک در مثال ۱، عبارت «یک پژوهشگر» نیز به همراه «او» و «سارا شکری» در یک زنجیره واحد قرار گیرد، اما خروجی پیمانه تحلیل مرجع‏مشترک چنین نیست. هر چند از نظر ما این ارتباط کاملاً بدیهی است اما واقعیت این است که عبارت «یک پژوهشگر» به عنوان ارجاع به موجودیت شخص   (در مثال ۱: سارا شکری) که در دنیای واقعی زندگی می‏کند در نظر گرفته نمی‏شود، چون منظور از «یک پژوهشگر» می‏تواند هر شخص دیگری نیز باشد. در این حالت فرآیند دیگری تحت عنوان تحلیل پیشایند می‏تواند ارتباط میان «یک پژوهشگر» و «سارا شکری» را تشخیص دهد.

همان طور که مشاهده شد، تحلیل مرجع‏مشترک و تحلیل پیشایند دو مفهوم نزدیک به هم می‏باشند به طوری که عموماً به موازات تحلیل مرجع‏مشترک، با تحلیل پیشایند روبرو می‏شویم و حتی برخی به اشتباه این دو عبارت را معادل یکدیگر می‏پندارند. با وجود اینکه این دو پیمانه از بسیاری از جهات با یکدیگر مشابه هستند، اما از جهاتی نیز با یکدیگر تفاوت دارند، و عدم توجه به این مسئله موجب سردرگمی‏و ایجاد ابهام در تحلیل متن می‏گردد.در این بخش، هدف ما بررسی هرکدام از این فرآیند‏ها‏ و مطالعه برخی از شباهت‏ها‏ و تفاوت‏ها‏ی میان این دو فرآیند می‏باشد.

[1] معادل پارسی عبارت انگلیسی Natural Language processing

[2] معادل پارسی عبارت انگلیسی Artificial Intelligence

[3] معادل پارسی عبارت انگلیسی Text classification

[4] معادل پارسی عبارت انگلیسی Part of speech tagging

[5] معادل پارسی عبارت انگلیسی Word sense disambiguation

[6] معادل پارسی عبارت انگلیسی Micro-task

[7] معادل پارسی عبارت انگلیسی Macro-task

[8] معادل پارسی عبارت انگیسی Named Entity Recognizers(NER)

[9] معادل پارسی عبارت انگیسی Spam Detection

[10] معادل پارسی عبارت انگیسی Information Extraction(IE)

[11] معادل پارسی عبارت انگیسی Coreference Resolution(CR)

[12] معادل پارسی عبارت انگیسی Machin Translation(MT)

[13] معادل پارسی واژه انگیسی Lexical

[14] معادل پارسی واژه انگیسی Syntactical

[15] معادل پارسی واژه انگیسی Parsing

[16] معادل پارسی واژه انگیسی Classification

[17] معادل پارسی واژه انگلیسی Clustering

[18] معادل پارسی عبارت انگلیسی Association pules

[19] معادل پارسی واژه انگلیسی Entity

[20] معادل پارسی عبارت انگلیسی Information Retrieval(IR)

[21] معادل پارسی عبارت اانگلیسی Data Mining

[22] معادل پارسی عبارت انگلیسی question/Answering

[23] معادل پارسی عبارت انگلیسی Text understanding

[24] معادل پارسی عبارت انگلیسی Mention Detection

[25] معادل پارسی واژه انگلیسی linguist

[26] معادل پارسی عبارت انگلیسی Machin Learning(ML)

[27] معادل پارسی واژه انگلیسی Corpus

[28] معادل پارسی واژه انگلیسی Entitiy

[29] هرآنچه كه به موجودیت خاص درمتن ارجاع داده شده است

[30] معادل پارسی واژه انگلیسی Pronominal

[31] معادل پارسی عبارت انگلیسی Proper Name

[32] معادل پارسی واژه انگلیسی Nominal

[33] معادل پارسی عبارت انگلیسی Out of Mention

[34] در این فصل دو نوع اندیس برای هر عبارت اسمی در نظر گرفته‏ایم، اندیس شماره برای تشخیص مرجع مشترک می باشد، یه عنوان مثال، سیستم آبیاری گلاب و این سیستم هر دو به یک موجودیت اشاره دارند و اندیس این موجودیت 1 می باشد. همچنین اندیس Ant نشان‏گر مقدم و اندیس Ana نشان‏گر تالی است که برای بررسی ارتباط پبشایندی در نظر گرفته شده است.

[35] معادل پارسی عبارت انگلیسی Automatic Content Extraction

در این فصل به كلیات و مفاهیم تحقیق پرداخته می شود، مطالب این فصل شامل: بیان مسأله و اهمیت تحقیق،اهداف تحقیق، سئوالات و فرضیه های تحقیق،روش انجام تحقیق ،ابزار گردآوری داده ها،قلمرو تحقیق و مفاهیم و واژگان تحقیق است.

2-1- بیان مسأله و اهمیت تحقیق

اختراعات بشری غالبا تغییرات شگرفی در زندگی بشریت ایجاد نموده اند، اما همه این اختراعات دارای ارزش و تاثیرگذاری یكسانی نیستند. در عصر حاضر یكی از مهمترین آنها كه حقیقتا تحول بارزی را در زندگی انسان ایجاد نموده است، پیدایش رایانه بوده است كه سرآغاز آن به سال های دهه 1950 می رسد . اما تغییرات ناشی از رایانه زمانی به اوج خود رسید كه شبكه های ارتباطی بین آنها رشد نمود و اینترنت با از میان برداشتن فاصله های فیزیكی و موانع ارتباطی موجود، دنیای مجازی را رقم زد. بدنبال بكارگیری فناوری های جدید در سیستم های اطلاعاتی آموزش هم دستخوش تغییر و تحولات بسیاری شده است(Ozpolat & Kare , 2009). بنابراین مفهوم پیشین یادگیری الكترونیكی نیز در حال تغییرات اساسی است و به كلاس های حضوری محدود نمی شود (روزنبرگ 1383; Wang, 2007).یادگیری الكترونی به استفاده از وسایل الكترونیكی برای یادگیری، از جمله تحویل محتوا از طریق رسانه های الكترونیكی مانند اینترنت، صوتی، ویدئویی، پخش ماهواره، تلویزیون های تعاملی و سی دی اشاره دارد (Kaplan&Anderson, 2000) .گسترش سریع اینترنت با گرایش به سمت استقلال از مكان آموزش به فرد، یك انگیزه ای برای دانشگاهها شده است تا در بخش الكترونیكی سرمایه گذاری كنند(Accles, 1997). در كشور ایران نیز امكان دسترسی به آموزش عالی در قالب كلاس های حضوری برای بسیاری از متقاضیان وجود ندارد ولی می توان ضعف در پاسخگویی روشهای سنتی را با بكارگیری سیستم های یادگیری الكترونیكی جبران نمود ( یعقوبی و همكاران1387). با این حال، توسعه و مدیریت بهبود مستمر سیستم های آموزش الكترونیكی مؤسسات آموزشی و صنعتی را كاملا به چالش كشانده است و در آن ارزیابی به یك نیاز ضروری تبدیل گردیده است (Accles, 1991). افزایش سریع تعداد مؤسسات ارائه دهنده یادگیری الكترونیكی از یك سو و رشد كمی رشته های موجود آن از سوی دیگر این سؤال را مطرح می سازد كه این مراكز تا چه اندازه ای در پیاده سازی و اجرای دوره های یادگیری

 

 الكترونیكی موفق بوده اند و تا چه اندازه ای توانسته اند مهمترین هدف نظام آموزشی خود را كه همانا ارتقاء كیفیت یادگیری و پیشرفت تحصیلی دانشجویان است را برآورده سازند(صمدی 1389).اما آنچه كه اهمیت بحث را روشن تر می سازد، تلاش برای كسب موفقیت در استفاده از یادگیری الكترونیكی و سنجش میزان موفقیت این سیستم ها است.(Delone,2003) وتلاش ناموفق برای پیاده سازی یادگیری الكترونیكی، موجب از دست دادن سرمایه خواهد شد(Govindasamy,2002) . لذا از سال 1992در چندین تحقیق به بررسی موفقیت سیستم های اطلاعاتی و سنجش آن به طریق تجربی پرداخته شده است(Wang Et Al , 2007). محققان زیادی از رشته های مختلف از قبیل:كامپیوتر، سیستم های اطلاعاتی، روانشناسی، تكنولو‍ژی، آموزشی سعی كرده اند كه سیستم های یادگیری الكترونیكی را ارزیابی كنند. بعضی از آنها روی عامل انسانی ( رضایت دانشجو و استاد )، بعضی روی تكنولوژی آموزشی وبعضی روی مواد آموزشی تمركز كرده اند (Liaw,Huang,& Chen2007). برای شناسایی و بررسی فاكتورهای سنجش موفقیت سیستم های یادگیری الكترونیكی می توان مدل هایی كه در زمینه سیستم های اطلاعاتی مطرح شده اند را نام برد. مدل موفقیت سیستم های اطلاعاتی دلون ومك لین، مدلی است كه می تواند به فهم این مطلب كمك كند (Petter& Mclean,2002) .این مدل برای اولین بار در سال 992 توسط دلون مورد توسعه وبازنگری قرار گرفت. مدل اصلاح شده دلون و مك لین شامل6بعد می باشد كه عبارتند از: قصد استفاده از سیستم- رضایت كاربر- منافع حاصل از سیستم های اطلاعاتی (Delon& Mclean,2003;Wang2007).از آنجا كه سیستم های یادگیری الكترونیكی نوعی خاصی از سیستم های اطلاعاتی هستند(Wang Et All,2007; Lee ,2008) . می توان مدل اصلاح شده دلون و مك لین را برای سنجش موفقیت سیستم های یادگیری الكترونیكی نیز بكار برد. در این راستا وانگ و همكاران وی، از مؤلفه های مذكور(بدون در نظر گرفتن روابط بین آنها) برای اولین بار در سیستم های یادگیری الكترونیكی در سازمانها استفاده كردند.(Wang Et All ,2007) . سپس لین مدل مذكور را با حذف مؤلفه منافع حاصل از سیستم و در نظر گرفتن كلیه روابط بین مؤلفه هایی برای سیستم های یادگیری الكترونیكی استفاده نمود(Lin,2007) . لازم به ذكر است كه در هر مورد بكارگیری مدل دلون و مك لین، میزان موفقیت سیستم های یادگیری الكترونیكی تنها از دیدگاه یادگیرنده مورد بررسی قرار گرفته است و با توجه به اینكه استاد نیز در یادگیری الكترونیكی نقش بسیار مهمی دارد برای بكارگیری صحیح مدل، علاوه بر در نظر گرفتن كلیه مؤلفه ها و روابط بین آنها دیدگاه استاد نیز باید مورد بررسی قرار گیرد. در تحقیقی دیگر كه توسط اوزكان و كوسلر انجام شده با استفاده از مدل اصلاح شده دلون و مك لین، یك مدل شش ضلعی برای یادگیری الكترونیكی [1](HELAN) ارائه و در یكی از دانشگاههای تركیه مورد آزمون قرار گرفت كه ابعاد این مدل عبارتند از محتوا (اطلاعات)- نگرش استاد – كیفیت خدمات- كیفیت سیستم- عوامل پشتیبانی كننده نگرش و دیدگاه یادگیرنده(Ozkan & Koseler,2009). در این تحقیق روابط بین مؤلفه ها درنظر گرفته نشده است .لازم به ذكر است یکی از مهمترین ضعف های مدل های پیشین این است که اهمیت نسبی مولفه های سنجش موفقیت سیستم های یادگیری الکترونیکی بصورت کمی قابل سنجش نیستند. به عبارت دیگر شناسایی اینکه کدام مولفه ارزیابی را بیشتر تحت تاثیر قرا می دهدتا حدی دشوار است . فرایند تحلیل شبکه[2] این مشکل را برطرف می کند و وزن هر مولفه را بصورت کمی محاسبه و رتبه بندی می کند.با توجه به انتقادی که بر تحلیل شبکه کلاسیک وارد شده است ، ترکیب فرایند تحلیل شبکه و منطق فازی به عنوان راهی برای رفع نارسایی های مطرح شده است.

بنابراین در پایان نامه حاضر براساس تحقیقات پیشین و مطالعه و بررسی مجدد و دریافت نظر خبرگان، مولفه های سنجش موفقیت سیستم های یادگیری الكترونیكی در دانشگاهها، شناسایی سپس جهت مشخص کردن الویت و وزن هر مولفه و شاخص ازفرایند تحلیل شبکه فازی استفاده می گردد. امید است یافته های این تحقیق به مدیریت بهتر سیستم های یادگیری الكترونیكی و توسعه یادگیری الكترونیكی مؤثر بینجامد.

3-1- اهداف تحقیق

فقدان چارچوبی جامع و بومی برای سنجش موفقیت سیستم یادگیری الكترونیكی در نظام آموزشی عالی كشور و همچنین عواملی كه موجبات موفقیت یا شكست محیط های یادگیری الكترونیكی را فراهم می كنند ضرورت چنین تحقیقی را ایجاب كرده است. در این تحقیق تلاش شده است كه با استفاده از مدل ها و تحقیقات پیشین بخصوص با استفاده از مدل شش ضلعی اوزكان و كوسلر، چارچوبی جامع و بومی برای سنجش میزان موفقیت سیستم های یادگیری الكترونیكی با رویكرد تحلیل شبکه فازی در دانشگاهها ارائه گردد.

این تحقیق 2 هدف دارد:

هدف اول: شناسایی مولفه ها و شاخص های سنجش موفقیت سیستم های یادگیری الكترونیكی.

هدف دوم: رتبه بندی مولفه ها و شاخص های سنجش موفقیت سیستم های یادگیری الكترونیكی.

[1] Hexagonal e-learning assessment model

[2] Analytical network Process

[1] Information quality

[2] Service quality

[3] System Quality and Infrastructure

[4] Supporting factors

[5] Teacher’s characteristic

[6] student’s characteristic

[7] E-learning Environment

پیش‌‌‌‌بینی آینده در زمینه‌های مختلف همواره برای انسان جالب و جذاب بوده است. با اطمینان می‌توان گفت که پیش‌‌‌‌بینی آینده و روند تغییرات در همه‌ی حوزه‌ها از دغدغه‌های اصلی و همیشگی مدیران سطح بالا و میانی می‌باشد. اما همواره مشکلات فراوانی در برابر آن وجود داشته است که انجام پیش‌‌‌‌بینی‌های دقیق و قابل اعتماد را تقریباً غیرممکن نموده است (توحیدی- مقدم و فرهادی، 1391). در سالهای اخیر با توجه به جذابیت‌هایی که در زمینه داده‌کاوی و همچنین پیش‌‌‌‌بینی که یکی از اهداف داده‌کاوی می‌باشد وجود دارد،تحقیقات زیادی در این حوزه انجام شده است.

در حال حاضر در اکثر دانشگاه‌ها بانک‌های اطلاعاتی وسیعی از ویژگی‌های دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی و تحصیلی را شامل می‌شود و از آن‌جایی که امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است. مدیران باید سریع‌تر و درست‌تر از قبل تصمیم بگیرند. لازمه چنین امری، دستیابی سریع و دقیق به دانش است و برای دستیابی به دانش، وجود ابزارهای کارا و موثری نظیر داشبوردهای مدیریتی ضرورت دارد. ارزش داشبورد در اتصال ویژگی‌ها و کاربرد مناسب آن در سازمان است. گرچه تا به امروز توافق خاصی در اینکه داشبورد باید دقیقا چگونه باشد و چه کارهایی را انجام دهد، وجود ندارد اما به طور کلی انتظار می‌رود داشبورد، امکان جمع‌آوری، خلاصه‌سازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخص‌ها را به طور یک‌جا ملاحظه نماید.

هدف از انجام این تحقیق، داده‌کاوی‌آموزشی جهت مقاصد پیش‌‌‌‌بینی پیشرفت تحصیلی دانشجویان به همراه داشبورد آن می‌باشد، داده‌کاوی‌آموزشی یک حوزه علمی نوظهور است که به توسعه روشهایی برای کاوش و اکتشاف دانش در محیط‌های آموزشی می‌پردازد. پیشرفت‌ تحصیلی دانشجویان یکی از اموری است که در امر آموزش مطرح است و از مسائل مورد توجه مدیران آموزشی دانشگاه‌هاست. در این تحقیق سعی شده از داده‌کاوی و فنون آن استفاده شود و با استفاده از داده‌هایی که در دانشگاه‌ها موجود است پیشرفت تحصیلی را پیش‌‌‌‌بینی نمود. پس از آشنایی با ادبیات مسئله و مرورکلی بر ویژگی‌های اصلی یک داشبورد مدیریتی کارا، روشهای داده‌کاوی و پیش‌‌‌‌بینی به عنوان مطالعه موردی کار پیش‌‌‌‌بینی در امور آموزش را انجام داده‌ایم. معدل دانشجویان به‌صورت تصادفی تغییر نمی‌کند، بلکه تغییرات بر اساس یک روند تکرار پذیر و قابل تشخیص صورت می‌گیرد، پس قابل پیش‌‌‌‌بینی است. برای این منظور پس از گردآوری داده‌ها جهت داده‌کاوی، با استفاده از روشهای شبکه‌عصبی و درخت‌تصمیم C5، کار پیش‌‌‌‌بینی را انجام داده ایم و بعد از پیش‌‌‌‌بینی، طراحی و پیاده‌سازی داشبورد آن صورت گرفت.

2-1- تعریف مسأله و بیان سوال های اصلی تحقیق

از هنگامی که رایانه در تحلیل و ذخیره‌سازی داده‌ها به‌کار رفت (1950) پس از حدود 20 سال، حجم داده‌ها در پایگاه‌داده‌ها دو برابر شد

 

 ولی پس از گذشت دو دهه و همزمان با پیشرفت فن‌آوری اطلاعات(IT) هر دو سال یکبار حجم داده‌ها، دو برابر شد. همچنین تعداد پایگاه‌داده‌ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده‌ها و آمارشناسان با این سرعت رشد نكرد. حتی اگر چنین امری اتفاق می‌افتاد، بسیاری از پایگاه‌داده‌ها چنان گسترش یافته‌اند که شامل چندصدمیلیون یا چندصدمیلیارد رکورد ثبت شده هستند و امکان تحلیل و استخراج اطلاعات با روش‌های معمول آماری از دل انبوه داده‌ها مستلزم چند روز کار با رایانه‌های موجود است. حال با وجود سیستم‌های یکپارچه اطلاعاتی، سیستم‌های یکپارچه بانکی و تجارت الکترونیک، لحظه به لحظه به حجم داده‌ها در پایگاه‌داده‌های مربوط اضافه شده و باعث به‌وجود آمدن انبارهای ( توده‌های ) عظیمی از داده‌ها شده است به‌طوری که ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه‌داده‌ها بیش از پیش نمایان شده است. داده‌کاوی یا استخراج و کشف سریع و دقیق اطلاعات باارزش و پنهان از این پایگاه‌داده‌ها از جمله اموری است که هر کشور، سازمان و شرکتی به منظور توسعه علمی، فنی و اقتصادی خود به آن نیاز دارد. با توجه به فصول دهم و یازدهم قانون برنامه سوم توسعه در خصوص داد و ستدهای الکترونیکی و همچنین تأکید بر برخورداری کشور از فن‌آوری‌های جدید اطلاعات برای دستیابی آسان به اطلاعات داخلی و خارجی، دولت مکلف شده است امکانات لازم برای دستیابی آسان به اطلاعات، زمینه‌سازی برای اتصال کشور به شبکه‌های جهانی و ایجاد زیرساخت‌های ارتباطی و شاهراه‌های اطلاعاتی فراهم کند. واضح است این امر باعث ایجاد پایگاه‌های عظیم داده‌ها شده و ضرورت استفاده از داده‌کاوی را بیش از پیش نمایان می سازد.

داده‌کاوی فرآیندی تحلیلی است که برای کاوش داده‌ها(معمولا حجم عظیمی از داده‌ها) صورت می‌گیرد و یافته‌ها با به‌کارگیری الگوهایی، احراز اعتبار می‌شوند. این تکنولوژی امروزه دارای کاربرد بسیاروسیعی در حوزه‌های مختلف است به‌گونه‌ای که حدومرزی برای کاربرد این دانش درنظر نگرفته و زمینه‌های کاری این دانش را از ذرات کف اقیانوس‌ها تا اعماق فضا می‌دانند. امروزه، بیش‌ترین کاربرد داده‌کاوی در بانک‌ها، مراکز‌‌ درمانی، بیمارستآن‌ها، بازاریابی هوشمند، مراکز تحقیقاتی و زمینه‌هایی که در آن مقدار زیادی از داده‌ها در حال جمع‌آوری و ذخیره می‌باشد. هدف اصلی داده‌کاوی پیش‌‌‌‌بینی است. یکی از عناصر کلیدی در مدیریت و تصمیم‌گیری، پیش‌‌‌‌بینی پارامترها و متغیرهای لازم در یک محدوده سیستمی می‌باشد.

پیش‌‌‌‌بینی به عنوان یکی از مهم‌ترین شاخه‌های علمی مطرح شده است و روز به روز توسعه و پیشرفت می نماید و در بخش های مختلف به کار گرفته می‌شود. پیشرفت‌های اخیر در تکنولوژی‌های جمع‌آوری و ذخیره‌سازی داده، موجب شده که سازمان‌ها، حجم زیادی از داده‌های مربوط به فعالیت‌های روزانه‌ی خود را انباشته کنند. داده‌هایی که توسط سازمان‌ها جمع‌آوری شده است بسیار ارزشمند است و برای اهداف مختلف می‌تواند مورد استفاده قرار گیرد. یکی از این اهداف پیش‌‌‌‌بینی‌هایی می‌باشد که جهت بهبود عملکرد و برنامه‌ریزی‌هایشان از آن‌ها استفاده می‌نمایند.

مدیران سازمان‌های مختلف به دلیل عدم قطعیت و پیچیدگی محیط سعی بر آن دارند تا مکانیزمی را در اختیار داشته باشند که بتوانند آن‌ها را در امر تصمیم‌گیری‌شان یاری و مشاوره دهد و به همین دلیل سعی در استفاده از روش‌های پیش‌‌‌‌بینی دارند که به واسطه‌ی آن‌ها تخمین‌هایشان به واقعیت نزدیک و خطاهایشان بسیار‌کم باشد. این امر باعث توجه بسیاری به روش‌های نوین پیش‌‌‌‌بینی شده است.

داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش‌مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد. داده‌کاوی فرایندی پیچیده جهت شناسایی الگوها، مدل‌های صحیح و بالقوه مفید در حجم وسیعی از داده است، به طوریکه این الگوها ومدل‌ها برای انسآن‌ها قابل درک باشند(Han et al,2006). داده‌کاوی به‌صورت یک محصول قابل خریداری نیست، بلکه یک رشته علمی و فرآیندی است که باید به‌صورت یک پروژه پیاده‌سازی شود. در گذشته موسسات آموزشی از مزیت داده‌کاوی به خوبی بعضی حوزه‌های دیگر توجه نداشته‌اند اما در سال‌های اخیر تحقیقات زیادی در زمینه بكارگیری فرآیند داده‌كاوی در امر آموزش صورت می‌گیرد. این زمینه تحقیقاتی جدید، داده‌كاوی‌آموزشی نامیده می‌شود كه به امر توسعه روش‌های كشف دانش از داده‌های محیط‌های آموزشی خصوصاً دانشجویان می‌پردازد(Romero et al,2007). داده‌های جمع‌آوری شده در مورد دانشجویان می‌تواند شخصی یا آموزشی باشد كه از طریق دفاتر و پایگاه داده‌های موجود در مدارس یا دانشكده‌ها جمع‌‌آوری می‌شوند. این نوع داده‌ها همچنین از طریق سیستم‌های آموزش الكترونیكی قابل دستیابی هستند. با به‌كارگیری تكنیک‌های شبکه‌عصبی و درخت‌تصمیم روی داده‌های آموزشی می توان اطلاعات و دانش مفیدی را از آن‌ها استخراج كرد كه این دانش نیز به نوبه خود می‌تواند برای درك و فهم رفتار دانشجویان، كمك در امر آموزش و تدریس، ارزیابی و بهبود برنامه‌آموزشی، افزایش بازدهی و كارایی دانشجویان و اهداف دیگری بكار گرفته شود.

امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است. دانشگاه‌ها برای رسیدن به اهداف خود و سبقت گرفتن از یکدیگر در تلاشند. دانشگاه‌ها نیاز به داشبورد دارند تا اطلاعات جزیی را در یک لحظه داشته باشند و این چیزی فراتر از یک نگاه کلی است. داشبوردها جهت نمایش حجم بزرگی از داده‌ها در یک نمایش گرافیکی قابل فهم هستند که کاربران با استفاده از آن‌ها قادر به تحلیل اطلاعات از طریق داده‌ها باشند (LogiXML,2011).

داشبوردهای مدیریتی سیستم‌های نرم‌افزاری نوینی هستند که به سازمان‌ها در جهت غنی‌سازی اهداف با استفاده از اطلاعات و تجزیه و تحلیل آن‌ها کمک می‌کند. داشبورد به مدیران این امکان را می‌دهد تا با تعریف، نظارت و تحلیل شاخص‌ها در ایجاد تراز بین اهداف و فعالیت‌ها و ایجاد یک محیط نمایش مشترک بین اهداف و فعالیت‌ها برای تصمیم‌گیری درست و کارامد اقدام نمایند. یک نکته که معمولا به اشتباه گرفته می‌شود این است که داشبورد تنها برای مدیران ارشد به منظور ارائه اطلاعات جامع از عملکرد سازمان به آن‌ها مورد استفاده قرار می گیرد. امروزه تکنولوژی داشبورد سازمانی به‌گونه‌ای است که می‌تواند در سطوح مختلف سازمان استقرار یابد(زرین،1388).

   در این تحقیق سعی شده است تا با استفاده از اطلاعات مربوط به دانشجویان از جمله سال و ترم ورود به دانشگاه، نوع تاهل، معدل‌های دریافتی در هر ترم، نوع تحصیل، نوع شغل و دیگر اطلاعات دانشجویان دانشگاه‌های سراسری و آزاد اسلامی استان قم و امکانات موجود در محیط نرم‌افزار‌های Sql server، Matlab ، Qlick view ، Clementine ، Excelو همچنین با خوشه‌بندی داده‌ها و بکار بردن تکنیک‌های داده‌کاوی به پیش‌بینی پیشرفت‌ تحصیلی دانشجویان بپردازیم و با استفاده از نتایج پیش‌بینی و نظر خبرگان، شاخص‌ها را تعیین کرده و طراحی و پیاده‌سازی داشبورد مربوطه را انجام دهیم.

در راستای موضوع ارائه شده ما به دنبال آن هستیم تا به سوالات زیر پاسخ دهیم:

1- چه تکنیک داده‌کاوی برای داده‌هایمان پیش‌بینی بهتری دارد؟

2- متغیرهای تاثیرگذار در تعیین شاخص‌ها کدام‌اند؟

مشخص کردن اینکه کدام روش نتایج بهینه و دقیق‌تری ارائه می‌کند و پاسخ به این پرسش‌ها،‌ پیش‌بینی‌ها به طور مناسب انجام شده و این کار فواید زیادی را برای دانشگاه به همراه خواهد داشت.

3-1- ضرورت انجام تحقیق

یکی از چالش‌های جدی در مدیریت امور آموزشی دانشگاه‌ها، پیش‌بینی وضعیت تحصیلی دانشجویان در نیم‌سال‌های آینده به منظور شناسایی دانشجویانی است كه دچار پیشرفت یا افت تحصیلی شده و ادامه تحصیل آن‌ها با مشكل روبرو خواهد شد. در این تحقیق با استفاده از تكنیك‌های داده كاوی وضعیت تحصیلی آتی دانشجویان پیش‌بینی شده است. با بكارگیری این تکنیک‌ها و تجزیه و تحلیل و تفسیر داده‌ها مدیران آموزشی می‌توانند مشاوره‌های لازم را برای پیشگیری از رسیدن دانشجویان به وضعیت بحرانی بكار گیرند و همچنین مدیران به استفاده از ابزارهای کارا و موثر مصورسازی داشبورد مدیریتی نیاز دارند تا با نمودارها و اشکال مختلف تفسیر داده‌ها را بهتر درک کنند و بتوانند تصمیم‌گیری صحیح‌تری داشته باشند بنابراین می‌توان این ابزارهای پشتیبان تصمیم‌گیری در سیستم‌های آموزشی را مورد بهره‌برداری قرار داد و نقش مهمی را در ارتقاء سطح علمی دانشگاه‌ها داشت.

وقتی مغز بطور طبیعی كار كند یك سری امواج الكتریكی از خود ایجاد مـﯽنماید كه این امواج مانند الكتریسیته در مسیر اعصاب عبور مـﯽكند. در حالت تشنج یك جرقه الكتریسیته ایجاد می شود كه این جرقه و طوفان الكتریكی بسته به محل خود در مغز، علائم، نوع تشنج و صرع را تعیین مـﯽنماید[1]. صرع یا epilepsy در نورولوژی به حالتی گفته می‌شود که شخص، بدون عامل محرک خاصی مثل افت قند خون، تب، کمبود کلسیم و یا مواردی از این دست، مکرراً دچار حملات تشنج شود. در کودکان و افراد جوان، صرع اغلب به ضربه زمان تولد، ناهنجاریﻫﺎﻱ مادرزادی یا اختلالات ژنتیکی تاثیر گذار بر مغز نسبت داده ﻣﯽشود. در افراد میانسال و سالمندان، سکتهﻫﺎﻱ مغزی، تومورها و بیماری عروق مغزی در اغلب موارد علل بروز صرع است[2]. صرع یکی از شایع ترین بیماریﻫﺎی عصبی مهم و خطرناک است، که تقریباً 60 میلیون نفر در جهان (نزدیک به 1٪) درگیر این مسئله هستند و 5/2 میلیون مورد جدید هر سال به این آمار اضافه مـﯽشود. برای 30-25٪ از بیماران، هیچ ترکیب درمانی استاندارد (دارو یا جراحی) برای کنترل تشنج آنها وجود ندارد. این بیماران از صرع مقاوم به درمان یا مقاوم به دارو رنج مـﯽبرند [3] [4].

در سراسر جهان، 10.5 میلیون کودک زیر 15 سال مبتلا به صرع فعال تخمین زده می شود، که در حدود 25 درصد از جمعیت کل بیماران صرعی می باشند. از 3.5 میلیون نفر که سالانه دچار صرع می شوند، 40 درصد کمتر از 15 سال هستند، و بیش از 80٪ آنان در کشورهای در حال توسعه زندگی می کنند. مطالعات مبتنی بر جمعیت صرع در دوران کودکی نشان می دهد نرخ بروز سالانه 61- 124 نفر در 100000 نفر در کشورهای در حال توسعه، و 41-50 نفر در 100000 نفر در کشورهای توسعه یافته می باشد [5]. صرع شایع ترین اختلال عصبی دوران کودکی است. تقریبا نیمی از موارد صرع در دوران کودکی رخ می دهد.کودکان مبتلا به صرع و والدین آنها با بسیاری از مشکلات اجتماعی و روانی مواجه هستند. مشکلات جامعه پذیری، اضطراب، اختلال شناختی و اختلالات رفتاری به ترتیب در 39.8٪، 45.8٪، 49.4٪، و 42.2٪ کودکان درگیر با بیماری صرع دیده شد [6].

طبق آمار رسمی سایت صرع حدود 60 میلیون نفر در جهان مبتلا به صرع هستند که هر سال به طور متوسط بین 125000 تا 150000 به این آمار افزوده می شود و از این تعداد در حدود 30% مربوط به کودکان است. یک نفر از بین 10 نفر، حداقل یکبار در طول زندگی دچار

 

 تشنج می شود [7]. آمار افراد مبتلا به صرع در ایران در حدود 1 میلیون نفر اعلام شده است [8].

2-1- درمان صرع

تاکنون روشﻫﺎﻱ درمانی متعددی برای صرع پیشنهاد شده است، که در بیشتر موارد موثر بوده و به قطعیت ﻣﯽتوانند صرع را درمان کنند که در ادامه به آنﻫﺎ اشاره ﻣﯽکنیم. یکی از روشﻫﺎﻱ متداول، داروها هستند، بیش از دهها داروهای ضد تشنج (AEDs[1]) برای درمان صرع در دسترس هستند. این داروها به طور معمول به دنبال جلوگیری از توسعه تشنج با کاهش تحریک عصبی یا افزایش بازدارندگی هستند [9]. در روشی دیگر، افرادی که از نظر پزشکی مبتلا به نوعی از صرع مقاوم هستند، در بعضی موارد ﻣﯽتوانند برای جراحی کاندید شوند، البته اگر صرع آنﻫﺎ از نوع partial باشد. رژیم غذایی کتون زا (تولید كتون‌ها در بدن‌ در اثر اكسیده‌ شدن‌ ناقص‌ مواد آلى‌ مثل‌ اسیدهاى چرب‌ و غیره‌) یکی دیگر از گزینه درمانی است که عمدتاً در کودکان استفاده ﻣﯽشود. در این شیوه رژیم غذایی با چربی بالا طراحی شده است که تقلیدی از اثرات بیولوژیکی در گرسنگی است، اما مکانیسم دقیق آن در مهار تشنج ناشناخته است [10].

3-1- انواع روشﻫﺎﻱ شناسایی، پیش بینی و کنترل صرع

اگرچه بیشتر درمانﻫﺎ برای صرع قطعی هستند، اما هنوز هم درصد بسیاری از بیماران هستند که به درمانﻫﺎﻱ دارویی مقاوم بوده و برای عمل جراحی هم نمـﯽتوانند کاندید باشند. نگرانی در مورد آسیب و یا حتی مرگ ناشی از تشنج، زندگی کسانی که قادر به دستیابی به کنترل کامل تشنج نیستند را تحت الشعاع قرار ﻣﯽدهد. علاوه بر این، خطر مرگ ناگهانی در افراد مبتلا به صرع 24 برابر بیشتر در مقایسه با جمعیت عمومی است و پاتوفیزیولوژی مرگ ناگهانی و غیر منتظره در صرع یاSUDEP[2] همچنان نامشخص است [10]. در ابتدا روشﻫﺎﻱ درمانی به طور مختصر معرفی خواهند شد که به صورت داخلی و تحت عمل جراحی صورت ﻣﯽگیرد. و در ادامه روشﻫﺎﻱ خارجی بررسی خواهد شد که با کمک سنسورها علائم حیاتی و تغییرات فیزیولوژیک را اندازه ﻣﯽگیرند، و در پیش بینی صرع از آنﻫﺎ کمک گرفته ﻣﻰشود.

4-1- ضرورت پژوهش

از آن جایی که درصد بالایی از بیماران مبتلا به صرع که دچار تشنج تونیک-کلونیک عمومی شدﻩاند، مستعد بروز حمله SUDEP هستند، ضروری است که به مدت طولانی امواج مغزی توسط دستگاه EEG[1] کنترل شود تا از کارکرد درست اعضاء حیاتی بدن مانند قلب (که اختلال در کار آن بیشترین عامل در SUDEP است) اطمینان حاصل کرد. اما اکثر بیماران تمایلی ندارند که به مدت طولانی در بیمارستان تحت مراقبت باشند و از طرف دیگر ممکن است زمانی که حمله اتفاق می افتد تحت مراقبت نبوده و نتوان شدت حمله را ثبت کرد، بنابراین برای بستری کردن بیمار ﻧﻤﻰتوان تصمیم درستی گرفت. این پایاﻥنامه به دنبال روشی هست که بدون دردسر و مشکل برای بیمار، و با استفاده از تکنولوژی موبایل و بیسیم او را در تمام ساعات شبانه روز، بدون بستری شدن در بیمارستان، تحت کنترل داشته باشد.

5-1- سوالات پژوهش

مطالعات بسیاری، در افراد مبتلا به صرع مقاوم، در بخش درمان و چگونگی تاثیر آن بر کیفیت زندگی، در حوزه عملکرد جسمی، عاطفی / رفتاری، اجتماعی، و شناختی صورت گرفته است. اینها موضوعاتی هستند که منعکس کننده تاثیر منفی صرع در کیفیت زندگی بیماران صرعی هستند که ﻣﯽتوان مهمترین آنها را به این صورت نام برد: عدم اطلاع از وقوع آن، خطراتی که محیط ممکن است برای این بیماران در اثر بروز حمله صرع به وجود آورد و مشکلات فیزیولوژیکی که بعد از حمله صرع ممکن است منجر به مرگ فرد شود. تمام این ها عواملی هستند که به عنوان مانع برای تحصیل و حضور بیشتر در اجتماع ﻣﯽباشند. کاربرد این تحقیق در بخش مربوط به بیماری صرع ﻣﯽباشد، تا با کنترل بیماران صرعی از خطر بروز حمله SUDEP جلوگیری کرده و در هر زمان و مکانی با صرف زمان و هزینه کمتر و کاهش استفاده از تجهیزات بیمارستانی و پزشک، این افراد را تحت کنترل بیشتری داشته باشد.

سوالاتی که این پایاﻥنامه باید به آن پاسخ دهد :

1- مهمﺗﺭین معضلی که یک بیمار مبتلا به صرع و اطرافیان او را رنج مـﯽدهد، ﺑﻰخبری از زمان حملات صرع و بالتبع آن عدم آمادگی لازم در مواجه با آن است، سوالی که مطرح است اینکه امروز به مدد بهرﻩگیری از پیشرفت ﻫﺎی فناوری موبایل، آیا بیماران صرع هم امکان این را می‏یابند که از طریق این فناوری آمادگی خود را در مواجه با این بیماری افزایش دهند؟

2- بدون صرف کردن زمان و هزینه اضافی، از آن جایی که تجهیزات بیمارستانی هزینه بالایی دارد و بیمار را مجبور ﻣﯽکند در لحظاتی که دچار حمله صرع ﻣﯽشود در مکان خاصی باشد، آیا ﻣﯽتوان از طریق فناوری موبایل به طور مداوم در تمام لحظات این بیماری را کنترل کرد؟

3- آیا از مقالات و تحقیقات موجود در زمینه حسگرهای بیسیم ﻣﯽتوان ابزاری برای اندازﻩگیری رسانایی پوست طراحی کرد؟

4- امکان مراحل ساخت این ابزار در کشور ایران به چه صورتی است و آن را چگونه ﻣﯽتوان بوﻣﻰسازی کرد؟

5- این ابزار چگونه ﻣﻰتواند به صورت بیسیم با تلفن همراه ارتباط برقرار کرده و یک سیستم سختﺍفزاری و نرﻡﺍفزاری موبایل برای نظارت بر بیماران صرع ایجاد نماید؟

5- طراحی و پیاده سازی الگوریتم ماشین بردار پشتیبانی (SVM ) برای تشخیص تشنج بیماران صرعی در نرﻡﺍفزار موبایل چگونه امکان پذیر است؟

[1] electroencephalography

[1] Antiepileptic Drugs

[2] sudden unexpected death in epilepsy

اینترنت و مهمترین سرویس آن وب، علاوه بر این كه حیات بشری را در هزاره سوم دستخوش تحولات فراوانی كرده است، توانسته است منشاء تحولات گسترده ای در سایر حوزه های فناوری گردد. یکی از حوزه های جدی تاثیر اینترنت تجارت الکترونیک است.

در وب سایت های تجاری سرعت اجرا و پاسخ سیستم ها موضوعی بسیار مهم و حیاتی شده است. در مورد سیستم های تجاری مشتری به مشتری و تجارت به مشتری با توجه به حجم بالای مراجعه کنندگان و بازدید کنندگان که هریک عملیات متنوعی را انجام می دهند توان و سرعت پاسخگویی سیستم امری بسیار تاثیر گذار در رضایت مشتریان و کارآمدی سیستم تجاری است.

روش های شناخته شده و سابقه داری از قبیل پیش پردازش[1]، کوکی[2]، آژاکس[3]، کش کردن[4] و … برای سرعت بخشیدن به اجرای برنامه های اینترنتی استفاده شده اند ولی همچنان نیاز به بالا بردن سرعت اجرا و بهره وری سیستم های تحت وب احساس می شود.

اهمیت سرعت اجرا در وب سایت های تجاری مشتری به مشتری به دلیل ماهیت ذاتی آن (مشارکت مشتریان با یکدیگر) و تعداد بالای بازدیدکنندگان همزمان بسیار حیاتی است. سیستم های تجارت الکترونیک از قبیل بازارهای اینترنتی، بازارهای حراج اینترنتی، خرده فروشی های مشارکتی و … نمونه هایی از این سیستم های مشتری به مشتری هستند.

در مورد سیستم های تجارت الکترونیک با پایه ی تجارت به مشتری مثل بانک های اینترنتی، سیستم های پرداخت و تسویه حساب اینترنتی

 

 و … نیز به دلیل تعامل همزمان با تعداد زیادی از مشتریان سرعت اجرا و پاسخ دهی بلادرنگ اهمیت ویژه ای پیدا می کند.

کارایی سرویس های تجارت الکترونیک فقط به موارد فوق محدود نمی شوند و اهمیت سرعت و پاسخ دهی بلادرنگ در سیستم های دیگری مثل موتورهای جستجو، سیستم های مشارکتی تبلیغات بازرگانی، سیستم های مشارکتی چندرسانه ای، سیستم های ویدئو کنفرانس، سیستم های تلفن اینترنتی، سیستم های چت، سیستم های ای آر پی[5]، سی آر ام[6]و … نیز قویا ضروری می نماید]12][13[.

بنابراین اهمیت اجرای سریع برنامه های تحت وب، سیستم های تجارت الکترونیک و به طور کلی همه سیستم های پربازدید و پر ترافیک اجرای سریع و پاسخ دهی بلادرنگ را مولفه ای حیاتی برای کار خود تلقی می کنند.

در این فصل پس از آشنایی با تکنولوژی وب، تاریخچه ای از آن به صورت مشروح و کامل توضیح داده می شود. سپس انواع مدل های وب معرفی، و تعریف هر یک از آن ها، دستاوردها و ویژگی هایشان به صورت کامل شرح داده می شوند. همچنین تخمینی از آینده ی وب و حدس ما درمورد تکنولوژی های آینده در وب توضیح داده می شود. در ادامه، مساله اصلی این تحقیق تعریف شده و سوال های پیش رو و ضرورت انجام تحقیق شرح داده می شود. درنهایت ساختار پژوهش آورده می شود]14 [.

1-2- آشنایی با تکنولوژی وب

تکنولوژی وب توسعه ی مکانیزمی است که به دو یا چند کامپیوتر اجازه می دهد تا در سطح یک شبکه ارتباط برقرار کنند. برای مثال در محیط یک شرکت، ممکن است تعدادی از کامپیوترها که به همراه دستگاه هایی نظیر پرینتر[7] درون یک شبکه به هم متصل هستند، برای ارسال مناسب و سریع اطلاعات همکاری کنند. فرآیندی که تکنولوژی وب دارد پیچیده و گوناگون است و به همین علت است که تمامی سازمان های بزرگ تجاری با این مساله سروکار دارند. تکنولوژی وب تغییرات اساسی در شیوه های ارتباطی ایجاد کرده است که بسیار موثرتر عمل می کنند.

مزیت اصلی تکنولوژی وب این است که با فراهم آوردن ارتباط هایی با سرعت بالا در دنیای کامپیوتر، آسودگی و راحتی را به ارمغان آورده است. فرآیند هایی که از کامپیوتر استفاده می کنند، چه در شرکت باشند و چه در منزل، با استفاده از یک شبکه بسیار سریع و آسان عمل می کنند. تکنولوژی وب به پیام ها اجازه می دهد که در سطح یک سیستم ارسال شوند، با درنظر گرفتن اینکه ممکن است قبل از آن نیاز به به کار بردن یک مجرای اصلی باشد یا ترک فضای کاری برای برقراری ارتباط با یک پیام. همچنین واضح است که تکنولوژی وب باعث کاهش قیمت ها، افزایش پتانسیل تجاری و کارآمدتر شدن کمپانی می شود.

عیب اصلی تکنولوژی وب این است که مسائلی که شامل تکنولوژی وب می شوند، می توانند بسیار پیچیده باشند و این قضیه برای افرادی که تجربه ای مرتبط با عیب یابی مشکلات شبکه ای ندارند، می تواند کار سختی باشد. بنابراین نیاز به استخدام افرادی با مهارت حل مشکلات شبکه ای احساس می شود که خود مستلزم پرداخت هزینه است. علاوه بر این وجود شبکه مجال حمله به سیستم های کامپیوتری را فراهم می کند. ضعف در شبکه ممکن بود بهره برداری شود، اطلاعات مهم ممکن بود گم شود یا از بین برود و ویروس های کامپیوتری می توانستند خطرات جدی برای شبکه به وجود بیاورند. بنا بر این دلایل، امنیت شبکه موضوع دیگریست که هنگام استفاده از تکنولوژی وب باید درنظر گرفته شود]1][2[.

1-3- تاریخچه ی وب

تار جهان گستر[8]، یا به عبارت خلاصه وب، مرجعی جهانی برای کاربرانی است که از طریق اینترنت با آن در ارتباط هستند.

عبارت تار جهان گستر گاهی به صورت اشتباه به جای کلمه اینترنت به کار می رود، در حالی که وب سرویسی است برای امور اینترنتی مانند ایمیل[9]. سابقه ی پیدایش اینترنت بسیار طولانی تر از وب است.

ایده ی داشتن مرجعی جهانی که حتی از خانه هم بتوان به آن دسترسی داشت شاید به داستان کوتاه ایساک آسیموف[10]، “جشن سالیانه[11]” که در سال 1959 منتشر شد برگردد. در این داستان، شخصیت ها از طریق کامپیوترهای خانگی به دنبال اطلاعاتی می گشتند که از طریق یک شبکه گسترده زمینی به یک سوپر کامپیوتر در جایی درون زمین متصل بود.

3 PreCompile

[2] Cookie

[3] Ajax

[4] Caching                                                                       

[5] Enterprise Resource Planning(ERP)

[6] Customer Relationship Management(CRM)

[7] Printer

[8] World Wide Web(WWW)

[9] E-mail

[10] Isaac Asimov

[11] Anniversary