مبانی نظری داده کاوی |مقالات ISI

 در مطالعه مبانی نظری داده کاوی

مبانی نظری داده کاوی | تعداد صفحات ۳

مبانی نظری داده کاوی

آگد و همکاران در سال ۲۰۲۱ در نظریه خود به بررسی رابطه جامعه و فناوری کلان داده و داده کاوی پرداختند. این محققین اثبات کردند که جامعه و فناوری کلان داده بر  این متغیراثرگذار است. به عبارتی با استفاده از متغیرهای جامعه و فناوری کلان داده می‌توان سطح  این متغیر را تحت تأثیر قرارداد. زمانی سطح هر یک از متغیرهای بیان‌شده  تغییر کند، می‌توان انتظار داشت که سطح  این متغیر نیز تغییر کند.

آن ها در نظریه خود ارتباط بین متغیرهای استفاده از منابع و برقراری ارتباط موثرتر را با  این متغیر اثبات کردند. این محققین دریافتند که متغیرهای استفاده از منابع و برقراری ارتباط موثرتر می‌توانند بر سطح  این متغیر اثرگذار باشند. همچنین آن‌ها به این نتیجه رسیدند که وقتی سطح متغیرهای استفاده از منابع و برقراری ارتباط موثرتر دچار تغییر شود، احتمال تغییر در سطح متغیر  این متغیر نیز وجود دارد.

آن ها در نظریه خود اثبات کردند که  این متغیر می‌تواند تحت تأثیر استخراج دیجیتال قرار گیرد. به عبارتی  این متغیر معمولاً با تغییراتی که در متغیرهای استخراج دیجیتال ایجاد می‌شود، تغییر می‌کند. پیشنهاد می‌شود برای تغییر در سطح  این متغیر ابتدا سطوح مرتبط با متغیرهای استخراج دیجیتال را تغییر داد.

ادامه

آن ها استدلال کردند که زمانی می‌توان  این متغیر را بهبود داد که به متغیرهای دیجیتالی شدن توجه شود. زمانی یک سازمان به متغیرهای دیجیتالی شدن توجه می‌کند، معمولاً سطح  این متغیر دچار تغییر می‌شود. اگر تغییرات ایجادشده در متغیرهای دیجیتالی شدن مثبت باشد معمولاً سطح  این متغیر بهبود می‌یابد.

آن ها در مطالعه خود به این نتیجه رسیدند که متغیر  این متغیر از متغیرهای استفاده از داده‌های متعدد حیاتی تأثیر می‌پذیرد. به این صورت که سطح تغییرات متغیرهای استفاده از داده‌های متعدد حیاتی می‌تواند در سطح  این متغیر تغییر ایجاد نماید. از سوی دیگر این مطالعه پیشنهاد کرد که برای بهبود در سطح  این متغیر به نظر می‌رسد بهبودهایی در سطح متغیرهای استفاده از داده‌های متعدد حیاتی می‌تواند مفید باشد. آن ها در نظریه خود یک رابطه معنی‌دار بین  این متغیر و متغیرهای استفاده از سیستم‌های کلان داده یافتند.

مبانی نظری داده کاوی

پان و ژانگ ( ۲۰۲۱ ) در مطالعه خود ارتباط متغیرهای مدیریت پروژه ساخت و ساز هوشمند و داده کاوی را تحت آزمون قراردادند. این تغییرات با توجه به نتایج حاصل از تحقیق می‌تواند هم‌جهت یا غیر هم‌جهت باشد. زمانی که سطح متغیرهای مدیریت پروژه ساخت و ساز هوشمند در سازمان هم‌جهت با داده کاوی باشند، می‌توان انتظار داشت که با افزایش سطح آن‌ها سطح متغیر  این متغیر نیز بهبود یابد و با کاهش سطح آن‌ها سطح متغیر  این متغیر کاهش یابد.

آن ها متغیرهای تکنیک‌های مدل‌سازی اطلاعات را در ارتباط با  این متغیر موردبررسی قراردادند. این محققین دریافتند که متغیرهای تکنیک‌های مدل‌سازی اطلاعات معمولاً می‌توانند بر سطح  این متغیر اثرگذار باشند. به این صورت که با تغییر در سطح تکنیک‌های مدل‌سازی اطلاعات می‌توان انتظار داشت که سطح متغیر  این متغیر نیز دچار تغییر شود. همچنین این محققین اثبات کردند که  این متغیر درنهایت با تأثیرپذیری از متغیرهای تکنیک‌های مدل‌سازی اطلاعات می‌تواند تغییراتی را ایجاد نماید

آن ها اثبات کردند که  این متغیر با متغیرهای کشف دانش پنهان ارتباط دارد.  این محققین اثبات کردند زمانی که متغیرهای کشف دانش پنهان دچار تغییر شوند، به دلیل ارتباط با متغیر داده کاوی آن را نیز دچار تغییر خواهند کرد. معمولاً اثرات متغیرهای کشف دانش پنهان بر داده کاوی هم‌جهت بوده و سبب تقویت داده کاوی می‌شود.

مبانی نظری داده کاوی برای

آن ها در بررسی اثر متغیرهای سازمانی در داده کاوی دریافتند که معمولاً  این متغیر می‌تواند تحت تأثیر متغیرهای شبیه‌سازی اجرای کار قرار گیرد. به صورتی که افزایش یا کاهش در سطح متغیرهای شبیه‌سازی اجرای کار معمولاً سبب تغییر در سطح  این متغیر می‌شود. اگر این تغییرات همسو باشد با افزایش در مقدار متغیرهای اعلام‌شده معمولاً سطح  این متغیر نیز افزایش می‌یابد. اگر ارتباط بین متغیرها ناهم‌سو باشد آنگاه با افزایش متغیرهای موردبررسی، سطح  این متغیر کاهش خواهد یافت.

آن ها اثبات کرد که متغیرهای تصمیم‌گیری تاکتیکی بر  این متغیر اثرگذار هستند. این محققین اثبات کردند که متغیرهای تصمیم‌گیری تاکتیکی می‌توانند بر میزان داده کاوی اثرگذار باشند.  این موضوع با توجه به نمونه آماری و ماهیت سازمانی که موردبررسی قرارگرفته است ممکن است متفاوت باشد. اما در کل این محققین استدلال کردند که با تغییر در سطح متغیرهای تصمیم‌گیری تاکتیکی می‌توان شاهد تغییر در سطح متغیر  این متغیر بود.

مبانی نظری داده کاوی

استدلال آن‌ها بر این بود متغیر  این متغیر با متغیرهای پیش بینی و بهینه سازی ساختار فیزیکی در ارتباط است. یا به عبارتی این محققین استدلال کردند که متغیر سازمانی ممکن است تحت تأثیر متغیرهای پیش بینی و بهینه سازی ساختار فیزیکی قرار گیرد و با تغییر در سطح این متغیرها، سطح آن دچار تغییر شود.

آن ها در مطالعه خود به اثبات رابطه بین داده کاوی و متغیرهای کار و نیروی انسانی پرداخت. به‌عبارت‌دیگر این محققین اثبات کردند که متغیرهای کار و نیروی انسانی با  این متغیر در ارتباط است و یا بر آن تأثیر خواهد داشت.

سال۲۰۱۹

موریتز و همکاران (۲۰۱۹) در مطالعه خود ارتباط متغیرهای شبکه های اختلاف جمعی و طیف سنجی و داده¬کاوی را تحت آزمون قرار دادند. آنها نشان دادند که متغیر داده¬کاوی در نهایت تحت تغییرات متغیرهای شبکه های اختلاف جمعی و طیف سنجی می تواند تغییر نماید. این تغییرات با توجه به نتایج حاصل از تحقیق می تواند هم جهت یا غیر همجهت باشد. زمانی که سطح متغیرهای شبکه های اختلاف جمعی و طیف سنجی در سازمان هم جهت با داده¬کاوی باشند، می توان انتظار داشت که با افزایش سطح آنها سطح متغیر داده¬کاوی نیز بهبود یابد و با کاهش سطح آنها سطح متغیر داده¬کاوی کاهش یابد.

اسچالگر در سال ۲۰۱۹ در نظریه خود ارتباط بین متغیرهای امکان پذیری، مدل سازی و داده¬کاوی را اثبات کردند. این محققین دریافتند که متغیرهای امکان پذیری و مدل سازی می توانند بر سطح داده¬کاوی اثرگذار باشند. همچنین آنها به این نتیجه رسیدند که وقتی سطح متغیرهای امکان پذیری و مدل سازی دچار تغییر شود، احتمال تغییر در سطح متغیر داده¬کاوی نیز وجود دارد.

 سال ۲۰۲۰

رن در سال ۲۰۲۰ در نظریه خود اثبات کردند که داده¬کاوی می تواند تحت تاثیر ارزیابی پایدار، و سلسله مراتب قرار گیرد. به عبارتی داده¬کاوی  معمولا با تغییراتی که در متغیرهای ارزیابی پایدار، و سلسله مراتب ایجاد می شود، دچار تغییر می شود. زمانی که سازمان در نظر داشته باشه سطح داده¬کاوی را تغییر دهد، پیشنهاد می شود که ابتدا سطوح مرتبط با متغیرهای ارزیابی پایدار، و سلسله مراتب را تغییر دهد.

 سال ۲۰۱۸

توبین و همکاران در سال ۲۰۱۸ استدلال کردند که زمانی می توان داده¬کاوی را بهبود داد که به متغیرهای تولید و توسعه توجه شود. زمانی یک سازمان به متغیرهای تولید و توسعه توجه می کند، معمولا سطح داده¬کاوی دچار تغییر می شود. اگر تغییرات ایجاد شده در متغیرهای تولید و توسعه مثبت باشد. معمولا سطح داده¬کاوی بهبود می یابد.