۷-۱ نقشه راه
در این پژوهش سعی بر آن خواهد بود تا ابتدا با بهره گرفتن از منابع کتابخانه ای، اینترنتی، پایگاه های دادۀ معتبر و استفاده از ژورنال ها، مجلات و پایان نامه های مختلف اطلاعات موجود در این حوزه گردآوری و بررسی گردد؛ سپس با بهره گرفتن از مصاحبات عمیق با متخصصین امر که برحسب میزان دسترسیاز سازمان های ذیربط من جمله ستاد توسعۀ نانو، کوریدورو شرکت های مرتبطانتخاب خواهند گردید،تلاش می شود تا زمینه ای جهت مطالعات بیشترو استخراج شاخص ها برای پرسشنامه ایجاد گردد. در مرحلۀ بعدی پرسشنامه ای بر پایۀ مصاحبات انجام شده و نیز ادبیات مرتبط تهیه خواهد شد. این پرسشنامه مشتمل بر سؤالاتی با گزینه های مشخص بوده و طیف لیکرت به عنوان مقیاس کمی مورد استفاده قرار خواهد گرفت. در پایان داده های بدست آمده با بهره گرفتن از تکنیک تحلیل عاملی مورد تجزیه و تحلیل قرار خواهند گرفت.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۸-۱ شرح واژه ها و اصطلاحات تحقیق
فناوری نانو
نانوتکنولوژی که دربرگیرندۀ ایجاد و دستکاری مواد ارگانیک و غیرارگانیک تا سطح مولکولی و نانویی است، یک فناوری در حال ظهور و توانمند ساز می باشد که میزان زیادی توجه را در جوامع صنعتی و علمی به خود جلب نموده است؛ این واژه چتری برای طیف وسیعی از علوم و تکنولوژی های گوناگون می باشد(Oriakhi,2004).
تجاری سازی
برای تجاری سازی تعاریف مختلفی مطرح شده است؛ شاید ساده ترین تعریفی که بتوان برای آن ارائه داد این جمله باشد: حرکت از سمت تحقیقات به توسعۀ فناوری و تولید و فروش(Crawley,2007) و یا ماکسیم ساختن اثرات تجاری و منافع مالی عایده از تکنولوژی(Commercialization handbook,2005). همچنین در تعریفی دیگر آن را فرایند یا چرخۀ معرفی یک محصول یا شیوۀ تولید به بازار دانسته اند. آغاز حقیقی حیات یک محصول آخرین مرحله از توسعۀ یک محصول است و مرحله ای است که بیشترین پول صرف تبلیغات، ترفیع فروش و دیگر تلاش های بازاریابی خواهد شد. باید توجه داشت این مفهوم با فروش، بازاریابی یا توسعۀ کسب و کار اشتباه گرفته نشود؛ فرایند تجاری سازی دربرگیرندۀ سه جنبۀاساسی است:
قیف (غربال گری): به منظور دستیابی به بقای بلند مدت بسیار حیاتی است که ایده های زیادی را مد نظر داشته باشیم تا بتوانیم یک یا دو محصول یا کسب و کار را از میان آنها انتخاب نماییم.
این پروسه فرایندی چند مرحله ای است که هر مرحله دارای اهداف و معیارهای خود می باشد.
ذینفعان اصلی که مشتمل بر مشتریان نیز می باشند می بایست شامل گردند(Vijay,1997).
محصولات با فناوری بالا
محصولاتی هستند که خریداران آنها دارای نیازهای مشخص می باشند، به اطلاعات زیادی نیاز دارند و دارای زبان مشترک می باشند. محصولات با فناوری بالا به سه گروه تقسیم می شوند که عبارتند از : محصولات فنی، محصولات مورد علاقه و محصولات قابل نمایش (ابراهیمی، ۱۳۸۰).
مالکیت معنوی
مالکیت معنوی به حق و حقوقی ابلاغ می شود که یک اثر خلاقانه ، نوآوری و یک اعتبار کسب و کار را حفظ می­ کند؛ اینگونه مالکیت ها در حالت طبیعی دارای سند و یا نوشتۀ مکتوبی نمی باشند که متعلق بودن آن را به فرد خاصی اثبات کنند ( قاسم زاده، ۸۷ ).
حق اختراع
حق اختراع یکی از هشت مؤلفۀ استاندارد مالکیت معنوی است؛ حق اختراع حقی را به مخترع می دهد تا از محصول خود هر گونه استفاده تجاری نماید و بتواند از لحاظ مادی نیز نتیجه زحمات خود را گرفته و دیگران را از استفادۀ تجاری، فروش و یا تغییر آن در یک دورۀ زمانی محدود باز دارد . این مدت زمان ۲۰ سال است؛ یعنی به مدت بیست سال پس از ثبت اختراع توسط مخترع کس دیگری حق استفاده تجاری از آن محصول را ندارد (قاسم زاده، ۸۷ ). مالکیت های معنوی به ماشین آلات، دستگاه ها، مواد، فرایند ها و بهبود هر یک از این ها تعلق می­گیرند (Commercialization handbook,2005).
فصل دوم
ادبیات تحقیق
مقدمه
در ابتدای قرن بیست و یکم تولید محصولات جدید دستخوش تغییرات چشمگیری شده است. از یک طرف زمان رساندن محصولات جدید به بازار پیوسته کاهش یافته و از سوی دیگر تنوع ایده‌ها و طرح‌ها بسیار زیاد شده است (طاهریان، ۱۳۹۱). از دیگر سو شاهدیم که اکنون فناوری انقلابی همچون نانو به موجی عظیم همچون فناوری الکترونیک و یا اختراع الکتریسیته بدل گردیده که در کوتاه زمانی تمام دنیا را درخواهد نوردید و شاهد این مسئله تأثیرات شگرف آن بر جنبه های گوناگون زندگی بشری از کوتاه زمان پیدایش آن است؛ به عبارت بهتر استفاده از فناوری نانو در کلیۀ علوم پزشکی، علوم مواد، صنایع دفاعی، الکترونیک، کامپیوترهای کوانتومی و غیره موجب گردیده که تحقیقات تجاری سازی در زمینۀ نانو به عنوان یک چالش اصلی علمی و صنعتی پیش روی جهانیان قرار گیرد (انصاری،۱۳۸۴). لذا در این فصل بر آنیم تا با نگاهی دقیق تر به مفاهیمی همچون تکنولوژی، صنایع هایتک، فناوری نانو، نانومواد، تجهیزات و تجاری سازی به تبیین بهتر جایگاه این حوزه از فناوری در ایران و جهان پرداخته و ریسک ها، عدم اطمینان ها و منافع حاصل از آن را با نگاهی دقیق تر مورد بررسی قرار دهیم تا در پایان بتوانیم به چالش های پیش روی این فناوری بپردازیم. مطالب این فصل در دو بخش کلی ارائه گردیده اند:
در ابتدا نگاهی دقیق تر بر دو واژۀ «تجارت» و «تجاری سازی» خواهیم داشت؛ سپس به بررسی مفهوم و اهمیت تکنولوژی پرداخته و به طبقه بندی آن می پردازیم. پس از آن به بحث در رابطه با فناوری های پیشرفته پرداخته و صادرات در این زمینه را مورد بررسی قرار می دهیم؛ پس از بررسی اهمیت، مراحل و فرایند تجاری سازی به چالش های پیش روی تکنولوژی در کشورهای در حال توسعه و ایران پرداخته و مروری بر اقدامات مؤثر در این زمینه می نماییم؛ سپس وارد بخش اصلی ادبیات تحقیق شده و با بررسی مقالات، کتب و پایان نامه های گوناگون خارجی و داخلی درصدد برخواهیم آمد تا با شناسایی چالش های اثرگذار بر فرایند تجاری سازی به مدل تحقیق دست یابیم.
در بخش دوم این فصل وارد مبحث نانوفناوری شده و نگاهی بر تاریخچه و اهمیت آن خواهیم داشت؛ پس از آن مبحث نانوتکنولوژی در ایران را مطرح نموده، سازمان های مرتبط و کاربردهای آن در کشور را مورد بحث قرار می­دهیم؛ سپس مروری خواهیم داشت بر بحث نانومواد و تجهیزات و در پایان نیز پس از بررسی اقدامات انجام شده در جهت تجاری سازی این محصولات در کشور و میزان سرمایه گذاری صورت گرفته در این صنعت به نتیجه گیری در این زمینه می پردازیم.
فصل دو در یک نگاه
نمودار ۱-۲) نقشۀ راه فصل دوم
بخش اول
۱-۲ تجارت و تجاری سازی
تجارت را می توان مکانیسمی دانست که از طریق آن تکنولوژی جدید از طریق محصولاتی که نتیجۀ آن تکنولوژی هستند در دسترس عامه قرار می‌گیرد و یا به عبارت دیگر عبارت است از فرد یا گروهی از افراد که خدمت یا محصولی را با نرخ توافق شده به فروش می‌گذارند. این تعریف تعریفی جامع و وسیع است که جامعۀ شکارچی ۱۵,۰۰۰ سال پیش از دوران مسیحیت تا شرکت‌های چندملیتی نانوتکنولوژی را دربرمی گیرد (T.Burke, 2009) و اما در رابطه با مفهوم تجاری سازی می توان آن را بسیار نزدیک به مفهوم انتقال فناوری دانست؛ به عبارت دیگر فرایند تجاری سازی همان فرایند انتقال دانش و فناوری از مراکز تحقیقاتی به صنایع موجود یا کسب و کارهای جدید است (کلانتری، ۱۳۹۱) و از نظر فرایند نوآوری تجاری سازی یعنی اینکه فناوری و دانش نوین باید از مؤسسه های عرضه کنندۀ آن به سمت صنایع و شرکت های متقاضی جریان یابد (Ghazinoori,2005) و به عبارت دیگر تجاری کردن یا تجاری سازی فناوری یکی از روش هایی است که می توان به وسیلۀ آن علم را به اقتصاد گره زد (کلانتری، ۱۳۹۱).
امروزه متخصصین تکنولوژی از این حقیقت آگاهند که ویژگی عصر دانش کاربرد اختراعات و نوآوری ها در تکنولوژی و تولید است که تنها می تواند از طریق تجاری سازی جدیدترین دستاوردهای تکنولوژیِ حاصل از ایده های خلاقانه به دست آید (بهبودی و همکاران، ۲۰۱۱)؛ با این حال توسعۀ فناوری جدید موفقیت تجاری را تضمین نمی‌کند و لذا تجمیع مؤثر تحقیق، توسعه و بازاریابی برای موفقیت یک نوآوری مورد تأکید است (نیک پیام و نیک پیام، ۱۳۹۱). لذا همانطور که گفته شد ابداع و تجاری سازی به چیزهایی بسیار فراتر از پایۀ قوی علم و تکنولوژی نیازمند است. تجاری سازی عبارت است از تصمیم برای تجارت مبتنی بر قضاوت های معقول دررابطه با عایدات آتی از سرمایه گذاری در طراحی و توسعۀ محصول ، تولید ، بازاریابی و توزیع که در آن در دسترس بودن سرمایه ، اندازه و ماهیت بازارها و نیز حضور دارایی های مکمل همگی توانمندی شرکت ها را در تجاری سازی تکنولوژی های جدید تحت تأثیر قرار می دهند (US congress,1995). به منظور روشن شدن بحث چارچوب تجاری سازی در جدول زیر نشان داده شده است:
جدول ۱-۲) چارچوب تجاری سازی (P.McCoy, 2009)

مناطق عملیاتی

مفهوم
۱

امکان پذیری
۲

برنامه ریزی
۳

مرور برنامه ریزی
۴

تولید اولیه
۵

مرور تولید اولیه
۶

استانداردسازی
۷

انتقال به بازار
۸

این مطالعه به پیش ­بینی تراوش در سد خاکی ستارخان با بهره گرفتن از مدل شبکه عصبی پرداخت. به کارگیری این روش جهت آموزش مدل و ارزیابی آن بر اساس پارامترهای آماری مناسب منجر به نتایج قابل توجه­ای شد که عبارتند از:

• • مطالعات جامع صورت گرفته نشان داد که تراوش از بدنه سدها، مهمترین دلایل شکست سدها بوده است. از این رو، شناسایی این پدیده و عوامل موثر بر آن مورد بررسی قرار گرفت که بسیار مفید واقع گردید.

• • تقسیم داده ­ها در دسته­های ۲۰۰، ۴۰۰، ۶۰۰، ۸۰۰، ۱۰۰۰ و ۱۳۴۷ تایی نشان داد که حداقل تعداد داده جهت آموزش مناسب مدل­ها، ۴۰۰ داده می­باشد. با این وجود، بکارگیری دسته­های ۱۰۰۰ و ۱۳۴۷ تایی منجر به آموزش بهتر و قدرت پیش ­بینی بالاتر مدل شد.

• • تقسیم تصادفی داده ­ها جهت آموزش و آزمون مدل نشان داد که نسبت ۸۰ به ۲۰ درصد که در بسیاری از مراجع پیشنهاد شده است، بهینه ترین حالت می­باشد.

• • با توجه به مدل­سازی صورت گرفته مشخص شد که مدل پیشنهاد­شده به خوبی آموزش دیده است و از قابلیت بالایی در پیش ­بینی پدیده تراوش برخوردار است.

• • بکارگیری پارامترهای آماری مناسب و کارآمد جهت ارزیابی مدل ارائه شده، کمک قابل توجهی در شناخت دقت و قابلیت آن ارائه کرد. هر یک از پارامترهای آماری بکارگرفته شده، معیار خاصی از مدل را مورد ارزیابی قرار داد. از این رو، بر اساس چنین صحت­سنجی جامع و کامل می­توان بیان داشت که مدل فوق به خوبی قابلیت بکارگیری در پیش ­بینی فشار پیزومتری از سد خاکی را دارد.

• • با بهره گرفتن از مدل ارائه شده و جایگزینی آن با ابزاردقیق موجود، می­توان شاهد کاهش هزینه­ های ناشی از ابزارگذاری در بدنه سدهای خاکی، کاهش هزینه­ های قابل توجه نیروی انسانی جهت قرائت مداوم پیزومترها و پیش ­بینی تراوش برای آینده، بود.

  (( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

• • با توجه به تفاوت مشخصات هندسی و فیزیکی سدهای خاکی، در این مطالعه چنین مشخصاتی به عنوان ورودی در نظر گرفته نشد و فقط بررسی تراوش در یک سد که آن سد ستارخان بود پرداخته شد. از این رو، نتایج حاصل از این مطالعه فقط در سد ستارخان مورد استفاده خواهد بود.

    1. 1. پیشنهادها

با مرور انجام‌شده بر روی مطالعات پیشین و نتایج به دست آمده از این مطالعه، موارد زیر پیشنهاد می­ شود:

• • با بهره گرفتن از سایر روش­های داده ­کاوی همچون شبکه ­های عصبی- فازی تطبیقی، الگوریتم درخت تصمیم، رگرسیون چندگانه غیرخطی، الگوریتم ژنتیک و… به پیش ­بینی تراوش از بدنه این سد اقدام شود و نتایج حاصل از آن با نتایج حاصل از این تحقیق مقایسه گردد.

• • با بهره گرفتن از مجموعه داده بیش­تر و گسترده­تر نسبت به مدل­سازی اقدام نموده و نتایج حاصل از آن با نتایج این تحقیق مورد مقایسه قرار گیرد.

• • می­توان با بهره گرفتن از روش­های عددی موجود و سایر نرم­افزارها نسبت به مدل­سازی تراوش اقدام و نتایج حاصل از آن با نتایج این تحقیق مقایسه گردد.

فهرست منابع:
[۱]Fredlund, D. G. Rahardjo, H. (1993) “Soil Mechanics for Unsaturated Soils,” Newyork, john Wiley and Sons, Chap. 7, P.P. 150-177.
[۲]Das, B. M. (2001) “Principal of Geotechnical Engineering,” Thomson-Engineering, Fifth Edition.
[۳]Fredlund, D. G. Rahardjo, H. (1993) “Soil Mechanics for Unsaturated Soils,” Newyork, john Wiley and Sons, Chap. 5, P.P. 110-117.
[۴]US Army corps of engineers. (1986) “Engineering and Design Seepage Analysis and Control for Dams,” chapter 4, seepage principles, EM-1110-2-190,.
[۵]International Commission on Large Dams, (http://www.icold-cigb.org/)
[۶]Middlebrooks, J. L, (1983). Report of the Dam failure. Engineering Geology, 24(1), 239-256.
[۷]Gruner, C. S, (1994). Seepage in earthfill dams. Journal of Geotechnical Engineering, 109(7), 946-960.
[۸]Takase, J. M, (1996). The failure of Teton dam. Engineering Geology, 12(3), 173-205.
[۹]Bab, C. L., (1987). Embankment dam instrumentation manual. Published by Pearson Education, ISBN 81-7808-300-0.
[۱۰]Kawasaki, H. et al., (2010) “Case study of a Behavior Monitoring in a Fill Dam for Accurate and Long Term Measurement,” Commission Internationale Des Grands Barrages , Hanoï,, mai.
[۱۱]Ersayin, D, (2006). Studying seepage in a body of earth-fill dam by (Artificial Neural Networks, Doctoral dissertation, Master Thesis, İzmir Institute of Technology.
[۱۲]Miao, X. Y., Chu, J. K., Qiao, J., and Zhang, L. H, (2012). Predicting seepage of earth dams using neural network and genetic algorithm. Advanced Materials Research, 403, 3081-3085.
[۱۳]Nourani, V., Sharghi, E., and Aminfar, M. H, (2012). Integrated ANN model for earthfill dams seepage analysis: Sattarkhan Dam in Iran. Artificial Intelligence Research, 1(2), 22 pages.
[۱۴]Poorkarimi, S., Maghsoodian, S., MolaAbasi, H., Kordnaeij, A, (2013). Seepage evaluation of an earth dam using Group Method of Data Handling (GMDH) type neural network: A case study. Scientific Research and Essays Journal, 8(3)120-127.
[۱۵]Kamanbedast, A., and Delvari, A, (2013). Analysis of Earth Dam: Seepage and Stability Using Ansys and Geo-Studio Software. World Applied Sciences Journal, 17(9), 1087-1094.
[۱۶]Patterson, D. W, (1996). Artificial neural networks: theory and applications. Prentice Hall, 477 pages.
]۱۷[ منهاج.م.ب, “مبانی شبکه های عصبی”، انتشارات دانشگاه امیرکبیر, ۱۳۷۷.
[۱۸]Zadeh, L.A, “Fuzzy Sets,” Information and Control, vol. 8, pp. 338-353, 1965.
[۱۹]Nauck, D., et al., Foundations of Neuro-Fuzzy Systems: J. Wiley & Sons, 1997.
[۲۰]Abraham, A, “Neuro Fuzzy Systems: State-of-the-art Modeling Techniques,” presented at the Proceedings of the 6th International Work Conference on Artificial and Natural Neural Networks Lecture Notes in Computer Science, 2001.
[۲۱]Rutkowski, L. and Cpalka, K, “Flexible Neuro-Fuzzy Systems , Vol. 14, No. 3, May .” IEEE Transaction on Neural Networks, vol. 14, pp. 554-574, 2003.
[۲۲]Bartholomew , C. L. , B. C. Murray and D. L. Goins , “Embankment Dam Instrumentation Manual” , United States Department of the Interior , Bureau of Reclamation , Washington D. C. , (1987)
[۲۳]Fell , R. , “measurement of positive pore pressure” , Geotechnical Field Instrumentation , Extension Course , Australian Geomechanics Society , Melbourn , (1987)
[۲۴]Hanna. T. H., “Field Instrumentation in Geotechnical Engineering” , Tran Tech. Publication. , (1985)
[۲۵]Kohonen, T, “An Introduction to Neural Computing,” presented at the Proc. IEEE First Int. Conf. on Neural Networks, 1988.
[۲۶]Paulin, F. and Santhakumaran, A, “Classification of Breast cancer by comparing Back propagation training algorithms,” International Journal on Computer Science and Engineering, vol. 3, pp. 327-332, 2011.
[۲۷]Wang, C.M. and Huang, Y.F, “Evolutionary-based feature selection approaches with new criteria for data mining: A case study of credit approval data,” Expert Systems with Applications vol. 36, pp. 5900-5908, 2009.

ژان بودریار، ما در نقطه­ای قرار داریم که «مصرف بر تمام وجوه زندگی ما چنگ انداخته است». نقطه­ای که کلیۀ فعالیت­ها به همان شیوه ترکیبی، منطقاً با یکدیگر ارتباط پیدا می­ کنند. مسیر رضایت­مندی [نیز] از پیش ترسیم و ساعت به ساعت برنامه­ ریزی شده است و «محیط» [نیز] از هر لحاظ کامل است و کاملاً مناسب و مرتب بوده و جنبه فرهنگی پیدا کرده است (ژان بودریار^[۸۹]، ۱۳۸۹، ص۲۱).
اقتصاد جدید طالب دنیای اجتماعی است که در آن مردم به همان اندازه که براساس ظرفیتشان در تولید ارزیابی می­شوند، برحسب ظرفیتشان در مصرف نیز ارزیابی خواهند شد، و اقتصاد نوین، اخلاق زاهدانه تولید و انباشت را به نفع اخلاق لذت جویانه مصرف نفی می­ کند، مصرف اصلی­ترین عنصر دنیای اجتماعی مدیران است و وابسته به عوامل اقتصادی است (رحمت آبادی، ۱۳۸۵، ص ۱۰).
مصرف کالاهای فرهنگی، بعُدی از حیات است که عمدتاً بر استفاده از رسانه ­ها و وسایل فرهنگی متمرکز می­ شود. مصرف و مصرف­گرایی امروزه به حدی اهمیت یافته که به قول بنت^[۹۰] دیگر مردم کار نمی­کنند تا زنده بمانند بلکه کار می­ کنند تا بتوانند استطاعت خرید محصولات مصرفی را داشته باشند (کشوری چرمی، ۱۳۹۱).
ژان بودریار: رویکرد ژان بودریار به مصرف از تأثیر فرهنگ مصرفی بر افکار توده مردم سخن می­گوید. بودریار به نقش اصلی مصرف در جامعۀ کنونی که دگرگونی بنیادینی را حتی در زیست انسانی ایجاد کرده است، می ­پردازد. از نظر بودریار، مصرف در عین حال نیازی زیستی است که به شرایط زیستی انسان بستگی دارد. از نظر او انسان نیازهای خاصی دارد و این نیازها هرگز تمام شدنی نیست. و در جامعه امروزی برای اینکه کالایی در چشم مصرف ­کننده جذاب جلوه داده شود، ارزش نشانه­ای پیدا می­ کند (همان، ص ۳۳).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

وبلن: مصرف فرهنگی از نظر وبلن، نوعی تقلید اجتماعی است. از نظر او طبقۀ پایین اجتماع از طبقۀ بالا تبعیت و تقلید می­ کند. کولین کمپل دو تیپ افراد مورد نظر وبلن را شناسایی می­ کند. اصرار وبلن بر مفهوم تقلید، به دلیل نشان دادن رقابت و هم­چشمی در مصرف است، ۱) تیپی از افراد که خود را موفق می­دانند و موفقیت خود را در مقابل رقبا، از راه بدعت و نوع­آوری به دست آورده­اند، تا از راه تقلید؛ ۲) گروه ­های اجتماعی دیگری هستند که در تعارض با این مفهوم قرار دارند و تقلید را مناسب خود می­دانند. با توجه به مفهوم مورد نظر وبلن، مصرف در بین مصرف­ کنندگان مبتنی بر نوعی ارتباط اجتماعی و تعامل انسانی است که با به رخ کشیدن ثروت برای دست­یابی به قدرت اجتماعی و اقتصادی انجام می­ شود. این قدرت، شخصی است؛ اما برای عموم مردم است و به نفع همگان مصرف می­ شود؛ یعنی مطابق با ایدۀ عمومی و برای مصرف دیگران به عرضه در می ­آید. به طور خلاصه مصرف، الگویی ارتباطی بین مصرف و مصرف ­کننده ایجاد می­ کند که برای دست­یابی به گسترش ارتباط اجتماعی لازم است.
پیر بوردیو: پیر بوردیو دربارۀ چگونگی و استفاده از الگوهای خاص مصرف فرهنگی که تمایز اجتماعی تولید می­ کند، سخن گفته است. او مصرف را نوعی ارتباط می­داند که تنازع بین طبقات و درون طبقات را نشان می­دهد. بوردیو کلیت جامعه را بررسی کرده است و به اهمیت مصرف در بین طبقات اجتماعی مختلف پی برده است. از نظر بوردیو مصرف فرهنگی، مباحثه و مناظره­ای دربارۀ تفاوت­ها و تمایزهاست (همان، ص ۸۰). بوردیو این تفاوت­ها را در مصرف فرهنگی جست­وجو می­ کند. نظریه­ های متعدد درباره مصرف در جدول زیر آمده است.
جدول ۲-۲٫ نظریاتی در مورد مصرف

مقوله­ های مصرف

مارکس

وبر

زیمل

وبلن

معنی مصرف

مقوله­ای صرفاً اقتصادی، مصرف تداوم سرمایه­داری است.

مصرف به معنای منزلت اجتماعی است.

مبادلۀ پول کلان شهر

تقلید از طبقه مرفه، نمایش و مصرف متظاهرانه

مصرف ­کننده

جایگاهی ندارد و مصرف بر او تحمیل می­ شود

دانشمندان، روشنفکران، معتبران اجتماعی و فرهنگی خاندان سلطنتی

جایگاه مصرف ­کننده هم­چون فردی مدرن

طبقۀ مرفه مصرف ­کننده

موضوع مصرف

موضوع مبتنی بر تحلیل شیوۀ تولید سرمایه­داری

اصل، تولید کالا است و مصرف ­کننده جایگاهی ندارد. اصل، خرج نکردن و مصرف نکردن و قناعت است.

–

موضوعی برای تمایز، به زخ کشیدن و تظاهر مصرف تجملی

۲-۵-۴- الگوی خرید
آکسفورد، مصرف را نوعی خرید و استفاده از چیزی که با انتخاب^[۹۱] کالا همراه است، تعریف می­ کند. در این لغت­نامه این واژه ، گاهی به معنی نگه­داری، تعمیر کردن چیزی «دورریختنی^[۹۲]» از هر محصول یا خدمات آن تعریف می­ شود. مصرف معنی فایده داشتن نیز می­دهد. از این نقطه نظر، مصرف «چیزی» باید مفید^[۹۳] باشد تا اهمیت داشته باشد و نزد مصرف ­کننده با رضایت همراه باشد. اگر مصرف فقط در مفهوم اقتصادی آن مطرح باشد، رضایت مصرف ­کننده را برآورده نمی­کند؛ به همین دلیل مصرف، یعنی مفید بودن، رضایت روانی مصرف ­کننده را هم به همراه دارد؛ به عبارتی فرد هنگام خرید و مص
رف کالایی از داشتن آن احساس رضایت هم می­ کند (بهار، ۱۳۹۰، ص۸).
مصرف ­کننده می ­تواند در خرید زیاده روی کند، کالای بخرد یا نخرد یا آن را دور بریزد یا مدام از آن استفاده کند، تصمیم­گیرنده نهایی اوست. او می ­تواند انتخاب کند یا نکند؛ به عبارتی تولید کننده، کالاها را آنقدر خوب باید جلوه دهد تا مصرف ­کننده به خرید و مصرف آن در درازمدت رغبت نشان دهد (همان، ص۱۰). سازمان­ها بدون آگاهی از چگونگی رفتار مصرف ­کننده و درک صحیح از آن، امکان اتخاذ اقدام مناسب جهت تأمین نیازها و خواسته مصرف ­کننده را نخواهد داشت (هاوکینز و کانی، ۲۰۰۳).
بنگاه­های بازرگانی جهت انتخاب بازارهای هدف نیازمند اطلاعاتی در خصوص الگوهای مصرف رایج در آن بازارها هستند (رنجبریان، ذبیح­زاده و براری ، ۱۳۹۰). الگوی خرید در هر جامعه، نقشی تعیین­کننده در تخصیص منابع برای تولید انواع کالاهای تولیدی، شیوه توزیع آنها و همچنین توسعه اقتصادی، سیاسی و اجتماعی دارد. بنابراین اگر الگوی خرید جامعه­ای، افراد را به مصرف هر چه بیشتر ترغیب کند، بخش اعظم منابع درآمدی جامعه به مصرف اختصاص می­یابد و در نتیجه، از سطح پس­انداز کل و به تبع آن سرمایه ­گذاری کاسته می­ شود و این امر، جامعه را به کاهش تولید و فقر اجتماعی روبه­رو می­ کند. ضعف اقتصادی نیز خود زمینه­ ساز فقر فرهنگی و انحطاط اجتماعی است و برعکس، اتخاذ الگوی صحیح و منطقی در مصرف می ­تواند آثار مثبت فردی و اجتماعی فراوانی به دنبال داشته باشد. در سطح کلان، هماهنگی و تناسب بین امکانات یک جامعه با نیازها و خواسته­ های افراد آن، کسب استقلال اقتصادی و دستیابی به عزت و سرافرازی را ممکن می­سازد و در سطح فردی، اجتناب از مصارف غیر ضروری و تجملی که به معنای متوازن ساختن درآمدها و هزینه­هاست، آرامش روحی و روانی به همراه دارد (لهسائی زاده، ۱۳۸۸، ص۳-۱).
از نظر بوردیو، مصرف تنها ارضای نیازهای زیستی نیست، بلکه متضمن نشانه­ها، نمادها، ایده­ ها و ارزش­هاست. به تعبیر وی، مصرف در دوران جدید، روندی است که در آن خریدار کالا، از طریق به نمایش گذاشتن کالاهای خریداری شده، فعالانه در تلاش برای خلق و حفظ هویت خویش است (بوردیو، ۱۳۸۱، ص۴۲).
مصرف در معنای کلی شامل همه انواع فعالیت­های غیر کاری و غیرتولیدی است و به فرایندی اشاره دارد که در آن کالاهای مادی و خدمات برای ارضای نیازها به کار گرفته می­شوند. صحبت کردن از الگو نیز به معنای جستجوی نوعی نظم در پدیده ­های پراکنده و منفرد است. بنابراین منظور از الگوهای مصرف این است که آیا بر حسب نوع کالاها و فعالیت­های مورد استفاده افراد، شیوه مصرف آنها و معیارها و موازین انتخاب آن کالاها، تفاوت­های معنادار در میان افراد، شیوه مصرف آنها و معیارها و موازین انتخاب آن کالاها، تفاوت­های معنادار در میان افراد مورد مطالعه دیده می­ شود یا نه؟ الگوهای مصرف شامل سه مولفه: رژیم­های غذایی، الگوهای پوشاک و سلیقه هنری. منظور از رژیم­های غذایی، ذائقه­ها و ترجیحات افراد در انتخاب و مصرف انواع غذاها و نوشیدنی­هاست. پاسخ­های افراد به پیروی از مدل بوردیو در کتاب تمایز، به سه مقوله ذائقه ضرورت، بینابینی و تجمل تقسیم نموده­ایم. الگوهای مصرف پوشاک نیز به معنای انواع و مدل­های لباس­های مورد استفاده افراد و نیز معیارهای انتخاب پوشاک است. الگوهای پوشاک نیز به سه مقوله کارکردی، بینابینی و زیباشناسانه تقسیم شده ­اند. منظور از سلیقه هنری نیز ارجحیت یا گرایش به اقلام خاصی از محصولات هنری است و دارای سه بعُد سلیقه ادبی، سینمایی و موسیقایی می­باشد. سلیقه­های هنری نیز به سه مقوله عامیانه، میان­مایه و نخبه­گرایانه تقسیم شده ­اند.حاصل آن سه الگوی کلی مصرف است که عبارتند از: الگوی کارکردی – ضرورت گرایانه، الگوی ضرورت گریزانه – تمایز جویانه و الگوی تجملی – زیبایی­شناسانه (عبداللهی، ۱۳۸۹، ص ۱۵و ۱۶).

وظیفه شبکه‌های عصبی، یادگیری است. تقریباً چیزی شبیه یادگیری یک کودک خردسال. یادگیری در شبکه‌های عصبی رایج به شکل یادگیری تحت نظارت^[۵۵] است. نوع دیگر یادگیری یعنی یادگیری بدون نظارت^[۵۶] هم توسط شبکه‌های عصبی شبیه‌سازی شده است و کاربردهای کمتری دارد.

مفهوم شبکه

یکی از روش‌های کارآمد در حل مسائل پیچیده، شکستن آن به زیرمسئله‌های ساده‌تر است که هر کدام از این زیر بخش‌ها به نحو ساده‌تری قابل درک و توصیف باشند. در حقیقت یک شبکه، مجموع‌های از این ساختارهای ساده است که در کنار یکدیگر سیستم پیچیده نهایی را توصیف می‌کنند.
شبکه‌ها انواع مختلفی دارند امّا همگی آن‌ها از دو مؤلفه تشکیل می‌شوند:
مجموعه‌ای از گره‌ها؛
هر گره در حقیقت واحد محاسباتی شبکه است که ورودی‌ها را گرفته و بر روی آن پردازش انجام می‌دهد تا خروجی به دست آید. پردازش انجام شده توسط گره، می‌تواند از ساده‌ترین نوع پردازش‌ها نظیر جمع‌کردن ورودی‌ها تا پیچیده‌ترین محاسبات را شامل شود. در حالت خاص، یک گره می‌تواند خود، شامل یک شبکه دیگر باشد.
اتصالات بین گره‌ها؛
این اتصالات نحوه گذر اطلاعات بین گره‌ها را مشخص می‌کند. در حالت کلی اتصالات می‌توانند تک‌سویه^[۵۷] یا دوسویه^[۵۸] باشند. تعامل بین گره‌ها از طریق این اتصالات، سبب بروز یک رفتار کلی از سوی شبکه می‌گردد که چنین رفتاری به تنهایی در هیچ یک از اِلمان‌های شبکه دیده نمی‌شود. جامع بودن این رفتار کلی بر عملکرد موجود در هر گره، سبب تبدیل شبکه به یک ابزار توانمند می‌شود. به عبارت دیگر، مجموعه‌ای ساده‌ از اِلمان‌ها وقتی در قالب یک شبکه باشند می‌توانند رفتاری از خود بروز دهند که هیچ یک از آن اِلمان‌ها به تنهایی قادر به بروز چنین مشخصه‌ای نبود.

شبکه عصبی مصنوعی

آن‌چنان که بیان شد انواع مختلفی از شبکه‌ها وجود دارد. در این بین شبکه‌ای وجود دارد که گره را به عنوان یک نرون مصنوعی در نظر می‌گیرد. در اصطلاح، این چنین شبکه‌هایی را شبکه عصبی مصنوعی^[۵۹] یا به اختصار ANNمی‌نامند.
می‌توان یک نرون عصبی انسان و عملکرد آن را توسط مدل‌های ریاضی، مدل‌سازی کرد. شکل(۳-۱) ساختار یک نرون طبیعی را نشان می‌دهد.

شکل ‏۳‑ ۱ ساختار نرون طبیعی انسان
هر نرون طبیعی از سه قسمت اصلی تشکیل شده است :
بدنه سلول^[۶۰]؛
دندریت^[۶۱]؛
آکسون^[۶۲]؛
دندریت‌ها به عنوان مناطق دریافت سیگنال‌های الکتریکی، شبکه‌هایی تشکیل‌یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه‌های انشعابی بی‌شمار می‌باشند. دندریت‌ها سیگنال‌های الکتریکی را به هسته سلول منتقل می‌کنند. بدنه سلول انرژی لازم را برای فعالیت نرون فراهم کرده و بر روی سیگنال‌های دریافتی عمل می‌کند، که با یک عمل ساده جمع و مقایسه با یک سطح آستانه مدل می‌گردد. آکسون بر خلاف دندریت‌ها از سطحی هموارتر و تعداد شاخه‌های کمتری برخوردار می‌باشد .آکسون طول بیشتری دارد و سیگنال‌های الکتروشیمیایی دریافتی از هسته سلول را به نرون‌های دیگر منتقل می‌کند. محل تلاقی یک آکسون از یک سلول به دندریت‌های سلول‌های دیگر را سیناپس می‌گویند .توسط سیناپس‌ها ارتباطات مابین نرون‌ها برقرار می‌شود. به فضای مابین آکسون و دندریت‌ها فضای سیناپسی گویند. در حقیقت دندریت‌ها به عنوان ورودی نرون و آکسون به عنوان خروجی و فضای سیناپسی محل اتصال این دو می‌باشد. زمانی که سیگنال عصبی از آکسون به نرون‌ها و یا عناصر دیگر بدن مثل ماهیچه‌ها می‌رسد، باعث تحریک آنها می‌شود. نرون‌ها از هر یک از اتصالات ورودی خود یک ولتاژ کم دریافت می‌کند(توسط سیگنال عصبی ورودی) و آنها را با هم جمع می‌زند .اگر این حاصل جمع به یک مقدار آستانه رسید اصطلاحاً نرون آتش می‌کند و روی آکسون خود یک ولتاژ خروجی ارسال می‌کند که این ولتاژ به دندریت‌هایی که به این آکسون متصلند رسیده و باعث یک سری فعل و انفعال‌های شیمیایی در اتصالات سیناپسی می‌شود و می‌تواند باعث آتش کردن نرون‌های دیگر شود .تمامی فعالیت‌های مغزی انسان توسط همین آتش کردن‌ها انجام می‌شود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شکل(۳-۲) یک نرون عصبی مصنوعی را نشان می‌دهد.

شکل ‏۳‑ ۲ ساختار یک نرون مصنوعی
سیگنال‌های ورودی تا معادل سیگنال‌های عصبی ورودی و وزن‌های تا معادل مقادیر اتصالات سیناپسی ورودی‌های نرون می‌باشند که جمعاً ورودی نرون را تشکیل داده است.

مدل‌سازی شبکه عصبی

در یک شبکه عصبی نمونه، اطلاعات و پارامترهای ورودی، هرکدام به شکل یک سیگنال الکتریکی تحریکی به کانال‌های ورودی مدل ریاضی سلول عصبی وارد می‌شوند. مدل ریاضی یک سلول عصبی را یک پرسپترون^[۶۳] می‌نامند. هر یک از کانال‌های ورودی(شبیه اتصالات دندریت‌ها) دارای یک ضریب عددی هستند که وزن سیناپسی نامیده می‌شود. شدت تحریک الکتریکی در این ضریب ضرب می‌شود و به جسم سلولی می‌رسد. اگر مجموع تحریکات رسیده شده به جسم سلولی کافی باشد، نرون شلیک می‌کند و در مسیرهای خروجی(شبیه آکسون‌ها) جریان الکتریکی ثابتی را ایجاد می‌کند. تحریکات لایه ورودی^[۶۴] سلول‌ها به یک یا چند لایه واسط می‌رود که به نام لایه‌های مخفی^[۶۵] موسوم هستند. ادامه جریان تحریکات در این لایه‌ها(توسط همان وزن‌های سیناپسی) طوری هدایت می‌شود که پیچیدگی‌های تأثیرات جریان ورودی را شبیه‌سازی می‌کند. سپس تحریکات به لایه خروجی^[۶۶] می‌روند که هدف نهایی ما است.
به هنگام مدل کردن نرون‌ها، از پیچیدگی‌های آن‌ها صرف نظر می‌شود و تنها به مفاهیم پایه‌ای بها داده می‌شود، چرا که در غیر این صورت رویکرد مدل‌سازی بسیار دشوار خواهد شد. در یک نگاه ساده، مدل یک عصب باید شامل ورودی‌هایی باشد که در نقش سیناپس انجام وظیفه کنند. این ورودی‌ها در وزن‌هایی ضرب می‌شوند تا قدرت سیگنال را تعیین کنند. نهایتاً یک عملگر ریاضی تصمیم‌گیری می‌کند که آیا نرون فعال شود یا خیر و اگر جواب مثبت باشد، میزان خروجی را مشخص می‌سازد. بنابراین شبکه عصبی مصنوعی با بهره گرفتن از مدل ساده شده عصب واقعی به پردازش اطلاعات می‌پردازد. با توجه به این توضیحات، می‌توان مدل ساده‌ای برای توصیف یک نرون(یک گره در شبکه عصبی مصنوعی) پیشنهاد کرد. جدای از ساده‌‌سازی‌های اعمال شده، تفاوت اصلی این مدل با واقعیت در این است که در شبکه واقعی، ورودی‌ها سیگنال‌های زمانی هستند حال آن که در این مدل، اعداد حقیقی ورودی‌اند.
در مدل ارائه شده در شکل(۳-۲)، تنوع‌های بسیاری وجود دارد. از جمله این که وزن‌های یک شبکه عصبی، که مقدار خروجی را منتقل می‌کنند، می‌توانند مثبت یا منفی باشند. از طرفی، توابع مورد استفاده برای آستانه‌گذاری می‌توانند بسیار متنوع باشند. از جمله مشهورترین این توابع می‌توان به تابع‌هایی نظیر سیگموئید^[۶۷]، آرک‌تانژانت^[۶۸] و آرک‌سینوس^[۶۹] اشاره کرد. این توابع باید پیوسته و هموار بوده و مشتق‌پذیر باشند. همچنین تعداد گره‌های ورودی می‌تواند متغیر باشد. البته با زیاد شدن تعداد این گره‌ها، به وضوح تعیین وزن‌ها را با مشکل روبرو می‌کند. لذا باید به دنبال روش‌هایی برای حل این موضوع باشیم. روند تعیین وزن‌های بهینه و تنظیم مقادیر آنها عمدتاً به صورت بازگشتی انجام می‌شود. بدین منظور شبکه را با بهره گرفتن از قواعد و داده‌ها آموزش داده و با بهره گرفتن از قابلیت یادگیری شبکه، الگوریتم‌های متنوعی پیشنهاد می‌گردد که همگی سعی در نزدیک کردن خروجی تولید شده توسط شبکه به خروجی ایده‌آل و مورد انتظار دارند.

شبکه‌های پرسپترون چند لایه^[۷۰]

شبکه‌هایی که از یک نرون ساخته شده‌اند دارای محدودیت‌هایی می‌باشند .این شبکه‌ها توانایی پیاده‌سازی توابع غیرخطی را ندارند .به عنوان مثال توسط این شبکه‌ها نمی‌توان تابع XOR را پیاد‌ه‌سازی نمود .برای حل این مشکل شبکه‌های دیگری پیشنهاد می‌شود که در اینجا به یکی از آنان که بیشترین کاربرد را دارد و در این تحقیق نیز از آن استفاده شده است، اشاره می‌شود.
مدل عمومی شبکه‌های پرسپترون، شبکه جلو رونده(پیش خور)^[۷۱] با روال تعلیم انتشار به عقب^[۷۲] است. شبکه‌های جلو رونده شبکه‌هایی هستند که ورودی‌های لایه اول نرون‌های آن به لایه‌های بعدی متصل بوده و در هر سطح این مسئله صادق بوده تا به لایه خروجی برسد .روال انتشار به عقب بدین معنی است که پس از مشخص شدن خروجی شبکه، ابتدا وزن‌های لایه آخر تصحیح شده و بعد به ترتیب اوزان لایه‌های قبلی تصحیح می‌شوند. شبکه‌های پرسپترون از یک لایه ورودی، تعدادی لایه پنهان و یک لایه خروجی تشکیل شده است .
در این شبکه‌ها شرایط زیر وجود دارد :
نرون‌های هر لایه تنها به نرون‌های لایه بعدی متصل می‌باشند.
هر نرون به تمامی نرون‌های لایه بعد متصل است.
نرون‌های لایه ورودی عملی را انجام نمی‌دهند و اوزان آنها ثابت و برابر یک می‌باشد.
این نرون‌ها(نرون‌های لایه ورودی) فاقد تابع فشرده سازی می‌باشند.
انتشار عملگر رو به جلو است.
تمامی نرون‌ها به غیر از لایه ورودی جمع‌کننده بوده و هر نرون می‌تواند تابع فشرده‌سازی مستقلی داشته باشد.
هر نرون می‌تواند دارای تورش مستقل باشد.

آموزش شبکه به روش پس انتشار خطا

به طور کلی شبکه‌های عصبی مصنوعی از لحاظ یادگیری بر دو دسته‌اند:
شبکه‌های با وزن ثابت؛
شبکه‌های با وزن متغیر(شبکه‌های یادگیرنده)؛
خود شبکه‌های یادگیرنده نیز به دو دسته‌اند:
شبکه‌های یادگیرنده با سرپرست^[۷۳]؛
شبکه‌های یادگیرنده بدون سرپرست^[۷۴]؛
در شبکه‌های باسرپرست، در فاز آموزش از نمونه‌هایی استفاده می‌گردد که خروجی ایده‌آل(مطلوب) متناظر با آن‌ها از پیش موجود می‌باشد. به عبارت دیگر در این‌گونه شبکه‌ها، نمونه‌های داده ورودی، برچسب دارند.
در شبکه‌های بدون سرپرست، بر اساس یک معیار(مثلاً فاصله) و بر اساس نوعی رقابت، خروجی مورد نظر در کلاس جداگانه قرار می‌گیرد. با توجه به این که شبکه عصبی، مدل ساده‌شده اعصاب بدن است، درست به مانند آن‌ها قابلیت یادگیری دارد. به عبارت دیگر، شبکه با بهره گرفتن از اطلاعاتی که از ورودی و توسط سرپرست خود دریافت می‌کند، قادر به فراگیری روند موجود در الگوهاست. لذا به طور مشابه با انسان، روند یادگیری در شبکه عصبی نیز از مدل‌های انسانی الهام گرفته است بدین صورت که مثال‌های بسیاری را به دفعات بایستی به شبکه ارائه نمود تا بتواند با تغییر وزن‌های شبکه، خروجی مورد نظر را دنبال کند.
به منظور آموزش شبکه و اصلاح وزن‌ها تا رسیدن به یک خطای معنادار، روش‌های بسیار زیادی وجود دارد. یکی از مشهورترین این روش‌ها، الگوریتم پس انتشار خطا^[۷۵] است که در ادامه توضیح داده می‌شود.

الگوریتم پس انتشار خطا

این الگوریتم که در سال ۱۹۸۶ توسط روملهارت و مک‌کلیلاند پیشنهاد گردید، در شبکه‌های عصبی پیش‌خور(جلو رونده)^[۷۶] مورد استفاده قرار می‌گیرد. پیش‌خور(جلو رونده) بودن به این معنا است که نرون‌های مصنوعی در لایه‌های متوالی قرار گرفته‌اند و خروجی(سیگنال) خود را رو به جلو می‌فرستند. واژه پس‌انتشار نیز به معنای این است که خطاها به سمت عقب در شبکه تغذیه می‌شوند تا وزن‌ها را اصلاح کنند و پس از آن، مجدداً ورودی مسیر پیش‌سوی خود تا خروجی را تکرار کند. روش پس انتشار خطا از روش‌های با سرپرست است به این مفهوم که نمونه‌های ورودی برچسب خورده‌اند و خروجی مورد انتظار هر یک از آنها از پیش دانسته است. لذا خروجی شبکه با این خروجی‌های ایده‌آل مقایسه شده و خطای شبکه محاسبه می‌گردد. در این الگوریتم ابتدا فرض بر این است که وزن‌های شبکه به طور تصادفی انتخاب شده‌اند. در هر گام خروجی شبکه محاسبه شده و بر حسب میزان اختلاف آن با خروجی مطلوب، وزن‌ها تصحیح می‌گردند تا در نهایت این خطا، مینیمم شود. در الگوریتم پس انتشار خطا، تابع تحریک هر عصب به صورت جمع وزن‌دار ورودی‌های مربوط به آن عصب در نظر گرفته می‌شود. بدین ترتیب با فرض این که w وزن‌های متناظر بین لایه ورودی و لایه بعد باشد می‌توان نوشت:

۶-۱-۴ ویژگی های جمعیت شناختی به تفکیک متوسط میزان ساعات تدریس در هفته ۶۳
۷-۱-۴ ویژگی های جمعیت شناختی به تفکیک تعداد طرح های پژوهشی ۶۴
۸-۱-۴ ویژگی های جمعیت شناختی به تفکیک تعداد مقالات پژوهشی ۶۵
۹-۱-۴ ویژگیهای جمعیت شناختی به تفکیک تعداد مقالات چاپ شده در مجلات معتبر داخلی (علمی- پژوهشی و ISC) 66
۱۰-۱-۴ ویژگیهای جمعیت شناختی به تفکیک تعداد مقالات چاپ شده در مجلات معتبر خارجی (علمی-پژوهشی،ISC وISI) 67
۱۱-۱-۴ ویژگی های جمعیت شناختی به تفکیک مسئولیت اجرایی ۶۸
۲-۴ شاخصهای توصیفی پژوهش ۶۹
۱-۲-۴ توزیع نرمال ۶۹
۲-۴-۲شاخص های توصیفی پژوهش ۷۰
۳-۴ تحلیل استنباطی داده ها ۷۰
۱-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه اول پژوهش ۷۰
۲-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه دوم پژوهش ۷۱
۳-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه سوم پژوهش ۷۲
۴-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه چهارم پژوهش ۷۳
۵-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه پنجم پژوهش ۷۴
۶-۳-۴ تجزیه و تحلیل داده ها مربوط به فرضیه ششم پژوهش ۷۵
۴-۴ یافته های جانبی ۷۶
۱-۴-۴ تجزیه و تحلیل داده ها مربوط به فرضیه هفتم پژوهش ۷۶
۲-۴-۴ تجزیه و تحلیل داده ها مربوط به فرضیه هشتم پژوهش ۷۷
۳-۴-۴ تجزیه و تحلیل داده ها مربوط به فرضیه نهم پژوهش ۷۸
فصل پنجم:بحث ونتیجه گیری
مقدمه ۸۰
. ۱-۵ خلاصه تحقیق ۸۱
۲-۵ بحث ونتیجه گیری ۸۳
۱-۳- ۵ محدودیت های خارج از دست محقق ۸۷
۲-۳-۵ محدودیت های در دست محقق ۸۷
۱-۴-۵پیشنهادهای کاربردی مبتنی بر یافته های تحقیق ۸۸
۲-۴-۵پیشنهاد به پژوهشگران آتی ۸۹
منابع و مآخذ ۹۰
پیوست هاوضمائم ۹۷
فهرست جداول
عنوان صفحه
جدول۱-۲ فهرست دانشگاه های برتر ایران(۲۰۰۵-۱۹۹۵) ۲۷
جدول ۲-۲ فهرست کشورهای برترمنطقه از نظر تولید علم(۲۰۰۵-۱۹۹۵) ۳۰
جدول۳-۲رتبه کشورهای منطقه از نظر تولید علم درسال ۲۰۱۴(اسکوپوس) ۳۲
جدول ۴-۲وضعیت ۵ کشور اول تولید کننده علم جهان (۲۰۱۱-۲۰۱۰) ۳۳
.جدول شماره۱-۳شاخص های پرسشنامه موانع پژوهش ۵۱
.جدول۲-۳: آلفایکرونباخ برای شاخص های تحقیق ۵۳

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول۳-۳: آلفای کرونباخ برای کل پرسشنامه موانع پژوهش ۵۳
جدول ۱-۴ نمونه آماری به تفکیک جنسیت ۵۷
جدول۲-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک تحصیلات ۵۸
جدول۳-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک گروه آموزشی ۵۹
جدول ۴-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک پردیس محل خدمت ۶۱
جدول ۵-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک سابقه کاری ۶۲
جدول۶-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک متوسط میزان ساعات تدریس در هفته ۶۳
جدول۷-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک تعداد طرح های پژوهشی ۶۴
جدول ۸-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک تعداد مقالات پژوهشی ۶۵
جدول ۹-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک تعداد مقالات چاپ شده در مجلات معتبر داخلی ۶۶
جدول۱۰-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک تعداد مقالات چاپ شده در مجلات معتبر خارجی ۶۷
جدول ۱۱-۴ توزیع فراوانی و درصد نمونه آماری به تفکیک مسئولیت اجرایی ۶۸
جدول ۱۲-۴ آزمون کلموگروف- اسمیرنف متغیرهای پژوهش ۶۹
جدول ۱۳-۴ شاخص‌های توصیفی متغیرهای پژوهش ۷۰
جدول۱۴-۴ آزمون t تک متغیره برای بررسی موانع مالی ۷۱
جدول ۱۵-۴ آزمون t تک متغیره برای بررسی موانع امکاناتی ۷۱
جدول ۱۶-۴ آزمون t تک متغیره برای بررسی موانع شغلی ۷۲
جدول ۱۷-۴ آزمون t تک متغیره برای بررسی موانع علمی ۷۳
جدول ۱۸-۴ آزمون t تک متغیره برای بررسی موانع فردی ۷۴