:

فصل اول: کلیات تحقیق

1-1- تعریف مسأله و بیان سؤال های اصلی تحقیق

– بنا به تعریفی پولشویی یعنی شسته شدن و تبدیل پول کثیف به پول تمیز به نوعی که پس از خروج از این چرخه قانونی جلوه کند؛ به عبارت دیگر پولشویی عبارت است از هر نوع عمل برای مخفی کردن یا تغییر هویت نامشروع حاصل از فعالیت‌‌های مجرمانه به گونه ای که وانمود شود این عواید از منابع قانونی حاصل شده است.

– مجموعه اقداماتی است که از سوی فرد یا افرادی با به کارگیری ابزار‌های قانونی و با هدف عدم امکان قابلیت ردیابی گردش عواید حاصل از جرم به منظور مخفی کردن منشأ و منبع واقعی پول حاصل از اعمال مجرمانه و نامشروع صورت میگیرد تا پول آلوده و نامشروع در ظاهر پاک و قانونی جلوه نماید.

از این تعاریف چنین بر می آید که عملیات پولشویی به فرآِیند تطهیر پول کثیف گفته می شود. پول کثیف به پولی گفته می‌شود که از راه‌های خلاف و غیرقانونی بدست آمده باشد. از آنجا که بانک‌ها یکی از بهترین موسساتی هستند که می توانند به پولشویان در فرایند تطهیر پول کثیف کمك کرده و مسیر دسترسی به منشا پول را گمراه و یا پاک نمایند در تمام کشور‌ها یکی از مهمترین موسساتی که مرجع سو استفاده پولشویان قرار می گیرند بانک‌ها هستند[44].

بدین نظر دراین پروژه ما می بایست در ابتدا به مطالعه بانک‌ها و روش‌هایی که ممکن است پولشویان از آن طریق در بانک‌ها اقدام به پولشویی نمایند پرداخته و با بررسی این روش‌ها و همچنین اطلاعات در دسترس جهت این روش‌ها، الگو‌های این روش و … سعی در یافتن راه‌هایی جهت کشف، اجرا و پیاده سازی داده محور این اقدامات داشته باشیم.

در این راستا ضمن بررسی عملیات اجرا شده در بانك مورد نظر و مشورت با کارشناسان و مشاوران این بانك مشخص گردید که روش‌های مختلفی جهت پولشویی توسط پولشویان در این بانك اجرا می‌گردد، همچنین توسط بانک‌ها نیز روش‌های متفاوتی جهت جلوگیری از این عملیات اجرا می گردد.

پیچیدگی رفتار‌های مشکوك به پولشویی و همچنین حجم عظیم داده به گونه‌ای است که بدون ابزاری هوشمند و داده محور نمیتوان در کشف پولشویی اقدام قابل توجهی

خرید فایل متن کامل این پایان نامه : 

 انجام داد. از این رو تحقیق حاضر به دنبال یافتن پاسخ به سوال زیر میباشد:

چگونه میتوان با ارائه مدلی از روش‌های داده کاوی برای کشف جرایم پولشویی استفاده کرد؟

2-1- اهمیت و ضرورت پژوهش

3-1- اهداف پژوهش

پولشویی فرایندی است که طی آن افراد متخلف با بهره گرفتن از امکانات مؤسسات مالی و بانک‌‌ها درآمد نامشروع خود را تطهیر نموده و آن‌ را قانونی جلوه میدهند. به منظور شناسایی این فرایند، دولت‌‌ها همواره گزارش‌‌های متعددی از بانک‌‌های خود طلب می نمایند و بانک‌‌ها موظف هستند موارد مشکوك به پولشویی را در قالب چارچوب مورد درخواست بانک مرکزی تهیه و به طور مستمر ارائه نمایند. از سوی دیگر، پیشرفت بانکداری به تدریج شناسایی روش‌ها و رفتار‌های مشکوك به پولشو یی را پیچیده ترنموده است. به طوری که شناسایی این رفتار‌ها با توجه به حجم انبوه اطلاعات در یک بانک بدون استفاده از سیستم‌‌های ضد پولشویی میسر نمی‌باشد. بر این اساس هدف اصلی تحقیق حاضر طراحی الگویی برای تقلب‌های مالی در صنعت بانکداری می‌باشد.

انتظار می‌رود این مدل ضد پولشویی با جمع آوری اطلاعات پراکنده در سطح بانک عملیات پردازش و شناسایی افراد و رفتار‌های مشکوك به پولشویی را در زمان مناسب انجام داده و گزارش‌‌های مورد نیاز را تولید و ارائه مینماید.

4-1- روش پژوهش

پژوهش حاضر از نظر نوع هدف در گروه تحقیقات کاربردی قرار می‌گیرد. در مراحلی از پروژه که نیاز به بررسی و آشنایی با سوابق تحقیقات در زمینۀ پولشویی و یا الگوریتم‌‌های مرتبط با آن است از مطالعات کتابخانه‌ای و منابع آرشیوی استفاده می‌شود. از سوی دیگر رویکرد تحقیق نیز به صورت پیمایشی بوده که در آن با هدف مطالعۀ ماهیت و ویژگی‌‌های مشتریان بانك فرایند تحقیق و مطالعه طی خواهد شد و در این زمینه مصاحبه با خبرگان نیز صورت می‌گیرد. در مجموع باید گفت که در مورد روش تجزیه و تحلیل داده‌ها از یک مدل کمی در این تحقیق استفاده می شود که مبتنی بر پردازش داده‌‌ها از نوع دادۀ واقعی، خواهد بود.

5-1- جامعه تحقیق

همراه شدن اطلاعات مشتری و دانش خبرگان منجر به آن می‌گردد که معاملات مشکوک شناسائی شوند.سیستم ضد پولشویی قابلیت اجرا با الگوریتم‌‌های نظارت شده[1] و بدون نظارت[2] را به طور هم‌زمان دارد.در این سیستم علاوه بر به کارگیری الگوریتم‌‌های رایج در داده‌کاوی،

شاخص‌‌هایی محاسبه می‌شوند که می‌توانند بخوبی ملاکی برای میزان مشکوک بودن عملکرد یک مشتری باشند و بر اساس آن شاخص‌‌ها، داده‌‌های پرت (خارج از محدوده) تفکیک و شناسایی شوند.

[1]Supervised

[2]Unsupervised

و بیان مسئله

در زمینه پردازش زبان طبیعی پژوهش‏هایی مانند طبقه‏بندی متون^[3]، برچسب‏گذاری ادات سخن^[4]، تعیین و ابهام‏زدایی از معانی واژگان^[5] 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^[6] و کلان کاربردها^[7] 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^[8] و … ) و یا در سطح کل متن (تشخیص هرزنامه^[9]، رده بندی متون و…) متمرکز شده اند؛ برخی از کاربرد‏ها نیز مانند استخراج اطلاعات^[10]، تشخیص مرجع مشترک^[11] و ماشین ترجمه^[12] 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^[13] و نحوی^[14]) 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.

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.

چارچوب کلی این پایان‏ نامه 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 پایان‏ نامه 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 فرایند تحلیل مرجع‏مشترک انجام می‏پذیرد. برای شروع، مثال ۱ را در نظر بگیرید^[34]:

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

خرید فایل متن کامل این پایان نامه : 

 (شرکت آبیاری لاله)_۳ است.

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.

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 فرایند‏ها‏ و مطالعه برخی از شباهت‏ها‏ و تفاوت‏ها‏ی میان این دو فرایند 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

[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

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 دانشگاه ها، 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 بهره گرفتن از مدل ها و تحقیقات پیشین بخصوص

خرید فایل متن کامل این پایان نامه : 

 با بهره گرفتن 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 دانشگاه ها 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 جمع‌ آوری، خلاصه‌سازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخص‌ها را به طور یک‌جا ملاحظه نماید.

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 فرایندی 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، بیمارستآن‌ ها، بازاریابی هوشمند، مراکز تحقیقاتی و زمینه‌هایی که در آن مقدار زیادی از داده‌ها در حال جمع‌ آوری 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.

مدیران سازمان‌های مختلف به دلیل عدم قطعیت و پیچیدگی محیط سعی بر آن دارند تا مکانیزمی را در اختیار داشته باشند که بتوانند آن‌ ها را در امر تصمیم‌گیری‌شان یاری و مشاوره دهد و به همین دلیل سعی در استفاده از روش‌های پیش‌‌‌‌بینی دارند که به واسطه‌ی آن‌ ها 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

خرید فایل متن کامل این پایان نامه : 

 شناسایی الگوها، مدل‌های صحیح و بالقوه مفید در حجم وسیعی از داده است، به طوریکه این الگوها ومدل‌ها برای انسآن‌ ها قابل درک باشند(Han et al,2006). داده‌کاوی به‌صورت یک محصول قابل خریداری نیست، بلکه یک رشته علمی و فرایندی 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 فرایند 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 جمع‌ آوری 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 آن‌ ها 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 بهره گرفتن از آن‌ ها قادر به تحلیل اطلاعات از طریق داده‌ها باشند (LogiXML,2011).

داشبوردهای مدیریتی سیستم‌های نرم‌افزاری نوینی هستند که به سازمان‌ها در جهت غنی‌سازی اهداف با بهره گرفتن از اطلاعات و تجزیه و تحلیل آن‌ ها 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 آن‌ ها 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 بهره گرفتن 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 بهره گرفتن 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 آن‌ ها با مشكل روبرو خواهد شد. در این تحقیق با بهره گرفتن 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 یک سری امواج الكتریكی از خود ایجاد مـﯽنماید كه این امواج مانند الكتریسیته در مسیر اعصاب عبور مـﯽكند. در حالت تشنج یک 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

خرید فایل متن کامل این پایان نامه : 

 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 بهره گرفتن 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

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