طراحی و پیاده سازی و مدیریت بانکهای اطلاعاتی

اختصاصی از فی ژوو طراحی و پیاده سازی و مدیریت بانکهای اطلاعاتی دانلود با لینک مستقیم و پر سرعت .

بانکهای اطلاعاتی به دو دسته تقسیم بندی می شوند که عبارتند از :

1) Desktop     Access-paradox, foxpro-Dbase

2) client/server    sql-oracl/

مدل Desktop برای کامپیوتهای single پیش بینی شده است. به این شکل که برای یک مجموعه کوچک که با حجم زیادی از اطلاعات روبرو نیست می تواند نیاز ما را برطرف کند.

بانکهایی مانند Access شاخص ترین عضو خانواده Desktop به حساب می آید. در این نوع از بانکهای اطلاعاتی، بانک اطلاعاتی ساخته شده بر روی یک hard قرار گرفته و برای دیگران قابل دسترسی می‌باشد. اگر بخواهیم برای کاربران مختلف که در این سیستم کار می‌کنند محدودیت های دسترسی تعریف کنیم با مشکل مواجه خواهیم شد چرا که گزینه های امنیتی در آن نسبت به مدل client/server بسیار بسیار ضعیف می باشد. البته در صورتیکه یک محیط شبکه داشته باشیم می توانیم فایل ساخته شده Access خود را در داخل فایل server قرار دهیم و client ها به آن دسترسی داشته باشیم.

اگر بخواهیم از این بانک که نگهدارنده اطلاعات کارگزینی کارمندان و اطلاعات حقوق و دستمزد آنها باشد. گزارشی به شکل زیر تهیه کنیم لیست کلیه کارمندان را نمایش دهید که در دپارتمان 1 مشغول کار هستند و می خواهیم جمع حقوق کارمندان این بخش را مشخص کند.

حداکثر سرعت در شکبه

این مشکلات می تواند از زوایای مختلف بوجود بیاید:

1- تمام پردازش ها در داخل client انجام می شود.

2- در این حالت نیازمند سخت افزار قوی برای client ها و وجود یک خطوط ارتباطی پرسرعت.

3- از آنجایی که هارد server قابل دسترس برای کلیه client ها می باشد امنیت اطلاعات server از بین خواهد رفت.

4- اگر در این مدل نیاز به update کردن برخی از رکوردها داشته باشیم بعد از آنکه رکوردها به client آمدند و تعدادی از آنها update شدند باید بر روی هارد server ذخیره گردد.

اگر در حین انجام عمل save سیستم با قطع برق مواجه گردد و یا خطوط ارتباطی قطع شوند برخی از رکوردها در فایل بانک در server ، up date شده و برخی دیگر بدون تغییر باقی خواهد ماند. هیچ راهی برای شناسایی اینکه کدام یک تغییر یافته اند وجود ندارد و نمی توان وضعیت بانک را به حالت اولیه آن برگرداند.

در قالب نوع client/server یکپارچگی اطلاعات تضمین می شود به این شکل که در هنگام عمل up date چنانچه برق قطع شود با روشن شدن مجدد server بررسی می شود که آیا مراحل قبلی با موفقیت به پایان رسیده است یا خیر.

برای حفظ یکپارچگی، اطلاعات sqlserver قبل از ثبت قطعی اطلاعات کلیه اعمال را در فایل log خود انجام می دهد.

Sql server دارای دو نوع فایل می باشد :

فایل داده با پسوند Mdf   1) Date file

فایل تراکنش با پسوند Ldf . 2) log file  

فایل های تراکنش Transaction log file

زمانیکه سیستم روشن می شود ابتدا log file مورد ارزیابی قرار می گیرد. اگر در فایل log با دستور commit مواجه شود یعنی کلیه اعمال قبلی به شکل کامل انجام شده اند و آماده اند برای آنکه بر روی date file نوشته شوند. در این حالت log file بر روی data file ثبت خواهد شد.

اگر با دستور commit مواجه نشود عمل roll Back اتفاق می افتد حال می توانیم با این شرایط وضعیت سیستم را به شرایط قبلی بازگردانیم. تمام حالتهای انجام شده به وضعیت سابق بر میگردد و بانک ثبات خود را حفظ خواهد کرد یکپارچه باقی می ماند.

انواع sql های قابل نصب :

1) sql server enterprise

روی ویندوز 2000 و 2003 نصب می شود یعنی روی ویندوزهای 32 بیتی و 64 بیتی قابل نصب هست.

بهترین خاصیت آن امکان داخلی آن clustering می باشد یعنی 4 یا 8 کامپیوتر را می توان بهم وصل کرد.

نصب sql :

بعد از نصب sql server و فعال شدن service manager به سراغ interprise manager می رویم تا بتوانیم به کمک آن به table ها دسترسی یابیم. اگر اثری از sql نصب شده در sql server group وجود نداشت بر روی آن right click کرده گزینه new registration را انتخاب می کنیم. با این کار sql server شناسایی خواهد شد. سپس آن را باز کرده و لیست database ها از folder database کلیه بانکهای موجود را مشاهده خواهیم کرد. حال بانکهای tempdb-msdb-model-master به عنوان بانکهای سیستمی و
pubs, northwind مشاهده می شود که این دو data base (بانک) نمونه‌هایی هستند که ماکروسافت آنها را برای آشنایی بهتر ترویج کرده است.

برای غیر فعال کردن بانکهای سیستمی وtable های سیستمی که در هر بانکی (data base های) وجود دارند می توانند بر روی نام
database ، کلیک راست کرده و گزینه edit sql server registration را انتخاب کنیم و در این پنجره گزینه show system … را غیر فعال کنیم تا هیچ یک از موارد سیستمی به نمایش در نیاید.

از این بانکهای سیستمی sql بانک master اصلی ترین بانک sql می باشد این بانک در پشت صحنه کلیه عملیات sql را مدیریت می‌نماید و هر نوع آسیب به این data base باعث از کارافتادن sql خواهد شد.

بانک modeldb بانکی است که از روی آن تمام data base های جدید ساخته می شود و در واقع طرح و الگویی جهت سایر data base هاست.

بانک tempdb به ما کمک می کند که بر روی انجام عملیات موقت از این بانک اطلاعاتی استفاده نماییم زمانیکه مطمئن به انجام قطعی عملیات نیستیم می توانیم از بانک tempdb استفاده کنیم هر بار sql فعال می شود tempdb خالی خواهد شد.

Msdb بانکی است که وظیفه انجام کارهایی را که تحت عنوان job شناخته می شوند را بر عهده دارد. این بانک با سرویس
sql server agent کار می کند.

نکته :

اگر sql در حالت stop o باشد یعنی sql سرویس دهی نمی کند و اگر در حالت pause $$ باشد باعث می شود که هر کسی که قبلاً وارد سیستم شده و در حال کار با sql است پیغام خطا دریافت نکرده ولی فرد جدید نمی تواند وارد سیستم شده و کاری انجام دهد.

Stop یعنی توقف بطور کامل و sql سرویس دهی می کند ولی pause یعنی توقف لحظه ای.

اگر بخواهیم به هر دلیلی به عنوان admin بخواهیم تغییری در sql بدهیم باید sql را از حالت multi user خارج کرده و به حالت
single user درآوریم و برای اجرای مجدد start را می زنیم و سرویس دهی sql دیگران قرار می گیرد.

توسط interpriser ابزارهای مدیریتی خواهیم داشت.

روی sql server کلیک می کنیم و آن را باز می کنیم.

Sql server\ service manager \ interprise manager \ registration \ wizard\ register sql server wizard

اگر اسم sql را ندیدیم باید آن را ثبت کنیم. مثلاً pcl

Right click \ new sql server registration

Right click \ edit … \ registed sql server properties

Sql هایی که سیستمی بودند پنهان شدند.

نکته :

اگر master آسیب ببیند دیگر sql کار نمی کند.

نحوه ایجاد data base :

بر روی data bases ، کلیک راست کرده گزینه new data base را انتخاب می کنیم. اسم data base را وارد می کنیم.

در قسمت collation name برای انتخاب زبان codepage می باشد. اگر در هنگام نصب گزینه collation به درستی تنظیم شده باشد در این جا بر روی انتخاب server default تنظیم خود را قرار می دهیم. در غیر اینصورت می توانیم از موارد موجود Arabic CS-AI برای زبان فارسی انتخاب نمائیم.

اگر database ای را حذف کنیم دیگر آن database قابل برگشت نیست.

مثال :

اسم کامل فیزیکی Employees-Data.MDF

با حجم 1mG بر روی hard ساخته می شود.

متن کامل را می توانید دانلود نمائید

تحقیق در مورد بررسی تصادفات عابرین پیاده در نیوزیلند

اختصاصی از فی ژوو تحقیق در مورد بررسی تصادفات عابرین پیاده در نیوزیلند دانلود با لینک مستقیم و پر سرعت .

ینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه11

فهرست مطالب

بررسی تصادفات عابرین پیاده در نیوزیلن

پیاده روی یکی از ایمن ترین روشهای حمل و نقل در نیوزیلند است  و براساس آمارهای ارائه شده در ازای هر ساعت سفر با کمترین احتمال مرگ یا صدمه در رتبه دوم قرار دارد .

براساس گزارش های ارائه شده از تصادفات جاده های نیوزیلند ، در سال 2006 تعداد 44 عابر پیاده رو کشته شده و 256 عابر دچار جراحات شدید شده و تعداد 695 عابر  نیز جراحات سطحی پیدا کردند.

هزینه تصادفات عابرین پیاده حدود  308 میلیون دلار بوده است که این مقدار 9 درصد از کل هزینه های تصادفات در سال 2006 بوده است.

البته همه تصادفات عابرین پیاده به پلیس گزارش داده نشده اند، بنابراین براساس گزارش های اداره بهداشت تعداد واقعی عابرین پیاده که تصادف کرده اند بدست می آید.

پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعات(همراه با عکس)

اختصاصی از فی ژوو پایان نامه بررسی ومطالعه ی کامل داده کاوی و داده کاوی با SQL SERVER2005 پیاده سازی آن روی بانک اطلاعات(همراه با عکس) دانلود با لینک مستقیم و پر سرعت .

فرمت فایل:word  (قابل ویرایش)

تعداد صفحات :236

فهرست مطالب :

چکیده
پیاده سازی آن روی بانک اطلاعاتی دانشگاه آزاد قوچان
مقدمه ای بر داده کاوی 
1-2-عامل مسبب پیدایش داده کاوی 
-3-داده کاوی و مفهوم اکتشاف دانش (K.D.D) 
- پاکسازی داده ها 
2-یکپارچه سازی داده ها 
3-انتخاب داده ها 
1-3-1-تعریف داده کاوی 
1-3-3- قابلیت های داده کاوی
1-3-4-چه نوع داده‌هایی مورد کاوش قرار می گیرند؟ 
• فایلهای ساده (FLAT FILES):
• پایگاههای داده ای رابطه ای(RDBMS): 
1-4- وظایف داده کاوی 
1-4-3-1-1- کشف تقسیمات 
1-4-3-1-2- دسته بندی با درخت تصمیم
1-4-3-1-4- نحوه‌ی هرس کردن درخت
1-4-3-1-3- انواع درخت‌های تصمیم
1-4-3-3-1 تئوری بیز 
1-4-3-3-2 -دسته بندی ساده بیزی
یک مثال در توضیح طبقه بندی ساده بیزی 
1-4-4- ارزیابی روش‌های کلاس‌بندی
-2-4-1پیش بینی 
1-4-3-انواع روش‌های پیش بینی 
1-4-3-1- رگرسیون
1-4-3-1 -1- رگرسیون خطی
1-4-3-1-2- رگرسیون منطقی
1-4-3- خوشه بندی
1-4-3-1- تعریف فرآیند خوشه‌بندی

1-4-3-2- کیفیت خوشه‌بندی
1-4-3-3- روش ها و الگوریتم‌های خوشه‌بندی
1-4-3-3-1- روش های سلسله‌مراتبی ‌
1-4-3-3-2- الگوریتم‌های تفکیک
1-4-3-3-3- روش‌های متکی برچگالی 
1-4-4- تخمین
1-4-3-3-5- روش‌‌های متکی بر مدل 
1-6-قوانین انجمنی
1-6-3- اصول استقرا در کاوش قوانین انجمنی
1-6-4- الگوریتم Apriori
1-7-3-1- جستجو و بازیابی
1-7-3-2- گروه بندی و طبقه بندی داده
1-7-3-3- خلاصه سازی
1-7-3-4- روابط میان مفاهیم
1-7-3-5- یافتن و تحلیل ترند ها
1-7-3-5- برچسب زدن نحوی (POS)
1-6-2-7- ایجاد تزاروس و آنتولوژی به صورت اتوماتیک 
1-8-تصویر کاوی 
1-2-مقدمه
2-2- اصول الگوریتم ژنتیک 
2-2-1-1-3- کدگذاری درختی 
2-2-2- ارزیابی2
2-2-3-انتخاب 
2-2-3-2- انتخاب رتبه ای 
2-2-4- عملگرهای تغییر
2-2-3-4-نخبه گزینی 
2-2-4-1-عملگر Crossover
2-2-4-3-احتمال Crossover و جهش
2-2-6-دیگر پارامترها
2-4-مزایای الگوریتم های ژنتیک
2-5- محدودیت های الگوریتم های ژنتیک
شبکه های عصبی 
فصل سوم
3-1-چرا از شبکه های عصبی استفاده می کنیم؟ 
3-3-نحوه عملکرد مغز 
3-4-مدل ریاضی نرون
3-5- آموزش شبکه‌های عصبی 
3-6-کاربرد های شبکه های عصبی
فصل چهارم
محاسبات نرم
4-2-2-مجموعه های فازی
4-2-3-نقش مجموعه¬های فازی در داده¬کاوی
4-2-3-1- خوشه بندی 
4-2-4- الگوریتم ژنتیک
4-2-5-نقش الگوریتم ژنتیک در داده کاوی
5-1- نحوه ی انتخاب ابزارداده کاوی 
5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟ 
منابع وماخذ
مقدمه ای بر داده کاوی 
1-1-مقدمه 
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .با استفاده از ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها خیلی بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شوند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .
داده کاوی یکی از مهمترین این روش ها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .
1-2-عامل مسبب پیدایش داده کاوی 
اصلی ترین دلیلی که باعث شده داده کاوی کانون توجهات در صنعت اطلاعات قرار بگیرد، مساله در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به اینکه از این داده ها, اطلاعات و دانش سودمند استخراج کنیم. اطلاعات و دانش بدست آمده در کاربردهای وسیعی مورد استفاده قرار می گیرد.
داده کاوی را می توان حاصل سیر تکاملی طبیعی تکنولوژی اطلاعات دانست، که این سیر تکاملی ناشی از یک سیر تکاملی در صنعت پایگاه داده می باشد، نظیر عملیات جمع آوری داده ها وایجاد پایگاه داده، مدیریت داده و تحلیل و فهم داده ها. 
تکامل تکنولوژی پایگاه داده و استفاده فراوان آن در کاربردهای مختلف سبب جمع آوری حجم فراوانی داده شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته، زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم. 
ابزارهای داده کاوی داده ها را آنالیز می کنند و الگوهای داده ها را کشف می کنند که می توان از آن در کاربردهایی نظیر تعیین استراتژی برای کسب و کار، پایگاه دانش و تحقیقات علمی و پزشکی، استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزش را به دانشی ارزشمند تبدیل کنیم . 
-3-داده کاوی و مفهوم اکتشاف دانش (K.D.D) 
با حجم عظیم داده های ذخیره شده در فایلها، بانکهای اطلاعاتی و سایر بانک های داده ای، توسعه ی ابزارهایی برای تحلیل و شاید تفسیر چنین داده هایی و برای استخراج علوم شگفت انگیزی که می توانند در تصمیم گیری مفید باشند، امری بسیار مهم و ضروری است. داده کاوی با عنوان کشف دانش در پایگاه های داده (KDD) شناخته می‌شود. کشف علومی که قبلا ناشناخته بوده‌اند و اطلاعاتی که در بانکهای اطلاعاتی موجود بوده و ذاتا بالقوه و مفید هستند.
با وجود آنکه داده کاوی و کشف دانش در پایگاه‌های داده مترادف همدیگر هستند، ولی در اصل، داده کاوی ذاتاً بخشی و تنها قسمتی جزئی از فرآیند کشف دانش است. فرآیند کشف دانش در بر گیرنده ی چندین مرحله می باشد که از اطلاعات خام، گونه هایی از علوم جدید را بدست می دهد. مراحل کشف دانش به قرار زیر است:
1- پاکسازی داده ها : در این فاز داده های اضافی و نامربوط از مجموعه داده ها حذف می شوند.(داده های ناکامل) [2]
2-یکپارچه سازی داده ها : چندین منبع داده ترکیب می شوند،
3-انتخاب داده ها : انبار داده ها شامل انواع مختلف و گوناگونی از داده ها است که همه آنها در داده کاوی مورد نیاز نیستند . برای فرایند داده کاوی باید داده ها ی مورد نیاز انتخاب شوند . به عنوان مثال در یک پایگاه داده های مربوط به سیستم فروشگاهی ، اطلاعاتی در مورد خرید مشتریان ، خصوصیات آماری آنها ، تامین کنندگان ، خرید ، حسابداری و ... وجود دارند . برای تعیین نحوه چیدن قفسه ها تنها به داده ها یی در مورد خرید مشتریان و خصوصیات آماری آنها نیاز است . حتی در مواردی نیاز به کاوش در تمام محتویات پایگاه نیست بلکه ممکن است به منظور کاهش هزینه عملیات ، نمونه هایی از عناصر انتخاب و کاوش شوند . 
4-تبدیل داده ها : هنگامی که داده های مورد نیاز انتخاب شدند و داده های مورد کاوش مشخص گردیدند، معمولا به تبدیلات خاصی روی داده ها نیاز است. نوع تبدیل به عملیات و تکنیک داده کاوی مورد استفاده بستگی دارد، تبدیلاتی ساده همچون تبدیل نوع داده ای به نوع دیگر تا تبدیلات پیچیده تر همچون تعریف صفات جدید با انجام عملیاتهای ریاضی و منطقی روی صفات موجود.
5-داده کاوی : بخش اصلی فرایند ، که در آن با استفاده از روش ها و تکنیک های خاص ، استخراج الگو های مفید ، دانش استخراج می شود. 
6-زیابی الگو : مشخص کردن الگوهای صحیح و مورد نظر به وسیله معیارهای اندازه گیری.
7-زنمایی دانش : در این بخش به منظور ارائه دانش استخراج شده به کاربر ، از یک سری ابزارهای بصری سازی استفاده می گردد.

1-3-1-تعریف داده کاوی 
در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده اند . در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر ، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود. برخی از این تعاریف عبارتند از :
• داده کاوی عبارت است از فرایند استخراج اطلاعات معتبر ، از پیش ناشناخته قابل فهم و قابل اعتماد از پایگاه داده های بزرگ که شامل بهره گیری از بزارهای آنالیز داده ها، برای کشف الگوهای موجود و روابط ناشناخته‌ی میان داده ها در حجمی وسیع می باشد. و استفاده از آن درتصمیم گیری فعالیتهای تجاری مهم. 
• اصطلاح داده کاوی به فرایند نیم خودکار تجزیه و تحلیل پایگاه داده های بزرگ به منظور یافتن الگوهای مفید اطلاق می شود [3]. 
• داده کاوی یعنی جستجو در یک پایگاه داده ها برای یافتن الگوهایی میان داده ها [4].
• داده کاوی یعنی استخراج دانش کلان ، قابل استناد و جدید از پایگاه داده ها ی بزرگ .
• داده کاوی یعنی تجزیه و تحلیل مجموعه داده های قابل مشاهده برای یافتن روابط مطمئن بین داده ها .
همانگونه که در تعاریف گوناگون داده کاوی مشاهده می شود ، تقریبا در تمامی تعاریف به مفاهیمی چون استخراج دانش ، تحلیل و یافتن الگوی بین داده ها اشاره شده است .
1-3-3- قابلیت های داده کاوی
باید توجه داشته باشید که داده کاوی یک ابزار جادویی نیست که بتواند در پایگاه داده شما به دنبال الگوهای جالب بگردد و اگر به الگویی جدیدی برخورد کرد آن را به شما اعلام کند بله صرفا الگوها و روابط بین داده ها را به شما اعلام می کند بدون توجه به ارزش آنها. بنابراین الگوهایی که به این وسیله کشف می شوند باید با جهان واقع تطابق داشته باشند.[5] 
1-3-4-چه نوع داده‌هایی مورد کاوش قرار می گیرند؟ 
در اصل داده کاوی مختص یک رسانه یا داده‌ی خاص نیست و باید از قابلیت اجرا بر روی هر نوع داده ای برخوردار باشد، اگر چه الگوریتم‌ها و تلاشها ممکن است در مواجهه با گونه های مختلف داده، تفاوت داشته باشند. 
• فایلهای ساده (FLAT FILES):
رایج ترین منبع برای الگوریتم های داده‌کاوی هستند، خصوصا در مرحله ی تحقیق، فایل های ساده، فایل های ساده ی متنی یا با ساختار دودویی هستند و با ساختاری شناخته شده برای یک الگوریتم مشخص داده کاوی که روی آن پیاده می شود. داده های درون این نوع فایل ها می توانند تراکنش ها، داده های سریالی، اندازه گیری های‌ عملی و ... باشند.
• پایگاههای داده ای رابطه ای(RDBMS): 
مختصرا، یک پایگاه داده ی رابطه ای متشکل از مجموعه‌ای از جداول است که در بر گیرنده‌ی مقادیری برای صفات موجودیت ها و یا مقادیری از روابط بین موجودیت ها می‌باشد. هر جدول دارای چندین سطر و ستون می‌باشد که ستونها ارائه کننده‌ی صفات خاصه و سطرها ارائه کننده‌ی رکوردهای اطلاعاتی می‌باشند. یک رکورد اطلاعاتی در بر گیرنده‌ی صفات خاصه‌ی یک شئ یا روایط بین اشیا است که با یک کلید غیر تکراری تعریف می‌شود. الگوریتم های داده‌کاوی برای پایگاه‌های داده‌ای رابطه‌ای بسیار فراگیرتر و سریعتر از الگوریتم های داده‌کاوی روی فایل‌های ساده هستند.
• انبارهای داده ای 
وجود اطلاعات صحیح و منسجم یکی از ملزوماتی است که در داده کاوی به آن نیازمندیم. اشتباه و عدم وجود اطلاعات صحیح باعث نتیجه گیری غلط و در نتیجه اخذ تصمیمات ناصحیح در سازمانها می گردد و منتج به نتایج خطرناکی خواهد گردید که نمونه های آن کم نیستند .
اکثر سازمانها دچار یک شکاف اطلاعاتی هستند. در اینگونه سازمان ها معمولا سیستم های اطلاعاتی در طول زمان و با معماری و مدیریت های گوناگون ساخته شده اند ، به طوری که درسازمان، اطلاعاتی یکپارچه و مشخصی مشاهده نمی گردد . علاوه بر این برای فرایند داده کاوی به اطلاعات خلاصه و مهم در زمینه تصمیم گیری های حیاتی نیازمندیم .
هدف از فرایند انبارش داده ها فراهم کردن یک محیط یکپارچه جهت پردازش اطلاعات است . در این فرایند ، اطلاعات تحلیلی و موجز در دوره های مناسب زمانی سازماندهی و ذخیره می شود تا بتوان از آنها در فرایند های تصمیم گیری که از ملزومات آن داده کاوی است ، استفاده شود . به طور کلی تعریف زیر برای انبار داده ها ارائه می گردد : انبار داده ها ، مجموعه ای است موضوعی ، مجتمع ، متغیر در زمان و پایدار از داده ها که به منظور پشتیبانی از فرایند مدیریت تصمیم گیری مورد استفاده قرار می گیرد. 
1-4- وظایف داده کاوی 
وظایف داده کاوی معمولا بشرح زیر است: 
• کلاس بندی 
• پیش بینی 
• خوشه سازی 
• تخمین 
1-1-4-کلاس بندی
هدف کلاس‌بندی داده‌ها، سازماندهی و تخصیص داده‌ها به کلاس‌های مجزا می‌باشد. در این فرآیند بر اساس داده‌های توزیع شده، مدل اولیه‌ای ایجاد می‌گردد. سپس این مدل برای طبقه‌بندی داده‌های جدید مورد استفاده قرار می‌گیرد، به این ترتیب با بکارگیری مدل بدست آمده، تعلق داده‌های جدید به کلاس معین قابل تعیین می‌باشد. کلاس‌بندی در مورد مقادیر گسسته و پیشگویی به‌کار می‌رود. [6] 
در فرآیند کلاس‌بندی، اشیا موجود به کلاس‌های مجزا با مشخصه‌هایی تفکیک‌شده (ظروف جداگانه) طبقه‌بندی و به صورت یک مدل معرفی می‌گردند. سپس با در نظر گرفتن ویژگی‌های هر طبقه، شی‌ جدید به آنها تخصیص یافته، برچسب و نوع آن قابل تعیین می گردد. 
در کلاس‌بندی، مدل ایجاد شده بر پایه‌ی یک‌سری داده‌های آموزشی، (اشیا داده‌هایی که بر چسب کلاس آنها مشخص و شناخته شده است) حاصل می آید. مدل بدست آمده در اشکال گوناگون مانند قوانین کلاس‌بندی (If-Then)، درخت‌های تصمیم، فرمول‌های ریاضی و شبکه‌های عصبی قابل نمایش می‌باشد. 
به عنوان مثال فرض کنید مدیر فروشگاهی در نظر دارد مجموعه‌ی بزرگی از داده‌ها را بر اساس میزان فروش به زیاد، متوسط و کم طبقه‌بندی کند. وی می‌بایست مدلی ایجاد کند که بر اساس خصیصه‌های کالا مانند قیمت، مارک، محل ساخت و نوع کالا، کلاس مربوط به آن نوع کالا را تعیین نماید. طبقه‌بندی نهایی می‌بایست به طور ماکزیمال هر کلاسی را از دیگری تشخیص داده،و تصویر سازماندهی شده‌ای از داده‌ها را به نمایش در آورد. [7] 
از کاربردهای کلاس‌بندی می توان بازاریابی، تشخیص بیماری، تحلیل اثرات معالجه، تشخیص خرابی در صنعت و تعیین اعتبار را نام برد. [6] 
1-4-2- مراحل یک الگوریتم کلاس‌بندی 
الگوی عمومی‌ برای الگوریتم‌های آموزش از طریق مثال با فرایند کلاس‌بندی به سه مرحله تقسیم می‌‌شوند:[2]
• پیش‌پردازش داده‌ها 
• ساخت و ارزیابی قوانین کلاس‌بندی و هرس کردن قوانین اضافی که هدف ما می‌باشد.
• کلاس‌بندی نمونه‌های جدید
1-4-3- انواع روش‌های کلاس‌بندی 
کلاس‌بندی به روش‌های زیر انجام‌پذیر است: 
• طبقه‌بندی بیز
• درخت تصمیم 
• K-Nearest Neibour 
• الگوریتم‌های ژنتیک 
• شبکه‌های عصبی
1-4-3-1- درخت تصمیم
درخت تصمیم عبارت است از یک مجموعه قوانین برای تقسیم کردن یک مجموعه ی ناهمگن بزرگ به مجموعه کوچکتر و گروه های همگن تر نسبت به متغیر هدف (فیلد موردنظر). درخت¬های تصمیم روشی برای نمایش یک سری از قوانین هستند که منتهی به یک رده یا مقدار یا یک طبقه می¬شوند. برای مثال، می-خواهیم متقاضیان وام را به دارندگان ریسک اعتبار خوب و بد تقسیم کنیم. شکل یک درخت تصمیم را که این مسئله را حل می-کد نشان می¬دهد و همه مؤلفه¬های اساسی یک یک درخت تصمیم در آن نشان داده شده است : نود تصمیم، شاخه¬ها و برگ¬ها درخت تصمیم برای موارد زیر به کار برده می شود. [9] 
شکل1-2: نمونه یک درخت تصمیم 
1-احتمال اینکه یک داده معلوم و معین متعلق به کدام دسته، را محاسبه می کند.
2-با اختصاص دادن آنها به دسته ای که احتمالش بیشتر است، رکوردها را دسته بندی می کند. 
درخت تصمیم، براساس الگوریتم، ممکن است دو یا تعداد بیشتری شاخه داشته باشد. برای مثال، CART درختانی فقط با دو شاخه در هر نود ایجاد می¬کند. هر شاخه منجر به نود تصمیم دیگر یا یک نود برگ می¬شود. با پیمایش یک درخت تصمیم از ریشه به پایین به یک نمونه یک طبقه یا مقدار نسبت می-دهیم. هر نود از ویژگی های یک نمونه برای تصمیم¬گیری درباره آن انشعاب استفاده می¬کند.
درخت¬های تصمیمی که برای پیش¬بینی متغیرهای دسته¬ای استفاده می¬شوند، درخت¬های classification نامیده می¬شوند زیرا نمونه¬ها را در دسته¬ها یارده¬ها یا کلاس ها قرار می¬دهند. درخت¬های تصمیمی که برای پیش¬بینی متغیرهای پیوسته استفاده می¬شوند درخت¬های regression نامیده می¬شوند. 
1-4-3-1-1- کشف تقسیمات 
هدف از ساختن درخت این است که دستهای را برای یک رکورد برمبنای فیلد هدف تعیین کنیم. درخت بوسیله ی تقسیمات رکوردها بر اساس فیلد ورودی ایجاد می شود. در هر نود تقسیمات (انشعاب) رکوردها بر اساس فیلد ورودی انجام می شود. 
اولین کار برای این منظور این است که تعیین کنیم که کدام فیلد ورودی تقسیم بهتری را می سازد. بهترین تقسیم در نتیجه ی یک جداسازی خوب رکوردها به گروه هایی که در این جا یک دسته این گروه ها را در بر می گیرد, کشف می شود.
یک معیار در ارزیابی تقسیم ، خلوص است. یک متد با خلوص بالا، به این معنی است که اعضای آن دسته عالی و ممتازاند
-4-3-1-2- دسته بندی با درخت تصمیم
هر کس که به بازی بیست سؤالی آشنا باشد براحتی متوجه می شود که درخت تصمیم چگونه رکوردها را دسته بندی می کند. در بازی بیست سؤالی شرکت کننده اول به یک چیز خاص فکر می کند و شرکت کننده دوم باید آن را تشخیص دهد . شرکت کننده اول هیچ راهنمایی را برای تشخیص آن چیز خاص ارائه نمی دهد و شرکت کننده دوم بوسیله یک سری سؤال های بله، خیر سعی می کند که آن چیز را کشف کند.
درخت تصمیم این طوری یک سری از سؤال ها را جواب می دهد . اگر سوال ها مناسب انتخاب شوند یک مجموعه ی کوچک از سؤال ها کافی است تا رکوردها را به دسته های مورد نظر وارد کنیم بازی بیست سؤالی فرایند استفاده از درخت برای افزودن یک رکورد به دسته مربوطه را روشن می کند. هنگامی که یک رکورد وارد ریشه درخت می شود گره ریشه از یک تست استفاده می کند برای این که تعیین کند که کدام فرزندان با آن برخورد کند همه ی گره های میانی به همین طریق عمل می کنند. 
برگ‌ها برچسب کلاس را مشخص می کنند. یک مسیر منحصر به فرد از ریشه به برگ وجود دارد. این مسیر، قانونی را که برای دسته بندی رکورد استفاده کرده است را بیان می کند.
یک درخت تصمیم یک ساختار سلسله مراتبی می‌باشدکه در آن، گره‌های میانی برای تست یک خصیصه به کار می روند. شاخه‌ها نشانگر خروجی تست بوده، برگ‌ها برچسب کلاس و یا همان طبقه را مشخص می‌نمایند. نکات اساسی برای هر درخت تصمیم به شرح زیر هستند: [10]
• ملاک استفاده شده برای ساخت درخت چه عواملی هستند؟ یعنی کدام متغیر باید برای شکستن انتخاب گردد و این متغیر چگونه باید شکسته شود؟

تحقیق درباره طراحی و پیاده سازی زبانهای برنامه نویسی

اختصاصی از فی ژوو تحقیق درباره طراحی و پیاده سازی زبانهای برنامه نویسی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل:word(قابل ویرایش) تعداد صفحات:34 فهرست مطلب:

  DELPHI -1

C++ -2

C# -3

BASIC -4

FORTRAN -5

VISUAL BASIC -6

دانلود مقاله بررسی و شناسایی موانع محیطی (زمینه ای) پیاده سازی فروش

اختصاصی از فی ژوو دانلود مقاله بررسی و شناسایی موانع محیطی (زمینه ای) پیاده سازی فروش دانلود با لینک مستقیم و پر سرعت .

بررسی و شناسایی موانع محیطی (زمینه ای) پیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه)مطالعه موردی شرکت بیمه دانا)

چکیده:
بیمه الکترونیکی یکی از پدیده های مهم حاصل از بکارگیری فناوری اطلاعات و ارتباطات و همچنین مدیریت اطلاعات است که تحولی بس عمیق در نحوه فروش بیمه و دریافت خسارت داشته است . بطوریکه از یکسو سطح ارتباط با بیمه گذار را افزایش داده است و از سوی دیگر دامنه خرید و فروش مجازی بعضی از انواع بیمه نامه ها را وسیع تر کرده است. دراین تحقیق به بررسی و شناسایی موانع محیطی (زمینه ای) پیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه)مطالعه موردی شرکت بیمه دانا)می پردازیم.جهت تجزیه و تحلیل استنباطی داده ها و آزمون فرضیه های تحقیق از فنون آمار استنباطی استفاده می کنیم. از آزمون دو جمله ای برای آزمون فرضیه آماری استفاده می شود وبرای رتبه بندی موانع محیطی، از روش AHP استفاده می کنیم. در ابتدا با استفاده از نمونه گیری طبقه ای نسبی جامعه آماری خود را که شامل کلیه مدیران، معاون مدیران، روسا و معاونین و مسئولین ادارات و شعب شرکت بیمه دانادر سطح شهر تهران می باشند را تقسیم می کنیم و سپس بر اساس نمونه گیری تصادفی عمل می کنیم.در تحقیق حاضر از دو پرسشنامه استفاده شده است، که پرسشنامه اول از8 سوال با توجه به مقیاس 5گزینه ای لیکرت تشکیل شده است که پایایی آن با روش های الفای کرونباخ و دو نیم کردن مورد تاییدقرار گرفت.و پرسشنامه مقایسه زوجی که میزان قابلیت اعتماد آن ازطریق محاسبه نرخ ناسازگاری کل سیستم محاسبه گردیده است که مقدار آن عدد 06/0 می باشد با توجه به اینکه در تحلیل سلسله مراتبی میزان ناسازگاری کمتراز 1/0 قابل قبول بوده ونیازی به تجدید نظر در قضاوت ها نیست درنتیجه سیستم قابل اتکاء می باشد.نتایج حاصل ازاولویت بندی معیارها بترتیب عبارتند از عدم سرویس دهی الکترونیکی بانکها در مورد خدمات بیمه و عدم امنیت قانونی کافی در معاملات الکترونیکی دارای بیشترین و کمترین تاثیر در برقراری پیاده‌سازی بیمه الکترونیکی می باشند و سایر زیر معیارها در دامنه‌ای بین این دو زیر معیار قرار دارند.
واژگان کلیدی:فناوری اطلاعات،دادو ستد الکترونیکی،بازرگانی الکترونیکی،تجارت الکترونیکی،بیمه الکترونیکی

مقدمه:
عبارت تجارت الکترونیکی از سال 1996 یعنی 3 سال پس از ورود اینترنت به عرصه تجارت مطرح شده است . این تحول مهم که موجبات ورود شرکتهای کوچک و متوسط و نیز عموم مردم به فعالیتهای تجاری را از طریق اینترنت فراهم کرده ، علی رغم عمر کوتاه خود تأثیرات عمیق بر زندگی بشر گذاشته است و موجبب ایجاد تغییراتی بنیادین در کلیه عرصه ها اعم از اقتصادی ، اجتماعی ، سیاسی شده و تحولات مستمری نیز در آینده نزدیک برای آن قابل پیش بینی است .
دوره ای را که در آن به سر می بریم دوره پدیده های الکترونیکی نامیده اند چرا که پدیده های الکترونیکی زیادی را با خود به همراه داشته که از جمله آنها می توان به تجارت الکترونیکی ، بانکداری الکترونیکی ، دولت الکترونیکی ، بیمه الکترونیکی و در مجموع زندگی الکترونیکی اشاره کرد.(بهرامعلی،1382، 281)
بیمه الکترونیکی یکی از پدیده های مهم حاصل از بکارگیری فناوری اطلاعات و ارتباطات و همچنین مدیریت اطلاعات است که تحولی بس عمیق در نحوه فروش بیمه و دریافت خسارت داشته است . بطوریکه از یکسو سطح ارتباط با بیمه گذار را افزایش داده است و از سوی دیگر دامنه خرید و فروش مجازی بعضی از انواع بیمه نامه ها را وسیع تر کرده است . این پدیده از یکطرف به نفع بیمه گران است که با استفاده از نیروی انسانی متخصص ، سخت افزارهای الکترونیکی پیشرفته قادر خواهند بود در حد توانائی مـالی و مدیریت خود به طیف وسیعی از بیمه گذارن خدمات بیمه ای بفروشند و از طرف دیگر سرعت بررسی ، پرداخت خسارت نیز سریع تر و دقیق تر شده است . (کریمی،1383، 65)
از اینرو نیاز به بررسی و شناسایی موانع پیاده سازی فروش پوشش بیمه ای از طریق اینترنت در شرکتهای بیمه می باشد که در این تحقیق بیمه دانا انتخاب گردیده است . عدم بکارگیری سیستمهای الکترونیکی جهت فروش پوشش بیمه ای در شرکت بیمه دانا می تواند باعث رکود فعالیتهای بیمه ای در آینده ای نزدیک شود ، بنابراین یافتن موانع شکل گیری و اجرای سیستمهای الکترونیکی که در می تواند راه گشای جذب مشتریان در این نوع شرکتها علی الخصوص شرکت بیمه دانا باشد .
در حال حاضر اگرچه فناوری های الکترونیک در مقایسه با دیگر بخشهای صنعتی ، خدماتی تأثیر بسیار محدودی بر صنعت بیمه داشته است ولی بنظر می رسد که این تأثیر در کوتاه مدت به مقدار زیادی تغییر کند . هم اکنون مسئله فرصتهای جدید برای عرضه خدمات بیمه ای ازطریق اینترنت به شدت مورد توجه قرار گرفته است ، از جمله محرکهای عمده ای که باعث ورود صنعت بیمه به دنیای الکترونیک می شود می توان به عمیق کردن روابط با مشتری ، کاهش هزینه ها ، بهبود خدمات و توسعه منابع جدید درآمد اشاره کرد. (همان منبع،83)
افزایش تقاضای دسترسی عموم به اینترنت برای دریافت اطلاعات و خدمات روشهای کار و زندگی را تحت تأثیر قرار داده است به همین دلیل یکی از پدیده های منبعث از آن که در طول دهه اخیر به گونه ای بسیار گسترده در جوامع پیشرفته مطرح گردیده و سپس در سایر جوامع نیاز با اقبال خوبی مواجه شده ، پدیده بیمه الکترونیکی می باشد .
بیمه الکترونیکی فرصت هائی را فراهم می کند تا کیفیت خدمات ارائه شده به شهروندان بهبود یافتـه و آنها قـادر باشند در هـر دقیقه از شبـانه روز به خدمات یا اطـلاعات جهت صدور بیمه نامه مورد نظر یا استعلام نرخ یا اعلام خسارت دسترسی داشته باشند . (کریمی،1383، 68)
استقرار بیمه الکترونیکی و استفاده از فناوری اطلاعات در تعامل میان شرکتهای بیمه و مشتریان می تواند مزایای بیشماری همچون قابلیت ارائه خدمات در تمام اوقات شبانه روز ، عدم مراجعه حضوری برای دریافت خسارت ، ارائه خدمات سریع و مطمئن ، جلوگیری از تقلبات بیمه ای و افزایش درآمد شرکت بیمه را در پی داشته باشد . اما پیاده سازی بیمه الکترونیکی مستلزم آگاهی از توانمندی ها و ظرفیت های شرکتی دارد که قصد ایجاد آنرا دارد. (کریمی،1383، 65)
بنابراین باید بیش از هر چیز موانع استقرار و پیاده سازی آنرا در شرکت شناسائی کرد . در این زمینه بجزء در چند سال اخیر ما کمتر شاهد بحث های کارشناسی بوده ایم ، البته به تازگی شورای فناوری اطلاعات در پژوهشکده بیمه مرکزی گامهائی را در این زمینه برداشته است ، که هر چند لازم ، ولی کافی نیست .
این تحقیق ضمن مروری بر ادبیات این موضوع توجه خود را به موانع محیطی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه و اولویت بندی این موانع خواهد بود .ایجاد و توسعه بیمه الکترونیکی در شرکت بیمه دانا با چالش ها مختلفی روبرو می باشد که شناسائی و سپس ارائه راه کارهائی برای غلبه بر این موانع مهمترین هدف این تحقیق است . بنابراین در این تحقیق سعی می شود تا یکی از جنبه هایی که به عنوان موانع محیطی مطرح است مورد بررسی قرار گیرد. موانع با توجه به الگوی ارائه شده توسط دکتر میرزائی اهرنجانی به طرز صحیح شناسائی شدند که با یک تجزیه و تحلیل دقیق راه کارهائی برای حل آن ارائه خواهد شد و بر طبق این الگو موانع به 3 دسته کلی به شرح زیر تقسیم می شوند :(میرزایی اهرنجانی،1381، 7)
1-موانع محیطی (زمینه ای):منظور از موانع محیطی عبارت است از موانعی که خارج از حیطه اختیارات سازمان بوده و زمینه ساز موانع سازمانی و رفتاری می باشد این موانع از 3 بعد قانونی – فرهنگی و تکنولوژی مورد بحث قرار می گیرد. .
2- موانع سازمانی(ساختاری):منظور از موانع سازمانی عبارت است از عوامل غیرانسانی سازمان مانند ساختار ، تکنولوژی داخلی ، قوانین و مقررات داخلی که از 4 بعد سیاستها و خط مشها ، قوانین بیمه ای ، ساختار و تکنولوژی داخلی مورد بحث قرار می گیرد .
3-موانع رفتاری(محتوایی) :منظور از موانع رفتاری عبارت است از عوامل مربوط به نیروی انسانی که از 3 بعد کمبود نیروی متخصص،عدم پشتیبانی مدیران ارشدو مقاومت پرسنل در برابر تغییر مورد بررسی قرار می گیرد.(همان منبع،8)
با توجه به اینکه ایجاد و توسعه فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه در شرکت بیمه دانا با چالش ها مختلفی روبرو می باشد که شناسائی و سپس ارائه راه کارهائی برای غلبه بر این موانع مهمترین هدف این تحقیق است . در این تحقیق هدف بررسی و شناسایی موانع محیطی (زمینه ای) پیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه)مطالعه موردی شرکت بیمه دانا) می باشد.
همچنین اهداف فرعی را می توان به صورت زیر عنوان کرد:
- شناسایی زیر معیارهای موانع محیطی (زمینه ای) پیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه
- اولویت بندی معیارها و زیر معیارها موانع محیطی (زمینه ای)
امروزه دنیا به سمت الکترونیکی شدن پیش می رود ، کسب و کار الکترونیکی یکی از مشهورترین تمایلات در تجارت الکترونیک امروز است که نه فقط به دلیل جذابیت بی نظیر شبکه اینترنت بلکه به سبب کسب و کار الکترونیک که شامل فرآیندهای مجازی از قبیل زنجیره ای از عرضه و تقاضا ، گزارشهای مالی و گزارشهای مربوط به مشتریان را در بر می گیرد .
کسب و کار الکترونیکی مزایای متعددی دارد که عبارت است از افزایش کارآئی از طریق بهبود فرآیندهای کسب و کار ، در عالم کسب و کار الکترونیک امکان ورود به بازارهای جدید فراهم تر است و شرکتها فرصتهائی برای ورود به بازار بین المللی می یابند . (نیک بخش تهرانی، آذر صابری،1382، 24)
سوال اصلی تحقیق عبارتند از:
آیا عوامل محیطی مانع پیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه در شرکت بیمه دانا می باشد؟
وسوالات فرعی تحقیق نیز عبارتند از:
1-آیا عوامل قانونی(حقوقی) مانع پیاده سازی بیمه الکترونیکی در شرکت بیمه دانا می باشد؟
2-آیا عوامل فرهنگی جامعه مانع پیاده سازی بیمه الکترونیکی در شرکت بیمه دانا می باشد؟ .
3-آیا عوامل تکنولوژی مانع پیاده سازی بیمه الکترونیکی در شرکت بیمه دانا می باشد؟
روش تحقیق:
این پژوهش از نظر تحقیق، یعنی از لحاظ نحوه گردآوری داده ها، روش تحقیق ما روش تحقیق توصیفی می باشد. در بین انواع مختلف روشهای تحقیق توصیفی نیز این تحقیق از نوع پیمایشی است. بنابراین روش تحقیق در پژوهش ما، روش تحقیق توصیفی از نوع پیمایشی است.
روش گردآوری داده های تحقیق حاضر بطور عمده از طریق پرسشنامه بدست آمده است، این پرسشنامه از8 سوال با توجه به مقیاس 5 گزینه ای لیکرت تشکیل شده است.در بخش مربوط به رتبه بندی موانع محیطی (زمینه ای) موثر درپیاده سازی فروش پوشش بیمه ای از طریق اینترنت درصنعت بیمه از دیدگاه خبرگان، از پرسشنامه مقایسه زوجی استفاده شد بدین ترتیب که پس از شناسایی موانع محیطی (زمینه ای) موثر برپیاده سازی و نیز مصاحبه با تعدادی از کارشناسان بخش بیمه و مصاحبه با آنان و پس از نهایی نمودن موانع موثر برپیاده سازی و دسته بندی این معیارهادرخت تصمیم ترسیم گردید.سپس با استفاده از درخت تصمیم نهایی ، پرسشنامه تحقیق جهت اولویت بندی موانع محیطی (زمینه ای) موثر برپیاده سازی بیمه الکترونیکی طراحی گردید.
در این پژوهش، جامعه مورد بررسی ما عبارتست از کلیه مدیران، معاون مدیران، روسا و معاونین و کارشناسان ارشد ساختمان مرکزی و شعب در سطح شهر تهران.
نمونه و روش نمونه گیری در تحقیق بدین صورت است که در ابتدا با استفاده از نمونه گیری نسبی جامعه آماری خود را که شامل کلیه مدیران، معاون مدیران، روسا و معاونین و مسئولین ادارات و شعب در سطح شهر تهران می باشند را تقسیم می کنیم و سپس بر اساس نمونه گیری تصادفی عمل می کنیم.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله  8  صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید