مقایسه مدیریت دانش و داده کاوی: رهیافت روند تغییرات ، پیش بینی و استناد

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 22

تعداد کلمات : 8000

مجله : Expert Systems with Applications

انتشار : 2013

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
8 مارس 2021
دسته بندی
تعداد بازدیدها
1139 بازدید
13,000 تومان

عنوان فارسی مقاله:مقایسه مدیریت دانش و داده کاوی: رهیافت روند تغییرات ، پیش بینی و استناد

چکیده

در حال حاضر، مدیریت دانش (KM) و داده کاوی (DM) توجه زیادی را به خود معطوف کرده‌اند ولی پژوهش‌ها و برنامه‌های طبقه بندی کامل کمی به منظور تحقیق در مورد خصوصیات هر دو وجود دارد. با استناد به روش کتاب سنجی، این مقاله در مورد روندها، پیش بینی‌ها و استنادهای مربوط به پژوهش از ۱۹۸۹ تا ۲۰۰۹ با سرچ عنوان‌های “مدیریت دانش” و “داده کاوی” در پایگاه SSCI تحقیق می‌کند. روش کتاب سنجی برای مطالعه این دو موضوع در مجلات SSCI از ۱۹۸۹-۲۰۰۹ استفاده شده و ۱۳۹۳ و ۱۱۸۱ مقاله با لغات مدیریت دانش و داده کاوی مشاهده شد. این پژوهش، مقالات مدیریت دانش و داده کاوی را از مفهوم- برای شرایط توزیع مختلف جهت بررسی اختلاف و نحوه ارائه فناوری‌های مدیریت دانش و داده کاوی در این دوره و تحلیل گرایشات فناوری مدیریت دانش و داده کاوی تحت نتایج فوق طبقه بندی کرد. هم چنین، این مقاله، آزمون K-S را برای کنترل این که آیا توزیع تولید مقاله نویسنده از قانون لتکا پیروی می‌کند یا نه انجام داد. یافته‌های تحقیق را می‌توان برای بررسی کارایی نویسنده با بررسی متغیرهایی مانند سن تقویمی و آکادمیک، تعداد مقالات پیشین، کمک هزینه‌های پژوهشی، وضعیت شغلی و غیره توسعه داد. لذا، ویژگی‌های فعالیت انتشاری بالا، متوسط و پایین نویسندگان و محققان قابل شناسایی است. در عین حال، این نتایج به کارشناسی در مورد روند پژوهش‌های علمی و درک مقیاس توسعه تحقیق در مدیریت دانش و داده کاوی به واسطه مقایسه محققان کمک می‌کند. بر مبنای داده‌های فوق، دولت‌ها و شرکت‌ها می‌توانند تقاضای جمعی و تقاضاها را برای محققان در مدیریت دانش و داده کاوی به منظور تدوین راهبرد هاو خط مشی‌های آموزشی مناسب در آینده درک کنند. این پژوهش، یک نقشه راه را برای نحقیق آینده فراهم می‌کند، اطلاعات روند فناوری را خلاصه کرده و انباشت دانش را تسهیل می‌کند، بنابراین تحقیقات آینده می‌توانند بر موضوع‌های اصلی متمرکز شوند. بدین معنی که پدیده” موفقیت حال موجب موفقیت آینده می‌شود” در انتشارات با کیفیت بالا شایع‌تر است.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Knowledge management vs. data mining: Research trend, forecast and citation approach

Abstract

Knowledge management (KM) and data mining (DM) have become more important today, however, there are few comprehensive researches and categorization schemes to discuss the characteristics for both of them. Using a bibliometric approach, this paper analyzes KM and DM research trends, forecasts and citations from 1989 to 2009 by locating headings ‘‘knowledge management’’ and ‘‘data mining’’ in topics in the SSCI database. The bibliometric analytical technique was used to examine these two topics in SSCI journals from 1989 to 2009, we found 1393 articles with KM and 1181 articles with DM. This paper implemented and classified KM and DM articles using the following eight categories—publication year, citation, country/territory, document type, institute name, language, source title and subject area— for different distribution status in order to explore the differences and how KM and DM technologies have developed in this period and to analyze KM and DM technology tendencies under the above result. Also, the paper performs the K–S test to check whether the distribution of author article production follows Lotka’s law. The research findings can be extended to investigate author productivity by analyzing variables such as chronological and academic age, number and frequency of previous publications, access to research grants, job status, etc. In such a way characteristics of high, medium and low publishing activity of authors can be identified. Besides, these findings will also help to judge scientific research trends and understand the scale of development of research in KM and DM through comparing the increases of the article author. Based on the above information, governments and enterprises may infer collective tendencies and demands for scientific researcher in KM and DM to formulate appropriate training strategies and policies in the future. This analysis provides a roadmap for future research, abstracts technology trend information and facilitates knowledge accumulations, therefore the future research can concentrated in core categories. This implies that the phenomenon ‘‘success breeds success’’ is more common in higher quality publications.