مدل انالیز ارتباطات متعدد برای ارزیابی روش های پیش بینی تکنولوژی
تعداد صفحات انگلیسی :18
تعداد صفحات فارسی: 30 کلمات فارسی:7648
چکیده
پیش بینی تکنولوژی (TF) روش های برون یابی مناسب برای پیش بینی سناریوهای بسیار محتمل توسعه تکنولوژی در آینده را مطالعه می کند. گرچه منابع زیادی وجود دارند که با دسته بندی و توسعه روش های پیش بینی تکنولوژی سروکار دارند، مسئله انتخاب انها طوری که ویژگی های یک سازمان را به بهترین صورت منعکس کند چالش برانگیز است و اکثرا نادیده گرفته می شود. ما روش ارزیابی TFM را ارائه می دهیم که به تصمیم گیرندگان و مدیران اجازه می دهد تا با موفقیت این مسئله را رفع نمایند. روش پیشنهادی TFMهای بسیار مرتبط و معیارهای سازمانی را شناسایی کرده و از انها در مدل آنالیز ارتباط متعدد (MCA) برای انتخاب روش (های) بسیار مناسب برای اجرا استفاده می کند. مدل MCA پیشنهادی از تکنیک دوبرابر کردن داده با روش امتیاز بندی اصلی ردیفی استفاده می کند تا کاهش ابعاد و در نتیجه انالیز گرافیکی الگوهای ارتباطی در بین TFMها و معیارهای ارزیابی را ممکن سازدد. ما مطالعه موردی را در سازمان مبتنی بر دانش ارائه می دهیم تا قابلیت کاربرد و کارایی روش ارزیابی پیشنهادی را نشان دهیم. نتایج نشان می دهد که مدل پیشنهادی می تواند به طور مناسب برای محدوده وسیعی از کاربردها شامل سازمان های تجاری و آژانس های دولتی اتخاذ شود.
کلمات کلیدی: پیش بینی تکنولوژی، انالیز مکاتبه متعدد، توسعه تکنولوژی، معیارهای کمی و کیفی، ارزیابی و انتخاب، روش برون یابی
A multiple correspondence analysis model for evaluating technology foresight methods
ABSTRACT
Technology foresight (TF) studies the appropriate extrapolation methodologies for predicting the most likely technology development scenarios in the future. Although there is a vast literature dealing with the classification and development of technology foresight methods (TFMs), the problem of selecting those that best reflect the characteristics of an organization is challenging and remains mostly overlooked. We propose a TFM evaluation procedure that allows decision makers and managers to successfully address this problem. The proposed procedure identifies the most relevant TFMs and organizational criteria and uses them in a multiple correspondence
analysis (MCA) model to select the most suitable method(s) for implementation. The proposed MCA model combines the doubling data technique with a row principal scoring procedure to allow for the reduction of dimensionality and, consequently, the graphical analysis of the patterns of relationships among TFMs and evaluation criteria. We present a case study in a knowledge-based organization to demonstrate the applicability and efficacy of the proposed evaluation procedure. The results show that the proposed model can be properly adapted to allow for a wide range of applications involving business organizations and government agencies.
کد:13610
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
مدل انالیز ارتباطات متعدد برای ارزیابی روش های پیش بینی تکنولوژی
تعداد صفحات انگلیسی :18
تعداد صفحات فارسی: 30 کلمات فارسی:7648
چکیده
پیش بینی تکنولوژی (TF) روش های برون یابی مناسب برای پیش بینی سناریوهای بسیار محتمل توسعه تکنولوژی در آینده را مطالعه می کند. گرچه منابع زیادی وجود دارند که با دسته بندی و توسعه روش های پیش بینی تکنولوژی سروکار دارند، مسئله انتخاب انها طوری که ویژگی های یک سازمان را به بهترین صورت منعکس کند چالش برانگیز است و اکثرا نادیده گرفته می شود. ما روش ارزیابی TFM را ارائه می دهیم که به تصمیم گیرندگان و مدیران اجازه می دهد تا با موفقیت این مسئله را رفع نمایند. روش پیشنهادی TFMهای بسیار مرتبط و معیارهای سازمانی را شناسایی کرده و از انها در مدل آنالیز ارتباط متعدد (MCA) برای انتخاب روش (های) بسیار مناسب برای اجرا استفاده می کند. مدل MCA پیشنهادی از تکنیک دوبرابر کردن داده با روش امتیاز بندی اصلی ردیفی استفاده می کند تا کاهش ابعاد و در نتیجه انالیز گرافیکی الگوهای ارتباطی در بین TFMها و معیارهای ارزیابی را ممکن سازدد. ما مطالعه موردی را در سازمان مبتنی بر دانش ارائه می دهیم تا قابلیت کاربرد و کارایی روش ارزیابی پیشنهادی را نشان دهیم. نتایج نشان می دهد که مدل پیشنهادی می تواند به طور مناسب برای محدوده وسیعی از کاربردها شامل سازمان های تجاری و آژانس های دولتی اتخاذ شود.
کلمات کلیدی: پیش بینی تکنولوژی، انالیز مکاتبه متعدد، توسعه تکنولوژی، معیارهای کمی و کیفی، ارزیابی و انتخاب، روش برون یابی
A multiple correspondence analysis model for evaluating technology foresight methods
ABSTRACT
Technology foresight (TF) studies the appropriate extrapolation methodologies for predicting the most likely technology development scenarios in the future. Although there is a vast literature dealing with the classification and development of technology foresight methods (TFMs), the problem of selecting those that best reflect the characteristics of an organization is challenging and remains mostly overlooked. We propose a TFM evaluation procedure that allows decision makers and managers to successfully address this problem. The proposed procedure identifies the most relevant TFMs and organizational criteria and uses them in a multiple correspondence
analysis (MCA) model to select the most suitable method(s) for implementation. The proposed MCA model combines the doubling data technique with a row principal scoring procedure to allow for the reduction of dimensionality and, consequently, the graphical analysis of the patterns of relationships among TFMs and evaluation criteria. We present a case study in a knowledge-based organization to demonstrate the applicability and efficacy of the proposed evaluation procedure. The results show that the proposed model can be properly adapted to allow for a wide range of applications involving business organizations and government agencies.
کد:13610
دانلود رایگان مقاله انگلیسی