ﺗﻮﺳﻌﻪ ﭼﺸﻤﮕﻴﺮ اﻳﻨﺘﺮﻧﺖ ﺑﻪ واﺳﻄﻪ رﺷﺪ ﻓﻨﺎوری، زﻧﺪﮔﻲ اﺟﺘﻤﺎﻋﻲ، ﻓﻀﺎی ﺗﺠﺎرت و ﻛﺴﺐوﻛﺎر ﺟﺎﻣﻌﻪ را ﺗﺤﺖ ﺗﺎﺛﻴﺮ ﻗﺮار داده اﺳﺖ . ﻳﻜﻲ از ﭘﻴﺎﻣﺪﻫﺎی ﻧﻔﻮذ اﻳﻨﺘﺮﻧﺖ، رﺷﺪ و ﺗﻮﺳﻌﻪ ﺧﺮده ﻓﺮوﺷﻲ اﻳﻨﺘﺮﻧﺘﻲ و ﺧﺮﻳﺪ آﻧﻼﻳﻦ (Mummalaneni and Meng, 2009)، ﺗﻐﻴﻴﺮ ﻋﺎدات ﺧﺮﻳﺪ ﻣﺼﺮفﻛﻨﻨﺪﮔﺎن (Wang et al, 2007) و ﺗﻐﻴﻴﺮ ﻧﮕﺮش ﻛﺎرﺑﺮان ﻧﺴﺒﺖ ﺑﻪ ﺧﺮﻳﺪ آﻧﻼﻳﻦ اﺳﺖ (Tariq and Eddaoudi,2009) . ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺘﻔﺎوت ﺑﻮدن اﻟﮕﻮﻫﺎی رﻓﺘﺎر ﺧﺮﻳﺪآﻧﻼﻳﻦ در ﻗﻴﺎس ﺑﺎ ﺧﺮﻳﺪ ﺳﻨﺘﻲ، ﺑﻪ ﻧﻈﺮ ﻣﻲرﺳﺪ ﻛﻪ درك رﻓﺘﺎر ﺧﺮﻳﺪ در ﻣﺤﻴﻂﻫﺎی آﻧﻼﻳﻦ و ﺗﻮﺟﻪ وﻳﮋه ﺑﻪ ﻧﻴﺎزﻫﺎ و ﻋﻼﺋﻖ ﻣﺸﺘﺮﻳﺎن ﺑﺮای ﺗﺪوﻳﻦ اﺳﺘﺮاﺗﮋی ﻫﺎی ﺑﺎزارﻳﺎﺑﻲ از اﻫﻤﻴﺖ ﭼﺸﻤﮕﻴﺮی ﺑﺮﺧﻮردار ﺑﺎﺷﺪ (Wang et al, 2007). زیرا ﻧﻬﺎدﻳﻨﻪ ﺷﺪن اﻳﻦ ﺗﻐﻴﻴﺮ اﻟﮕﻮی ﺧﺮﻳﺪ و ﭘﺬﻳﺮش ﻓﻨﺎوری ﻧﻮ در ﻋﺮﺻﻪ ﺗﺠﺎرت، ﺑﻴﺶ از ﻫﺮ ﭼﻴﺰی، در وﻫﻠﻪ اول ﻧﻴﺎزﻣﻨﺪ اﻳﺠﺎد اﻋﺘﻤﺎد در ﻛﺎرﺑﺮان و ﺣﺲ اﻣﻨﻴﺖ و اﻃﻤﻴﻨﺎن در آﻧﺎن اﺳﺖ ﻛﻪ ﻳﻜﻲ از ﻣﻬﻤﺘﺮﻳﻦ ﻋﻮاﻣﻞ اﺛﺮﮔﺬار ﺑﺮ آن ﻧﻴﺰ ﻛﻴﻔﻴﺖ ﺗﺎرﻧﻤﺎی اراﺋﻪ دﻫﻨﺪه ﺧﺪﻣﺎت ﻗﻠﻤﺪاد ﻣﻲﮔﺮدد. ﺑﺮوز ﺳﺮﻗﺖ ﻫﺎی اﻳﻨﺘﺮﻧﺘﻲ در ﻫﻨﮕﺎم ﺧﺮﻳﺪ آﻧﻼﻳﻦ ﺣﻜﺎﻳﺖ از اﻳﻦ دارد ﻛﻪ ﻛﺎرﺑﺮان ﺑﻴﺶ از ﻫﺮ ﭼﻴﺰی ﺑﻪ دﻧﺒﺎل اﻃﻤﻴﻨﺎن در ﻓﺮاﻳﻨﺪ ﺧﺮﻳﺪ آﻧﻼﻳﻦ ﺧﻮد ﻫﺴﺘﻨﺪ. در ﺣﻘﻴﻘﺖ ﻣﺸﺘﺮﻳﺎن – ﺑﻪ ﺧﺼﻮص در ﺟﻮاﻣﻌﻲ ﻛﻪ ﻧﺮخ اﺷﺎﻋﻪ ﻓﻨﺎوری در آﻧﻬﺎ ﻛﻨﺪ اﺳﺖ – ﺑﻪ دﻟﻴﻞ ﻧﺎﻣﺎﻧﻮس ﺑﻮدن ﺑﺎ ﺧﺮﻳﺪ آﻧﻼﻳﻦ ﻧﮕﺮان ﻣﺴﺎﺋﻞ اﻣﻨﻴﺘﻲ و اراﺋﻪ اﻃﻼﻋﺎت ﺷﺨﺼﻲ ﺧﻮد ﻫﺴﺘﻨﺪ. اﻳﻦ ﻧﮕﺮاﻧﻲ ﺧﺎﻃﺮ ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﺷﺪت ﺗﺤﺖ ﺗﺎﺛﻴﺮ ﻛﻴﻔﻴﺖ درك ﺷﺪه از ﺗﺎرﻧﻤﺎی ﺳﺎزﻣﺎن ﻗﺮار داﺷﺘﻪ ﺑﺎﺷﺪ (خائف الهی و همکاران، 1391). از این رو با توجه به اهمیت ﺟﺎﻳﮕﺎه ﺧﺮﻳﺪ اﻳﻨﺘﺮﻧﺘﻲ در اﻗﺘﺼﺎد ﻛﺸﻮر و اﻫﻤﻴﺖ درك ﻋﻮاﻣﻞ ﺗﺎﺛﻴﺮﮔﺬار ﺑﺮ ﭘﺬﻳﺮش و ﻗﺼﺪ اﺳﺘﻔﺎده از ﻓﻨﺎوری ﺧﺮﻳﺪآﻧﻼﻳﻦ در این مطالعه به بررسی عوامل تاثیر گذار بر قصد خرید آنلاین پرداخته شده است. در این فصل پس از بیان مساله تحقیق، اهمیت و ضرورت تحقیق، اهداف، فرضیات، روش تحقیق و تعاریف مفهومی و عملیاتی متغیرهای مورد مطالعه ارائه شده است.
1-2) بیان مساله
در دهه های اخیر میزان استفاده از اینترنت چند برابر شده است. تعداد كاربران اینترنت در دنیا درحال افزایش است، به طوری كه اینترنت به یكی از ضرورت های زندگی تبدیل شده است (Greenfield, 2000). همزمان با گسترش استفاده از اینترنت در حوزه های مختلف، تعداد مصرف کنندگان و خریداران کالاها و خدمات الکترونیک نیز افزایش چشمگیر داشته است. بطوریکه در کشوری توسعه یافته نظیر آمریکا تا سال 2013 حدود 213 میلیارد دلار برآورد می شود (Evans, 2009). در کشور ما نیز میزان مبلغ کالا و خدمات الکترونیکی طی چهار ماهه نخست سال 90، به 74 میلیارد ریال رسیده که نسبت به زمان مشابه در سال گذشته 68 درصد رشد داشته است (خبرگزاری مهر، 1/6/1390). مرکز مدیریت توسعه ملی اینترنت نیز در آخرین گزارش خود، شمار کاربران اینترنت در ایران را تا پایان 6 ماهه نخست سال 91 بالغ بر 45 میلیون و 5 هزار و 644 نفر و ضریب نفوذ اینترنت در کشور را 59.5 درصد اعلام کرده است. همچنین بر اساس گزارشات این مرکز 3 درصد کاربران اینترنت در ایران را نیز را گروه سنی 1 تا 10 سال، 10 درصد کاربران را گروه سنی 10 تا 19 سال ، 40 درصد را گروه سنی 20 تا 29 سال، 30 درصد را گروه سنی 30 تا 44 سال، 15 درصد کاربران را گروه سنی 45 تا 59 سال، و 2 درصد را گروه سنی بالای 60 درصد تشکیل می دهند (خبرگزاری مهر،31/1/1392). از طریف دیگر استفاده از تکنولوژی های اطلاعاتی و ارتباطی برای انجام مبادلات الکترونیکی با سرعت فزاینده ای در حال رشد است. این در حالی است که پذیرش این نوع تکنولوژی ها جهت انجام مبادلات تجاری و خریدهای آنلاین، با موانع بسیاری مواجه می باشد که این امر در کشور ما ایران نیز که به لحاظ میزان آمادگی الکترونیکی در سال 2006 در رتبه 54 از میان 60 کشور قرار داشت، نمود بیشتری پیدا کرده است. از این رو كسب و كارهای اینترنتی برای سودآوری بیشتر میبایست از اولویتهای مشتریان خود نسبت به كاركردها و خدمات ارائه شده توسط فروشگاه باخبر باشند (نظری و همکاران، 1391). شاوپ و بلنگر (2005)، با بررسی فرایند خرید مدعی شدند تسهیلات، اعتماد و تحویل كالا، كیفیت درك شده از محصول و یا خدمت مورد معامله، امنیت و قابلیت به كارگیری وب سایت، از ویژگی اصلی تأثیرگذار بر تجربه خرید هستند .(Shaup and Belanger, 2005). چرا که قصد خرید اینترنتی به منزله متغیر مهمی كه تعیین كننده رفتار خرید نهایی است، خود پیامد ارزیابی معیارهایی شامل كیفیت پایگاه اینترنتی، جستجوی اطلاعات و ارزیابی محصول توسط مشتری است (Poddar et al., 2009; Shaup and Belanger, 2005). درحقیقت قصد خرید اینترنتی انعكاس دهنده تمایل مشتری به خرید از طریق پایگاه اینترنتی است (نظری و همکاران، 1391). اگرچه فروشگاه های اینترنتی رایجترین نمود تجارت الكترونیک هستند، اما بسیاری از پایگاه های اینترنتی در كمك به بنگاه ها در رسیدن به اهداف سودآوری خود
ناموفق عمل كرده اند. كرنی[1] (2001)، دریافت كه 82 درصد خریداران اینترنتی بدون نهایی كردن سفارش، فرایند خرید اینترنتی خود را نیمه كاره رها میكنند. كین[2] (1999) نیز بیان داشته، پایگاه های اینترنتی در ارائه تجربه خرید رضایت بخش، ناتوان هستند(نظری و همکاران، 1391).
از این رو مطالعه رفتار خرید و عوامل موثر بر ترغیب مشتریان به انجام خرید آنلاین با توجه به رشد فزاینده نفوذ اینترنت و تکنولوژی های اطلاعاتی و ارتباطی میان جوامع اهمیت ویژه ای یافته است. از این رو پژوهش حاضر بررسی رفتار خرید مشتریان و عوامل موثر بر آن را هدف قرار داده و از مدل پیشنهادی چئوک مان[3] (2012) بهره گرفته است همچنین با توجه به آمارهای منتشر شده بیشترین قشر استفاده کننده از اینترنت در کشور را افراد گروه سنی بین 20-29 (40%) و 30 تا 44 (30%) بوده گروه های مختلف تحصیلات عالی (دانشجویان) به عنوان جامعه آماری در نظر گرفته شده است.
1-3) سوالات پژوهش
1-4) اهمیت و ضرورت تحقیق:
نگهداری و مدیریت اطلاعات و دانش مشتریان در دنیای مجازی و تمایل خرید آنان به صورت الکترونیکی به مهمترین مباحث مطرح در تجارت الکترونیکی و طراحی وب سایت های کارآمدتبدیل شده است. دردنیای الکترونیک، وب سایت ها اولین نقطه تماس با مشتری جهت ترغیب به خرید هستند (حاجی حیدری و هاشمی، 1392). ﺑﺮ اﺳﺎس ﮔﺰارشات اﺧﯿﺮ، در ﺑﺮﺧﯽ ﮐﺸﻮرﻫﺎ ﺧﺮﯾﺪ اﯾﻨﺘﺮﺗﯽ ﺗﻮﺳﻂ ﺑﯿﺶ از 95 درﺻﺪ از ﮐﺎرﺑﺮان اﯾﻨﺘﺮﻧﺖ ﺻﻮرت ﻣﯽ ﭘﺬﯾﺮد. 99 درﺻﺪ از ﮐﺎرﺑﺮان اﯾﻨﺘﺮﻧﺖ در ﮐﺮه ﺟﻨﻮﺑﯽ ﺑﻪ ﺻﻮرت ﺑﻬﻨﮕﺎم ﺧﺮﯾﺪ ﻣﯽ ﮐﻨﻨﺪ و در ﭘﺸﺖ ﺳﺮ آﻧﻬﺎ ﺑﺎ ﻓﺎﺻﻠﻪ ای اﻧﺪك ﮐﺎرﺑﺮان آﻟﻤﺎن، اﻧﮕﻠﺴﺘﺎن و ژاﭘﻦ ﻗﺮار دارﻧﺪ. ﻣﺼﺮف ﮐﻨﻨﺪﮔﺎن اﯾﺎﻻت ﻣﺘﺤﺪه در رﺗﺒﻪ ﻫﺸﺘﻢ اﯾﻦ ﻟﯿﺴﺖ ﺟﺎی ﮔﺮﻓﺘﻪ اﻧﺪ. ﺑﺮاﺳﺎس ﯾﮏ ﻣﻄﺎﻟﻌﻪی ﻣﺸﺎﺑﻪ، 40 درﺻﺪ ازﮐﻞ اﻓﺮاد ﺣﺎﺿﺮ در ﺷﺒﮑﻪ ﺟﻬﺎﻧﯽ اﯾﻨﺘﺮﻧﺖ ﺟﺰء ﺧﺮﯾﺪاران ﻣﻨﻈﻢ و ﭘﺎ ﺑﺮﺟﺎ ﻣﺤﺴﻮب ﻣﯽ ﺷﻮﻧﺪ. در ﺣﺎﻟﯿﮑﻪ 85 درﺻﺪ از ﮐﺎرﺑﺮان اﯾﻨﺘﺮﻧﺖ ﺣﺪاﻗﻞ ﯾﮏ ﺧﺮﯾﺪ ﺑﻬﻨﮕﺎم در ﻣﺎه، ﺗﺎ اﻧﺘﻬﺎی ﺳﺎل 2007 ﻣﯿﻼدی اﻧﺠﺎم داده اند (Constantinides et al., 2010,1-2). اﺳﺎﺳﺎً وب اﺑﺰارﯾﺴﺖ ﻗﺪرﺗﻤﻨﺪ ﮐﻪ ﻣﺴﯿﺮ ارﺗﺒﺎﻃﯽ ﺑﯿﻦ ﮐﺴﺐ و ﮐﺎرﺷﺮﮐﺖ ﻫﺎ و ﻣﺸﺘﺮﯾﺎن را ﺑﻪ واﺳﻄﻪ ﭘﯿﺸﻨﻬﺎدات ﺑﯽ ﺣﺪ و ﺣﺼﺮ و ﻓﺮﺻﺖ ﻫﺎی ﻣﻮﺟﻮد، ﻣﺘﺤﻮل ﺳﺎﺧﺘﻪ اﺳــﺖ. اﻣــﺮوزه ﺷﺮﮐـﺖ ﻫﺎ ﺑﻪ ﺟﻬﺖ رﻗﺎﺑﺖ ﭘﺬﯾﺮی در اﻗﺘﺼﺎد ﺟﻬﺎﻧﯽ، ﺑﻪ ﻃﻮر ﻓﺰاﯾﻨﺪه ای ﻓﻌﺎﻟﯿﺖ ﻫﺎی ﺧﻮد را در راﺳﺘﺎی اﯾﻦ ﮐﺎﻧﺎل ارﺗﺒﺎﻃﯽ ﺗﻮﺳﻌـــﻪ ﻣﯽ دﻫﻨﺪ. از این رو درك ﻓﺮآﯾﻨﺪ ﺗﺼﻤﯿﻢ ﮔﯿﺮی ﺑﻬﻨﮕﺎم، ﺟﻬﺖ ﺗﻮﺳﻌﻪ ی راﻫﺒﺮدﻫﺎی ﮐﺴﺐ و ﮐﺎر اﻟﮑﺘﺮوﻧﯿﮑﯽ و راﻫﻨﻤﺎﯾﯽ در اﺳﺘﻘﺮار ﻣﻨﺎﺳﺐ ﺑﺎزارﯾﺎﺑﯽ، دارای اﻫﻤﯿﺖ اﺳﺖ(Clarke and Flaherty,2005,288). اﻣﺮوزه ﭼﺸﻢ اﻧﺪاز ﮐﺴﺐ و ﮐﺎر اﻟﮑﺘﺮوﻧﯿﮑﯽ، ﺑﻪ واﺳﻄﻪ رﻗﺎﺑﺖ ﺑﺴﯿﺎر زﯾﺎد ﺗﻮﺻﯿﻒ ﺷﺪه و ﻣﺤﯿﻂ ﯾﮏ ﺑﺎزار ﺑﺎ ﺳﺮﻋﺘﯽ ﺑﺎﻻ و ﭘﻮﯾﺎ در ﺣﺎل ﺗﻐﯿﯿﺮ اﺳﺖ. ﺧﺮﯾﺪاران اﻟﮑﺘﺮوﻧﯿﮑﯽ ﺑﻪ ﻃﻮر ﻓﺰاﯾﻨﺪه ای در ﺧﺮﯾﺪ ﺑﻬﻨﮕﺎم، ﻣﺎﻫﺮﺗﺮ و ﺑﺎ ﺗﺠﺮﺑـﻪ ﺗﺮ ﮔﺸﺘﻪاﻧﺪ. آﻧﻬﺎ در ﺗﺠﺮﺑﻪ ﺧﺮﯾﺪﺷﺎن ﺑﻪ دﻧﺒﺎل ﻟﺬت و ﻫﯿﺠﺎن ﻫﺴﺘﻨﺪ. ﻣﻮج ﭘﮋوﻫﺶ ﻫﺎﯾﯽ ﮐﻪ درﺻﺪد ﺷﻨﺎﺳﺎﯾﯽ ﻋﻮاﻣﻠﯽ ﺑﺮﻣﯽ آﯾﻨﺪ ﮐﻪ ﺑﺮ ﻧﮕﺮشﻫﺎی ﺧﺮﯾﺪاران اﻟﮑﺘﺮوﻧﯿﮑﯽ، ﺣﺎﻟﺖ رواﻧﯽ آﻧﻬﺎ، ﮐﯿﻔﯿﺖ ﺧﺪﻣﺎت ﺑﻬﻨﮕﺎم، رﺿﺎﯾﺖ ﺑﻬﻨﮕﺎم، ﺗﻤﺎﯾﻞ ﺑﻪ ﺧﺮﯾﺪ و ﺗﻤﺎﯾﻞ ﺑﻪ ﺑﺎزدﯾﺪ از ﺳﺎﯾﺖﻫﺎ ﺗﺎﺛﯿﺮﮔﺬارﻧﺪ، رو ﺑﻪ اﻓﺰاﯾﺶ اﺳﺖ. ﻋﻠﯿﺮﻏﻢ ازدﯾﺎد اﯾﻦ ﺳﻠﺴﻠﻪ از ﭘﮋوﻫﺶ ﻫﺎ، ﮐﻤﺎﮐﺎن ﺑﻪ ﭘﺮﺳﺶﻫﺎﯾﯽ ﮐﻪ ﻓﺮوﺷﻨﺪﮔﺎن اﻟﮑﺘﺮوﻧﯿﮑﯽ در ﻣﺤﯿﻂ رﻗﺎﺑﺘﯽ ﻓﺰاﯾﻨﺪه ﺑﺎ آﻧـﻬﺎ رو دررو ﻫﺴﺘﻨﺪ، ﭘﺎﺳﺨﯽ داده ﻧﺸﺪه اﺳﺖ. از این رو انجام مطالعات بیشتر در این زمینه ضرورت می یابد.
1-5) اهداف تحقیق :
هدف اصلی:
اهداف فرعی
امروزه شاهد رشد عظیمی در تولید داده هستیم. فعالیتها و تعاملهای روزانه انسانها، حجم چشمگیری از دادهها و اطلاعات را به وجود میآورد؛ به عنوان مثال در ارتباطات از راه دور، تراکنش هایمالی و بانکی، شبکههای اجتماعی، فعالیتهای اینترنتی عام، امور مربوط به بهداشت و درمان، پایش اطلاعات امنیتی، اطلاعات و دادههای آماری مانند سرشماری نفوس و بسیاری موارد دیگر [1,2]. با پیشرفت چشمگیر تجهیزات سخت افزاری، هزینه ذخیره داده کم شده است؛ این در حالی است که آنالیز صحیح و استخراج اطلاعات مفید از این حجم از داده به یک دغدغه تبدیل شده است. هوش مصنوعی[1] و به ویژه حوزه یادگیری ماشین[2]، به دنبال یافتن روشها و ابزارهای موثر جهت رفع این مشکل می باشد.
2-1- یادگیری ماشین
اصلیترین زمینه تحقیقاتی در حوزه یادگیری ماشین، شناسایی الگو[3] است؛ یعنی استخراج اطلاعات و الگوهای تکرار شونده از داده ورودی[4]، که این اطلاعات برای انجام تصمیمگیری در مورد دادههای نادیده[5] کاربرد دارد.
بر اساس نوع پیش بینی دادههای نادیده، انواع روشهای شناسایی الگو را می توان به دو گروه کلی روشهای مبتنی بر دستهبندی[6] و روشهای مبتنی بر رگرسیون[7] تقسیمبندی کرد. سیستمهای مبتنی بر دستهبندی، سعی در ساختن مدلی دارند که خروجی آن گسسته[8] میباشد و این خروجی در واقع برچسب کلاسی[9] است که سیستم برای یک نمونه خاص پیشنهاد میدهد؛ در مقابل، سیستمهای مبتنی بر رگرسیون، تابعی پیوسته[10] را مدل میکنند و خروجی آنها به صورت عددی[11] میباشد.
یادگیری ماشین را میتوان به چهار دسته کلی یادگیری با نظارت[12] و یادگیری بدون نظارت[13]، یادگیری نیمه نظارتی[14] و یادگیری فعال[15] تقسیمبندی کرد. در یادگیری با نظارت، سیستم با دادههای آموزشی که دارای برچسبهای کلاس معین هستند آموزش داده میشود. این گروه از الگوریتمها که بسیار رایج نیز میباشند، سعی در ساخت مدلی دارند که به بهترین نحو دادههای آموزشی را به برچسب کلاس داده شدهی آنها مرتبط سازند. مدل ساخته شده بر این اساس، در مرحله آزمایش[16] سعی در پیش بینی برچسب کلاس دادههای آزمایشی خواهد کرد. در مقابل این گروه از الگوریتم ها، الگوریتم های مبتنی بر یادگیری بدون نظارت، بدون دریافت برچسب کلاس دادههای آموزشی، سعی در دستهبندی دادههای آموزشی میکنند؛ به این نوع از یادگیری، خوشهبندی[17] نیز گفته میشود. گاهی تنها بخشی از برچسب کلاس دادههای آموزشی در دسترس است بنابر این دسته سوم از الگوریتمها، یعنی الگوریتمهای نیمهنظارتی، عملکردی مابین الگوریتمهای نظارتی و الگوریتمهای بدون نظارت دارند. در یادگیری فعال، سیستم در مرحله آموزش، با انسان تعامل دارد؛ به این صورت که انسان برچسبهای مناسب را به دادههای ورودی نسبت میدهد و سیستم با توجه به برچسبهای اختصاص داده شده، به پایش اطلاعات خود و مدل آموزشی میپردازد.
3-1- الگوریتمهای یادگیری جمعی
القای دستهبندیکننده ها هنگامی که تعداد دادههای آموزشی به طرز چشمگیری زیاد باشد با مشکل روبهرو خواهد شد. این پدیده باعث به وجود آمدن مرزهای کلاس[23] پیچیده میشود؛ یادگیری دقیق این مرزها، برای دستهبندیکنندههایی که سعی در تولید یک قانون برای توصیف داده دارند، به چالشی عظیم تبدیل می شود. پیچیدگی این وضعیت زمانی به اوج خود می رسد که بردار خصیصه دادهها، دارای ابعاد بالا[24] باشد.
رواج خانواده خاصی از الگوریتمهای یادگیری ماشین، تحت عنوان الگوریتمهای یادگیری جمعی که سعی در مواجهه و برطرف نمودن چالشهای موجود دارند، طی سالهای اخیر بسیار چشمگیر بوده است. این دسته از الگوریتمها، موفقیت خود را مرهون عملکرد محافظهکارانه خود میباشند. در حالی که اکثر الگوریتمهای یادگیری از القای یک دستهبندیکننده برای توصیف داده استفاده میکنند، الگوریتمهای یادگیری جمعی از تعداد زیادی یادگیرهای ضعیف[25]، که قدرت پیش بینی آنها اندکی بهتر از حدس تصادفی[26] است، بهره می برند. به بیان دیگر، ایده اصلی الگوریتمهای یادگیری جمعی، بهکارگیری چندین یادگیر و ترکیب نتیجه پیش بینی آنها به عنوان یک گروه از دستهبندیکنندهها و بالا بردن دقت کلی[27] یادگیری است. به هر یک از اعضای موجود در این گروه از یادگیرها، یادگیر پایه[28]
گفته می شود. در مسائل دستهبندی، الگوریتم یادگیری جمعی به عنوان سیستم دستهبندی چندگانه[29]، ائتلاف دستهبندیکننده ها[30]، کمیتهای از دستهبندیکنندهها[31] و یا ترکیب دستهبندیکنندهها[32] نیز خوانده می شود. پیش بینی هر یک از اعضا ممکن است به صورت یک عدد حقیقی[33]، برچسب کلاس، احتمال پسین[34] و یا هر چیز دیگری باشد. چگونگی ترکیب رأی اعضای الگوریتم، در نتیجه گیری نهایی بسیار مهم است که شامل میانگینگیری، رأی به اکثریت[35] و روشهای احتمالی می شود.
4-1- دسته بندی کننده های سریال
ویولا و جونز [3] در سال 2001 برای اولین بار قوانین روشهای مبتنی بر یادگیری جمعی را به کمک مفهوم یادگیری کلان-به-جزیی[1] توسعه دادند. با این گام عظیم، آنها روشی را ابداع کردند که انجام دستهبندی دقیق و سریع بر روی مجموعه دادههای تشخیص چهره[2]، که شامل صدها هزار داده بودند، را امکان پذیر می ساخت. روش ابداعی آنها به صورت یک ساختار سریال بود که دستهبندیکنندههای جمعی را در لایههای متوالی به صورتی کنار هم قرار میداد که لایههای اولیه شامل تعداد کمی از دستهبندیکنندهها بود و این تعداد در لایههای بعدی به مرور افزایش مییافت. این روش تاثیر بسزایی در تولید دستهبندیکننده های پیمانهبندیشده[3] و دقیق داشت که به طبع، نه تنها در زمینه تشخیص چهره، بلکه در زمینههای مختلف کاربرد داشت. با این حال آموزش دستهبندیکنندههای موثر با بهره گرفتن از روش ویولا و جونز، به علت زمانبر بودن بیش از حد مرحله آموزش، تقریبا مقرونبهصرفه نبود.
در تلاشی برای کاهش زمان آموزش دستهبندیکنندههای سریال در مواجهه با مجموعه دادههای بسیار بزرگ، بارکزاک و همکاران [4] یک روش سریال تودرتو ارائه کردند. آنها نام روش خود را PSL[4] نهادند که بیانگر دستهبندیکنندههای تودرتوی سریال متشکل از دستهبندیکنندههای قوی موازی در هر لایه است.
[1] Coarse-to-fine learning
[2] Face recognition
[3] Boosting
[4] Parallel Strong classifiers within the same Layer
[1] Artificial intelligence
[2] Machine learning
[3] Pattern recognition
[4] Input data
[5] Unseen data
[6] Classification
[7] Regression
[8] Discrete
[9] Class label
[10] Continues-valued function
[11] Numerical
[12] Supervised learning
[13] Unsupervised learning
[14] Semi-supervised
[15] Active learning
[16] Testing phase
[17] Clustering
[18] Training set
[19] Feature vector
[20] Classifier
[21] Hypothesis
[22] Decision boundary
[23] Class boundaries
[24] High dimensional
[25] Weak learners
[26] Random guess
[27] Overall accuracy
[28] Base learner
[29] Multiple classifier system
[30] Classifier fusion
[31] Committee of classifiers
[32] Classifier combination
[33] Real number
[34] Posterior probability
[35] Majority vote
تعامل انسان با کامپیوتر (HCI)[1] امروزه کاربردهای گسترده ای دارد. این رشته علم بررسی تعامل کامپیوتر و انسان است. در واقع این علم نقطه تقاطع دانش کامپیوتر، علوم رفتارشناسی طراحی و چند علم دیگر است. ارتباط و تعامل کامپیوتر وانسان از طریق واسط اتفاق میافتد. که شامل نرمافزار و سختافزار است. یک تعریف دقیق آن چنین است:
علم تعامل کامپیوتر و انسان یک رشته مرتبط با طراحی ارزیابی و پیاده سازی سیستمهای محاسباتی متقابل برای استفاده انسان در مطالعه پدیدههای مهم پیرامون اوست. این رشته شاخههایی از هر دو طرف درگیر را شامل میشود مثلا گرافیک کامپیوتری، سیتمهای عامل، زبانهایی برنامه نویسی، تئوری ارتباطات و طراحی صنعتی برای قسمت کامپیوتری زبانشناسی، روانشناسی و کارایی انسان برای قسمت انسانی آن. این رشته به شاخه های زیادی تقسیم می شود که یکی از آنها واسط مغز و کامپیوتر(BCI)[2] است.
مغز انسان توانایی انتشار امواجی الكتریكی و مغناطیسی را دارد كه می توان با ثبت آنها علاوه بر كاربردهای پردازشی به تشخیص برخی بیماریها و حتی برقراری ارتباط به صورت تلپاتی پرداخت. یكی از روشهای ثبت این سیگنالها EEG)) [3] میباشد.
سیگنالهای الکتریکی مغزی را اولین بار دکتر هانس برگر[4] در سال 1920 شناسایی و ثبت کرد. با ثبت این سیگنالها تلاش انسان برای استفاده از این سیگنالها برای کاربردهای مختلف شروع شد. اکنون بیشترین استفادههای که از این سیگنالهای می شود در تشخیص پزشکی و کمک به افراد ناتوان جسمی و فکری است[1]. در اوایل ثبت این سیگنالها، به خاطر آشفته بودن و نویزی بودن این سیگنالها کار کردن بر روی و استخراج اطلاعات مفید از آنها مشکل بود.
در اوایل کشف سیگنالهای مغزی به دلیل نبودن دستگاههای ثبت و ضبط مناسب انسان به این تصور بود که ارتباط انسان با محیط اطرافش سخت و غیر ممکن است. اما با پیشرفتهای که در حوزه رایانه و الکترونیک صورت گرفت و با ابداع ابزارهای مناسب جهت ثبت سیگنالهای مغزی این ارتباط دور از دسترس نیست. امروزه BCI علمی است که این ارتباط را برقرار می کند.
واسط مغز و رایانه از مجموعهای از سنسورها و اجزای پردازش سیگنال تشکیل می شود که فعالیت مغزی فرد را مستقیما به یک سری سیگنالهای ارتباطی یا کنترلی تبدیل میکند. در این سامانه ابتدا باید امواج مغزی را با بهره گرفتن از دستگاههای ثبت امواج مغزی ثبت کرد که معمولا به دلیل دقت زمانی بالا و ارزان بودن و همچنین استفاده آسان، از EEG برای ثبت امواج مغزی استفاده میشود. الکترودهای EEG در سطح پوست سر قرار میگیرند و میدان الکتریکی حاصل از فعالیت نورونها[5] راه اندازه گیری میکنند. در مرحله بعد این امواج بررسی شده و ویژگیهای مورد نظر استخراج میشود و از روی این ویژگیها میتوان حدس زد که کاربر چه فعالیتی را در نظر دارد. در شکل(-11) واحدهای پردازشی سیستم BCI را میبینیم.
با توجه به پایین بودن نسبت سیگنال به نویز در این سیستم ابتدا یک پیش پردازش و عملیات حذف نویز بر روی این سیگنال ها انجام می شود. مرحله بعد مرحله استخراج ویژگی است که در فصلهای بعد در مورد انواع ویژگیها و روش های استخراج ویژگی صحبت میکنیم در نهایت با بهره گرفتن از ویژگیهای استخراج شده عمل دستهبندی را انجام میدهیم.
واسط مغز و رایانه ممکن است ساختاری ثابت داشته باشد یا اینکه به صورت انطباقی باشد و خود را با مشخصه یا مشخصههای سیگنال انطباق بدهد. همچنین ممكن است از خروجی سیستم به نوعی به شخص مورد آزمایش فیدبك[6] داده شود. این روش به بیوفیدبك مشهور است.
در اولین همایش بین المللی که در ژوئن 1999 برگزار شد یک تعریف معمول برای BCI به صورت زیر ارائه شد[2]: (یک واسط مغز و رایانه یک سامانه ارتباطی است که وابسته به مسیرهای خروجی نرمال سامانه عصبی جانبی و ماهیچهها نیست) سیگنالهای الكتریكی مغز از نظر دامنه و فركانس با برخی دیگر از سیگنالهای حیاتی همپوشانی دارند، لذا در تعریف BCI بر مستقل بودن سیگنالها از سایر سیگنالهای عصبی و عضلانی تاكید شده است.
2-1- تاریخچه BCI
اولین تلاشها در زمینه تعامل انسان با رایانه همزمان با کشف سیگنالهای EEG شروع شد و دانشمندان سعی کردند که بین این سیگنالها و فعالیت های مغزی ارتباط برقرار کنند[1]. اما با توجه به اینکه در ابتدا این سیگنالها بسیار آشفته و دارای نویز بودند، از این سیگنالها فقط در پزشکی استفاده میشد و فقط پزشکان متخصص با توجه به تجربه از این سیگنالها میتوانستند استفاد کنند. اما رفته رفته با تولید دستگاههای جدید و توانایی ثبت این سیگنالها با کیفیت بهتر، پژوهشها و تحقیقات بیشتری در این زمینه انجام گرفت.
در سال 1969، Elul [3]اولین تلاش را انجام داد. او بر روی سیگنال عملیات ریاضی کار کرد و نشان داد که اگر فرد عملیات فکری خاصی را انجام ندهد در %66 سیگنال مغزی آن توزیع گوسی است و اگر فرد عملیات ریاضی انجام دهد در %32 سیگنال مغزی توزیع گوسی دارد و از طریق سیگنال مغز توانست تشخیص دهد که فرد چه عملیات فکری انجام میدهد.
در دانشگاه Colorado دو محقق Keirn و Aunon تحقیقات خود را در این زمینه برای دستهبندی پنج فعالیت مختلف ذهنی شروع کردند[4]. آنها در حین انجام پنج فعالیت ذهنی مشخص و همزمان از چند كانال، سیگنال EEG را ثبت نمودند. سپس به كمك یک تفكیک كنندة بیز[1] از توان باندهای مختلف فركانسی بعنوان ویژگیهایی جهت تفكیک این فعالیتهای ذهنی استفاده كردند. آنها در ضمن كار خود این ایده را مطرح نمودند كه فعالیتهای مختلف ذهنی میتوانند بعنوان الفبایی جهت برقراری ارتباط مستقیم مغز با دنیای خارج استفاده شود؛ بطوریكه شخص می تواند با تركیب و انتخاب توالی چند فعالیت مشخص مقصود خود را به دنیای خارج منتقل كند.
چند سال بعد دکتر Anderson و همکارانش [5,6] کار این دو محقق را ادامه دادند. این گروه در اغلب كارهای خود از همان پنج فعالیت ذهنی استفاده کردند. آنها پارامترهای آماری همچون ضرایب(AR)[2] را تخمین زدند و با بهره گرفتن از این ضریب ویژگیهای را برای دسته بندی و تشخیص این پنج عمل استخراج کردند. بعد از استخراج ویژگی به کمک شبکه عصبی عمل دستهبندی را انجام دادند.
Pfrutscheller و همکارانش [7-11] در مرکز Graz اتریش در تحقیقات خود از سیگنالهای ثبت شده در حین حركت انگشت اشاره و یا در حین تصور حركت دادن دست راست و چپ استفاده نموده اند. آنها در كارهای خود از خروجیهای مختلفی همچون حركت یک نشانگر بر روی مانیتور، انتخاب حروف و كلمات و كنترل یک پروتز مصنوعی استفاده كردهاند. آنها جهت استخراج ویژگی از چند روش استفاده کردند. روش اول استخراج پارامترهای AR و روش دیگر محاسبة توان باندهای مختلف فركانسی، كه این باندها متناسب با شخص انتخاب میشوند. به گفته Pfrutscheller برای این كار از یک تابع فاصلة وزندار جهت تعیین میزان تأثیر هر مؤلفة فركانسی بر عمل دسته بندی استفاده شده است. به این روش (DSLVQ) [3] میگویند. این عمل برای تمام فركانسها در فاصله HZ 30-5 انجام می شود تا مؤلفه های فركانسی مناسب برای آن شخص بدست آید. آنها برای دستهبندی هم عموما از دو روش استفاده نموده اند. روش اول روشهای مبتنی بر شبكة عصبی (مانند LVQ)[4] و روش دوم مبتنی بر تفكیک كنندههای خطی.[5] (LDA) آنها جهت بهبود عملكرد سیستم خود در برخی موارد از تكنیكهای بیو فیدبك هم استفاده نموده اند. بعنوان مثال با نشان دادن یک فلش روی مانیتور از كاربر خواسته می شود كه تصور حركت دادن دست راست یا چپ را ا نجام دهد. با انجام مكرر این كار ، تفكیک كننده را برای تفكیک این دو عمل آموزش می دهند . سپس در مرحلة آزمایش هر بار كه از شخص خواسته می شود كه حركت دادن یک دست را تصور كند با بهره گرفتن از تفكیک كنندة تعلیم دیده سیگنال مغزی او را دستهبندی می كنند. هر بار بسته به میزان خطای تفكیک كننده یک علامت فلش با طولی متناسب با میزان خطا روی صفحه رسم می شود . این علامت در واقع یک فیدبك است كه با دیدن آن شخص سعی میكند كه هر بار طول علامت خطا را كم كند.
Wolpaw و همکارانش[12 ] بیشتر در زمینه پزشکی کار کردند لذا كارهای آنها عموما از پشتوانة فیزیولوژیک خوبی برخوردار است اما روشهای پردازشی آنها نسبتا ساده است. اساس كار آنها بر این مبناست كه افراد را میتوان بگونهای آموزش داد كه بتوانند برخی از ویژگیهای سیگنال مغزی خود را کنترل کنند.
به طور کلی از جمله تحقیقاتی که در طی سالیان دراز در زمینه BCI انجام گرفته است می توان به تصور حركت دادن دست راست و چپ ، حركت دادن انگشتان اشارة دو دست، انجام پنج فعالیت ذهنی: حالت استراحت, نامه نگاری، شمارش، ضرب ذهنی و دوران ذهنی ، انجام عملیات ضرب با میزان پیچیدگی مختلف، گوش دادن به انواع موسیقی، انجام فعالیتهای احساسی و عاطفی و رانندگی شبیه سازی شده اشاره کرد که در هر زمینه محققین زیادی کار کرده اند و به نتایج قابل قبولی دست یافته اند.
[1] Bayes
[2] Autoregressive
[3] Distinction Sensitive Learning Vector Quantization(DSLVQ)
[4] Learning Vector Quantization
[5] Linear Discriminant Analysis
[1] Human Computer Interface(HCI)
[2] Brain-Computer Interface(BCI)
[3] Electroencephalography
[4] Hans Berger
[5] neurons
[6] Feedback
استقرار هر عنصر شهری درموقعیت فضایی- کالبدی خاصی از سطح شهر، تابع اصول و قواعد و سازوکار (مکانیسم های)خاصی است که در صورت رعایت شدن به موفقیت و کارایی عملکردی آن عنصر در همان مکان مشخص خواهد انجامید و غیر این صورت چه بسا مشکلاتی بروز کند .استقرار بسیاری از عناصر شهری بیشتر تابع سازکارهای اقتصادی و رقابت آزاد است ،اما برای خدمات عمومی که ایستگاه های آتش نشانی نیز جزء این نوع از خدمات شهری می باشد. نمی توان به سازکارهای بازار واگذار بسنده کرد، بدیهی است خدمات رسانی به موقع و مطمئن توسط ایستگاه های آتش نشانی بیش از هر چیز مستلزم استقرار آنها در مکان های مناسب است که بتواند در اسرع وقت و بدون مواجه شدن با موانع و محدودیت های محیط شهری از یک طرف و با ایجاد حداقل آثار منفی بر روی زندگی ساکنان شهر ازطرف دیگر به محل حادثه رسیده و اقدامات اطفا و یا امداد را به انجام برسانند. به رغم اینکه وجود نابرابری در استاندارد زیست در بین ساکنین یک شهر پدیده جدیدی در هیچ یک از شهرهای جهان نیست اما در کشورهای کمتر توسعه یافته به دلیل فاحش تر بودن تفاوتهای اجتماعی-اقتصادی و پیدایش سکونتگاه های زیر استاندارد و گسترش خوشه نشینی، تفاوت های فضایی شهر تشدید شده است(عبدی و دانشپور،1378،37). سکونت اقشار کم درامد در مکانهایی که جاذب سایر گروه های اجتماعی نیست، به تمرکز فقر می انجامد و این فرایند به جدایی گزینی طبقه کم درامد از سایر گروهای اجتماعی منجر میشود(شاه حسینی،1384،158). الگوی توزیع مراکز خدمات شهری از جمله عواملی است که باعث ارزش متفاوت زمین شهری شده و به جدایی گزینی های گروهای انسانی دامد میزند. بنابرین نقشه برنامه ریزان شهری در ایجاد و تقویت جدایی گزینی های اجتماعی و تفاوت در سطح زندکی شهروندان امری بدیهی و غیر قابل انکار است.ایستگاه های آتشنشانی از جمله مراکز مهم و حیاتی خدمات رسانی در شهرها هستند که نقش مهمی در تامین ایمنی و اسایش شهروندان و توسعه شهر ها دارند. بدیهی است خدمات رسانی به موقع ایستگاه های آتشنشانی بیش از هر چیز مستلزم استقرار آنها در مکانهای مناسب است که بتئانند در اسرا وقت و بدون مواجه شدن با موانع و محدودیت های محیط شهری از یک سو و با ایجاد کمترین آثار منفی بر زندگی ساکنان شهری از سوی دیگر، به محل حادثه برسند و اقدامات امداد را به انجام برسانند. عوامل متعددی در مکان یابی تجهیزات شهری دخالت دارند تحلیل همه جانبه آنها به وسیله روشهای سنتی مکان یابی به دلیل حجم زیاد
داده ها امکان پذیر نیست. از طرفی، عدم توجه به این عوامل در مکان یابی تجهیزات شهری موجب هدر رفتن سهم عمده ای از منابع مادری و از دست دادن حجم زیاد انرژی و نیروی کار انسانی در شهر ها گردیده است.لذا استفاده از ابزار تحلیل گر توانمندی چون GIS که بتواند با جحم وسیعی از داده ها کار کند ضروری است.
1-2- شرح و تبیین مسئله
در پی رشد سریع جمعیت و رشد شتابزده و غیر منطقی شهرهاو مطرح شدن نیازها برای خدمات عمومی و حاکم شدن اقتصاد بازار و پیروی از اصول اقتصاد نئوکلاسیک که در آن رقابت در جستجوی سود بیشتر باعث کاهش سهم کاربری های عمومی (ایمنی،امدادی و … ) و افزایش سهم کاربری های مسکونی و سودآور می شود . لزوم دخالت دولت و برنامه ریزی جهت گسترش عدالت اجتماعی و دسترسی یکسان و متعادل خدمات را برای همه افراد ضزوزی می سازد . در این راستا برنامه ریزان سعی دارند با ارائه الگوی مناسب تخصیص زمین به کاربری های مورد نیاز شهرها و مکان گزینی مناسب آنها در کالبد شهر، جهت تأمین رفاه و ایمنی شهرها و آسایش شهرنشینان تأثیر گذاشته و امکان زیست بهتری را در شهرها فراهم آورند (ولی زاده ، 1384؛7). کاربریهای ایستگاه آتش نشانی یکی از انواع کاربریهای اساسی در شهرهاست که مکان یابی بهینه آنی، ایمنی و رفاه شهروندان را بدنبال خواهد داشت.توجه صرف به ساخت و استقرار ایستگاه های آتش نشانی ازنظر کمی و عدم توجه به کاربریهای مجاور و سایر عوامل مهم درمکان یابی آنها موجب کاهش کارایی ایستگاه از نظر امدادرسانی به موقع می گردد. علاوه بر موضوعهای ذکر شده در رابطه با کمبود ایستگاههای آتش نشانی، مکان یابی نادرست و عدم هماهنگی با بافت و سیمای شهری از مسائل و موضوعات مشترک بسیاری از شهرهای ایران محسوب می گردد. بدین ترتیب با پرداختن به موضوع مکان یابی، محلی مناسب جهت استقرار ایستگاه های آتش نشانی برگزیده به طوری که در صورت وقوع حادثه، تیم های تخصص امدادرسان قادر باشند در سریع ترین زمان ممکن خود را برای نجات به حادثه دیدگان به محل برسانند.
تجهیزات و تاسیسات پایه و اساس سکونتگاه های شهری را تشکیل داده و کمبود و نقص آنها مشکلاتی را برای شهروندان به وجود می آورد. اعتبار و اهمیت هر شهر بسته به این خدمات و تاسیسات دارد. هرچه ارائه این خدمات بهتر باشد زندگی در آن راحت تر و هزینه زندگی در آن برای شهروندان کمتر خواهد بود. اگر این خدمات در مکان های مناسب و به اندازه کافی باشد از هزینه های اقتصادی و زمانی ساکنین به نحو محسوسی کاسته خواهد شد و لازمه این امر تحقیق و کنکاش علمی و کارشناسی است که باید از سوی سازمان ها و ارگان های مختلف حمایت شود.(سعیدی خواه، :1383ص35 ). رشد روزافزون و افقی شهرها به همراه افزایش جمعیت آنها موجب بالارفتن قیمت زمینهای شهری، رشد عمودی آنها و افزایش تراكم جمعیت شهری شده است. توسعه نامتناسب شهرها به همراه این رشد افسار گسیخته در سالهای اخیر و توجه نكردن مدیران شهری به توسعه پایدار، مشكلات عدیدهای را بخصوص برای شهرهای جهان سوم به وجود می آورد و مسئولیت بیشتری بر دوش برنامه ریزان شهری می نهد. اهمیت مكانیابی اصولی، كاربریها و خدمات شهری را بارزتر میكند. اغلب نظریه های مكانیابی و مكان گزینی به كاربریهای صنعتی و تجاری توجه نموده و عوامل تولید از قبیل بازار، سرمایه، نیروی كار و فاصله بازار تا محل تولید را متغیرهای اساسی مكانیابی در نظر گرفته و مدلهای خاصی را با اولویت دادن به یک یا چند عامل ارائه داده اند، در حالی كه متغیرهای مؤثر بر مكانیابی ایستگاه های آتش نشانی از نظر نوع و تعداد و تنوع تفاوتهایی با متغیرهای مؤثر بر مكانیابی واحدهای صنعتی و تجاری دارند و باید دقیقاً بررسی شوند(گوگه و پرهیزکار،1381:98). امروزه یافتن مکان یا مکان های مناسب برای ایجاد یک فعالیت در حوضه جغرافیایی معین، جزء مراحل مهم
پروژه های اجرایی بویژه در سطح کلان و ملی به شمار می آید. مکان های نهایی باید همه شرایط و قیود مورد نیاز را ارضاء نماید و عدم بررسی این شرایط و قیود قبل از اجرای چنین پروژه هایی نتایج نامطلوب فراوان به دنبال خواهد داشت (مهدی پور، 1385:ص44 ). تعیین محل و تعداد ایستگاه های آتش نشانی در یک منطقه معین شاید مهمترین تصمیمی است كه رئیس سازمان آتش- نشانی با آن مواجه است. البته نكته مهم این است كه راه حل بهینه، راه حلی است كه مجموع خسارات ناشی از آتش سوزی و هزینه ارائه خدمات را حداقل نماید.یکی از مهمترین پارامترها در ارایۀ با کیفیت ایستگاههای آتشنشانی، زمان ارائۀ خدمات این مراکز است. محل ایستگاههای آتشنشانی نقش بسیار اساسی در کاهش زمان پاسخ به تقاضا دارد، و از اینرو، مکانگزینی بهینۀ این ایستگاهها در سطح شهرها از اهمیت بسیار زیادی برخوردار است. در واقع خدمات رسانی به موقع و مطمئن توسط این مراکز بیش از هر چیز مستلزم استقرار آنها در
مكان های مناسب است. شهر اردبیل از جمله شهرهای نسبتا بزرگ و پرجمعیت کشور است که به دلیل تراكم زیاد جمعیت و توسعه پهنة شهری از یک سو و از سوی دیگر انتخاب این شهر به عنوان مركز استان و وقوع حوادث بالا، نیاز مبرمی به خدمات رسانی بهینه مراکز آتشنشانی و ایمنی دارد.
مكان گزینی ایستگاه های آتش نشانی در شهرنسبتا بزرگی چون اردبیل همواره با مشكلات عدیده ای روبه رو بوده است. تعدد عوامل مؤثر در مكان یابی ایستگاه های آتش نشانی و افزایش روزافزون مشكلات زندگی شهری لزوم استفاده ازروش های مؤثر و سیستمهای رایانه ای را در مكانیابی ایستگاه های آتش نشانی بیش از پیش آشكار ساخته است
1-3- پیشینه تحقیق
در مقیاس جهانی در زمینه مکان یابی ایستگاه های آتش نشانی با بهره گرفتن ازسیستم ها اطلاعات جغرافیایی، مطالعات جامع و کامل صورت گرفته است در فوریه سال 2000 میلادی ، پروژه مکان یابی ایستگاه های آتش نشانی ویرجینیا و کانزاس ، تحت راهنمایی شرکت کردی ویتا به کمک GIS انجام گرفت . در ژانویه سال 2004 میلادی ، لی ویه در مکان یابی سایت های خدماتی چند منظوره از الگوریتم ژنتیک در محیط GIS استفاده نموده است .
به لحاظ اهمیت بسیار زیاد مساله نجات جان انسانها در اطفای حریق، پژوهشهای بسیاری از دیرباز در كشورهای توسعه یافته در زمینه انتخاب مكانهای مناسب احداث ایستگاه های آتش نشانی انجام گرفته است. پژوهشهای اولیه در این مورد بر مبنای انتخاب مكان ایستگاهها بر اساس سطح پوشش ارائه خدمات توسط هر یک از آنها قرار داشت (Guo an & Tang, 2008: 908)
انسانی ، جهت مکان یابی خدمات روستایی با بهره گرفتن از ابزار توانمند سیستم اطلاعات جغرافیایی پرداخته اند . از این رو ابتدا اقدام به تهیه نقشه های مورد نیاز همچون نقشه ارتفاع ، شیب و غیره نمود، سپس به نحلیل داده ها در قالب توابع و مدلهای سیستم اطلاعات جغرافیایی و از طریق هم پوشانی و وزن دهی، نتیجتاً قسمت های مناسب جهت استقرار مراکز خدمات دهی را مکان یابی نموده اند.
در مرحله دوم مکان یابی این تأسیسات و تجهیزات بر اساس فاکتورهای مختلف پیشنهاد شده و در نهایت مقایسه ای از وضع موجود و مطلوب این خدمات به عمل آمده است. نتیجه کار استخراج نقشه های میزان و مقدار مکان یابی خدمات است که با وضع موجود نیز سنجیده شده و میزان کمبودها مشخص شده است و نتیجه بدست آمده حاکی از اختلاف زیاد بین مقدار و مکان گزینی خدمات در وضع موجود و وضع مطلوب می باشد .
عصر کنونی که محققان آن را فرامدرن نامیده اند، دارای ویژگی تغییر مداوم و پیچیدگی ساختارهاست. در چنین شرایطی، تنها مدیرانی می توانند با موفقیت عمل نمایند که اطلاعات مناسب و به روز و جامعی را از نحوه عملکرد سازمان خود داشته و تصمیمات درست و به موقعی را برای بهبود مداوم آن، متناسب با تغییرات موجود اتخاذ نمایند (صارمی و ملایی، 1382، 31). با گسترده تر شدن سازمان ها و افزایش دامنه نظارتی مدیران، ارزیابی و کنترل واحدهای سازمانی به ضرورتی برای مدیران تبدیل می شود (صالحی صادقیانی و همکاران، 1387، 75) که این امر، بدون ارزیابی کارایی شعب تحت نظارتشان امکان پذیر نیست. علاوه بر این، مدیریت بانک ها همواره با توجه به شرایط اقتصادی حال و آینده، مجبور به اصلاح و بهبود خدمات بانکی، ارزیابی، بودجه بندی، نوآوری در ارائه خدمات، رقابت با سایر بانک ها و در نهایت، افزایش کارایی در میان واحدهای تحت سرپرستی خود می باشند.
به این منظور لازم است از کارایی شعب خود اطلاع داشته باشند و علل کارایی و ناکارایی آنها را بررسی کنند و با برنامه ریزی مناسب به اصلاح و هدایت واحدهای ناکارا بپردازند. بدیهی است که با انجام این کار، می توان انتظار داشت که زیان های ناشی از عدم کارایی به حداقل ممکن برسد و در مجموع سیستم بانکی کشور کاراتر شود ( احمدپور، 1385، 2).
1-2 بیان مساله
در دهه های اخیر، رشد روز افزون جمعیت از یک سو و کمیابی منابع اولیه و نیز هزینه های بالای فن آوری های نوین از سوی دیگر، باعث شده است تا راهکارهای استفاده بهتر از منابع موجود، مورد توجه واحدهای اقتصادی قرار گیرد. بر این اساس، شناخت مفهوم کارایی و اندازه گیری میزان آن در سازمان ها و بنگاه های اقتصادی امری ضروری به نظر می رسد. مسلما بدون در دست داشتن الگویی برای ارزیابی فعالیت های صورت گرفته، بسیاری از منابع موجود هدر رفته و رسیدن به اهداف و برنامه های سازمانی نیز با مشکل جدی مواجه خواهد شد.
بانک ها و موسسات مالی و اعتباری نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک ها و موسسات مالی و اعتباری در کشور، همچنین با توجه به روند خصوصی سازی بانک های دولتی و نیز تبدیل تعاونی های اعتبار و موسسات مالی اعتباری به بانک، ارزیابی عملکرد آنها اهمیت ویژه ای پیدا کرده است.
از این رو، دستیابی به مدیریت کارآمد نهاده های تولید در راستای تامین نیازهای رو به تزاید و بهره مندی از نگرش سیستمی و نیز در اختیار داشتن ابزارها و امکانات مناسب برای سنجش عملکرد واحدهای مختلف، امری ضروری و اجتناب ناپذیر است.
ایران کشوری در حال توسعه است و به همین دلیل مهمترین مساله آن کمبود تولید و رشد اقتصادی اندک است. یکی از ریشه ها و دلایل
عمده چنین وضعیتی پایین بودن سطح کارایی فنی در تولید و عدم استفاده از عوامل تولید به خصوص در بخش صنعت است. دستیابی به تولید بیشتر و رشد اقتصادی بالاتر، بدون افزایش امکانات فیزیکی و مصرف نهاده ها، جز از طریق افزایش کارایی امکان پذیر نیست. علاوه بر آن شناخت منابع و امکانات، لازمه برنامه ریزی است. امروزه بسیاری از کشورها به منظور تقویت زیربناهای اقتصادی، رهایی از وابستگی، رفع عدم تعادل های منطقه ای و در نهایت رسیدن به توسعه پایدار، بسیج منابع و به خصوص تخصیص ها و تصمیم سازی های مدیریتی، نیازمند شناسایی امکانات و منابع خویش هستند (امامی و همکاران، 1388، 163).
در میان صنایع مختلف، صنعت بانک داری به ویژه در دوران اخیر از اهمیت و جایگاه ویژه ای برخوردار است؛ چرا که انجام هر فعالیت اقتصادی مستلزم وجود نهاده هایی است و بدون شک یکی از مهمترین آنها، نهاده سرمایه است که تامین آن برای ایجاد و بقای فعالیت های اقتصادی نیازمند وجود شبکه بانکی کارآمد است.
افزایش رقابت در صنعت بانکداری و حضور بخش خصوصی در این عرصه، مدیران بانک را به انتخاب مقیاس مناسبی برای انجام خدمات بانکی واداشته است؛ به طوری که آنها همواره به ارزیابی عملکرد سیستم بانکی خود پرداخته و راهکارهای لازم را برای ارتقای آن اتخاذ نموده اند. روش ارزیابی بانک ها و شعب بانکی در طول زمان دچار تغییر و تحولات زیادی شده است. در روش های سنتی ارزابی عملکرد نظام بانکی، معمولا از شاخص های مالی استفاده می شود. این شیوه ارزیابی عملکرد که هم اکنون نیز در سطح بانک ها رایج است، دارای نقاط ضعفی است که عبارتند از:
الف) درجه بندی و ارزیابی کارایی شعب، صرفه نظر از شیوه اجرا، صرفا بر پایه ستانده های شعب انجام می پذیرد و منابع مورد استفاده شعبه مانند کارکنان، ساختمان و دارایی های دیگر تاثیری در درجه آن نخواهد داشت. این رویه، نوعی چشم پوشی از هزینه های شعبه محسوب می شود که در نتیجه آن، اتلاف منابع از نظر دور می ماند و در خصوص تشخیص ناکارایی ها و شیوه تخصیص منابع، کمک چندانی به مدیران و کارشناسان نمی کند.
ب) شیوه های مرسوم و رایج درجه بندی و ارزیابی کارایی، در بیشتر موارد تجربی است و از چارچوب علمی برخوردار نمی باشد. در روش های معمول، برای به دست آوردن امتیاز شعب برای هریک ار فعالیت های متنوع بانکی، شاخص هایی تعریف و با در نظر گرفتن ضرایبی، ترکیب می شود. ضرایب پارامترها، عموما با توجه به سودآوری یا نقش مدیران شعب در افزایش آنها تعیین می شود. این ضرایب شیوه ترکیب شاخص ها و نحوه تجزیه و تحلیل آنها، همه قابل بحث اند و هیچ یک خالی از اشکال نیست.
ج: بر اساس درجه بندی بر مبنای مقایسه دستاوردهای حاصل از فعالیت های بانکی در شعبه با توجه به متنوع بودن فعالیت های اقتصادی شعب و عدم امکان مقایسه چند نوع ستانده به طور همزمان با بهره گرفتن از روش های فعلی ناممکن و یا بسیار دشوار است. از این رو استفاده از مدلی که بتواند به منظور درجه بندی شعب ستانده های یک سیستم را به طور همزمان در نظر گرفته و ترکیب نماید، امری اجتناب ناپذیر است(قاسمی و همکار، 1388، 30).
گفتن واژه های کیفی از قبیل ” عالی، خیلی خوب، متوسط، ضعیف و خیلی ضعیف” بدون وجود اعداد کمی، جایگاهی در مدیریت نوین ندارد. کمی نمودن فاکتورهای کیفی، بخصوص در مورد کارایی، در جوامع و واحدهای اقتصادی از جمله بانک ها، نیاز به استفاده از روش های علمی و نو در برآورد کارایی را الزامی می سازد ( احمدپور، 1385، 3). یکی از روش های جدید در بررسی کارایی بانک ها، “تحلیل پوششی داده ها” است. استفاده از روش DEA از سال 1978 آغاز شده ولی آنچنان گسترش یافته که تا سال 1999 بیش از 400 مقاله، کتاب و رساله دکتری با کمک آن تدوین شده و این رقم، در سال 2005 به بیش از 2200 عنوان رسیده ( دادگر و نیک نعمت، 1386، 13). تحلیل پوششی داده ها، یکی از روش های معتبر در اندازه گیری کارایی نسبی موسسات مشابه، بر اساس ورودی ها و خروجی هاست. مدل های DEA، میزان توانایی هر واحد تصمیم گیرنده (DMU) در تبدیل ورودی ها به خروجی ها را ارزیابی می کند که این میزان توانایی، ” کارایی” نامیده می شود. به عبارت دقیق تر، در این گونه مدل ها با توجه به جایگاه واحدهای مورد بررسی، ابتدا مجموعه امکان تولید را مشخص می سازد. این مرز نشان دهنده جایگاه بهترین تبدیل ورودی ها به خروجی هاست. این مرز را مرز ” کارا” گویند. سپس ارزیابی واحدها بر اساس فاصله آنها از این مرز، انجام می شود و راهکارهای بهبود کارایی، بر مبنای نزدیک شدن به مرز انجام می گیرد. در تحلیل پوششی داده ها، به دلیل عدم استفاده از تابع تولید، هیچگونه پیش داوری از قبل بر روی موسسات مورد بررسی اعمال نمی شود و لذا مدل های DEA، به سبب استفاده از فرضیات کمتر در روند ارزیابی موسسات، جایگاه خاصی نسبت به مدل های مشابه پیدا کرده اند(علیرضایی و همکاران، 1387، 265).
چون همه شعبات یک بانک کارآ نیستند و دانستن این مطلب که کدام شعبه کارآ و کدام شعبه ناکارآ بوده و عامل ناکارآیی را مشخص نموده ، محقق برآن شد تا به تحقیق حاضر اقدام نماید.