دانلود ترجمه مقاله مدیریت دانش در مقابل داده کاوی
ترجمه فارسی مقاله مدیریت دانش در مقابل داده کاوی
.
| دانلود مقاله انگلیسی با ترجمه فارسی : |
| دانلود رایگان مقاله انگلیسی Knowledge management vs. data mining |
|
خرید ترجمه فارسی مقاله مدیریت دانش در مقابل داده کاوی
|
.
| بخشی از ترجمه فارسی مقاله : مدیریت دانش در مقابل داده کاوی |
| مدیریت دانش(KM) و داده کاوی(DM) امروزه اهمیت بیشتری پیدا کرده اند با این حال،تحقیقات و طرح های طبقه بندی جامع معدودی برای بحث در رابطه با ویژگی های هر دوی این ها وجود دارند. با استفاده از رویکرد کتاب سنجی، این مقاله به تجزیه تحلیل روند ها، پیش بینی ها و استناد های مربوط به تحقیق از ۱۹۸۹ تا ۲۰۰۹ با جست و جوی عناوین “مدیریت دانش” و “داده کاوی” در موضوعات در دیتابیس SSCI می پردازد. روش تحلیلی کتاب سنجی برای بررسی این دو موضوع در مجلات SSCI از ۱۹۸۹-۲۰۰۹ استفاده شده و ۱۳۹۳ و ۱۱۸۱ مقاله به ترتیب با کلمات مدیریت دانش و داده کاوی یافت شد.این مقاله، مقالات مدیریت دانش و داده کاوی را با استفاده از هشت مقوله ذیل: سال انتشار، استناد، کشور/منطقه، نوع سند، نام موسسه، زبان، عنوان منبع و زمینه و موضوع- برای وضعیت توزیع متفاوت به منظور کشف تفاوت ها و شیوه توسعه فناوری های 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 می کند یا نه انجام داد.
یافته های تحقیق را می توان برای بررسی بازدهی نویسنده با تحلیل متغیر هایی نظیر سن تقویمی و آکادمیک، تعداد و فراوانی انتشارات قبلی، دسترسی به گرانت های پژوهشی، وضعیت شغلی و غیره توسعه داد. به این ترتیب، خصوصیات فعالیت انتشاری بالا، متوسط و پایین نویسندگان و محققان را می توان شناسایی کرد. به علاوه، این یافته ها به قضاوت در مورد روند تحقیقات علمی و درک مقیاس توسعه تحقیق در مدیریت دانش و داده کاوی از طریق مقایسه افزایش نویسندگان مقاله کمک می کند. بر اساس اطلاعات فوق، دولت ها و شرکت ها می توانند گرایشات جمعی و تقاضا ها را برای پژوهش گر علمی در مدیریت دانش و داده کاوی به منظور تدوین راهبرد هاو سیاست ها یآموزشی مناسب در آینده درک کنند. این تحلیل، یک نقشه راه را برای نحقیق آینده ارایه کرده، اطلاعات روند فناوری را خلاصه کرده و انباشت دانش را تسهیل می کند، از این روی تحقیقات اینده می توانند بر مقوله های اصلی متمرکز شوند. بدین معنی که پدیده” موفقیت موجب موفقیت آینده است” در انتشارات با کیفیت بالا متداول تر بوده و بیشتر صدق می کند. |
.
|
بخشی از مقاله انگلیسی : |
Knowledge management vs. data mining |
| 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. |
|
.
| مشخصات مقاله : | |
| عنوان فارسی: مدیریت دانش در برابر داده کاوی: رویکرد روند، پیش بینی و استناد به تحقیق |
|
| عنوان انگلیسی: Knowledge management vs. data mining: Research trend, forecast and citation approach |
|
| تعداد صفحات مقاله انگلیسی : 14 | تعداد صفحات ترجمه فارسی : 38 |
| سال انتشار : 2013 | نشریه: الزویر – Elsevier |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 4554 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 2.63Mb |
| رشته های مرتبط با این مقاله: مهندسی صنایع و مدیریت |
|
| گرایش های مرتبط با این مقاله: داده کاوی، مدیریت فناوری اطلاعات و مدیریت دانش |
|
| مجله: سیستم های خبره با کاربردها (Expert Systems with Applications) | |
| دانشگاه: گروه مدیریت و تکنولوژی تجارت، موسسه فناوری Chihlee، تایوان |
|
| کلمات کلیدی: مدیریت دانش، داده کاوی، تحلیل روند تحقیق، روش کتاب سنجی | |
| وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است | |
| وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه شده است | |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است | |
| دانلود مقاله انگلیسی با ترجمه فارسی : |
| دانلود رایگان مقاله انگلیسی Knowledge management vs. data mining |
|
خرید ترجمه فارسی مقاله مدیریت دانش در مقابل داده کاوی
|
| مطالب مرتبط: |
|
دانلود مقالات مدیریت با ترجمه فارسی دانلود رایگان مقاله انگلیسی با ترجمه فارسی |
.
| پشتیبانی : | |
| شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد. | |
| – تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱ – ساعات تماس: ۷ صبح الی ۱۸ عصر – آدرس ایمیل: iranarze.supt@gmail.com – تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴ – پیامک: ۰۹۲۱۶۴۲۶۳۸۴ – آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰ – کد پستی: ۵۴۱۶۸۵۵۱۸۳ |
|
.
