ایمان رییسی وانانی

کارکنان مهم ترین و باارزش ترین سرمایه هر سازمانی هستند. تجربه کارمند بر نگرش و رفتار کارکنان تاثیر می گذارد؛ مبرهن است که تجربه کارمندی عالی افراد، تاثیر به سزایی در موفقیت سازمان آن ها دارد. با ظهور تحول دیجیتال، تجربه کارمند نیز دچار تحول گردیده و تجربه دیجیتال کارمند پا به عرصه حضور نهاده-است. اهمیت چشم گیر تجربه دیجیتال کارمند بر عملکرد کلی افراد و در نتیجه سرنوشت سازمان، ضرورت شناسایی مولفه های شکل دهنده تجربه دیجیتال کارمند را ایجاد کرده است. پژوهش حاضر با هدف شناسایی این مولفه ها و با روش کیفی دومرحله ای انجام شده است. در مرحله نخست، با استفاده از تحلیل مضمون پژوهش های انتخابی در زمینه موضوع موردمطالعه، مضامین اصلی و فرعی شناسایی شدند و الگوی اولیه ارائه گردید. سپس برای تایید و نیز اصلاح و تکمیل مولفه های شناسایی شده، مصاحبه با 12 خبره در حوزه تحول دیجیتال و منابع انسانی شهرداری استان سمنان که با روش نمونه گیری هدفمند قضاوتی برگزیده شدند، انجام پذیرفت. در بخش مصاحبه ها، از روش کیفی پدیدارشناسی تفسیری استفاده شد. یافته های پژوهش شامل شناسایی 8 مضمون اصلی و 86 مضمون فرعی در زمینه تجربه دیجیتال کارمند است.

تغییر مدل کسب وکار استارتاپ ها برای تطبیق با نیازهای متغیر بازار و افزایش رقابت پذیری ضروری است، اما بیشتر مطالعات پیشین بر شرکت های مستقر متمرکز بوده اند. همچنین برخلاف مطالعات پیشین که بیشتر به عوامل تاثیر گذار بر نوآوری مدل کسب وکار پرداخته اند، این پژوهش به طور ویژه بر فرآیند تغییر مدل کسب وکار مبتنی بر الگوهای مدل کسب وکار تمرکز دارد. در جهت برطرف کردن این شکاف علمی، هدف این مطالعه ارائه چارچوبی برای درک بهتر تغییر مدل کسب وکار استارتاپ ها بود. برای تحقق این هدف، از روش مرور نظام مند استفاده شد و پس از تعیین سؤال پژوهش، استراتژی جست وجو و غربالگری، ۹۵ مقاله معتبر منتشرشده بین سال های ۲۰۰۰ تا ۲۰۲۴ مورد تحلیل قرار گرفت. در ابتدا، چارچوب مفهومی اولیه بر اساس ادبیات نظری شکل گرفت و سپس با استفاده از تحلیل مضمون قیاسی-استقرایی توسعه داده شد. مضامین فراگیر شناسایی شده شامل تازگی، کارایی، قفل درونی، مکملی، و انطباق بودند که در چهار بعد تغییر مدل کسب وکار شامل محتوا، ساختار، حاکمیت و جریان تحلیل شدند. هر یک از این مضامین شامل مضامین پایه مختلف هستند که نشانگر نحوه تغییر اجزای مدل کسب وکار استارتاپ ها هستند. این پژوهش با شناسایی الگوی جدید «انطباق» در کنار چهار الگوی متداول (تازگی، کارایی، قفل درونی و مکملی) و افزودن بعد «جریان» به ابعاد سه گانه محتوا، ساختار، حاکمیت، نوآوری مدل کسب وکار استارتاپ ها را از منظر گسترده تری بررسی می کند. نتایج نشان داد که این مضامین به صورت هم افزا عمل کرده و نقش اساسی در ایجاد مزیت رقابتی و پایداری کسب وکار ایفا می کنند.

در حالی که هدف اصلی شهرهای هوشمند ایجاد زندگی بهتر برای ساکنان شهرهاست؛ اما به عقیده تعدادی از محققان این هدف بیشتر در حد یک شعار باقی مانده است و اهداف شهرهای هوشمند بیشتر متناسب و به نفع اهداف سایر ذی نفعان شهر هوشمند که نهادهای دولتی و شرکت های خصوصی هستند پیش می رود. حتی در اغلب مواقعی که به شعار شهروند محوری توجه شده و به آن عمل شده است نیز دیده می شود که شهروندان صرفاً استفاده کنندگان از سرویس های شهر هوشمند بوده یا تنها نقش گره های حسگر را در شهر ایفا می کنند و نقشی در خلق و ایجاد ابتکار عمل جهت مشارکت در اداره شهرهای خود ندارند. با درنظر گرفتن این چالش ها در زمینه مدیریت شهرهای هوشمند، تبدیل مدل های مدیریتی شهر هوشمند یک امر ضروری است. در این مقاله با انجام یک مرور سیستماتیک ادبیات با استفاده از پروتکل پریزما، نقش های مختلفی که شهروندان و عوامل مؤثر بر مشارکت شهروندان در شهرهای هوشمند شناسایی شدند. در نهایت به این موضوع می پردازیم که با توجه به آن که روند فعلی بیانگر نقش خلاقانه و مشارکت واقعی شهروندان در پروژه های شهر هوشمند نیست، آیا نیاز به معرفی پارادایم جدیدی برای تکامل ایده شهر هوشمند وجود دارد؟ ما معتقدیم که در حال حاضر این نیاز وجود داشته و این پارادایم جدید را شهر هوشمندِ پاسخگو نامیدیم.

هدف: این پژوهش به دنبال ارائه مدلی برای محاسبه تعهدهای آتی شرکت های بیمه است تا به چالش های بالقوه موجود در روش سنتی پاسخ مناسبی دهد. به صورت سنتی، شرکت های بیمه از روش زنجیره نردبانی، به عنوان نوعی ابزار آماری، برای پیش بینی روند توسعه خسارت ها استفاده می کنند. این روش آماری به دلیل سادگی فرضیه ها و تفسیر روشن، تأیید نهادهای نظارتی در کشورهای مختلف را نیز به همراه دارد. با این حال، وجود فرضیه هایی نظیر ایستایی در ساختار توسعه داده ها و ارتباط خطی بین متغیرها، ممکن است کارایی مدل را در مواجهه با تغییرات ناشی از عوامل داخل و خارج از سازمان، مانند اِعمال سیاست های داخلی یا عوامل خارجی مانند همه گیری کووید۱۹ متأثر سازد. محاسبه نزدیک به واقعیت تعهدهای شرکت های بیمه با توانگری مالی آن ها ارتباط تنگاتنگی دارد. مبلغی که شرکت های بیمه برای پاسخ به تعهدهای آتی خود تخصیص می دهند، به عنوان ذخیره شناسایی می شود. محاسبه ذخایر کمتر از تعهدهای آتی، شرکت بیمه را در ایفای تعهدهایش دچار مشکل می کند و از سویی دیگر، محاسبه بیش از مبلغ مورد نیاز، صورت های مالی شرکت های بیمه را تحت تأثیر قرار می دهد.روش: مدل ارائه شده در این پژوهش با استفاده از یادگیری ماشین و هوش مصنوعی، تعداد حوادث روزانه با خسارت های جانی را در بخش بیمه شخص ثالث پیش بینی می کند. خروجی این مدل، یعنی ترکیب تعداد و زمان وقوع حوادث، در محاسبه تعهدهای آتی و ذخیره خسارت در این بخش بیمه ای نقش کلیدی دارد. این مدل با کمک داده های تاریخی خسارت بیمه گذاران شرکت بیمه کارآفرین، در بخش بیمه شخص ثالث آموزش دیده است. این مدل قادر است لایه های پنهان و ارتباطات غیرخطی و پیچیده بین داده های خسارتی را شناسایی کند. در این پژوهش، از الگوریتم شبکه عصبی با حافظه بلندمدت کوتاه مدت که در سری های زمانی توانایی پیش بینی بیشتری دارد، استفاده شده است. داده های تاریخی مربوط به خسارت های جرحی بیمه گذاران، در بازه زمانی فروردین ۱۳۹۶ تا شهریور ۱۴۰۰ بوده است.یافته ها: کارایی مدل با بهینه سازی ابرپارامترها ارتباط نزدیک دارد. برای بهینه سازی مدل دو رویکرد، یعنی جست وجوی شبکه ای و تصادفی برای شناسایی ابرپارامترها با یکدیگر مقایسه شده اند. میانگین مربعات خطا به عنوان شاخص سنجش عملکرد در نظر گرفته شده است. این شاخص برای داده های آموزش، در هر دو مدل با فاصله کمی از یکدیگر (33/16 در مقابل 4/17) برتری جست وجوی شبکه ای را نشان می دهد؛ اما در این روش، نتیجه داده های آزمون از داده های آموزش بهتر بود (22/15 در برابر 33/16) که این امر می تواند نشانه ای از وقوع بیش پردازش باشد.نتیجه گیری: این مقاله برای طراحی مدل پیش بینی تعداد روزانه حوادث با خسارت های جانی، استفاده از روش جست وجوی تصادفی را برای تنظیم ابرپارامترهای مدل طراحی شده بر مبنای شبکه عصبی حافظه بلندمدت کوتاه مدت پیشنهاد می کند؛ زیرا مدل طراحی شده بر این مبنا، بر مشکل بیش پردازش غلبه می کند و می تواند در کار با داده های ناآشنا عملکرد مناسبی داشته باشد. بیش پردازش زمانی رخ می دهد که مدل بیش از حد از داده های آموزشی تأثیر بگیرد و نه تنها الگوهای واقعی را یاد بگیرد، بلکه نویزها و جزئیات جزئی داده ها را نیز یاد بگیرد. این ممکن است باعث کاهش جامع پذیری مدل شود.

هدف: هدف اصلی این تحقیق انجام یک تحقیق جامع با هدف شناسایی تمامی عوامل موثر در طراحی و عملکرد بهینه سیستم های نظارت هوشمند برای کشف تقلب است. این شامل تجزیه و تحلیل دقیق انواع تقلب مالی، انواع داده های مورد استفاده برای سیستم های تشخیص تقلب (اعم از مالی و غیر مالی) و شناسایی موثرترین الگوریتم های یادگیری ماشینی و یادگیری عمیق است. علاوه بر این، هدف این تحقیق ایجاد معیارهای مناسب برای اندازه گیری کارایی آنها و شناسایی چالش ها در طراحی سیستم های نظارت هوشمند است. در نهایت، این تحقیق به دنبال پیش بینی فرآیند تحقیقات آینده است تا بتواند به این چالش ها پاسخ دهد.   روش: این پژوهش با استفاده از روش تحقیق توصیفی، به بررسی دقیق منابع از جمله مقالات منتشر شده در مجلات بین المللی، مقالات همایش ها و بویژه مقالات نمایه شده در پایگاه اسکوپوس و مجلات معتبر داخلی پرداخته است. دامنه زمانی یک دوره 20 ساله را در بر می گیرد که منتهی به سال 1401 می شود. برای اطمینان از صحت و دقت تجزیه و تحلیل، از نرم افزار MAXQDA برای کدگذاری و برگه های تجزیه و تحلیل استفاده شد، در حالی که از نرم افزار VOS Viewer برای تحلیل کلمات کلیدی و ترسیم نقشه جامع تحقیق استفاده شد.   یافته ها: این تحقیق با بررسی تحقیقات سیستم های کشف تقلب در دو دهه گذشته به ارائه مدل مفهومی تحقیقات کشف تقلب آتی منجر شده است که با ادغام داده های مالی و غیرمالی، از جمله معیارهای زیست محیطی، اجتماعی و حکمرانی ( ESG )، یک تغییرپارادیم جدی در تحقیقات این حوزه را موجب می شود. این رویکرد با رفع محدودیت های موجود در کشف تقلب و با در نظر گرفتن طیف وسیع تری از متغیرها، موجب افزایش دقت و شفافیت سیستم های تشخیص تقلب می شود.   نتیجه گیری: این پژوهش با تجزیه و تحلیل تحقیقات قبلی انجام شده در این زمینه و شناسایی چالش ها و روندهای آتی، به گسترش حوزه دانش کمک می کند. خروجی این تحقیق شامل تجزیه و تحلیل دقیق چالش های حاضر در طراحی سیستم های نظارت هوشمند و استخراج روندهای تحقیقات آتی است. با پرداختن به این چالش ها و روندها، تحقیقات آینده می توانند به طور قابل توجهی، طراحی و اجرای سیستم های نظارت هوشمند را بهبود بخشد و از اثربخشی آنها در شناسایی و پیشگیری از تقلب مالی، اطمینان حاصل نمایند.