بر اساس مقادیر ستون B جدول بالا، می توان معادله رگرسیون متغیرهای این فرضیه را به صورت زیر در نظر گرفت:

x₁ ۶۸۰/۰ + ۳۰۰/۱ = ŷ
چنانچه شرح آن رفت برای اینکه بتوان اثر مستقیم متغیرها را با یکدیگر مقایسه نمود، می بایست از ضریب بتا استفاده کرد. در جدول فوق، ستون ضرایب استاندارد شده بتا نشان می دهد که تصویر ذهنی برند دارای اثر مثبت و مستقیم بر رضایت مشتریان می‌باشد، زیرا به ازای یک واحد تغییر در این متغیر ۶۶/۰ واحد تغییر در متغیر رضایت مشتریان ایجاد می‌شود. آماره t و سطح معناداری (sig) که جهت آزمون فرض تساوی هر یک از ضرایب ستون B با عدد صفر ارائه شده است. مقادیر آماره‌ی t به دلیل بزرگ‌تر بودن از مقدار مفروض آن در سطح اطمینان ۹۵/۰ و خطای ۰۵/۰ که برابر با ۹۶/۱ می‌باشد، معنادار است. فلذا، به استناد نتایج فوق شواهدی مبنی بر رد این فرضیه مشاهده نگردید و این فرضیه را نمی‌توان رد نمود.
۴ـ۵ـ اولویت‌بندی ابعاد متغیرهای تحقیق
در این بخش از فرایند تحلیل، محقق قصد دارد تا با بهره گرفتن از آزمون ناپارامتریک فریدمن متغیرهای مورد مطالعه را اولویت‌بندی نماید. از آزمون فریدمن برای بررسی یکسان بودن اولویت بندی (رتبه بندی) تعدادی از متغیرهای وابسته توسط افراد استفاده می‌شود (مؤمنی و فعال قیومی، ۱۳۸۹، ص ۱۰۹). ولی به طور کلی هیچ فرض خاصی برای استفاده از آزمون فریدمن وجود ندارد. روش این آزمون شبیه به آزمون مجموع رتبه ها (آزمون U یا کروسکال ـ والیس) است. فروضی که آزمون فریدمن به دنبال آزمون آن است عبارتنداز:
اولویت های عوامل نمونه مورد مطالعه یکسان است: H_o
اولویت های عوامل نمونه مورد مطالعه یکسان نیست: _۱H
و آماره این آزمون به صورت زیر است:
(۴ـ۱)
که در آن k تعداد تیمارها، n تعداد بلوک ها، و R_j مجموع رتبه های j امین ستون (تیمار) است. همانند آزمون U (کروسکال ـ والیس)، آماره آزمون ^۲χ تقریباً دارای توزیع ^۲χ با درجه آزادی (۱ ـ K) است (آذر و مؤمنی، ۱۳۸۴، ص ۳۱۴).
۴ـ۵ـ۱ـ اولویت‌بندی ابعاد متغیر تعهد سازمانی
فرض آزمون فریدمن برای رتبه‌بندی ابعاد متغیرهای تحقیق به شکل زیر نوشته می‌شود:
اولویت متغیرهای مورد مطالعه یکسان است :H_o
اولویت متغیرهای مورد مطالعه یکسان نیست :_۱H
آزمون فریدمن دو خروجی دارد. خروجی اول، میانگین رتبه‌ها را نشان می‌دهد و براساس آن می‌توان ابراز نظر نمود. بدین شکل که هریک از مؤلفه‌هایی که دارای بالاترین میانگین می‌باشد، دارای بالاترین اولویت از نظر افراد پاسخ‌دهنده است. خروجی زیر مؤید این مطلوب را نشان می‌دهد:
جدول۴ـ۳۴: آمار توصیفی آزمون فریدمن برای متغیرهای مورد مطالعه

• • میزان استفاده از خدمات مشاورهای در امر خرید و فروش سهام

ادامه جدول ۳-۱- شاخصها و ابعاد موثر بر تصمیمگیری سهامداران در خرید سهام عادی
(منبع: خادمیگراشی و قاضیزاده، ۱۳۸۶)

۳-۳-۲- جمع‌ آوری داده‌‌های تحقیق
در این گام از تحقیق با توجه به شاخص‌های نهایی، پرسش‌نامه‌های تحقیق تدوین و بین جامعه آماری که کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند میباشند، توزیع خواهد شد.

۳-۳-۳- تحلیل داده‌های تحقیق
در این مرحله از پژوهش، با بهره گرفتن از داده‌های گردآوری شده و تکنیک‌های تشریح شده در بخش تجزیه و تحلیل داده، به تحلیل سوالات و فرضیه‌های تحقیق خواهیم پرداخت. فرایند تحقیق حاضر در شکل (۳-۱) نمایش داده شده است.

شکل۳-۱: فرایند تحقیق
۳-۴- جامعه آماری
جامعه آماری به کل گروه افراد، وقایع یا چیزهایی اشاره دارد که محقق میخواهد به تحقیق درباره آنها بپردازد (سکاران، ۱۳۸۰، ص ۲۹۴). جامعه آماری شامل عناصر، اجزاء، افراد و یا واحدهایی است که حداقل در یک صفت مشترک باشند. در تعریف جامعه باید به جامع و مانع بودن آن توجه نمود. جامع یعنی در بر گیرنده تمام اجزاء مورد نظر باشد و مانع یعنی واحدهایی را که شامل نمیشود در بر نگیرد. جامعه آماری این مطالعه را کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند تشکیل میدهند.
۳-۵- نمونه آماری
برای رتبه بندی شاخصها (زیرمعیارها)، جامعه آماری پژوهش را کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند تشکیل میدهند که به علت نامحدود بودن تعداد این افراد، جهت تعیین حجم نمونه از فرمول زیر استفاده خواهد شد:

در فرمول فوق جهت تعیین انحراف معیار جامعه از یک نمونه‌گیری مقدماتی استفاده خواهد گردید. بدین منظور پرسشنامه تحقیق به صورت تصادفی بین حداقل ۳۰ نفر از سهامداران بورس اوراق بهادار تهران توزیع خواهد گردید تا تعداد دقیق حجم نمونه مورد نیاز بدست آید. اما برای رتبه بندی ابعاد با بهره گرفتن از مقایسات زوجی در تکنیک AHP نیازمند خبرگان بورس اوراق بهادار هستیم که بدین منظور از نظرات چند تن از مدیران شرکتهای کارگزاری بورس استفاده خواهد شد. بر مبنای روش تحلیل سلسله مراتبی، تعداد خبرگان در این روش حتی میتواند ۵ نفر خبره در نظر گرفته شود (اصغرپور، ۱۳۸۳). در این پژوهش، مهمترین ابزار تحلیل داده ها، نرم افزار SPSS خواهد بود که برای انجام آزمونهای فرض استفاده میگردد و در راستای تعیین حجم نمونه و سایر برآوردهای همبستگی نیز کاربرد زیادی خواهد داشت و نرم افزار Expert Choice نیز برای تکنیک AHP استفاده خواهد شد.
۳-۶- روش گردآوری داده ها
در این تحقیق بخش عمده داده ها از طریق پرسشنامه به دست آمده است که مبنای اصلی پژوهش خواهد بود.
۳-۷- روایی پرسشنامه
مهمترین سؤالی که باید در مورد هر نوع روش سنجش پرسیده شود، این است که آن روش تا چه حد رواست؟ وقتی این پرسش را مطرح میسازیم، در حقیقت در پی آن هستیم که ابزار سنجش، آنچه را که مورد نظر است میسنجد یا نه؟ و اگر جواب مثبت است، تا چه اندازه از دقت و درستی آن میسنجد؟ آیا همه آنچه که مورد نظر است و یا عوامل دیگری را میسنجد؟ (سرمد و همکاران، ۱۳۷۸).
روایی، عبارت است از آن که آیا ابزار اندازه گیری خصیصه مورد نظر را که باید اندازه میگیرد یا نه؟ روایی تعیین میکند ابزار تهیه شده تا چه حد مفهوم خاص مورد نظر را اندازه میگیرد. در پژوهش حاضر جهت بررسی روایی سازه پرسشنامه، از «تحلیل عاملی» استفاده شده است. بنابراین در ادامه به معرفی این تکنیک پرداخته میشود.
۳-۷-۱-تحلیل عاملی^[۸۳]
همانگونه که بیان شد، روایی سازه یا صفت مورد نظر به این معناست که آیا پرسشنامه مزبور با صفت مورد نظر مطابقت دارد یا خیر؟ حال سؤال این است که این مطابقت را باید چگونه و با چه روش آماری میبایست بررسی کرد؟ برای سنجش این موضوع که پرسشنامه مورد مطالعه در حقیقت تا چه حد سازه و صفت مورد نظر را به خوبی نمایان میسازد یا به آن بستگی دارد، معمولاً داده های همبستگی، از طریق نشان دادن همبستگیهای بین تست مورد مطالعه و اندازه ها یا تستهای دیگری که تصور میشود منعکسکننده صفت مورد بررسی است یا با آن ارتباط دارد یک وسیله مناسب برای سنجش روایی پرسش‌نامه است. تست مورد نظر باید با اندازه های دیگر که برای سنجش همان صفت طرح شدهاند، همبستگیهای بالایی نشان دهد. این همبستگی و مطابقت را میتوان با به کار بردن تکنیک «تحلیل عاملی» تحقیق نمود. در تحلیل عاملی باید سؤالاتی که برای ارزیابی یک صفت طرح شدهاند، دارای یک بار عاملی مشترک باشند. این شاخصها را عامل^[۸۴] مینامیم.
برای اجرای تحلیل عاملی، چند مرحله متفاوت بهشرح زیر انجام پذیرفت.

1. 1. ماتریس ضرایب همبستگی تمام متغیرها محاسبه و از متغیرهایی که با سایر متغیرها همبستگی نشان داده بودند، اشتراکات بهدست میآید.

1. 1. از ماتریس همبستگی، فاکتورهایی استخراج می‌شود، که متداولترین آنها فاکتورهای اصلی هستند.

1. انتخاب و چرخش^[۸۵] عاملها برای ساده‌تر ساختن و قابل فهم‌تر کردن ساختار عاملی.

برای اینکه مؤلفه‌ها^[۸۶] روابط میان داده‌ها را بهتر تفسیر کند و روابط بین متغیرها و بعضی از فاکتورها به حداکثر برسد. دوران و تبدیلات خاصی بر روی عوامل انجام می‌پذیرد. در بسیاری از موارد که تعدادی از متغیرها به یک عامل ویژه یا حتی به تعدادی از عامل‌ها بستگی دارد، تفسیر عوامل مشکل خواهد بود؛ از اینرو، روش هایی به وجود آمده است که بدون تغییر میزان اشتراکات^[۸۷] باعث تفسیر ساده‌تر عوامل شود. شایعترین روش این کار تکنیک واریماکس^[۸۸] است، که در آن استقلال بین فاکتورهای ریاضی حفظ و در عین حال مقادیر نسبتاً‌ بزرگ (قدرمطلق) یا صفر را به ستونهای ماتریس بار عاملی اختصاص می‌دهد و این بدان معناست که ماتریسی تشکیل میشود که در آن به متغیرها وابسته یا مستقل از آنها هستند. این امر سبب ساده‌تر شدن تفسیر عوامل خواهد شد. برای اینکه دورانی متعمد بر روی بارهای عاملی به شیوه واریماکس صورت داده شود، لازم است تغییرات مربعات عناصر ستونی ماتریس برآورد عاملی بیشینه گردد.
یعنی با فرض:
(۳-۱) 
عبارت زیر بیشینه شود:
(۳-۲) 
که در آن ij ضریب ارتباط متغیر iام با عامل jام است.

1. برای آنکه بدانیم تحلیل عاملی در این بررسی مجاز است و تناسب نمونه‌گیری وجود دارد، آماره KMO محاسبه شده است. این آماره شاخصی برای مقایسه مقادیر ضرایب همبستگی ساده و جزئی بر روی همه متغیرهاست؛ یعنی:

(۳-۳) 
که در آن i معرف مقادیر از ۱ تا m متغیر، j معرف از ۱ تا p عامل، r_ij ضریب همبستگی ساده بین متغیرهای ۱j , و a_ij ضریب همبستگی جزیی متغیرهای ۱j , به شرط ثابت بودن سایر متغیرهاست.

۲-۳-۱- تحقیقات داخلی

طبرسا و همکاران (۱۳۹۱) در تحقیق خود تحت عنوان “طراحی و تبیین مدل مزیت رقابتی مبتنی بر هوشمندی سازمانی در سازمان های دانش بنیان” به بررسی عوامل موثر بر مزیت رقابتی مبتنی بر هوشمندی سازمانی بر اساس مولفه های سازمان های دانش بنیان پرداختند. نتایج تحقیق آنها نشان داد که ۶۶ درصد از مزیت رقابتی در سازمان های دانش بنیان از طریق سازه هوشمندی انسانی و ۶۱ درصد آن از طریق هوشمندی ساختاری تبیین می شود. همچنین استراتژی های دانش با ضریب تشخیص ۴۰ درصدی و ۴۸ درصدی مهم ترین شاخص اثرگذار بر هوشمندی ساختاری و هوشمندی انسانی محسوب می شود.
رضایی دولت آبادی و همکاران (۱۳۹۰) در تحقیق خود تحت عنوان “بررسی میزان تأثیر هوشمندی رقابتی در ایجاد مزیت رقابتی” به بررسی میزان تاثیر هوشمندی رقابتی و اجزای آن بر مزیت رقابتی در شرکت های شهرک علمی تحقیقاتی شهر اصفهان پرداختند. نتیجه تحقیق آنها نشان داد که استفاده از یک برنامه هوشمندی رقابتی سبب دستیابی به مزیت رقابتی نسبت به رقبا می شود و تضمین کننده بقای سازمان است. به عبارت دیگر برنامه ریزی و تمرکز، جمع آوری، تجزیه و تحلیل و انتشار و ارزیابی اطلاعات سبب تقویت قدرت رقابتی شرکت به منظور کسب موقعیت برتر در بازار می شود.
رضائیان و بلوکی(۱۳۸۹) در تحقیق خود تحت عنوان “هوشمندی رقابتی و تصمیم گیری استراتژیک” به بررسی هوشمندی رقابتی بر تصمیم گیری استراتژیک پرداخت. نتیجه تحقیق آنها نشان داد که هوشمندی رقابتی و ویژگی های آن شامل(پویش و جستجوی دقیق در منابع اطلاعاتی مختلف و داده کاوی؛ تشخیص زودهنگام خطرات و فرصت ها؛ ارایۀ مؤثر به هنگام و چند رسانه ای اطلاعات؛ فشرده سازی داده ها و اطلاعات؛ تسهیم دانش و اطلاعات ، توانایی ایجاد گزارش ها در برابر پرس و جوها در لحظه و ذخیره سازی اطلاعات و محافظت از آنها) بر فرایند تصمیم گیری استراتژیک مؤثرند، اما هوشمندی رقابتی بیشترین تأثیر را بر مراحل اولیه فرایند تصمیم گیری استراتژیک دارد و کمترین تأثیر را بر توسعه گزینه های استراتژیک و انتخاب وارزیابی گزینه ها (مراحل انتهایی تصمیم گیری استراتژیک) دارد.

۲-۳-۲) تحقیقات خارجی

آدیدام و همکاران ^[۷۳](۲۰۱۲) در تحقیق خود تحت عنوان “هوش رقابتی و عملکرد شرکت در بازارهای در حال ظهور: مطالعه اکتشافی در کشور هند” به بررسی تاثیر هوش رقابتی بر عملکرد شرکت ها در کشور هند پرداختند. نتایج این تحقیق نشان داد شرکت هایی که سطوح بالاتری از فعالیت های هوشمندی رقابتی از خود نشان می دهند به عملکرد مالی بهتری نیز دست پیدا می کنند. همچنین سطح فعالیت های هوشمندی رقابتی در بین شرکت های کشور هند در سطح متوسط می باشد و بنابراین فرصت های خوبی برای استفاده و اجرای تکنیک های پیشرفته تری از هوشمندی رقابتی وجود دارد.
صفرنیا و همکاران ^[۷۴](۲۰۱۱) در تحقیق خود تحت عنوان “مروری بر هوش رقابتی و مزیت رقابتی در شرکت های صنعتی در شهر کرمان” به بررسی تاثیر هوش رقابتی بر مزیت رقابتی در شرکت های صنعتی در شهر کرمان پرداختند. نتایج تحقیق آنها نشان داد که رابطه قوی بین هوش رقابتی و مزیت رقابتی شرکت ها در کشور ایران وجود دارد. همچنین کلیه ابعاد هوش رقابتی(فرصت های بازار، تهدیدهای رقیب، ریسک های رقیب، مخاطرات کلیدی، مفروضات اصلی) نیز با مزیت رقابتی شرکت ها رابطه دارند.

کریم^[۷۵](۲۰۱۱) در تحقیق خود تحت عنوان “ارزش سیستم هوش رقابتی کسب و کار برای ایجاد رقابت پذیری در بازار جهانی” به بررسی تاثیر سیستم هوشمندی رقابتی کسب و کار بر مزیت رقابتی شرکت ها پرداخت. نتایج تحقیق وی نشان داد که سیستم هوش رقابتی کسب و کار و کلیه اجزای آن(برنامه هوش رقابتی، همکاری میان واحدها، تخصص، استفاده از اطلاعات و تجزیه و تحلیل اطلاعات، فرایند تصمیم گیری موثر، و آمادگی فنی برای هوشمندی رقابتی) بر مزیت رقابتی شرکت ها تاثیر می گذارد.
سایمن و همکاران ^[۷۶](۲۰۰۸) در تحقیق خود تحت عنوان “هوش رقابتی: استخراج سازه، روایی و ارزیابی” به بررسی مراحل هوش رقابتی و عوامل موثر بر آن پرداختند. نتیجه تحقیق آنها نشان داد که فراین هوش رقابتی شامل مراحل زیر می باشد: ارتباطات و تجزیه و تحلیل، جمع آوری اطلاعات، و برنامه ریزی و تمرکز. همچنین عوامل موثر بر هوشمندی رقابتی عبارتند از: آگاهی، اطلاعات داخلی ، زیرساختار رسمی ، و مشارکت کارکنان.
گویماریز^[۷۷](۲۰۰۰) در تحقیق خود تحت عنوان “تاثیر هوشمندی رقابتی و حمایت سیستم اطلاعات در تغییر سازمان های تجاری کوچک” به بررسی تاثیر هوشمندی رقابتی و حمایت سیستم اطلاعات در تغییر سازمان های تجاری کوچک پرداخت. نتایج تحقیق وی نشان داد که اثربخشی هوش رقابتی شرکت به طور مستقیم با اثربخشی اجرای مدیریت تغییر شرکت در ارتباط است. اثربخشی سیستم های اطلاعاتی شرکت نیز به طور مستقیم با اثربخشی اجرای مدیریت تغییر شرکت در ارتباط است. همچنین اثربخشی حمایت بخش سیستم های اطلاعاتی، رابطه مستقیم بین اثربخشی هوش رقابتی شرکت و اثربخشی اجرای تغییر شرکت را تعدیل می کند.

سیستم های پیشنهاد دهنده اولیه بیشتر با تخمین علاقه کاربر به اشیایی که هنوز دیده نشده بود اقدام به تولید پیشنهاداتی می کردند[۲۷،۵۱].
همان طور که در فصل قبل اشاره شد در موارد بسیاری سیستم‌های پیشنهاد دهنده وب از دو مرحله‌‌ی برخط و برون خط تشکیل شده‌اند. در مرحله‌ی برون خط، سیستم پیشنهاد دهنده اطلاعات را پردازش می‌کند و مدلی از رفتار و علایق کاربر به دست می‌آورد. در مرحله‌ی بر خط، سیستم با بهره گرفتن از این مدل، می‌تواند پیشنهاداتی به کاربر جاری ارائه کند که این پیشنهادات با علایق پیشین او مطابقت دارد.
lt="تحقیق - متن کامل - پایان نامه” width="390″ height="390″ />
روش‌های تولید پیشنهاد
به طور کلی می‌توان روش‌های مختلف را در چهار گروه طبقه بندی کرد: روش‌های مبتنی بر فیلتر مشارکتی^[۳۵]، مبتنی بر محتوا^[۳۶]، مبتنی بر دانش^[۳۷] و روش‌های ترکیبی^[۳۸]، در ادامه هر یک از این روش ها به طور مختصر شرح داده می‌شوند.
روش های مبتنی بر فیلتر مشارکتی
تقریبا می‌توان گفت که واژه‌ی فیلتر کننده‌ی مشارکتی توسط گلدبرگ^[۳۹] و همکارانش که سازنده سیستم پیشنهاد دهنده بودند برای اولین بار مورد استفاده قرار گرفت[۲۶].
سیستم های پیشنهادی که با این روش تولید می‌شوند به دنبال تشابه بین علایق و انتخاب‌های کاربر جاری با دیگر کاربران می‌باشند. در حقیقت با محاسبه این تشابه و ارزیابی آن می‌توانند پیشنهادهایی را به کاربر جاری ارائه دهند. در واقع این روش علاقه مندی کاربر جاری به اشیا را براساس علایق کاربران پیشین ارزیابی می‌کند و براساس همین ارزیابی می‌تواند به کاربر جاری پیشنهاد دهد. این سیستم ها خود می‌توانند به دو دسته مبتنی بر حافظه و مبتنی بر مدل تقسیم شوند [۱۷].
سیستم های مبتنی بر مدل سیستم های پرکاربردتری نسبت به سیستم های مبتنی بر حافظه می‌باشند. همانطور که از نام این دو سیستم پیداست در سیستم های مبتنی بر حافظه اگر حجم داده ها بسیار زیاد باشد با مشکلاتی روبه رو خواهیم بود در حالی که سیستم های مبتنی بر مدل با ایجاد مدل های رفتاری می‌توانند حجم داده‌ی کمتری را ذخیره کنند.
روش‌های مبتنی بر محتوا
این روش‌ها برخلاف روش‌های مبتنی بر فیلتر مشارکتی فقط با بهره گرفتن از اشیایی که تا کنون از نظر کاربر جالب بوده است به تولید پیشنهادهایی می‌پردازد.
معمولا این روش‌ها به همراه روش‌هایی مانند طبقه بندی، خوشه بندی و … به کار می‌روند. در این روش‌ها از ویژگی‌هایی برای مدل کردن الگوهای رفتاری کاربران مانند کلمات کلیدی استفاده می‌شود.
به عنوان نمونه می‌توان به سیستم [۱۸] اشاره کرد که در آن از ۱۲۸ کلمه کلیدی که منتقل کننده‌ی بیشترین اطلاعات می‌باشند، برای مدل کردن الگوهای رفتاری کاربران استفاده شده است.
معمولا در این سیستم ها از کاربران نیز بازخورد می‌گیرند و این بازخورد می‌تواند کمک شایانی به تولید پیشنهاداتی با دقت بالاتر در سیستم نماید. به این صورت که از کاربران خواسته می‌شود تا صفحات را امتیاز دهی کنند مثلا در دسته های خوب، متوسط و ضعیف و یا با دادن ستاره به صفحات آنها را رتبه بندی می‌کنند. و سیستم می‌تواند براساس این امتیازات نمایه کاربران را به صورتی دقیق‌تر بسازد.
معمولا در این گونه از سیستم ها اگر ویژگی‌های متفاوتی در نظر گرفته شود سیستم برای یکپارچه کردن آنها بین تمام ویژگی‌ها میانگین هارمونیک می‌گیرد. و سپس با بهره گرفتن از روش‌های یادگیری مختلف با بهره‌گیری ازنمایه های کاربران که با توجه به ویژگی‌ها ساخته شده اند سیستم می تواند لیستی از پیشنهادات را تولید کند. در [۵۳] با بهره گرفتن از این روش ویژگی‌هایی از پیمایش کاربر درنظر گرفته شده و سپس با بهره گرفتن از روش‌های یادگیری ماشین اقدام به تولید پیشنهاد برای کاربر جاری می کند.
روش های مبتنی بر دانش
در این روش‌ها در حقیقت به دنبال کشف دانش نهفته می‌باشیم. و معمولا به منظور رسیدن به این اهداف از روش‌هایی نظیر استدلال^[۴۰] و استنتاج^[۴۱] قوانین بهره برده می‌شود. برخلاف روش‌های پیشین در این دسته از روش‌ها قوانین تولید پیشنهادها به صورت خودکار تولید نمی‌شوند و نیازمند دانش انسانی و افراد خبره می‌باشند. در حقیقت سیسیتم شامل پایگاه داده وسیعی از اطلاعات مرتبط با اقلام و اشیا موجود می‌باشد و در ابتدا کاربر نیازها و علایق خود را اعلام می‌کند و سیستم با بهره گرفتن از پایگاه دانش خود با توجه به نیازهای کاربر استدلال کرده و پیشنهاداتی را به وی ارائه می‌کند.
سیستم های پیشنهاد دهنده ترکیبی
این سیستم‌ها از میان روش‌های تولید پیشنهاد چندین روش را با یکدیگر ترکیب می‌کنند و سیستم جدیدی را تولید می‌کنند [۳۶]. به عنوان نمونه می‌توان سیستمی را مثال زد که از ترکیب پیشنهادهای سیستم های مختلف برای تولید لیست پیشنهادات استفاده می‌کند.
یکی دیگر از روش‌ها برای سیستم‌های ترکیبی در نظر گرفتن مجموعه ای از روشها و الگوریتم ها در سیستم می‌باشد که با توجه به شرایط مختلف در هر مورد یکی از آن مجموعه روش‌ها انتخاب شود.
مقایسه روش‌های تولید پیشنهاد
در این بخش به مقایسه‌ای میان روش های عنوان شده در بخش‌های قبل می‌پردازیم. در ادامه مقایسه‌ای بین روش‌های تولید پیشنهاد آورده شده است.
می‌توان گفت که روش فیلتر مشارکتی جزء روش‌های پر کاربرد در سیستم های توصیه‌گر می‌باشد. این روش در زمینه پیشنهاد گزینه‌هایی مانند کتاب و کالا و فیلم در دسته‌ی روش‌های موفق قرار دارد. روش‌های تولید پیشنهاد فیلتر مشارکتی دارای نقاط ضعفی نیز هستند:
الف) گزینه‌های جدید: منظور از گزینه‌ی جدید، گزینه ای است که به تازگی به سایت اضافه شده و هنوز کاربران از آن استفاده نکرده و در نتیجه معمولا در لیست پیشنهادی قرار نمی گیرد چرا که در مجموعه پروفایل‌های کاربران هنوز وجود ندارد مانند کالا و یا کتاب جدید که به لیست گزینه‌های جدید سایت اضافه شده و یا حتی صفحه جدیدی که به سایت اضافه شده است. این مشکل هنگامی بیشتر خود را نشان خواهد داد که در مواجه با سایت‌هایی باشیم که به سرعت تغییر می‌کنند و بسیار پویایی می‌باشند در این موارد استفاده از رو‌ش‌های فیلتر مشارکتی منجر به تولید پیشنهاداتی دقیق نخواهد شد.
ب) پراکندگی ماتریس امتیازدهی: این ماتریس در واقع امتیازی است که کاربران به گزینه های سایت می‌دهند. و اگر این ماتریس تبدیل به ماتریس خلوتی شود در نتیجه بدیهی است که از دقت و صحت پیشنهادات کاسته خواهد شد. ابعاد این ماتریس معمولا تعداد کاربران و تعداد گزینه ها می‌باشد بدین صورت که ماتریس امتیازدهی ماتریس است n×m که n تعداد کاربران و m تعداد آیتم ها می باشد و هر عنصر i×j در این ماتریس بیانگر امتیازی است که کاربر i برای گزینه j در نظر گرفته است. در سیستم‌های فیلتر مشارکتی به دلیل اینکه براساس میزان تشابه در امتیازات کاربران به گزینه‌ها تصمیم گیری می‌شود و پیشنهادات تولید می‌شود در نتیجه دقت پیشنهادات کاهش خواهد یافت. معمولا وب سایت ها دارای گزینه های بسیاری هستند اما تقریبا می‌توان گفت که کاربران با تمامی این گزینه ها سرو کار ندارند در نتیجه در بسیاری از موارد با ماتریس‌های بسیار بزرگ و پراکنده مواجه هستیم. البته این مسئله با ترکیب با روش‌های دیگر تولید پیشنهاد قابل حل می‌باشد.
ج) مقیاس پذیری: بدین معنا که سیستم قابلیت گسترش داشته باشد و با افزایش تعداد کاربران و گزینه ها از دقت و کیفیت پیشنهادات کاسته نشود. همانطور که پیش تر عنوان شد در روش‌های فیلتر مشارکتی مبتنی بر حافظه در مرحله برخط و تولید پیشنهاد نمایه کاربر جاری با نمایه تمام کاربران دیگر مقایسه می‌شود واین موضوع هنگامی که بردارهای نمایه کاربران دارای طول زیادی هستند سیستم را با مشکل مواجه خواهد کرد.
روش‌های مبتنی بر فیلتر محتوا نیز نقاط ضعفی دارند که در ادامه به آن اشاره خواهد شد.
الف) کاربر جدید: برای کاربران جدیدی که هیچ گونه نمایه‌ای ندارند و اطلاعاتی در مورد علایق آنها وجود ندارد نمی توان پیشنهاداتی با کیفیت و دقت بالا ارائه کرد.
ب) کمبود اطلاعات: فایل های ثبت معمولا دارای فرمت مشخصی هستند و یکسری اطلاعات اولیه را در خود ثبت می‌کنند و این اطلاعات کلیه علایق کاربر را به درستی نشان نمی‌دهد.
ج) اطلاعات نادرست: شاید مسیر پیموده شده توسط کاربر واقعا مسیر مورد علاقه وی نباشد و این به دلیل طراحی نامناسب سایت اتفاق افتد که این موضوع باعث ایجاد الگوهای نامناسب و در نتیجه پیشنهادتی با دقت پایین خواهد شد.
به منظور کاستن از این معایب و پر رنگ کردن مزایای این دو روش روش‌های ترکیبی ارائه شدند. در انتهای این بخش خلاصه‌ی مقایسه روش‌های تولید پیشنهاد در جدول ۳-۱ آورده شده است.
جدول ‏۳‑۱: مقایسه روش های تولید پیشنهاد

۸

مدیر پژوهش دانشکده : رئیس دانشکده : معاون پژوهشی دانشگاه :
امضاء و تاریخ : امضاء و تاریخ : امضاء و تاریخ
مدیرمحترم پژوهشی دانشکده
سرکارخانم /جناب آقای ……………………………….
باسلام
احتراما به پیوست فرم پروپوزال تصویب شده خانم / آقای سید مصیب معصومی .رشته مهندسی عمران سازه .که در شورای تحصیلات تکمیلی (پژوهشی ) دانشکده مورخ …………………………… طرح و مورد تایید نهایی قرارگرفته است ، به همراه فرم الف ( منضم به یک حلقه cd ) نامبرده جهت دستور اخذ کد شناسایی نامبرده ارسال می گردد.
مدیر گروه …………
امضاء :
مقدمه:
استفاده از مواد مرکب ساخته شده از الیاف در محیط رزین پلیمری به عنوان پلیمرهای مسلح شده با الیاف fiber reinforced polymers(frp) به عنوان یک ضرورت در جایگزینی مصالح سنتی و شیوه های موجود معرفی شده است.سیستم FRP بدین صورت تعریف می شود که الیاف و رزین ها برای ساخت چند لایه مرکب مورد استفاده قرار می گیرند ، به نحوی که رزین های مصرفی به منظور چسباندن چند لایه مرکب به سطح بتن زیرین و پوشش ها به منظور محافظت مصالح ترکیب شده استفاده می شوند.
مصالح FRP ، سبک، مقاوم در برابر خوردگی و دارای مقاومت کششی بالا می باشند
سیتم های FRP می توانند به منظور بازسازی یا حفظ استحکام یک عضو سازه ای فرسوده ، مرمت یا مقاوم سازی عضو سازهای سالم به منظور تحمل بارهای افزایش یافته به سبب تغیر در کاربری سازه و یا جبران خطاهای طراحی و اجرا به کار روند.
سیستم های FRPبر روی بتن سالم عمل می نمایند و نباید از انها برای سازه هایی که دارای فولاد خورده شده یا بتن فرسوده اند استفاده نمود. شرایط و مقاومت بتن باید به منظور محاسبه ظرفیت چسبندگی بین مصالح تعمیری و بتن با توصیه های ACI 503 R یا بخش ۳-۱ از راهنمای ICRI به شماره ۰۳۷۳۳ مطاقبت داشته باشد.بتن زیر کار شامل تمامی سطوح تعمیر شده و بتن اصلی باید از مقاومت کششی و برشی کافی به منظور انتقال نیرو به FRP برخوردار باشد.استفاده از سیستم های FRP سبب توقف خوردگی میلگردهای در حال خورده شدن نخواهد بود.

تعاریف:
AFRP-پلیمرهای مسلح شده با الیاف ارامیaramid fibr) reinforced polymers)
CFRP-پلیمرهای مسلح شده با الیاف کربن(carbon fiber reinforced polymers)
EPOXY RESIN-رزین اپوکسی نوعی از سیستم های شیمیایی الی پیوندی هستند که برای اماده سازی پوشش های مخصوص یا چسب هایی برای سطوح بتنی بکار می روند
GFRP-پلیمرهای مسلح شده با الیاف شیشه(glass fiber reinforced polymers)
LAYUP-به فرایند قرار گیری مسلح کنندهای FRP در محل قالب گیری اطلاق میشود
تاریخچه:
سیستم های FRP به صورت پوشش های بیرونی و به منظور افزایش مقاومت و بهسازی سازه های بتنی موجود از اواسط دهه ۱۹۸۰ تا کنون در سراسر دنیا مورد استفاده قرار می گیرند . تعداد پروژه هایی که در سالهای گذشته از FRP استفاده میکنند افزایش پیدا کرده طوری که به چندین هزار پروژه رسیده.
نحوه استفاده و مواد تشکیل دهنده:
پوشش های FRP در انواع مختلفی از قبیل سیستم های چسباندن تر و پیش عمل اوری شده موجود می باشد.مواد تشکیل دهنده سیستم های FRP عبارتند از رزین ها، اندودها، خمیرها،بتونه ها،چسب ها و الیاف.
جهت نصب باید نکات به ذیل دقت گردد: