کد خبر: 28132
تاریخ انتشار: شنبه, 26 فروردين 1396 - 14:31
ایمیل
چاپ

داخلی

»

مطالب کتابداری

»

گزارش

پنجاهمین نشست علم اطلاعات و داده شناسی با عنوان « داده های زمینه ای» برگزار شد

منبع : لیزنا
کتابخانۀ عمومی حسینیۀ ارشاد، پنجاهمین نشست علمی خود را با عنوان « داده های زمینه ای»  برگزار کرد.
پنجاهمین نشست علم اطلاعات و داده شناسی با عنوان « داده های زمینه ای» برگزار شد

 به گزارش لیزنا، براساس اعلام روابط عمومی کتابخانه عمومی حسینیه ارشاد، این نشست با حضور ، داریوش علیمحمدی، عضو هیأت علمی دانشگاه خوارزمی، متخصص علم اطلاعات و حسن حَکمی، کارشناس ارشد مهندسی دانش و علوم تصمیم و متخصص دیتا از شرکت پویندگان دانش پارسا برگزار شد. دبیر این نشست نیز دکتر مصطفی امینی بود.

مصطفی امینی که همچون جلسات گذشته دبیری این نشست را بر عهده داشت ضن خوش آمد گویی به شرکت کنندگان نشست بیان کرد: در فصل بهار 96 در شش جلسه موضوع داده شناسی را ادامه خواهیم داد. این شش برنامه شامل داده های زمینه ای، داده های پژوهشی، داده های متصل، داده‌های کوچک، داده‌های جغرافیایی، و داده‌های زمان واقعی خواهد بود.

وی گفت: یکی از بحث هایی که امروز مطرح است، و در موجب مناسب سازی و شخصی سازی خدمات کاربرد فراوان دارد مبحث «داده های زمینه‌ای یا Contextual »Data  است. از جمله معادل های واژه داده های زمینه ای عبارتند از: داده های بافتی و داده های بافتاری. اما Contextual Data  عرفا معادل داده های زمینه ای است که از لحاظ علمی واژه داده های بافتاری دقیق تر است.

 موسسه گارتنر در سال 2016 میلادی یکی از روندهای راهبردی فناوری را موضوع سیستم‌های غنی شده با زمینه (Context Rich System) مطرح کرده است که این گزارش یکی از شواهد اهمیت موضوع داده های زمینه ای است. سیستم های غنی شده با زمینه بر روی دو نوع داده های زمینه ای متمرکز هستند: (1) زمینه های متمرکز بر انسان (Human-focusing Context) و (2) زمینه های متمرکز بر ماشین (Machine-focusing Context) . که مبحث امروز ما به هر دو نوع این داده های زمینه می پردازد.

سپس داریوش علیمحمدی ضمن تعریف داده های زمینه ای یا بافتی (Contextual Data) به فواید داده های بافتی به فواید داده های بافتی مثل: 1- پرهیز از خطرات 2- گرفتن کمک‌های بیشتر 3- افزایش رضایت مشتری 4- کاهش هزینه ها و غیره اشاره کرد.

 وی گفت: امروز پذیرش دانشجو در 37% دانشگاه های امریکای شمالی و اروپای غربی که متقاضیان فراوانی از ملیت های مختلف دارند مبتنی بر داده های زمینه ای و بافتی (Contextual Data) و نیز مصاحبۀ رو در رو با متقاضی است. سابقۀ اجتماعی، محلی و آموزشی افراد مهم است. بنابراین یکی از زمینه هایی که در آن از داده های بافتی استفاده می کنند، آموزش عالی است.

سپس مثالی دربارۀ مردم کشورهایی مثل ایران و کره آورد که به دلیل قرار گرفتن در یک عرض جغرافیایی و داشتن زمین و هوای گرم بیشتر دوست دارند روی زمین بخوابند. اما در اروپا که زمین و هوا سرد است، آنها زودتر به فکر استفاده از تختخواب افتاده اند. معنای اقتصادی اش این است که اگر تاجری به کشوری مثل کانادا برود باید بداند که توفیق فروش تخت خواب در محلۀ چینی‌ها کم و در محلۀ فرانسوی ها زیاد است.

در عالم تجارت نیز شناخت و انتخاب: 1- مکان 2- زمان بسیار مهم است و این اطلاعات از داده های بافتی حاصل می شوند. فروشنده باید بداند مشتری با چه هدف و ترکیبی وارد بازار می شود. مثلاً اگر خانواده ای برای خرید وسایل بچه وارد بازار می شوند دسترسی به فروشگاه لوازم بچه را برای آنها آسان کند. بعضی مشاغل هم هستند که در ساعات خاصی از روز رونق دارند و می‌فروشند نه قبل و بعد از آن ساعات. شناخت و به کارگیری این داده های بافتی در تجارت بسیار مهم و کارساز است.

  و در آخر حسن حَکمی به صحبت دربارۀ ارائه داده های زمینه ای از بُعد صنعت پرداخت.

حسن حکمی با پاسخ به سؤالاتی همچون چیستی داده های زمینه ای و کاربرد آنها، چگونگی استفاده از این داده ها، اهمیت استفاده از این داده ها و اینکه آیا بسترهای این کار وجود دارد یا خیر، آغاز کرد.

وی در ادامه به بیان مثال هایی از کاربردهای داده های زمینه ای پرداخت. در این مثال ها دو رویکرد تکنیکی و بنیادی داده های زمینه ای گنجانده شده بود. دو پروژۀ موتورهای جستجوی مبتنی بر شخصی سازی (رویکرد تکنیکی) و پروژۀ شناسنامه شناختی (رویکرد بنیادی) بررسی شد. که روش کار موتورهای جستجوی مبتنی بر شخصی سازی و اینکه چگونه بر اساس نوع مخاطب خود نتایج متفاوتی را به مخاطب نشان می دهند بیان شد.

در این پروژه رویکرد تکنیکال مد نظر بود و اینکه چگونه داده های زمینه ای با استفاده از داده های موجود استخراج می گردد، بیان شد. سپس به پروژۀ شناسنامه شناختی و اینکه چگونه اطلاعات شناختی جمع آوری شده از افراد می تواند برای پیش بینی های تجاری، اجتماعی و غیره استفاده گردد، پرداخته شد. در این پروژه رویکرد بنیادی یعنی اینکه چگونه داده های زمینه ای از ابتدا به صورت مستقیم جمع آوری می گردد، بررسی گردید.

در پایان استفاده کاربردی داده های زمینه ای در متد lean مورد استفادۀ استارت آپ ها بررسی شد و خصوصاً به استفاده آن در بخش بندی مشتری تأکید شد و برخی ابزارهای فنی در دسترس برای داده های زمینه ای معرفی شد.

این نشست در ساعت 18:20 به پایان رسید و در پایان، جلسۀ پرسش و پاسخ برگزار شد.

 

 

خواهشمند است جهت تسهیل ارتباط خود با لیزنا، در هنگام ارسال پیام نکات ذیل را در نظر داشته باشید:
۱. از توهین به افراد، قومیت‌ها و نژاد‌ها خودداری کرده و از تمسخر دیگران بپرهیزید و از اتهام‌زنی به دیگران خودداری نمائید.
۲.از آنجا که پیام‌ها با نام شما منتشر خواهد شد، بهتر است با ارسال نام واقعی و ایمیل خود لیزنا را در شکل دهی بهتر بحث یاری نمایید.
۳. از به کار بردن نام افراد (حقیقی یا حقوقی)، سازمان‌ها، نهادهای عمومی و خصوصی خودداری فرمائید.
۴. از ارسال پیام های تکراری که دیگر مخاطبان آن را ارسال کرده اند خودداری نمائید.
۵. حتی الامکان از ارسال مطالب با زبانی غیر از فارسی خودداری نمائید.
نام:
ایمیل:
* نظر: