عوامل دخیل در رفتار کاربر در شبکه‌های اجتماعی ...

ارسال شده در 21 آذر 1400 توسط فاطمه کرمانی در بدون موضوع

۱-۴- تعریف مسئله

عموماً در اکثر فرایندهای تصمیم‌گیری و مطالعه رفتار کاربر از روش‌های کمی استفاده‌شده که نیازمند تعریف مسئله به‌صورت دقیق هستند. دراین‌بین بسیاری از پارامترهای مربوط به تصمیم‌گیری کیفی می‌باشند و یا دارای عدم قطعیت‌اند که معمولا در این محاسبات نادیده گرفته شده و حذف می‌شوند.

مطالعه رفتار کاربر در شبکه‌های اجتماعی از جمله مسائل تصمیم‌گیری است که دارای پارامترهای کیفی بسیار زیادی می‌باشد. به همین دلیل استفاده از روش‌هایی که از داده‌های کیفی و دارای عدم قطعیت استفاده می‌کنند بسیار مناسب است.

تحلیل به روش نقشه‌های مفهومی فازی از آن دسته روش‌هایی است که در محاسبات خود از داده‌های کیفی و دارای عدم قطعیت استفاده می کند. به همین دلیل استفاده از تحلیل نقشه‌های مفهومی فازی روشی مناسب در محاسبه و بررسی رفتار کاربر در شبکه‌های اجتماعی می‌باشد.

۱-۵- چالش‌های پیش رو

اگر چه تلاش‌های زیادی به منظور تحلیل رفتار کاربر صورت گرفته است اما تاکنون این مباحث در مورد شبکه‌های اجتماعی و با بهره گرفتن از نقشه‌های مفهومی فازی پیاده نشده است و چالش‌هایی در این راستا وجود دارد که در ادامه تعدادی از آنها را معرفی می‌نماییم.

۱-۵-۱- پویا بودن سامانه

شبکه‌های اجتماعی جزو سامانه‌های پویایی هستند که به مرور زمان تغییرات زیادی در آنها اتفاق می‌افتد. در تحلیل رفتار کاربر باید تغییر در علایق و رفتار کاربر با گذر زمان را مدنظر قرار داد.

۱-۵-۲- عدم قابلیت تفکیک پارامترهای کیفی

بسیاری از پارامترهای بکار گرفته شده، در معنا بسیار به هم نزدیک بوده و برای تحلیل‌گر ایجاد ابهام می‌کند. عدم قابلیت تفکیک به دلیل عدم قطعیت این پارامترها یکی از مسائلی است که مشکلات زیادی برای تحلیل‌گر ایجاد می‌کند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱-۶- روش تحقیق

شکل زیر ساختار کلی روش تحقیق را نشان می‌دهد:

شکل ۱- ۱ ساختار روش تحقیق

۱-۷-ساختار پایان‌نامه

در این پایان‌نامه ۵ فصل وجود دارد که ترتیب آن‌ها بدین شرح است:

فصل اول: کلیات تحقیق

در این فصل هدف و حوزه تحقیق مطرح شده و رهیافت پیشنهادی بصورت کلی نشان داده شده است.

فصل دوم: نقشه‌های مفهومی فازی

در این فصل به معرفی روش تحلیل نقشه‌های مفهومی فازی، انواع و چگونگی استفاده از آن‌ها شرح داده شده است.

فصل سوم: رفتار کاربر

این فصل به اهمیت مطالعه رفتار کاربر و تغییرات آن با ظهور اینترنت و شبکه‌های اجتماعی پرداخته است.

فصل چهارم: مدل پیشنهادی

در این فصل اقدامات صورت گرفته در جهت پیشبرد این پایان‌نامه توصیف شده است.

فصل پنجم: نتیجه‌گیری

در این فصل نتیجه بدست آمده در ادامه تحلیل‌های عنوان شده در فصل چهارم آورده شده و در نهایت به ارائه پیشنهاداتی در جهت پیشبرد بیشتر و آتی این پایان‌نامه پرداخته است.

فصل دوم

نقشه‌های شناختی فازی

۲-۱- مقدمه

در این فصل ابتدا در مورد مجموعه‌های کلاسیک و فازی و ویژگی‌های آن‌ها توضیح خواهیم داد. سپس تفاوت آن‌ها را موردبررسی قرار داده و نقاط قوت مجموعه‌های فازی را بیان می‌کنیم.

در ادامه به تشریح نقشه‌های مفهومی فازی، ماهیت، روش تشکیل و انواع آن‌ها پرداخته خواهد شد.

۲-۲- تئوری مجموعه‌های کلاسیک

یک مجموعه اجتماعی از اشیا است که باوجود خصوصیات مشترک قابل تمیز دادن از یکدیگر هستند. هر درایه در این مجموعه یک عضو از مجموعه خوانده می‌شود.

اگر یک عنصر (a) عضو مجموعه‌ای (A) باشد، گفته می‌شود که a متعلق به مجموعه A است و آن را به‌صورت نشان می‌دهند. علامت E نشان‌دهنده عضویت تام و نه جزئی است. در مقابل علامت نیز نشان‌دهنده عدم عضویت تام است؛ یعنی ممکن نیست عنصری به‌طور جزئی عضو مجموعه باشد و یا نباشد. (ژانگ و لیو، ۲۰۰۶)

۲-۳- تئوری مجموعه‌های فازی

مرزهای مجموعه‌های کلاسیک می‌بایست به‌طور دقیق مشخص‌شده باشند و درنتیجه عضویت در یک مجموعه با اطمینان مشخص می‌شود. یک عضو مشخصاً عضو یک مجموعه هست یا نیست. هرچند در دنیای واقعی هیچ مجموعه‌ای با این دقت پیاده‌سازی نمی‌شود. برای مثال، مجموعه انسان‌های قدبلند یک مجموعه است که مرزهای آن را به‌طور دقیق نمی‌توان مشخص کرد یا استانداردی در مورد آن وجود ندارد. برای مقابله با این محدودیت در مجموعه‌های کلاسیک، مفهوم مجموعه‌های فازی عنوان شد.

فرض کنید U یک مجموعه مرجع باشد. یک مجموعه فازی در U به‌وسیله تابع عضویت تعریف می‌شود و مقداری بین [۰,۱] می‌گیرد. بدین معنی که یک مجموعه فازی به اعضای خود اجازه می‌دهد برای عضویت خود بجای مقدار ۰ یا ۱ مقداری بین این دو عدد را به خود اختصاص دهند. (ژانگ و لیو، ۲۰۰۶)

اعضای یک مجموعه کلاسیک مقدار عضویت خود را تنها ۰ یا ۱ اختیار می‌کنند. درحالی‌که تابع عضویت در مجموعه فازی یک تابع پیوسته است. یک مجموعه فازی A در U ممکن است به‌وسیله زوج اعداد x و مقدار عضویت x نشان داده شود. (ژانگ و لیو، ۲۰۰۶)

(۲- ۱)

زمانی که U پیوسته باشد (برای مثال)، مجموعه فازی A به‌صورت زیر نشان داده می‌شود (ژانگ و لیو، ۲۰۰۶):

(۲- ۲)

که در آن اعضا و تابع عضویت است. در مقابل زمانی که U گسسته باشد، A به‌صورت زیر نوشته می‌شود (ژانگ و لیو، ۲۰۰۶):

(۲- ۳)

پشتیبان یک مجموعه فازی A در مجموعه مرجع U یک مجموعه کلاسیک است که شامل تمام اعضای U است که در تابع عضویت A مقدار غیر صفر داشته باشند (ژانگ و لیو، ۲۰۰۶):

(۲- ۴)

اگر پشتیبان یک مجموعه فازی خالی باشد، به آن مجموعه فازی خالی گفته می‌شود.

همان‌طور که گفته شد متغیرهای فازی می‌توانند به‌صورت جزئی عضو یک مجموعه فازی باشند. به‌طور مثال در مورد دمای هوا، ممکن است گرم یا خیلی سرد باشد. متغیر دمای هوا با مقدار ۲۵ درجه سانتی‌گراد هم عضو مجموعه هوای گرم و هم عضو مجموعه هوای معتدل است. ولی مقدار عضویت در هرکدام از این مجموعه‌ها متفاوت است.

شکل ۲- ۱ متغیر فازی دما با مقدار ۲۵ درجه سانتی‌گراد در هر سه مجموعه فازی دمای سرد، گرم و معتدل قرار می‌گیرد ولی با درجه عضویت‌های مختلف

۲-۴- نقشه‌های شناختی فازی

FCM^[1] برای اولین بار توسط بارت کاسکو^[۲] در سال ۱۹۸۶ تعریف شد. FCM زمانی که از داده‌های نامطمئن استفاده می‌کنیم نقش بسیار مهمی ایفا می‌کند و یکی از ساده‌ترین روش‌ها برای محاسبه و تحلیل مؤثر به‌وسیله گراف‌های جهت‌دار و ماتریس‌های اتصال است (کاسکو، ۱۹۸۶).

FCM یک گراف جهت‌دار است که در آن مفاهیمی همچون سیاست‌ها، رخدادها و غیره، گره‌های آن و رابطه علت و معلولی به‌عنوان یال‌های آن در نظر گرفته می‌شود. FCM نشان‌دهنده رابطه علیت بین دو مفهوم است. (کاسکو، ۱۹۸۶)

اگر افزایش (یا کاهش) در یک مفهوم موجب افزایش (یا کاهش) در مفهوم دیگری شود، رابطه بین آن‌ها را با ۱+ نشان می‌دهیم. اگر رابطه‌ای بین آن‌ها نباشد با ۰ و اگر با افزایش (یا کاهش) یک مفهوم، مفهوم دیگری کاهش (یا افزایش) داشته باشد رابطه بین آن‌ها را با ۱- نشان می‌دهیم. (هورگا، ۲۰۰۲)

شکل ۲- ۲ رابطه ۱+ و ۱- بین گره‌ها در FCM (هورگا، ۲۰۰۲)

زمانی که گره‌های یک FCM از مجموعه‌ای فازی باشند به آن‌ها گره‌های فازی گفته می‌شود. این مجموعه‌ها شامل مفاهیمی همچون سیاست‌ها، رخدادها و غیره می‌باشند.

FCM با مجموعه رابطه ، FCM ساده خوانده می‌شود. (بانینی و برمن، ۱۹۹۸)

فرض کنید FCM از گره‌های تشکیل‌شده است. وزن یال از به را نشان می‌دهد. E مجموعه یال‌های FCM است . به ماتریس E ماتریس مجاورت FCM یا ماتریس اتصال FCM گفته می‌شود. تمامی ماتریس‌هایی که به یک FCM مربوط می‌باشند مربعی هستند.

در نقشه‌های مفهومی فازی غیر ساده مقادیر از ۱- به معنای اثر منفی شدید، تا ۱+ به معنای اثر مثبت شدید قرار دارند. برای مثال مانند جدول زیر می‌توان این مقادیر عددی را به مقادیر مفهومی نگاشت کرد. (هورگا، ۲۰۰۲)

جدول ۲- ۱ نگاشت مقدار عددی به مقادیر مفهومی (هورگا، ۲۰۰۲)

مقدار عددی	مقدار مفهومی
۱+	تأثیر بسیار زیاد
۰٫۵+	تأثیر گزار
۰	بدون تأثیر
۰٫۵-	تأثیر منفی
۱-	تأثیر بسیار زیاد منفی

اگر عضو FCM باشند، آنگاه به‌صورتیکه . A بردار حالت آنی خوانده می‌شود و نشان‌دهنده روشن یا خاموش بودن گره در یک‌لحظه است.

اگر گره‌های FCM باشند و یال‌های FCM باشند و ، آنگاه اگر یال‌ها تشکیل یک حلقه جهت‌دار دهند گفته می‌شود که FCM چرخشی است. در غیر این صورت به آن غیر چرخشی گفته می‌شود. FCM چرخشی دارای بازخورد است. به این معنی که در هر چرخه نتیجه تغییر اولیه به همان‌جا خواهد رسید.

زمانی که در یک FCM بازخورد وجود داشته باشد گفته می‌شود که FCM یک سامانه پویا است. سامانه‌های پویا به سامانه‌هایی گفته می‌شود که حالت آن‌ها در طول زمان تغییر می‌یابد. (آگیولار، ۲۰۰۵)

فرض کنید که یک چرخه در FCM باشد. زمانی که روشن می‌شود این جریان علیت در کل حلقه دور می‌زند و اگر منجر به شود، گفته می‌شود که به یک حالت تعادل^[۳] رسیده است. به حالت تعادل سیستم پویا، الگوی مخفی^[۴] گفته می‌شود.

اگر حالت تعادل یک سیستم پویا یک حالت یکتا باشد، به آن نقطه ثابت^[۵] گفته می‌شود.

اگر FCM با یک بردار حالت چرخشی مانند مواجه شود، آنگاه به این حالت، چرخه محدود^[۶] گفته می‌شود.

تعدادی محدود از نقشه‌های مفهومی فازی می‌توانند باهم مخلوط شوند و تشکیل یک FCM جامع را بدهند. اگر ماتریس‌های مجاورت نقشه‌های مفهومی فازی مختلف با گره‌های باشد، آنگاه می‌توان نقشه مفهومی فازی کل را به روش زیر محاسبه نمود: (آگیولار، ۲۰۰۵)

(۲- ۵)

فرض کنید یک بردار تغییر حالت است که وارد سیستم پویای E می‌شود. سپس پس از به‌روزرسانی حالت‌ها مقدار را برمی‌گرداند که آن را به شکل زیر نشان می‌دهیم:

(۲- ۶)

درنتیجه علامت نشان‌دهنده این است که بردار به‌دست‌آمده به‌روزرسانی شده است.

FCM نیز مانند سامانه‌های دیگر دارای مزایا و معایبی است. بزرگ‌ترین مزیت FCM سادگی آن است و اینکه بر پایه نظر خبرگان کار می‌کند. زمانی که داده‌ها قطعیت کافی را نداشته باشند FCM کاملاً قابل‌استفاده است. این تنها روش شناخته‌شده فازی است که الگو مخفی موقعیت را به دست می‌آورد. همچنین FCM قابلیت استفاده از نظرات چندین خبره و جمع‌بندی نظرات آن‌ها را به‌طور کامل و دقیق دارد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

یکی از مهم‌ترین معایب FCM زمانی است که مقدار بین دو گره و به‌صورت همزمان ۱+ و ۱- باشد. در این صورت جمع این دو مقدار صفر شده و این مقدار منطبق با نظر خبرگان نخواهد بود.

از FCM در جایگزینی سامانه‌های خبره در اقتصاد، جامعه‌شناسی و شبیه‌سازی استفاده می‌شود. (هورگا، ۲۰۰۲)

۲-۴-۱- خصوصیات نقشه‌های مفهومی فازی

نقشه‌های مفهومی فازی زمانی که از داده‌های نامطمئن استفاده می‌کنیم بسیار پرکاربرد هستند. این نقشه‌ها بر اساس نظرات خبرگان کار می‌کنند. نقشه‌های شناختی فازی دنیا را به مجموعه‌ای از کلاس‌ها و روابط علّی بین این کلاس‌ها تقسیم می‌کند. (آگیولار، ۲۰۰۵)

نقشه‌های فازی شناختی گراف‌های علامت‌دار جهت‌دار فازی همراه با بازخورد هستند. یال جهت‌دار از گره مفهومی تا مفهوم نشان‌دهنده این است که به چه میزان موجب می‌شود. تابع مفهومی مبتنی بر زمان نشان‌دهنده میزان غیر منفی اتفاق افتادن واقعه فازی است.

از نقشه‌های مفهومی برای مدل کردن مسائل بسیار زیادی بکار برده می‌شود، از رفتار گوارشی-اشتها^[۷] گرفته تا توسعه سیاسی^[۸]. از این نقشه‌های فازی همچنین برای مدل‌سازی مسائل ربوتیک استفاده می‌شود. (کانداسامی و اسمارانداچ، ۲۰۰۳)

یک یال در یک نقشه مفهومی فازی ممکن است مقداری در بازه به خود اختصاص دهد. نشان‌دهنده این است که هیچ رابطه علی وجود ندارد. نشان‌دهنده این است که افزایش در مقدار باعث افزایش در مقدار می‌شود ( یا کاهش منطبق با کاهش است). نشان‌دهنده این است که افزایش در مقدار فازی باعث کاهش در مقدار می‌شود ( یا کاهش در مقدار باعث افزایش در مقدار می‌شود). یک نقشه مفهومی فازی ساده دارای یال‌هایی است که یکی از مقادیر را به خود اختصاص می‌دهند. پس تغییرات در سطح نقشه مفهومی به‌صورت حداکثری است. این نوع نقشه‌ها برای بیان مفهوم و در اختیار گذاشتن اطلاعات بسیار پرکاربرد هستند.

بازخوردهای موجود در FCM به متخصصان اجازه می‌دهد تا به‌سادگی نقشه‌ی کاملی از مسئله را در نظر داشته باشند. به دلیل وجود بازخورد در FCM نمی‌توان از جستجو در گراف^[۹]، زنجیره سازی به جلو^[۱۰] و زنجیره سازی به عقب^[۱۱] استفاده نمود. در مقابل FCM را می‌توان به‌عنوان یک سیستم پویا در نظر گرفت و رفتار تعادلی آن را به‌عنوان استنتاج روبه‌جلو^[۱۲] در نظر گرفت. (کانداسامی و اسمارانداچ، ۲۰۰۳)

به‌وسیله نقشه‌های مفهومی فازی می‌توان نتیجه‌گیری کرد. FCM به‌طور مکرر بردار تغییر حالت را در خود تأثیر می‌دهد و سپس نتیجه در هر گام مطابق با آستانه تعیین می‌شود. هر FCM مستقل از اندازه خود پس از گذراندن چندین گام به یک حد آستانه از حافظه و یا حالت تعادل می‌رسد که الگوی مخفی نتیجه شده از تغییر حالت ابتدایی آن سامانه پویا است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

می‌توان چندین FCM را که از خبرگان مختلف گرفته‌شده باهم مخلوط نمود. برای این کار باید ابتدا پارامترهای آن‌ها را هماهنگ کرد، بدین‌صورت که پارامترهای معرفی‌شده توسط تمامی خبرگان مساوی باشند. اگر خبره‌ای پارامتری را در نظر نگرفته است آن را به ماتریس مجاورت اضافه کرده و کلیه سطرها و ستون‌های مربوط به آن پارامتر صفر قرار داده می‌شود. پس از پارامترها، ماتریس‌های مجاورت به‌دست‌آمده باهم جمع می‌شوند (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۷)

پس از انجام این عملیات به‌سادگی می‌توان FCM مربوط به ماتریس مجاورت کلی را رسم نمود. مطمئناً این FCM دیگر ساده نیست؛ زیرا پس از جمع‌کردن درایه‌های ماتریس‌ها، مقدار آن‌ها فراتر از بازه خواهد بود و شرط ساده بودن FCM قرار داشتن مقادیر یال‌ها بین ۱- و ۱+ است.

در بعضی مواقع نظرات تمامی خبرگان هم ارزش نبوده و ارزش هرکدام نسبت به دیگری متفاوت است. برای به دست آوردن FCM مربوط به چند خبره با ارزش‌های متفاوت می‌بایست برای هرکدام از آن‌ها وزنی ارائه گردد. به‌وسیله وزن ارائه‌شده و مقادیر ماتریس مجاورت آن‌ها، FCM کلی با روش زیر محاسبه می‌گردد (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۸)

که در آن ، وزن یا ارزش خبره iم است.

به‌طور ساده می‌توان هر حالت را به‌صورت زیر محاسبه نمود:

(۲- ۹)

که در آن حالت سیستم در زمان t و خروجی حالت سیستم پس از گذار زمان t است. در هر مرحله گذار، بردار حالت کنونی در ماتریس مجاورت ضرب می‌شود تا حالت جدید به دست آید. در حالت جدید اعداد مربوط به گره‌ها ممکن است خارج از محدوده یا غیر صحیح باشند. برای نرمال کردن این اعداد از یک تابع ساده استفاده می‌شود. این تابع به‌صورت زیر است (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۱۰)

بردار حالت به‌دست‌آمده در هر مرحله گذار، ورودی مرحله بعدی است.

پس می‌توان نتیجه گرفت که:

(۲- ۱۱)

که در آن f تابع نرمال کردن حالت سیستم است. (گورگوپولوس، ۲۰۰۳)

بامطالعه حالات پایانی می‌توان به مدل نهایی FCM دست یافت. FCM زمانی به نقطه تعادل می‌رسد که یک الگو مشابه بارها تکرار شده باشد.

تراکم یک نقشه شناختی D شاخصی از اتصال است که به‌صورت زیر محاسبه می‌گردد (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۱۲)

که در آن C نشان‌دهنده تعداد اتصالات موجود بر روی N متغیر است.

ساختار یک FCM موجود را جدای از تعداد متغیرها و اتصالات به‌وسیله مقادیری همچون متغیرهای فرستنده و گیرنده می‌توان تحلیل نمود. این متغیرها به‌وسیله درجه خروجی و ورودی خود مشخص می‌شوند. درجه خروجی جمع سطری یک متغیر در ماتریس مجاورت است که نشان‌دهنده نیروی انباشته اتصالات خروجی آن است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۳)

درجه ورودی جمع ستونی یک متغیر در ماتریس مجاورت است که نشان‌دهنده نیروی انباشته اتصالات ورودی به متغیر می‌باشد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۴)

دامنه یک متغیر جمع درجه خروجی و درجه ورودی آن است که به آن مرکزیت گفته می‌شود. سهم هر متغیر در FCM را بدون توجه به نوع آن می‌توان به‌وسیله مقدار مرکزیت آن سنجید. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۵)

متغیرهای فرستنده متغیرهایی هستند که مجموع درجه خروجی آن‌ها مثبت و جمع درجه ورودی‌شان صفر باشد. در مقابل متغیرهای ورودی متغیرهایی هستند که جمع درجه ورودی‌شان مثبت و جمع درجه خروجی آن‌ها صفر باشد. بقیه متغیرها متغیرهای معمولی هستند.

تعداد متغیرهای گیرنده یک نقشه مفهومی فازی، معیاری برای اندازه‌گیری پیچیدگی آن نقشه است.

تعدد بالای متغیرهای فرستنده نشان‌دهنده تفکر از بالا به پایین یا سیستم سلسله مراتبی است. بسیاری از واحدهای فرستنده از زاویه مستقیم به نقشه مفهومی نگاه می‌کنند به‌صورتیکه استدلال‌های علّی به‌خوبی مشخص نیستند. درنتیجه می‌توان پیچیدگی نقشه‌های شناختی را به‌وسیله تعداد گیرنده‌ها بر روی فرستنده‌ها به دست آوریم. مقادیر بالاتر از این مقدار نشان‌دهنده نقشه‌های پیچیده‌تری هستند.

یکی دیگر از متغیرهای قابل‌اندازه‌گیری در FCM، شاخص سلسله مراتبی (h) است :

(۲- ۱۶)

که دران N تعداد کل متغیرهاست. وقتی‌که h برابر با یک باشد، نقشه به‌طور کامل سلسله مراتبی است. در مقابل زمانی که مساوی با صفر شود، سیستم به‌طور کاملاً خودمختار شکل می‌گیرد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

۲-۴-۲- انواع نقشه‌های مفهومی فازی

نقشه‌های مفهومی فازی به دلیل گستردگی کاربرد و ساده بودن مراحل، بسیار قابل سفارش سازی است. از همین رو انواع مختلفی را شامل می‌شود. در این بخش به توضیح تعدادی از مهم‌ترین شکل‌های نقشه‌های مفهومی فازی پرداخته ‌شده است.

۲-۴-۲-۱- نقشه‌های مفهومی فازی تطبیقی^[۱۳]

ساخت روابط علّی برای پارامترهای فازی کاری بسیار ساده است. اما مسئله زمانی پیش می‌آید که مقادیر در نظر گرفته‌شده نیازمند ارزیابی و بالا بردن دقت باشند. در این‌گونه موارد به‌روزرسانی وزن یال‌ها کاری بس دشوار است. زیرا در هر بازه زمانی علاوه بر حالت سیستم، وزن یال‌ها یا مقادیر روابط علّی نیز تغییر می‌کند.

برای حل این مشکل می‌توان از خصوصیت یادگیری شبکه‌های عصبی استفاده نمود. بدین معنی که اجازه دهیم یال‌های نقشه مفهومی فازی همانند سیناپس‌ها در شبکه عصبی مقدار خود را در هر مرحله گذار تغییر دهند. (کارلسون و فولر، ۱۹۹۶)

نقشه‌های مفهومی فازی تطبیقی مقادیر یال‌های خود را بر اساس داده‌های گذشته و تاریخچه خود تغییر می‌دهند. با این روش دقت محاسبه نقشه مفهومی فازی بالا رفته و پیش‌بینی آینده ساده می‌گردد.

معمولاً از نقشه‌های مفهومی فازی تطبیقی زمانی استفاده می‌شود که داده‌های اولیه مربوط به خبرگان در دسترس نباشد و یا اینکه داده‌ها ازنظر حجم و نوع به‌گونه‌ای باشند که توانایی محاسبه آن‌ها به‌صورت دستی امکان‌پذیر نباشد. (آگیولار، ۲۰۰۲)

فن‌های مختلفی برای تبدیل یک نقشه مفهومی فازی به نوع تطبیقی وجود دارد. حافظه انجمنی موقت^[۱۴] (اماری، ۱۹۷۲) یکی از ساده‌ترین و پرکاربردترین این فن‌ها است.

درروش یادگیری تفاضلی هبیان^[۱۵] که از حافظه انجمنی موقت استفاده می‌کند، برای جلوگیری از مقادیر ساختگی یال‌ها، تغییرات جریان علیّت بر روی وزن یال‌ها تأثیرگذار هستند. ایده اولیه این روش، به‌روزرسانی وزن‌ها در شبکه علّیت، به شکلی که به‌طور مستقیم مرتبط با تغییرات مقادیر مفاهیم است، می‌باشد. اگر مقدار مفهوم در همان جهت تغییر یافت، الگوریتم مقدار مثبت وزن علّی را افزایش می‌دهد. در غیر این صورت اگر تغییرات در جهت عکس باشد، الگوریتم مقدار منفی را افزایش می‌دهد (کاسکو، ۱۹۸۶). این تغییرات طبق معادله زیر انجام می‌پذیرد:

(۲- ۱۷)

متغیر عاملی برای فراموشی وزن‌های بسیار قدیمی و کم کردن تأثیر آن‌ها در وزن‌های جدید است و به‌صورت زیر محاسبه می‌گردد:

(۲- ۱۸)

تنها ایرادی که می‌توان به روش یادگیری تفاضلی هبیان گرفت این است که در محاسبه قدرت علّی بین دو مفهوم و ، تنها از مقادیر گذشته این دو مفهوم استفاده می‌شود. (هورگا، ۲۰۰۲)

۲-۴-۲-۲- نقشه‌های مفهومی فازی با درجات متعادل^[۱۶]

مفهوم نقشه‌های مفهومی فازی متعادل برای اولین بار توسط سادیراس و مارگاریتیس^[۱۷] (۲۰۰۷) عنوان شد. یک نقشه مفهومی فازی، نامتعادل است اگر بتوان دو مسیر بین دو گره ثابت پیدا کرد که روابط علّی آن‌ها علامت‌های مختلفی داشته باشند. در غیر این صورت FCM متعادل است. در یک FCM نامتعادل نمی‌توان علامت تأثیر کلی یک مفهوم بر دیگری را به دست آورد. با توجه به تعریف ایدن^[۱۸] (۱۹۹۲) که تأثیر کلی می‌بایست هم علامت با کوتاه‌ترین مسیر بین دو گره باشد؛ با افزایش طول یک مسیر، رابطه علّی غیرمستقیم ضعیف می‌شود. در مقابل، سادیراس و مارگاریتیس (۲۰۰۷) علامت تأثیر کلی را منطبق با علامت مهم‌ترین مسیر می‌دانند. مهم‌ترین مسیر در نظر آن‌ها مسیری است که از اکثر گره‌های مهم می‌گذرد.

متعادل و غیرمتعادل بودن درجه‌ی یک گراف FCM به‌وسیله درجه تعادل آن گراف مشخص می‌شود. درجات تعادل مختلفی تاکنون معرفی‌شده‌اند که هرکدام از آن‌ها برای مسئله خاصی کاربرد دارد. سادیراس و مارگاریتیس معادله زیر را برای به دست آوردن درجه تعادل ارائه نموده‌اند:

(۲- ۱۹)

که در آن P تعداد نیم چرخه‌های مثبت گراف و t تعداد کل نیم چرخه‌ها است. نیم چرخه‌ها چرخه‌هایی از گراف هستند که بدون در نظر گرفتن جهت یال‌ها به دست می‌آیند. هر چه مقدار این پارامتر به یک نزدیک‌تر باشد، گراف متعادل‌تر است. می‌توان معادله بالا را به شکل زیر ساده نمود:

(۲- ۲۰)

یا

(۲- ۲۱)

که در آن تعداد نیم چرخه‌های مثبت با طول m، تعداد نیم چرخه‌های منفی با طول n، تعداد کل نیم چرخه‌ها و f(m) تابع افزایش یکنواخت مانند می‌باشد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

برای محاسبه این درجه ابتدا علامت‌های تمام روابط علّی غیرجهتدار که بین هر جفت مفهوم و وجود دارند به‌دست آورده می‌شوند. فرض کنید تعداد مسیرهای مثبت بین مفهوم تا و تعداد مسیرهای منفی از مفهوم تا باشد. دراین صورت دو امکان وجود دارد:

حالت اول این‌که باشد. در این صورت تعداد کل مسیرهای بین دو مفهوم زوج است. اگر i=j باشد یک حلقه تشکیل می‌شود. زمانی یک FCM کاملاً متعادل داریم که یا یا یا و باشند. در مقابل زمانی کاملاً نامتعادل است که . با توجه به این استدلال‌ها معادله زیر معیار مناسبی برای بیان تعادل می‌باشد:

(۲- ۲۲)

حالت دوم زمانی اتفاق می‌افتد که +۱٫ دراین صورت تعداد کل مسیرها بین دو مفهوم فرد است. زمانی یک FCM کاملاً متعادل داریم که یا یا یا و باشند. در مقابل زمانی کاملاً نامتعادل است که یا یا و . با توجه به این استدلال‌ها معادله زیر معیار مناسبی برای بیان تعادل می‌باشد:

(۲- ۲۳)

که برای به‌دست آوردن یک معادله واحد می‌توان از معادله زیر استفاده کرد:

(۲- ۲۴)

به‌دست آوردن این مقدار تعادل در پیش‌بینی رفتار کلی نقشه مفهومی فازی بسیار کمک کننده است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

۲-۴-۲-۳- نقشه‌های مفهومی فازی براساس قوانین^[۱۹]

نقشه‌های فازی مفهومی نوعی نقشه علّی است و در بسیاری از کاربردها، یک نقشه مفهومی فازی یک شبکه عصبی ساخته شده به دست انسان به روش سنتی است و جنبه‌های فازی را دنبال نمی‌کند. آن‌ها خصوصیات سیستم‌های فازی دیگر را مورد اشتراک قرار نمی‌دهند و در نهایت پاسخ یک نقشه مفهومی فازی یک ماتریس کمی بدون هیچ دانش کیفی است. برای مقابله با این مسئله کاروالو و توم^[۲۰] (۲۰۰۰) نقشه‌های مفهومی فازی مبتنی بر قوانین را معرفی نمودند. این سامانه می‌تواند پویایی کیفی دنیای واقعی را شبیه‌سازی و مدلسازی کند.

یکی از مسائل مهمی که در بیان سیستم‌های پویای کیفی نادیده گرفته می‌شود زمان است. زمان یکی از ملزومات اصلی سیستم‌های پویا است. وقتی که با زمانبندی کمی سیستم‌های پویا سروکار داریم به دلیل قابلیت بیان واضح زمان در معادلات ریاضی برای توصیف روابط بین مفاهیم، مسائل به سادگی قابل حل می‌باشند. هرچند در سیستم‌های پویای کیفی که زبان طبیعی برای بیان روابط بین مفاهیم کافی است، زمان می‌بایست به صورت التزامی در این روابط بیان شود. در نقشه‌های مفهومی فازی مبتنی بر زمان، زمان می‌بایست در قوانین فازی که روابط را بیان می‌کنند، گنجانده شود. بدون درنظر گرفتن چنین زمانبندی، تضمین قابل قبول بودن شبیه‌سازی ناممکن است.

نقشه‌های مفهومی فازی مبتنی بر زمان، ارائه‌ای از پویایی سیستم‌های کیفی پیچیده دنیای واقعی با بازخورد و شبیه‌سازی سلسله وقایع و تأثیر آن‌ها بر سیستم است. این نقشه‌ها از گراف‌های جهتدار فازی همراه با بازخورد هستند که از گره‌های فازی ( مفاهیم) و پیوندهای فازی ( روابط) تشکیل شده‌اند. نقشه‌های مفهومی فازی مبتنی بر زمان، به دلیل آنکه محدود به ارائه روابط علّی نیستند، نقشه‌های مفهومی واقعی هستند. برخلاف نقشه‌های مفهومی فازی، مفاهیم، متغیرهای فازی هستند که مبتنی بر متغیرهای زبانی فازی تعریف می‌شوند و برای بیان روابط از پایه‌های قوانین فازی استفاده می‌کنند. این نقشه‌ها به دلیل استفاده از قوانین صریح فازی و انعطاف پذیری آن‌ها در بیان روابط، در مدل‌سازی و شبیه‌سازی سیستم‌های پویای پیچیده کیفی بسیار پرکاربرد هستند. (کاروالو و توم، ۲۰۰۰)

نقشه‌های مفهومی فازی مبتنی بر زمان تکراری^[۲۱] هستند: مقدار کنونی هر مفهوم با بهره گرفتن از مقادیر ورودی قبلی آن محاسبه می‌شود. سیر تکاملی سیستم در طول زمان ممکن است به تعادل و همگرایی در یک حالت منفرد یا چرخه‌ای از حالت‌ها با شرایط خاص برسد.

معرفی و یا حذف مفاهیم یا روابط، یا تغییر حالت در یک یا تعداد بیشتری از مفاهیم بر سیستم مدل‌سازی شده تأثیر خواهد گذاشت زیرا معمولاً به دلیل پیچیدگی پیوندهای بازخوردی، پیش‌بینی آن‌ها اغلب سخت و یا غیرممکن می‌باشد. نقشه‌های مفهومی فازی مبتنی بر زمان، ابزاری برای پیش‌بینی تکامل ایجاد شده به وسیله چنین تغییرهایی در طول زمان است. این نقشه‌ها دو نوع مفهوم ( سطوح و انواع)، چندین نوع رابطه (علّی، استنتاجی، اشتراکی، شباهت و دیگر روابط رایج ) و مکانیسم‌های پشتیبان احتمالات مبتنی بر زمان و ثابت را مهیا می‌نمایند. (کانداسامی و اسمارانداچ، ۲۰۰۳)

نقشه‌های مفهومی فازی مبتنی بر زمان، یک زبان برنامه نویسی مخصوص به خود برای تعریف کمیت‌های سیستم‌های پویا در دنیای واقعی دارد. با بهره گرفتن از این زبان می‌توان مفاهیم، روابط، متغیرهای زبانی، توابع عضویت و غیره را تعریف نمود.

۲-۵- نتیجه‌گیری

به‌منظور آشنایی با نقشه‌های مفهومی فازی این فصل به معرفی مجموعه‌های کلاسیک و فازی، بررسی نقشه‌های مفهومی فازی و مشخصات آن‌ها پرداخت و در انتها نیز انواع نقشه‌های مفهومی فازی توضیح و تشریح داده شد. با توجه به مطالب بیان‌شده، می‌توان نتیجه گرفت که مجموعه‌های فازی به دلیل شباهت بیشتر به دنیای واقعی، بر مجموعه‌های کلاسیک برتری داشته و ازاین‌رو تحلیل نقشه‌های مفهومی فازی روشی کارآمد و مؤثر در شبیه‌سازی و مدل‌سازی سامانه‌های پویای دنیای واقعی محسوب می‌شوند.

فصل سوم

رفتار کاربر

۳-۱- مقدمه

در عصر حاضر مطالعه رفتار مصرف‌کننده نقش مهمی در تعیین استراتژی‌های سازمان دارد. زیرا مصرف‌کننده و کاربر مهم‌ترین هدف هر سازمانی است. در این فصل به اهمیت مطالعه رفتار مصرف‌کننده و کاربر در محیط فیزیکی و محیط اینترنت پرداخته خواهد شد و در ادامه این مباحث در شبکه‌های اجتماعی بررسی می‌شود. در پایان نیز به دسته‌بندی عوامل مؤثر در رفتار کاربر پرداخته می‌شود.

۳-۲- رفتار مصرف‌کننده

رفتار مصرف‌کننده یکی از مهم‌ترین مسائلی است که در سال‌های گذشته موردبحث و تحقیق قرارگرفته است. سازمان‌ها همیشه خواهان فهم نحوه تصمیم‌گیری مصرف‌کننده بوده‌اند تا بتوانند در طراحی محصولات و خدمات خود از آن استفاده کنند. به‌طور مثال اطلاع از گرایش رفتار مصرف‌کننده به سمت استفاده از تبلت‌ها می‌تواند به سازمان‌های تولیدکننده وسایل الکترونیکی در تغییر جهت خط تولیدشان کمک کند. مطالعه رفتار مصرف‌کننده از اهمیت ویژه‌ای در نحوه تصمیم‌گیری مدیریتی سازمان‌ها برخوردار است. یافته‌ای تحقیقات مربوط به مصرف‌کننده همچنین قادر است به‌صورت یک عامل مؤثر در بخش‌بندی بازار عمل نماید (سیبرت، ۱۹۹۶). به‌طور مثال استفاده از تبلت‌ها در بین جوانان بسیار بیشتر از افراد دیگر است.

رفتار مصرف‌کننده همچنین با بازار بین‌المللی رابطه دارد. مطالعه فرایندهای میان فرهنگی و واکنش‌هایی که در کشورهای مختلف به فعالیت‌های مربوط به بازاریابی نشان داده می‌شود، نقطه عطف این حوزه به‌حساب می‌آیند.

مطالعه رفتار مصرف‌کننده مشخص‌کننده اهمیت مسئولیت‌های اخلاقی و اجتماعی در بازار است (سیبرت، ۱۹۹۶). برای مثال اطلاع از عواقب استفاده بیش‌ازحد کودکان از تبلت‌ها و دستگاه‌های الکترونیکی موجب رشد بهتر جمعیت جوان در یک جامعه می‌شود.

مفهوم بازاریابی دلالت بر این عقیده دارد که صنعت، فرایند رضایت مشتری است؛ نه فرایند تولید کالا. یک صنعت با مصرف‌کننده و نیازهایش شروع می‌شود نه به‌وسیله حق امتیاز، مواد خام و یا مهارت فروش. تنها وقتی یک سازمان می‌تواند به بقای خود ادامه دهد که بتواند نیازها و خواسته‌های مصرف‌کننده را با درکی صحیح و جامع از طرف مقابل برآورده کند که این اهمیت مطالعه رفتار مصرف‌کننده را نشان می‌دهد.

رفتار مصرف‌کننده به‌عنوان مطالعه واحدها و فرایندهای مبادله‌ای که شامل اکتساب، مصرف و کنار گذاری کالا، خدمات، تجارب و ایده‌ها است، تعریف می‌شود. مصرف‌کننده به‌ناچار در یک‌طرف فرایند مبادله قرار می‌گیرد که در آن منابع در بین دو طرف جابجا می‌شود. به‌علاوه منابع دیگری همچون احساسات، اطلاعات و موقعیت‌ها نیز می‌توانند بین طرفین مبادله شوند. فرایند مبادله یک عنصر بنیادی در رفتار مصرف‌کننده است (هوستون، ۱۹۸۶).

داشتن درک صحیح از مصرف‌کنندگان و فرایند مصرف، مزیت‌های متعددی را در بردارد. این مزیت‌ها شامل کمک به مدیران در جهت تصمیم‌گیری، تهیه یک مبنای شناختی از طریق تحلیل مصرف‌کنندگان، کمک به قانون‌گذاران و تنظیم‌کنندگان برای وضع قوانین مربوط به خریدوفروش کالا و خدمات و درنهایت کمک به مصرف‌کنندگان در جهت تصمیم‌گیری بهتر است. اهمیت درک صحیح از مصرف‌کننده در تعریف بازاریابی به‌عنوان یک فعالیت انسانی معطوف به ارضای نیازها و خواسته‌ها از طریق فرایندهای مبادله یافت می‌شود.

شناخت رفتار مصرف‌کننده می‌تواند به ایجاد سیاست‌گذاری عمومی کمک نماید. تا آنجایی که مربوط به اصول رفتار مصرف‌کننده است، سیاست‌گذاری عمومی شامل ایجاد قوانین و مقرراتی است که در بازار بر مصرف‌کننده تأثیر می‌گذارند. در قلمرو سیاست‌گذاری عمومی مربوط به رفتار مصرف‌کننده، مطالعه بدرفتاری مصرف‌کننده نیز مدنظر قرار دارد (هوستون، ۱۹۸۶).

داشتن آگاهی کلی از رفتار مصرف‌کننده دارای ارزش شخصی نیز می‌باشد. با شناختی که هر فرد از عوامل مؤثر در نحوه مصرف خود دارد می‌تواند به یک مصرف‌کننده بهتر تبدیل شود. به‌علاوه به مصرف‌کنندگان کمک می‌کند تا در فرایند خرید قادر باشند به راهبردهایی که شرکت‌ها برای فروش محصولات خود استفاده می‌کنند پی ببرند. برای بسیاری از مردم آگاهی از عوامل مؤثر در مصرف، ارزش درونی دارد.

مطالعه و بررسی رفتار مصرف‌کننده سه دسته از اطلاعات را برای ما فراهم می‌آورد: جهت‌گیری، واقعیات و نظریات. ابتدا مطالعه رفتار مصرف‌کننده به مدیران و سیاست‌گذاران عمومی کمک می‌کند تا تأثیر فعالیت‌هایشان را بر روی مصرف‌کنندگان در نظر بگیرند. همچنین برخی از واقعیات مانند علل انتخاب که مصرف‌کنندگان برای خرید محصول استفاده می‌نمایند و یا ارزش‌هایی که فرهنگ‌های خاص تأکید می‌کنند را فراهم می‌سازد. درنهایت مطالعه رفتار مصرف‌کننده به ما کمک می‌کند تا به ارائه نظریات بپردازیم (هوستون، ۱۹۸۶).

۳-۳- رفتار مصرف‌کننده در اینترنت

اینترنت در عصر حاضر به دلیل سادگی استفاده، گستردگی و سرعت بالا، به مهم‌ترین منبع اطلاعات برای بسیاری از کالاها و خدمات تبدیل‌شده است. خصوصیات منحصربه‌فرد اینترنت و برتری کامل آن نسبت به بازارهای دیگر باعث رو آوردن بسیاری از سازمان‌ها برای گسترش خدمات و کالاهای خود در بازارهای اینترنتی گشته است. ازاین‌رو محیط اینترنت به فضای رقابتی بسیار شدیدی برای سازمان‌ها تبدیل‌شده است. در مقابل همین فضا مزیت‌های بسیار بالایی نیز برای کاربران و خریداران ایجاد کرده است. مزایایی از جمله در دست داشتن اطلاعات کامل محصولات و خدمات، قابلیت مقایسه کالاها و خدمات متفاوت و سادگی تعویض محصول باعث شده کاربران بیشتری هرروزه به استفاده از اینترنت بپردازند (کانان و کوپال، ۲۰۰۱).

محیط اینترنت از هر دو جهت تأمین‌کننده و مصرف‌کننده مزیت بسیار بالایی ایجاد کرده است. ازاین‌رو در هرلحظه فضای رقابتی سازمان‌ها شدیدتر می‌شود. اینترنت با بهره گرفتن از خصوصیات منحصربه‌فرد و پیوند خود با بازارهای دنیای واقعی رقابت در این عرصه‌ها را تنگ‌تر نموده است (چونگ و همکاران، ۲۰۰۵).

رفتار مصرف‌کننده را در محیط واقعی به دلیل امکان برخورد و مشاهده فیزیکی به‌سادگی می‌توان دنبال نمود. اما در دنیای مجازی اینترنت این رفتارها کوتاه‌تر شده و شکل خود را تغییر داده‌اند. به‌طور مثال در دنیای واقعی یک مصرف‌کننده پس از ورود به یک بازار به دلیل تنوع پایین محصولات، قدرت انتخاب بالایی ندارد. به همین دلیل نمی‌تواند محصول یا خدمات خود را به‌سادگی جایگزین نماید یا از محصولات مشابه استفاده کند. اما در بازارهای مجازی کاربر این قدرت را دارد که به‌سادگی از میان تنوع بالای کالاها، موارد موردنظر خود را مقایسه کند، در صورت عدم رضایت کالا یا بازار خود را به‌سادگی تعویض نماید و درنهایت بدون معطلی و با امنیت کامل محصول یا خدمت موردنظر خود را خرید نماید (کانان و کوپال، ۲۰۰۱).. در این فرایند نوع رفتار کاربر بسیار تغییر کرده است. کاربر در این شرایط حق انتخاب بالایی دارد درنتیجه خیلی راحت‌تر محصول خود را تعویض می کند.

۳-۴- رفتار کاربر در شبکه‌های اجتماعی

شبکه‌های اجتماعی آنلاین را می‌توان به‌نوعی به یک وب‌سایت مبادله یا خرید تشبیه کرد. همان‌طور که گفته شد در فرایند خرید و بررسی رفتار کاربر و مصرف‌کننده، کالا یا خدماتی مبادله خواهد شد و این کالا یا خدمات می‌تواند از جنس اطلاعات، عواطف و احساسات باشد (کوفاریس، ۲۰۰۲).

چیزی که در اکثر شبکه‌های اجتماعی مورد مبادله قرار می‌گیرد شاید فیزیکی نباشد ولی به همان اندازه یا حتی بیشتر اهمیت دارد. از مطالعه رفتار کاربر در شبکه اجتماعی می‌توان استنتاج‌های بسیار زیادی داشت. همچنین درک رفتار کاربر می‌تواند به جذب کاربران بیشتر و استفاده از اطلاعات آن‌ها در شبکه‌های اجتماعی کمک کند. (براون و همکاران، ۲۰۰۷)

درک و تحلیل رفتار کاربر یک فرایند چندمرحله‌ای است که در آن پارامترهای مختلفی دست دارند. این پارامترها را می‌تواند به چند دسته عمده تقسیم نمود:

۳-۴-۱- پارامترهای مربوط به اجتماع

این پارامترها از طرف جامعه بر رفتار کاربر تأثیرگذارند و کاملاً به‌صورت جمعی می‌باشند. بدین معنی که کاربر در تغییر آن‌ها نقش جزئی داشته و تغییر در آن‌ها به‌صورت جهشی نیست. این پارامترها شامل فرهنگ، عامل‌های جمعیت‌شناسی، عامل‌های اقتصادی و غیره می‌باشند.

۳-۴-۲- پارامترهای مربوط به وب‌سایت

پارامترهای مربوط به وب‌سایت شامل پارامترهایی هستند که از طرف وب‌سایت یا شبکه اجتماعی آنلاین بر روی کاربر تأثیرگذارند. این پارامترها بهترین پارامترها در این تحلیل‌ها می‌باشند؛ زیرا توسط صاحبان شبکه‌های اجتماعی قائل تغییرند. پس مدیران سازمان‌ها و وب‌سایت‌ها می‌توانند با تغییر این پارامترها بر روی رفتاری که از کاربر سر می‌زند نقش داشته باشند. این پارامترها گستره‌ای از ظاهر وب‌سایت تا عملکرد و ساختار آن را در برمی‌گیرد.

۳-۴-۳- پارامترهای مربوط به کاربر

این پارامترها به‌صورت مستقیم بر روی رفتار کاربر تأثیرگذارند و حتی ممکن است جزئی از رفتار وی باشند. اغلب اوقات هدف از مطالعه رفتار کاربر دست‌یابی به نحوه تغییرات این پارامترها است. مطالعه و تغییر در این پارامترها بسیار برای تحلیل‌کنندگان رفتار کاربر مهم است. این پارامترها می‌توانند جنسیت، نیاز، اعتماد و غیره باشند.

۳-۵- مدل‌های رفتار خرید

همواره شرکتهای تحقیق کننده در رفتار مشتری، سعی بر آن دارند تا اطلاعاتی در مورد کالای خریداری شده، روش، تعداد، مکان و علت خرید بدست آورند. پی بردن به علتهای رفتار مشتری همیشه به سادگی قابل دستیابی نیست، زیرا اغلب پاسخهای مربوط به این سوالات در ذهن و فکر مصرف کننده وجود دارد.

مدل های متنوعی درباره رفتار خرید وجود دارد که در ادامه برخی از آنها شرح داده می‌شود:

۳-۵-۱- مدل رفتار خرید هاوکینز

هاوکینز و همکارانش عوامل موثر برخرید را به سه دسته ی درونی ، بیرونی و موقعیتی تقسیم کردند. عوامل بیرونی تاثیر عوامل فرهنگی و اجتماعی مانند تاثیرات خانواده و گروه های مرجع را بر رفتار مشتری شرح می دهد. عوامل درونی شامل ادراکات فردی از قرار گرفتن در معرض اطلاعات، انگیزه ای که در فرد شکل می‌گیرد و همچنین ماهیت یادگیری و به خاطر سپاری این اطلاعات می باشد.

عوامل تاثیرگذار موقعیتی عبارتند از تمامی عوامل خاص مربوط به یک زمان یا مکان که از دانش کلی فرد در مورد ویژگی های فردی و محرک‌ها تبعیت نمی‌کنند (هاوکینز و همکاران، ۱۹۸۳).

۳-۵-۲- مدل رفتار خرید هاوارد- شیث

در این مدل چگونگی تبدیل داده های خاص در پاسخ به محرک های بازاریابی به محرک هایی نظیر خرید و یا دیگر پاسخ های رفتاری از طریق یادگیری ، شرح داده می‌شود. این مدل شکل ویرایش یافته یک تلاش منظم و سیستماتیک قبلی برای برپاکردن یک نگرش و تئوری عمیق از فرایند تصمیم‌گیری مشتریان است. طبقات اجتماعی ، فرهنگ، وضعیت و سازمان‌های اقتصادی، اجتماعی متغیرهایی هستند که هاوارد و شیث آن‌ها را متغیرهای خارجی یا بیرونی می‌نامند و در تحلیل مدل خود، آن‌ها را ثابت فرض می‌کنند (هاوارد و شیث، ۱۹۶۹).

۳-۵-۳- مدل رفتار خرید انگل–کولات–بلک ول

این مدل اساسا به عنوان یک طرح برای سازماندهی ساختار دانش مربوط به رفتار مشتری به کار گرفته می‌شود. مدل مذکور از کانال‌های ویرایش متعددی تشکیل شده است که هدف بهینه‌سازی و نیز هر چه بیشتر شفاف‌شدن روابط بین اجزای اصلی و فرعی بوده است. براساس این مدل قبل از اینکه پیامی مورد بهره برداری قرار گیرد، مصرف کننده باید از آن آگاهی یابد، انگیزه را تعبیر و تفسیر کند ، به وسیله ی این انگیزه ترغیب شود (ماسون، ۱۹۸۴).

۳-۶- مروری بر تحقیقات انجام شده

جدول ۳- ۱ مروری بر تحقیقات انجام شده

نویسنده	سال	روش تحلیل	نتیجه بدست آمده
لاروچ و ریچارد	۲۰۱۴	بررسی مقالات ۱۰ سال گذشته در زمینه رفتار آنلاین مشتری	خروجی مربوط به این مقالات را بررسی و در نهایت پارامترهای اساسی آن‌ها را استخراج نموده است.
ستینا و همکاران	۲۰۱۲	بررسی تاثیر عوامل روانی و اجتماعی بر رفتار آنلاین مشتری	تعامل‌پذیری و اعتماد کاربر مهم‌ترین عوامل در پذیرش یک وب‌سایت یا سازمان در بین کاربران آنلاین است.
ریچارد و همکاران	۲۰۱۰	بررسی تاثیر تجربه اینترنت و جو وب بر رفتار آنلاین کاربر نسبت به جنسیت کاربر	ارائه یک مدل رفتار کاربر در وب و تفکیک آن نسبت به جنسیت افراد
دنیز و همکاران	۲۰۰۹	توسعه مدل رفتار مشتری و ارائه مدل یکپارچه	علی‌رغم بررسی گسترده رفتار مشتری آنلاین هنوز شکاف‌های تحقیقاتی در این راستا وجود دارد.
کانستنتینیدز	۲۰۰۴	مرور و شرح ۴۸ مقاله‌ی آکادمیک در مورد رفتار مشتری در محیط آنلاین	شناسایی و دسته بندی اجزاء اصلی تجربه آنلاین مشتری در چارچوب تجربه وب با تمرکز بر اثرات عامل‌های قابل کنترل در فرایند تصمیم خرید آنلاین،
استیون و شوگان	۲۰۰۶	بررسی منطق مشتری از طریق مقایسه تست کنترل تجربی و آماری	فرض منطقی بودن مشتری باعث می‌شود محققان قادر باشند به درستی رفتار آن‌ها را پیش‌بینی کنند.. در صورتی که اگر غیر منطقی باشند رفتار آنان غیر قابل پیش‌بینی است
یاکاپ دورماز	۲۰۱۴	نمونه گیری تصادفی و نظرسنجی از ۱۴۰۰ نفر	بیشتر افراد از خرید لذت می‌برند و حقوق و قوانین را می‌دانند و بعضی نیز فقط برای خوشحالی خود خرید می‌کنند
امین ازمیت و همکاران	۲۰۱۱	تحلیل مفهومی مدلهای رفتاری	پذیرش و درستی مدلهای اقتصادی ،اجتماعی، روان شناسی
بخشی	۱۳۹۱	پژوهش از نوع توصیفی پیمایشی است .به طور تجربی به بررسی عوامل موثر بر رفتار ۱۸۰ مشتری در پذیرش بانکداری الکترونیکی پرداخته است. داده‌ها از پرسشنامه استاندارد بدست آمده است.	کیفیت اتصال به اینترنت و آگاهی از خدمات بانکداری الکترونیکی دارای اثرات قابل توجهی بر درک مفید بودن و درک سهولت استفاده بر پذیرش بانکداری الکترونیکی می‌باشد .اعتماد نیز دارای تاثیر قابل توجهی در نگرش نسبت به احتمال پذیرش بانکداری الکترونیکی است.
اویسی	۱۳۹۰	نمونه‌گیری تصادفی از ۱۹۴ دانشجوی علامه طباطبایی و توزیع پرسشنامه استاندارد و انجام تحلیل آماری به منظور بررسی خرید مجدد آنلاین با تاکید بر کیفیت ارتباطات آنلاین	با بهره گرفتن از تحلیل همبستگی نشان داده شد که هر متغیر مورد تحقیق دارای رابطه معنادار مثبت با کیفیت ارتباطات آنلاین بوده و به دنبال آن بر متغیر وابسته قصد خرید مجدد آنلاین اثر دارند. از طرفی کیفیت ارتباطات آنلاین دارای رابطه مثبت معناداری با تمایل به خرید مجدد آنلاین است. مردان تمایل بیشتری به پاسخگویی و خرید اینترنتی داشتند و افراد مجرد جامعه نیز نسبت به خرید آنلاین تمایل بیشتری نشان دادند.
امیری و همکاران	۱۳۹۰	با بهره گرفتن از شبکه های عصبی، الگوی تراکنش‌های مالی مشتریان بررسی شده است و الگوی رفتاری آتی مشتری، شناسایی و پیش بینی شده است .	بر اساس پیش بینی تراکنش های آتی هر مشتری و تحلیل سرویس های مورد علاقه وی، می‌توان زمان مناسب ارائه سرویس مورد علاقه به وی را شناسایی کرد.

جدول ۳- ۲ مروری بر تحقیقات انجام شده (ادامه)

۳-۷- نتیجه‌گیری

در این فصل ابتدا به اهمیت مطالعه رفتار مصرف‌کننده و نقش آن در تعیین استراتژی‌ها پرداختیم و پس‌ازآن این نقش‌ها را به‌صورت آنلاین و در محیط اینترنت بررسی کردیم. سپس به شباهت محیط شبکه‌های اجتماعی و محیط بازار پرداختیم و گفته شد که در شبکه‌های اجتماعی به‌جای تبادل کالا، اطلاعات، احساسات و عواطف بین کاربران یا کاربر و وب‌سایت مبادله می‌شود. در پایان به بیان دسته‌بندی پارامترهایی که بر رفتار کاربر نقش دارند پرداختیم.

فصل چهارم

مدل پیشنهادی

۴-۱- مقدمه

در این فصل سعی بر آن است که ابتدا توضیح مختصری در مورد روند انجام تحلیل داده شود و سپس به بیان توصیه در هر مرحله بپردازیم. در ابتدا روند استخراج پارامترها از خبرگان با بهره گرفتن از روش دلفی موردبررسی قرار می‌گیرد. در مرحله بعد روابط این پارامترها با همین روش به‌دست‌آمده و به ماتریس مجاورت نقشه مفهومی فازی تبدیل می‌شود.

۴-۲- روند انجام تحلیل

در انجام تحلیل FCM مربوط به بررسی رفتار کاربر در شبکه‌های اجتماعی می‌بایست مراحل زیر را به ترتیب انجام دهیم:

در این فصل به توصیف و تشریح فرایندهای هر بخش پرداخته خواهد شد.

شکل ۴- ۱ روند انجام پایان نامه

۴-۲-۱- مطالعه موردی و استخراج عامل‌ها

در فصل سوم گفته شد به دلیل شباهت بسیار زیاد وب‌سایت‌ها به یکدیگر می‌توان شبکه اجتماعی را به‌عنوان یک وب‌سایت خریدوفروش در نظر گرفت که در آن بجای کالا یا خدمات، اطلاعات، عواطف و احساسات مورد مبادله قرار می‌گیرند. به همین دلیل می‌توان از عامل‌هایی که در مقالات مختلف در مورد رفتار مصرف‌کننده و فرایند خرید می‌باشند استفاده نمود و آن‌ها را به دنیای مجازی شبکه‌های اجتماعی بسط داد. البته این کار در چند مقاله مختصر موردبررسی قرارگرفته است اما عامل‌های موردنظر آن‌ها به نظر کافی و جامع نمی‌آید.

در ادامه عامل‌های استخراجی مربوط به رفتار کاربر در شبکه اجتماعی معرفی و موردبررسی قرار می‌گیرد. توجه داشته باشید که این عامل‌ها از فرایند خرید استخراج گردیده‌اند. مجموعه‌های فازی تعریف شده بر روی هر متغیر جزئی از فرضیات مدل بوده و در هیچ مقاله دیگری به آنها اشاره نشده است.

۴-۲-۲- عامل‌های مربوط به جامعه

این عامل‌ها از طرف جامعه بر رفتار کاربر تأثیرگذارند و کاملاً به‌صورت جمعی می‌باشند. بدین معنی که کاربر در تغییر آن‌ها نقش جزئی داشته و تغییر در آن‌ها به‌صورت جهشی نیست. تأثیر این عامل‌ها بر روی کاربر تحمیلی بوده و معمولاً توسط خود کاربر حس نمی‌شود.

۴-۲-۲-۱- فرهنگ^[۲۲]

فرهنگ نشان‌دهنده چگونگی گرایش‌های مردم است. طبق گفته هافستد (۱۹۹۱) «فرهنگ، یک برنامه‌ریزی ذهنی است که اعضای یک گروه یا جامعه را از باقی انسان‌ها جدا می‌کند». اکثر مطالعات بازاریابی از ساختارهایی برای تحلیل استفاده می‌کنند که فرهنگ را از ۵ بعد در نظر می‌گیرند: فاصله قدرت^[۲۳]، مردانگی/زنانگی^[۲۴]، جهت‌گیری بلندمدت/کوتاه‌مدت^[۲۵]، اجتناب از عدم قطعیت^[۲۶] و فردگرایی/جمع‌گرایی^[۲۷].

فردگرایی میزانی است که چقدر افراد یک جامعه منفعت خود را به دیگران ترجیح می‌دهند. در جمع‌گرایی، افراد پیش از منفعت خود به دنبال علایق و منفعت گروهشان هستند. مشتریان فردگرا بسیار خودمتکی، رقابت‌جو، خلاق و متزلزل هستند. طبق مطالعات روانشناسی، خصوصیات احساسی و عواطف در جوامع فردگرا قوی‌تر هستند. (لارچ و ریچارد، ۲۰۱۴)

فاصله قدرت به معنای این است که یک جامعه تا چه حد توزیع قدرت را می‌پذیرد. فاصله قدرت بیشتر به معنای آستانه تحمل بالا برای پذیرش توزیع قدرت و ثروت در یک جامعه است. به همین دلیل در یک جامعه بافاصله قدرت بالا مردم بیشتر وظیفه‌گرا هستند تا مردم‌گرا.

جهت‌گیری بلندمدت به معنای این است که افراد یک جامعه به ارزش‌های عمومی همچون صرفه‌جویی، پشتکار و اتحاد بلندمدت چقدر بها می‌دهند. جامعه با جهت‌گیری کوتاه‌مدت بر روی ارزش‌های شخصی و کوتاه همچون ثبات شخصیت، ظاهر و علایق تأکید دارد. جهت‌گیری‌های بلندمدت معمولاً همراه با سرویس‌های قابل‌اعتماد و واکنش‌گرا همراه است. به همین دلیل مشتریانی که در جامعه با جهت‌گیری بلندمدت زندگی می‌کنند، انتظارات بالایی برای به دست آوردن اطلاعات کارآمد و سازمان‌یافته از طرف وب‌سایت دارند. (لارچ و ریچارد، ۲۰۱۴)

اجتناب از عدم قطعیت به معنای میزان تهدید حس شده توسط فرد در مواقع بحرانی و حساس است. مشتریانی که در جامعه‌ای با میزان اجتناب از عدم قطعیت بالا زندگی می‌کنند از موقعیت‌های مجازی غیرمطمئن دوری می‌کنند. جست‌وجو و جمع‌ آوری داده‌های اضافه روشی کارآمد برای پایین آوردن ریسک و قطعیت بخشیدن به موقعیت است. (لارچ و ریچارد، ۲۰۱۴)

در این پایان‌نامه از متغیر فرهنگ به‌صورت یک دسته از متغیرهای دیگر یادشده و شکل فازی آن به‌صورت زیر به‌کاربرده شده است:

شکل ۴- ۲ مجموعه‌های فازی تعریف شده بر روی دامنه متغیر فرهنگ

درجه عضویت

دامنه متغیر

فرهنگ بالا

فرهنگ متوسط

فرهنگ پایین

از این متغیر در محاسبات و رسم نمودار با اختصار CLT یادشده است. از بعدها و جزئیات این عامل‌ صرف‌نظر شده و تنها خود عامل‌ فرهنگ مورداستفاده قرارگرفته است.

۴-۲-۲-۲- عامل‌های جمعیت‌شناسی^[۲۸]

جمعیت‌شناسی، به مطالعات بر روی جمعیت نسبت به عامل‌هایی همچون سن، نژاد، سطح تحصیلات، سطح درآمد و اشتغال گفته می‌شود. این عامل‌ توسط سازمان‌های زیادی برای یادگیری خصوصیات جمعیتی به‌منظور توسعه سیاست‌های سازمانی و مطالعات بازار استفاده می‌شود.

خصوصیات جمعیت‌شناسی همچنین با توجه به تغییر اندازه جمعیت به‌مرورزمان بر روی عامل‌های دیگری همچون اقتصاد، فرهنگ و سیاست تأثیرگذار است. علاوه بر این، سازمان‌ها از این عامل‌ برای تقسیم‌بندی بازار^[۲۹] استفاده می‌کنند. (ستینا و همکاران، ۲۰۱۲)

در این پایان‌نامه منظور از عامل‌ جمعیت‌شناسی بیشتر میانگین سنی جمعیت است و از دیگر زیرعامل‌ها صرف‌نظر شده است. می‌توان این عامل‌ را در مجموعه‌های فازی به‌صورت زیر نشان داد:

درجه عضویت

دامنه متغیر

جمعیت سالخورده

جمعیت جوان

جمعیت خردسال

شکل ۴- ۳ مجموعه‌های فازی تعریف شده بر روی دامنه متغیر جمعیت شناسی (میانگین سنی جمعیت)

از این متغیر در محاسبات و تحلیل به‌اختصار DGF یادشده است.

۴-۲-۲-۳- عامل‌های اقتصادی^[۳۰]

عامل‌های اقتصادی مجموعه‌ای از اطلاعات‌پایه هستند که بر ارزش یک سازمان یا سرمایه تأثیرگذار می‌باشند. عامل‌های بسیاری در این عامل‌ برای تعیین ارزش کنونی و آتی دخیل است. برای یک سازمان، عامل‌های اقتصادی کلیدی شامل هزینه کار، نرخ سود، سیاست‌های دولتی و مالیات است. در یک جامعه به‌طور کل می‌توان عامل‌های اقتصادی را در قدرت خرید مردم خلاصه نمود. (ستینا و همکاران، ۲۰۱۲)

این عامل‌ را می‌توان در مجموعه‌های فازی به‌صورت زیر نشان داد:

شکل ۴- ۴ مجموعه‌های فازی تعریف شده بر روی دامنه پارامتر اقتصادی (قدرت خرید)

درجه عضویت

دامنه متغیر

قدرت خرید بالا

قدرت خرید متوسط

قدرت خرید پایین

از این عامل‌ در محاسبات و تحلیل به‌کاررفته در این پایان‌نامه به‌اختصار ECF یادشده است.

۴-۲-۳- عامل‌های مربوط به کاربر

عامل‌های مربوط به کاربر به‌صورت مستقیم در رفتار کاربر تأثیرگذارند و معمولاً جزئی از رفتار او محسوب می‌شوند. این عامل‌ها اغلب به‌عنوان عامل‌های هدف در نظر گرفته می‌شوند. مطالعه تغییرات این عامل‌ها برای تحلیل‌کنندگان بسیار مهم است؛ زیرا بیان‌کننده رفتار کاربر می‌باشند.

۴-۲-۳-۱- جنسیت^[۳۱]

مطالعه تأثیر جنسیت بر روی رفتار کاربر یکی از حوزه‌های مطالعاتی پرکاربرد بوده و از دیرباز تفاوت رفتار جنسیت‌های مختلف در فرایندهای خرید و مبادله موردبررسی قرارگرفته است (ریچارد و همکاران، ۲۰۱۰). این عامل‌ به‌خودی‌خود فازی نیست ولی می‌توان آن را به‌عنوان عامل‌ فازی در نظر گرفت. هر دو جنسیت مرد و زن را می‌توان به‌عنوان مجموعه‌های مختلف فازی فرض کرد و کاربران را با درجه عضویت صفر و یک بین دو مجموعه تقسیم نمود. در به دست آوردن نتایج نیز مقدار نهایی به‌دست‌آمده برای این عامل‌ را به صفر یا یک گرد می‌نماییم.

درنتیجه نمودار مجموعه‌های فازی آن به‌صورت زیر می‌شود:

شکل ۴- ۵ مجموعه‌های فازی مربوط به پارامتر جنسیت

درجه عضویت

دامنه متغیر

مذکر

مؤنث

از این عامل‌ در محاسبات به‌اختصار GND یادشده است.

۴-۲-۳-۲- رفتار اکتشافی^[۳۲]

رفتار اکتشافی عبارت است از «رفتار حاصل‌شده از تغییر حوزه محرک» (برلین، ۱۹۶۳). این جمله به معنای رفتاری است که یک فرد در مواجهه با موقعیت جدید یا یک تغییر موقعیت از خود نشان می‌دهد و مقدار زمانی که طول می‌کشد تا به ثبات رفتاری برسد. این رفتار زمانی اتفاق می‌افتد که جست‌وجو کننده آگاهی دقیقی از اطلاعات فراهم‌شده ندارد و نمی‌داند که آیا نیازهای او برطرف خواهد شد یا خیر و در صورت برآورده شدن روند انجام آن چگونه خواهد بود. جست‌وجو در یک وب‌سایت ممکن است هدفمند و یا بدون هدف (جست‌وجوی عمومی) باشد. جست‌وجوی هدفمند زمانی اتفاق می‌افتد که کاربر نیازهای خاص و مشخصی داشته باشد. درحالی‌که جست‌وجوی عمومی فرصتی است برای جست‌وجوگران تا نیازهای خود را بهتر بشناسند و یا اطلاعات خود را در مورد تغییرات به‌روز نگه‌دارند. هرچقدر کاربر رفتار اکتشافی بیشتری داشته باشد، نیازمندی‌های خود را بهتر درک نموده و نظر مثبتی در مورد وب‌سایت در ذهن خود خواهد داشت (لارچ و ریچارد، ۲۰۱۴).

رفتار اکتشافی به‌صورت یک متغیر فازی با مجموعه‌های زیاد، متوسط و کم تعریف می‌شود و به‌اختصار با EXB نشان داده می‌شود.

شکل ۴- ۶ مجموعه‌های فازی تعریف شده بر روی پارامتر رفتار اکتشافی

درجه عضویت

دامنه متغیر

رفتار اکتشافی زیاد

رفتار اکتشافی متوسط

رفتار اکتشافی کم

۴-۲-۳-۳- گرایش به وب‌سایت^[۳۳]

گرایش به یک تبلیغ، تمایل فرد به پاسخگویی مطلوب یا غیر مطلوب به یک محرک تبلیغاتی خاص در مواجهه با یک موقعیت است. طبق گفته استیونسون (۲۰۰۰) گرایش به محتویات و تبلیغات موجود در وب‌سایت می‌بایست در تحقیقات مربوط به آن گنجانده شود. گرایش به یک وب‌سایت بر روی فرایندهای مختلفی ازجمله ارزش سایت، نام تجاری و خرید تأثیرگذار است (لارچ و ریچارد، ۲۰۱۴).

این متغیر در پایان‌نامه ما به‌اختصار با نشان ATT ذکرشده است.

شکل ۴- ۷ مجموعه‌های فازی تعریف شده بر روی پارامتر گرایش

درجه عضویت

دامنه متغیر

گرایش بالا

گرایش متوسط

گرایش پایین

۴-۲-۳-۴- مشارکت^[۳۴]

مشارکت یک حالت انگیزشی است که به‌وسیله درک ارتباط اشیاء بر اساس ارزش، منافع و نیازها تحت تأثیر قرار می‌گیرد. مهم‌ترین عواملی که بر آن تأثیر می‌گذارند عبارت‌اند از: شخصیت فرد، محرک و موقعیت. مشارکت در یک وب‌سایت به دودسته تقسیم می‌شود: مشارکت بر اساس موقعیت و مشارکت پایدار. مشارکت پایدار، پیش‌بینی کننده رفتاری همچون جست‌وجوی اطلاعات است. این نوع مشارکت مستقیماً مهارت و چالش پذیری کاربر را پیش‌بینی می‌کند. مشارکت بر اساس موقعیت، یک پیوند بین کالا و موقعیت یا عواقب آن موقعیت برقرار می کند.

مشارکت مربوط به وب‌سایت از نوع مشارکت برحسب موقعیت است. در این نوع مشارکت، ممکن است استفاده کاربر از وب‌سایت غیر هدفمند و به‌منظور ارضای احساسات و نیازهای روانی باشد (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ به‌اختصار INV نشان داده می‌شود.

درجه عضویت

دامنه متغیر

مشارکت زیاد

مشارکت متوسط

مشارکت کم

شکل ۴- ۸ مجموعه‌های فازی تعریف شده بر روی پارامتر مشارکت

۴-۲-۳-۵- نیاز به شناخت^[۳۵]

نیاز به شناخت به معنای نیاز فرد به درک و معقول سازی دنیای اطراف خود است. این مفهوم به‌عنوان انگیزه شناخت و درک موقعیت‌های جدید شناخته می‌شود. افراد با نیاز به شناخت بالا افرادی کنجکاو و ایده پرداز هستند و از جوانب دنیای اطراف خود کاملاً مطلع می‌باشند.

در محیط اینترنت افراد با نیاز به شناخت بالا جست‌وجوهای بیشتری نسبت به دیگر افراد انجام داده و از امکانات وب‌سایت بیشتر استفاده می‌کنند. کیفیت اطلاعات ارائه‌شده برای این افراد بسیار مهم است (لارچ و ریچارد، ۲۰۱۴).

از این عامل‌ به‌اختصار با NFC یاد می‌شود.

درجه عضویت

دامنه متغیر

نیاز به شناخت بالا

نیاز به شناخت متوسط

نیاز به شناخت کم

شکل ۴- ۹ مجموعه‌های فازی تعریف شده بر روی پارامتر نیاز به شناخت

۴-۲-۳-۶- سطح تحریک بهینه^[۳۶]

سطح تحریک بهینه، مقدار تحریکی است که افراد در زندگی خود ترجیح می‌دهند، بدین معنی که هر فرد برای ادامه زندگی خود به چه میزان تحریک و انگیزه از سوی محیط نیاز دارد. برای مثال افراد با سطح تحریک بهینه پایین نیازی به کشف موقعیت‌های جدید و تحریک شدن ندارند و در دنیایی آرام زندگی می‌کنند. درحالی‌که افراد دیگر با سطح تحریک بهینه بالا، علاقه شدیدی به انجام کارهای جدید، پیچیده و با ریسک بالا دارند. رابطه زیادی بین این عامل‌ و عامل‌های دیگر وجود دارد (لارچ و ریچارد، ۲۰۱۴).

در این پایان‌نامه این عامل‌ به‌اختصار با OSL نشان داده می‌شود.

شکل ۴- ۱۰ مجموعه‌های فازی تعریف شده بر روی پارامتر سطح تحریک بهینه

درجه عضویت

دامنه متغیر

سطح تحریک بهینهبالا

سطح تحریک بهینه متوسط

سطح تحریک بهینه پایین

۴-۲-۳-۷- چالش پذیری کاربر^[۳۷]

چالش‌ها موقعیت‌های جدید در اینترنت می‌باشند. چالش پذیری بدین معناست که کاربر به چه میزان علاقه‌مند به‌قرار گرفتن در موقعیت‌های جدید است. چالش پذیری پایین افراد منجر به عدم دریافت مناسب اطلاعات و ناتمام ماندن فرایندها می‌گردد درحالی‌که چالش پذیری بالا باعث بهینه شدن فرایندها، رفتار و فرایندهای وب‌سایت می‌شود.

این عامل‌ رابطه بسیار نزدیکی بامهارت کاربر دارد (استیبان-میلات و همکاران، ۲۰۱۴).

این عامل‌ به‌اختصار با UCH نشان داده می‌شود.

شکل ۴- ۱۱ مجموعه‌های فازی تعریف شده بر روی پارامتر چالش پذیری کاربر

درجه عضویت

دامنه متغیر

چالش پذیری زیاد

چالش پذیری متوسط

متوسط

چالش پذیری کم

۴-۲-۳-۸- مهارت کاربر^[۳۸]

مهارت کاربر به معنی ظرفیت دانایی فرد برای انجام کارها در طول گشت‌وگذار در وب است. همان‌طور که گفته شد این عامل‌ رابطه بسیار نزدیکی با چالش پذیری کاربر دارد. در صورت بالا بردن هر دو این عامل‌ها بهترین تجربه کاربری توسط کاربر دریافت خواهد شد و کاربر از گشت‌وگذار در وب رضایت بیشتری خواهد داشت. افراد با مهارت بالاتر وب‌سایت‌های جذاب‌تری را ملاقات می‌کنند (استیبان-میلات و همکاران، ۲۰۱۴).

در این پایان‌نامه از این عامل‌ با عنوان USK یاد می‌شود.

شکل ۴- ۱۲ مجموعه‌های فازی تعریف شده بر روی پارامتر مهارت کاربر

درجه عضویت

دامنه متغیر

مهارت بالا

مهارت متوسط

متوسط

مهارت پایین

۴-۲-۳-۹- تعامل کاربر با وب‌سایت^[۳۹]

با ظهور اینترنت، نوع تعامل کاربر با رسانه‌ها کاملاً تغییر یافت. درگذشته این تعامل تنها یک‌طرفه بوده است ولی با گسترش اینترنت، امکان تعامل کاربر با رسانه‌ها به وجود آمد. ابزارهایی که اینترنت به‌واسطه پویایی خود در اختیار کاربران قرار داد باعث شد کاربران بتوانند بازخوردهای خود را نشان داده و این ارتباط را تبدیل به ارتباطی دوطرفه نمایند. این ابزارها گستره بزرگی را از کلیک کردن تا در اختیار دادن بازخورد مستقیم دربر می‌گیرند. ایجاد تعامل دوطرفه در یک وب‌سایت نیازمند سه بعد است: ۱- کنترل‌های پویا، ۲- رابطه دوطرفه و ۳- هم‌زمانی تعاملات.

هرچه یک وب‌سایت اطلاعات دقیق‌تر و کارآمدتری را در اختیار کاربر قرار دهد، سطح این تعامل بالاتر خواهد رفت. سفارشی‌سازی وب‌سایت یکی از مهم‌ترین ابزارها برای بالا بردن تعامل با وب‌سایت است (استیبان-میلات و همکاران، ۲۰۱۴).

این عامل‌ به‌اختصار با UIM نشان داده می‌شود.

درجه عضویت

دامنه متغیر

تعامل بالا

تعامل متوسط

متوسط

تعامل پایین

شکل ۴- ۱۳ مجموعه‌های فازی تعریف شده بر روی پارامتر تعامل کاربر

۴-۲-۳-۱۰- آسودگی کاربر^[۴۰]

منظور از آسودگی کاربر، میزان راحتی موردنظر کاربر برای کار با وب‌سایت است. آسودگی کاربر معمولاً در مقابل واژه‌های فنی همچون امنیت وب‌سایت قرار می‌گیرد. برای مثال در بعضی از وب‌سایت‌ها مانند گوگل^[۴۱] کاربر باید از روش احراز هویت دوگانه استفاده نماید. این کار بااینکه برای کاربر دشوار است اما امنیت اطلاعات کاربر را بالا می‌برد. در بسیاری از مواقع آسودگی موردنظر کاربر منجر به عدم تعامل او با وب‌سایت می‌شود (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ به‌اختصار با UCM نشان داده می‌شود.

شکل ۴- ۱۴ مجموعه‌های فازی تعریف شده بر روی پارامتر آسودگی کاربر

درجه عضویت

دامنه متغیر

آسودگی زیاد

آسودگی متوسط

آسودگی کم

۴-۲-۳-۱۱- هزینه مورد تحمل کاربر^[۴۲]

هر کاربر با توجه به عامل‌های متعددی، قدرت پرداخت هزینه معینی برای کار با وب‌سایت دارد. این هزینه شامل هزینه تأمین رایانه، اینترنت و حساب کاربری برای وب‌سایت موردنظر است (لارچ و ریچارد، ۲۰۱۴).

در این پایان‌نامه این عامل‌ به‌اختصار با UCS نمایش داده می‌شود.

شکل ۴- ۱۵ مجموعه‌های فازی تعریف شده بر روی پارامتر هزینه کاربر

درجه عضویت

دامنه متغیر

هزینه زیاد

هزینه متوسط

هزینه کم

۴-۲-۳-۱۲- ارتباط کاربر با دیگران^[۴۳]

با توجه به موضوع پایان‌نامه هر کاربر در برخورد با شبکه‌های اجتماعی یک‌میزان ارتباط با دیگر کاربران آن شبکه اجتماعی مدنظر دارد. ممکن است این ارتباط در بستر گفت‌وگوی آنلاین یا به‌صورت آفلاین در قالب نظرات بین کاربران باشد (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ به‌اختصار با UCM نشان داده می‌شود.

شکل ۴- ۱۶ مجموعه‌های فازی تعریف شده بر روی پارامتر ارتباط کاربر

درجه عضویت

دامنه متغیر

ارتباط بالا

ارتباط متوسط

ارتباط پایین

۴-۲-۳-۱۳- نیاز کاربر به شبکه‌های اجتماعی^[۴۴]

هر فناوری با ظهور خود نیازهای جدیدی در کاربران هدف خود ایجاد می کند. این نیازها اغلب قبل از پیدایش آن فناوری در کاربران وجود نداشته‌اند و به‌مرورزمان با بهره گرفتن از آن، این نیاز خود را نشان می‌دهد. ارتباط و تعامل با شبکه اجتماعی باعث برطرف شدن دسته‌ای از نیازهای کاربر می‌شود. این نیازها در قالب یک عامل‌ جامع به نام نیاز کاربر عنوان‌شده است. به‌طور مثال پیش از به وجود آمدن ابزارهای ارتباط آنی آنلاین همچون نرم‌افزارهای وایبر^[۴۵]، کاربران هیچ نیازی به این نرم‌افزارها نداشته و در قالب فناوری‌هایی همچون پیام کوتاه به برقراری ارتباط می‌پرداختند. اما هم‌اکنون استفاده از این نرم‌افزارها به یک نیاز برای هر کاربر تبدیل‌شده است (لارچ و ریچارد، ۲۰۱۴).

از این عامل‌ به‌اختصار با UND یاد می‌شود. ^[۴۶]

شکل ۴- ۱۷ مجموعه‌های فازی تعریف شده بر روی پارامتر نیازکاربر

درجه عضویت

دامنه متغیر

نیاز زیاد

نیاز متوسط

نیاز کم

۴-۲-۳-۱۴- اعتماد کاربر به شبکه اجتماعی

مهم‌ترین عاملی که در این پایان‌نامه بر روی آن تحلیل صورت گرفته است، این عامل‌ است. منظور از اعتماد کاربر به شبکه اجتماعی، توانایی اتکا و اطمینان خاطر از شبکه اجتماعی برای عضویت و انتشار اطلاعات در آن می‌باشد.

در تحلیل‌های آتی این عامل‌ به‌عنوان عامل‌ هدف در نظر گرفته‌شده است و با اختصار SNT نشان داده خواهد شد. می‌توان مجموعه‌های فازی موجود بر روی این عامل‌ را به‌صورت زیر تعریف نمود:

شکل ۴- ۱۸ مجموعه‌های فازی تعریف شده بر روی پارامتر اعتماد کاربر

درجه عضویت

دامنه متغیر

نیاز زیاد

نیاز متوسط

نیاز کم

۴-۲-۴- عامل‌های مربوط به وب‌سایت

عامل‌های مربوط به وب‌سایت شامل عامل‌هایی هستند که از طرف وب‌سایت یا شبکه اجتماعی آنلاین بر روی کاربر تأثیرگذارند. این عامل‌ها بهترین عامل‌ها در این تحلیل‌ها می‌باشند؛ زیرا توسط صاحبان شبکه‌های اجتماعی قائل تغییرند. پس مدیران سازمان‌ها و وب‌سایت‌ها می‌توانند با تغییر این عامل‌ها بر روی رفتاری که از کاربر سر می‌زند نقش داشته باشند. این عامل‌ها گستره‌ای از ظاهر وب‌سایت تا عملکرد و ساختار آن را در برمی‌گیرد.

۴-۲-۴-۱- سرگرمی^[۴۷]

مقدار سرگرمی در قدرت وب‌سایت در رفع نیازهایی همچون فرار از واقعیت، انحراف، لذت از زیبایی و یا آزادی احساس تعریف می‌شود. هرچند سرگرمی یک نشانه جانبی است ولی برای اینکه کاربر وب‌سایت را ارزشمند تلقی کند بسیار مهم است. گروهی افراد برای اطلاعات جست‌وجو می‌کنند و گروهی دیگر برای لذت خالص.

اثربخشی یک وب‌سایت وابسته به این موضوع است که آیا این وب‌سایت می‌تواند در کاربران احساس لذت، نشاط، سرگرمی و رضایت ایجاد کند. استفاده از طراحی مناسب، به کار بردن عناصر تصویری و شنیداری همچون ویدئوها و گنجانده شدن سرگرمی‌هایی همچون بازی در وب‌سایت را می‌توان دلیلی بر بالا بودن سرگرمی یک وب‌سایت اعلام کرد. سرگرمی شامل محرک‌های حسی و لذت باورانه است که در هنگام گشت‌وگذار در وب‌سایت احساس لذت را تقویت می‌کند.

سرگرمی رابطه مستقیمی با گرایش دارد؛ بدین‌صورت که هر چه سرگرمی یک وب‌سایت بالاتر باشد میزان گرایشی که یک کاربر ممکن است نسبت به آن پیدا کند بیشتر می‌شود (لارچ و ریچارد، ۲۰۱۴).

در این پایان‌نامه زمانی که از عامل‌ سرگرمی یاد می‌شود، منظور امکانات سرگرمی قرارگرفته شده در شبکه اجتماعی است. به‌طور مثال طی سال‌های اخیر شبکه اجتماعی فیس‌بوک سرگرمی‌های زیادی ازجمله شبکه‌های تلویزیونی و بازی‌های آنلاین را برای بالا بردن مقدار متغیر سرگرمی خود بکار برده است. این عامل‌ در محاسبات و تحلیل با اختصار ENT ذکر می‌شود.

شکل ۴- ۱۹ مجموعه‌های فازی تعریف شده بر روی پارامتر سرگرمی

درجه عضویت

دامنه متغیر

سرگرمی زیاد

سرگرمی متوسط

سرگرمی کم

۴-۲-۴-۲- ارزشمندی اطلاعات^[۴۸]

ارزشمندی اطلاعات توانایی یک وب‌سایت در مهیاکردن اطلاعات است. یک وب‌سایت می‌تواند بدون توجه به نحوه نمایش اطلاعات ازنظر ارزشمندی، غنی باشد. منظور از سربار اطلاعات در این مبحث عدم توانایی وب‌سایت در فراهم آوردن اطلاعات مفید نیست. بنابراین، ارزشمندی اطلاعات یک ساختار ادراکی بوده و مرتبط با حجم داده نیست. هرچند ممکن است این دو مفهوم باهم مرتبط باشند. درک مفاهیم کاربر از یک وب‌سایت با ارزشمندی اطلاعات آن وب‌سایت مرتبط است (هافمن، ۱۹۹۶).

یک وب‌سایت با ارزشمندی اطلاعات بالا، داده‌های دقیقی در مورد کالا یا خدمت ارائه‌شده، شرکت و یا موضوعات مرتبط فراهم می‌کند. با پیشرفت فنّاوری‌های مرتبط با اینترنت و نحوه دست‌یابی به اطلاعات، ارزشمند بودن اطلاعات یکی از ملزومات حیاتی برای بقای هر سازمان است (هویزینگ، ۲۰۰۰).

ارزشمندی اطلاعات یکی از مفاهیم نزدیک به گرایش کاربر است.

این عامل‌ در محاسبات با اختصار INF آورده شده و مجموعه‌های فازی آن به‌صورت زیر است.

شکل ۴- ۲۰ مجموعه‌های فازی تعریف شده بر روی عامل‌ ارزشمندی اطلاعات

درجه عضویت

دامنه متغیر

ارزشمندی زیاد

ارزشمندی متوسط

ارزشمندی کم

۴-۲-۴-۳- اثربخشی اطلاعات^[۴۹]

همان‌طور که ارزشمندی اطلاعات از ویژگی‌های مهم یک وب‌سایت است، چگونگی فراهم شدن اطلاعات و نوع آن‌ها نیز دارای اهمیت است. این عامل‌ بانام‌های بسیار زیادی شناخته می‌شود. به‌طور مثال کیفیت اطلاعات موجود در وب‌سایت یا دقت این اطلاعات همین مفهوم را می‌رسانند.

اثربخشی اطلاعات درجه‌ای از دقت، کامل بودن، به‌روز بودن و مرتبط بودن اطلاعات با کاربران است (مونتایاویس و همکاران، ۲۰۰۳).

این متغیر با اختصار EOI در محاسبات ذکرشده است.

شکل ۴- ۲۱ مجموعه‌های فازی تعریف شده بر روی پارامتر اثربخشی اطلاعات

درجه عضویت

دامنه متغیر

اثربخشی زیاد

اثربخشی متوسط

اثربخشی کم

۴-۲-۴-۴- سازمان‌یافتگی^[۵۰]

سازمان‌یافتگی اطلاعات به معنای توانایی وب‌سایت در مرتب کردن محتوا، داده‌ها و تصاویر است به‌نحوی‌که شفافیت اطلاعات ارائه‌شده به کاربر را بالابرده و دست‌یابی کاربران به اطلاعات موردنظرشان را تسهیل می کند .

در ابتدا سازمان‌یافتگی اطلاعات در طراحی وب‌سایت برای طراحان زیاد مهم نبود. با گذشت زمان طراحان متوجه شدند که حجم زیاد اطلاعات اگر به‌صورت سازمان‌یافته و مرتب در اختیار کاربر قرار گیرد بسیار مفید خواهد بود.

سازمان‌یافتگی اطلاعات به‌وسیله عناصری همچون مرتب بودن پیوندها، تصاویر و محتوا، توانایی درک آن، خوانایی، بخش‌بندی اطلاعات و پیچیدگی آن ارزیابی می‌شود (لئونگ و همکاران، ۲۰۰۲).

این عامل‌ به‌طور خلاصه در محاسبات و تحلیل با نام ORG آورده شده است.

درجه عضویت

دامنه متغیر

سازمان‌یافتگی زیاد

سازمان‌یافتگی متوسط

سازمان‌یافتگی کم

شکل ۴- ۲۲ مجموعه‌های فازی تعریف شده بر روی عامل‌ سازمان‌یافتگی

۴-۲-۴-۵- ساختار^[۵۱]

ساختار وب‌سایت به نحوه طراحی و قرارگیری عناصر در کنار هم گفته می‌شود. در کل چهار نوع ساختار برای یک وب‌سایت وجود دارد. ساختار کاملاً درختی، درختی با کلید بازگشت به خانه، درختی با پیوندهای افقی و شبکه پهناور. در ساختار درختی پیوندها بسیار منظم و گسسته هستند و هر چه به ساختار شبکه‌ای نزدیک می‌شویم نظم پیوندها شکسته شده و از ساختار درختی دور می‌شویم (هویزینگ، ۲۰۰۰).

طبق آمارهای سال ۲۰۱۴، حدود ۶۰% وب‌سایت‌ها ساختار بسیار ساده درختی یا درختی با کلید بازگشت به خانه دارند (لارچ و ریچارد، ۲۰۱۴).

ساختار درختی به کاربران کمک می‌کند که به‌سادگی به اطلاعات موردنظر خود دست پیدا کنند. هر چه ساختار وب‌سایت کارآمدتر و مؤثرتر باشد، قدرت پردازش اطلاعات بالاتر رفته و هزینه جست‌وجو کاهش پیدا می‌کند. همچنین سرعت جست‌وجو بالاتر رفته، احتمال موفقیت بیشتر شده و گرایش به وب‌سایت افزایش می‌یابد (هویزینگ، ۲۰۰۰).

این متغیر در ادامه تحلیل‌ها و محاسبات به‌اختصار به‌صورت STR ذکرشده است. در ادامه شکل مربوط به مجموعه‌های فازی تعریف‌شده بر روی دامنه این متغیر نشان داده‌شده است.

درجه عضویت

دامنه متغیر

نظم ساختاری بالا

نظم ساختاری متوسط

بی نظمی ساختاری

شکل ۴- ۲۳ مجموعه‌های فازی تعریف شده بر روی پارامتر ساختار

۴-۲-۴-۶- رابط کاربری^[۵۲]

رابط کاربری، واسط بین کاربر و ماشین است و تحلیل‌ها و محاسبات را پشت یک ظاهر پنهان می‌کند. رابط کاربری تنها بخش قابل‌لمس توسط کاربر است و کاربر تنها با آن سروکار دارد.

معیارهای متفاوتی برای ارزیابی و مقایسه رابط‌های کاربری وجود دارد. یکی از این روش‌ها کاربردپذیری است. کاربردپذیری شاخصی است که در آن میزان سهولت کار با رابط کاربری سنجیده می‌شود. کاربردپذیری نیز معیارهای متنوع و متفاوتی دارد که ذکر آن خارج از بحث این پایان‌نامه است اما مهم‌ترین آن‌ها کارایی، مؤثر بودن، امنیت و آموزش پذیری رابط کاربری است (میکا، ۲۰۰۵).

می‌توان یک وب‌سایت را بر اساس کاربردپذیری رابط کاربری آن ارزیابی کرد. این متغیر در محاسبات و تحلیل‌ها با نام UIF ذکرشده است. در زیر شکل مربوط به مجموعه‌های فازی تعریف‌شده بر روی دامنه این متغیر نشان داده‌شده است.

درجه عضویت

دامنه متغیر

کاربردپذیری بالا

کاربردپذیری متوسط

کاربردپذیری پایین

شکل ۴- ۲۴ مجموعه‌های فازی تعریف شده بر روی پارامتر رابط کاربری

۴-۲-۴-۷- قدرت کنترل وب^[۵۳]

قدرت کنترل وب‌سایت به این معنی است که یک وب‌سایت چقدر آزادی عمل در اختیار یک کاربر قرار خواهد داد و درعین‌حال رفتار کاربر را به‌منظور بهینه نمودن ارائه خدمت به وی کنترل می کند. هر چه میزان این عامل‌ بالاتر باشد، کاربر آزادی عمل کمتری دارد و تمامی فعالیت‌های او در محیط وب‌سایت کنترل‌شده و تحت نظارت است (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ بانام WCP در محاسبات آورده شده است.

شکل ۴- ۲۵ مجموعه‌های فازی تعریف شده بر روی پارامتر قدرت کنترل وب

درجه عضویت

دامنه متغیر

قدرت کنترل بالا

قدرت کنترل متوسط

قدرت کنترل پایین

۴-۲-۴-۸- دوست‌داشتنی بودن وب^[۵۴]

این عامل‌ بر روی میزان موردعلاقه و محبوب بودن وب‌سایت توسط کاربر تمرکز دارد. هرچقدر کاربر باعلاقه بیشتری به فعالیت در وب‌سایت بپردازد و حس رضایت بیشتری داشته باشد، مقدار این عامل‌ بالاتر خواهد بود (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ رابطه نزدیکی با رابط کاربری و سرگرمی دارد. دوست‌داشتنی بودن وب‌سایت به‌اختصار WLK نامیده می‌شود.

شکل ۴- ۲۶ مجموعه‌های فازی تعریف شده بر روی پارامتر دوست داشتنی بودن وب

درجه عضویت

دامنه متغیر

دوست داشتنی بودن

دوست داشتنی نبودن

۴-۲-۴-۹- قدرت تحریک‌پذیری وب‌^[۵۵]

قدرت تحریک‌پذیری وب‌سایت درجه‌ای از قدرت وب‌سایت برای تحریک کردن کاربر به ادامه فعالیت کنونی یا فعالیت بیشتر در وب‌سایت است. هرچقدر قدرت تحریک‌پذیری وب‌سایت بالاتر باشد کاربر انگیزه و علاقه بیشتری برای گذراندن وقت در وب‌سایت خواهد داشت.

این عامل‌ به این بستگی دارد که وب‌سایت شناخت مناسبی از کاربران خود داشته باشد و با قرار دادن مطالب و محتوای جذاب و با بهره گرفتن از ترفندهای خاص کاربر خود را تحریک نموده تا مدت بیشتری را در وب‌سایت بگذراند و فعالیت بیشتری از خود نشان دهد. به‌طور مثال استفاده از پیوندهای جذاب و یا بازی‌های مرتبط با موضوع می‌تواند قدرت تحریک‌پذیری وب‌سایت را بالا ببرد (لارچ و ریچارد، ۲۰۱۴).

این عامل‌ به‌اختصار WMP نام‌گذاری شده است. در شکل زیرمجموعه‌های فازی تعریف‌شده بر روی دامنه این متغیر نشان داده‌شده است.

شکل ۴- ۲۷ مجموعه‌های فازی تعریف شده بر روی پارامتر قدرت تحریک پذیری وب

درجه عضویت

دامنه متغیر

قدرت تحریک‌پذیری بالا

قدرت تحریک‌پذیری متوسط

قدرت تحریک‌پذیری پایین

۴-۲-۵- جدول مقایسه عامل‌ها

در جدول زیر عامل‌ها به‌اختصار توضیح داده شده و باهم مقایسه شده‌اند.

جدول ۴- ۱ عامل‌های استفاده‌شده و مقایسه آن‌ها

نام عامل‌	نام عامل‌ به انگلیسی	نام اختصاری	مجموعه‌های فازی
عامل‌های مربوط به جامعه
فرهنگ	Culture	CLT	فرهنگ بالا فرهنگ متوسط جدول ۴-۱ عامل‌های استفاده شده و مقایسه آن‌ها (ادامه) فرهنگ پایین
عامل‌های جمعیت‌شناسی	Demographical Factors	DGF	جمعیت سالخورده جمعیت جوان جمعیت خردسال
عامل‌های اقتصادی	Economical Factors	ECF	قدرت خرید بالا قدرت خرید متوسط قدرت خرید پایین
عامل‌های مربوط به کاربر
جنسیت	Gender	GND	مذکر مؤنث
رفتار اکتشافی	Exploratory Behaviour	EXB	رفتار اکتشافی زیاد رفتار اکتشافی متوسط رفتار اکتشافی کم
گرایش	Attitude	ATT	گرایش بالا گرایش متوسط گرایش پایین
مشارکت	Involvement	INV	مشارکت زیاد مشارکت متوسط مشارکت کم
نیاز به شناخت	Need For Cognition	NFC	نیاز به شناخت بالا نیاز به شناخت متوسط نیاز به شناخت پایین
سطح تحریک بهینه	Optimum Stimulation Level	OSL	سطح تحریک بهینه بالا سطح تحریک بهینه متوسط سطح تحریک بهینه پایین
چالش پذیری کاربر	User Challenge	UCH	چالش پذیری زیاد چالش پذیری متوسط چالش پذیری کم
مهارت کاربر	User Skill	USK	مهارت بالا مهارت متوسط جدول ۴-۱ عامل‌های استفاده شده و مقایسه آن‌ها (ادامه) مهارت پایین
تعامل کاربر با وب‌سایت	User Interactivity	UIN	تعامل بالا تعامل متوسط تعامل پایین
آسودگی کاربر	User Convenience	UCN	آسودگی زیاد آسودگی متوسط آسودگی کم
هزینه مورد تحمل کاربر	User Cost	UCS	هزینه قابل‌تحمل زیاد هزینه قابل‌تحمل متوسط هزینه قابل‌تحمل کم
ارتباط کاربر با دیگران	User Communication	UCM	ارتباط بالا ارتباط متوسط ارتباط پایین
نیاز کاربر به شبکه اجتماعی	User Need	UND	نیاز زیاد نیاز متوسط نیاز کم
اعتماد کاربر به شبکه اجتماعی	Social Network Trust	SNT	اعتماد بالا اعتماد متوسط اعتماد پایین
عامل‌های مربوط به وب‌سایت
سرگرمی	Entertainment	ENT	سرگرمی‌های زیاد سرگرمی‌های متوسط سرگرمی‌های کم
ارزشمندی اطلاعات	Informativeness	INF	ارزشمندی زیاد ارزشمندی متوسط ارزشمندی کم
اثربخشی اطلاعات	Effectiveness Of Information	EOI	اثربخشی زیاد اثربخشی متوسط اثربخشی کم
سازمان‌یافتگی	Organization	ORG	سازمان‌یافتگی زیاد سازمان‌یافتگی متوسط سازمان‌یافتگی کم
ساختار	Structure	STR	نظم ساختاری بالا نظم ساختاری متوسط بی‌نظمی ساختاری
رابط کاربری	User Interface	UIF	کاربردپذیری بالا کاربردپذیری متوسط کاربردپذیری پایین
قدرت کنترل وب	Web Controlling Power	WCP	قدرت کنترل بالا قدرت کنترل متوسط قدرت کنترل پایین
دوست‌داشتنی بودن وب‌	Web Likeability	WLK	دوست‌داشتنی بودن وب‌سایت دوست‌داشتنی نبودن وب‌سایت
قدرت تحریک‌پذیری وب	Web Motivational Power	WMP	قدرت تحریک‌پذیری بالا قدرت تحریک‌پذیری متوسط قدرت تحریک‌پذیری پایین

جدول ۴-۱ عامل‌های استفاده شده و مقایسه آن‌ها (ادامه)

۴-۳- روش دلفی

به‌کارگیری روش دلفی عمدتاً باهدف کشف ایده‌های نوآورانه و قابل‌اطمینان و یا تهیه اطلاعاتی مناسب به‌منظور تصمیم‌گیری است. روش دلفی فرایندی ساختاریافته برای جمع‌ آوری و طبقه‌بندی دانش موجود در نزد گروهی از کارشناسان و خبرگان است که از طریق توزیع پرسشنامه‌هایی در بین این افراد و بازخورد کنترل‌شده پاسخ‌ها و نظرات دریافتی صورت می‌گیرد.

دلفی ابزار ارتباطی سودمندی بین گروهی از خبرگان است که فرموله کردن آرای اعضاء گروه را آسان می‌کند. روش دلفی با این هدف طراحی ‌شده که بتواند مباحثات میان خبرگان را امکان‌پذیر کند، به‌طوری‌که از ورود تأثیر رفتارهای متقابل اجتماعی که معمولاً در مباحثات گروهی اتفاق می‌افتد و منجر به مانعی در برابر شکل یافتن عقاید و نظرات می‌شود، جلوگیری نماید (آدلر و زیگلیو، ۱۹۹۶).

اساس و پایه روش یا روش دلفی بر این است که نظر متخصصان هر قلمرو علمی در مورد پیش‌بینی آینده صائب‌ترین نظر است. بنابراین برخلاف روش‌های پژوهش پیمایشی، اعتبار روش دلفی نه به شمار شرکت‌کنندگان در پژوهش که به اعتبار علمی متخصصان شرکت‌کننده بستگی دارد. شرکت‌کنندگان در تحقیق دلفی از ۵ تا ۲۰ نفر را شامل می‌شوند. کمینه تعداد شرکت‌کنندگان بستگی به چگونگی طراحی روش تحقیق دارد (آدلر و زیگلیو، ۱۹۹۶).

در این روش هیئت (پانل) هایی از متخصصان تشکیل می‌شود که در آن ارتباط میان اعضاء، توسط رییس یا ناظر هیئت انجام می‌شود.

ارتباطات داخلی شرکت‌کنندگان به‌صورت ناشناس بوده و نظرات، پیش‌بینی‌ها و تمایلات به ارائه‌دهندگان آن‌ها منتسب نمی‌شود. انتشار این اطلاعات بدون اعلام هویت ارائه‌دهندگان صورت می‌گیرد.

به‌رغم تفاوت‌های قابل‌توجهی که در کاربرد روش دلفی وجود دارد، معمولاً پژوهش دلفی با یک پرسشنامه که توسط یک گروه کوچک طراحی ‌شده و به گروه بزرگ‌تری از متخصصان فرستاده می‌شود آغاز می‌شود. پرسشنامه‌ها به طریقی تنظیم می‌شوند که این امکان به وجود آید تا مخاطبین ضمن استنباط کردن و فهمیدن مسئله مطرح‌شده، واکنش‌های فردی خود را بروز دهند. وقتی پرسشنامه‌ها برگشت، طیف پاسخ‌ها و دلایلی که متخصصان برای پاسخ‌هایشان بیان کرده‌اند موردبررسی قرارگرفته و خلاصه‌نویسی می‌شوند. در این مرحله مواردی که مرتبط با اهداف زمینه تحقیق نباشد حذف و از این طریق از مسائل منفی رایج در تعاملات داخل گروهی (مرتبط با حوزه روانشناسی اجتماعی) اجتناب می‌شود. پس‌ازآن، گزارش خلاصه برای متخصصان فرستاده می‌شود. متخصصان اجازه دارند که پاسخ‌هایشان را بر اساس نتایج تغییر دهند و این نتایج دور دوم مجدداً مورد ارزیابی محققان قرار می‌گیرد.

بدین طریق در طول زمان و با پیشرفت کار، دیدگاه‌های مخاطبین با موضوع مطروحه تطابق خواهد یافت. این فرایند ادامه می‌یابد تا اینکه اجماعی در مورد نظرات حاصل شود یا مشخص شود که متخصصان به توافق نرسیده‌اند.

نبود نمونه‌گیری، نامشخص بودن رخدادهای آینده و نبود فرایندهای خوش‌تعریف و شناخته‌شده برای انجام دادن مطالعات دلفی، تنها چند مورد از مواردی هستند که دلفی را از روش‌های علمی کنترل‌شده متمایز می‌کند. ولی مطالعه دلفی برای مسائلی باارزش است که نیازی به فن‌های موشکافانه دقیق ندارند: مثلاً زمانی که داده‌ها ناکافی یا فاقد قطعیت‌اند یا وقتی نمونه‌های واقعی موجود نیست و یا وقتی‌که گردآوردن افراد و بحث کردن در مورد مسئله‌ای مشکل است (لدویگ و استار، ۲۰۰۵).

در این پایان‌نامه ابتدا ۱۰ فرد خبره درزمینه رفتار مصرف‌کننده و شبکه‌های اجتماعی به‌منظور به دست آوردن یک مدل پیشنهادی انتخاب شدند. سپس طی دوره اول روش دلفی یک پرسشنامه که در آن از خبرگان خواسته‌شده بود عامل‌های مرتبط با رفتار کاربر در شبکه‌های اجتماعی را پیشنهاد دهند، به آن‌ها ارائه شد. در مرحله دوم پس از جمع‌بندی عامل‌ها و ارائه آن به خبرگان، از آن‌ها خواسته شد تا ارتباط بین این عامل‌ها را مشخص نمایند. مرحله سوم نیز برای به اجماع رسیدن نظرات کلیه خبرگان انجام شد. پرسشنامه‌های ذکرشده در پیوست پایان‌نامه موجود می‌باشند.

در مرحله اول ۲۵ عامل‌ توسط خبرگان معرفی گردید که در مرحله دوم عامل‌ هدف به آن اضافه شد تا ارتباط مستقیم دیگر عامل‌ها با عامل‌ هدف استخراج گردد.

دلیل انتخاب روش دلفی برای جمع‌ آوری و یافتن ارتباط عامل‌ها با یکدیگر، فاقد قطعیت بودن عامل‌ها و استفاده از روش تحلیل نقشه‌های مفهومی فازی است.

پس از اتمام روش دلفی، یک اجماع از نظرات خبرگان در مورد ارتباط عامل‌ها با یکدیگر به دست آمد؛ که می‌توان آن را به ماتریس مجاورت نقشه مفهومی فازی که در مرحله بعد تشکیل می‌شود تبدیل نمود.

۴-۴- ماتریس مجاورت FCM

جدول ۴- ۲ ماتریس مجاورت نقشه مفهومی فازی

همان‌طور که گفته شد پس از انجام مراحل روش دلفی در سه مرحله، یک اجماع از نظرات خبرگان در مورد ارتباط عامل‌ها با یکدیگر به دست آمد که پس از میانگین گرفتن از نظرات با بهره گرفتن از معادله (۲-۱۱) و تبدیل آن به روابط علّی بکار گرفته‌شده در نقشه‌های مفهومی فازی، ماتریس مجاورت بالا به دست آمد. در این معادله گفته شد که از نظرات چندین خبره با وزن‌های مختلف ابتدا میانگین گرفته شده و سپس اعداد بدست آمده به مقادیر جدول ۲-۱ گرد شده‌اند. این مقادیر را می‌توان به صورت مستقیم به‌عنوان ماتریس مجاورت نقشه مفهومی فازی در نظر گرفت.

۴-۵- نقشه مفهومی فازی

پس از به دست آوردن ماتریس مجاورت نقشه مفهومی فازی آن را طبق شکل ۲-۲ رسم می‌نماییم. اما به دلیل پیچیده بودن شکل کلی این نقشه، برای فهم ساده‌تر موضوع روابط مستقیم-معکوس و مثبت-منفی را از هم جدا می‌نماییم.

شکل ۴- ۲۸ روابط منفی قوی بین عوامل (یال‌ها با وزن۱-)

شکل ۴- ۲۹ روابط منفی ضعیف بین عوامل (یال‌ها با وزن ۰٫۵-)

شکل ۴- ۳۰ روابط مثبت ضعیف بین عوامل (یال‌ها با وزن ۰٫۵+)

شکل ۴- ۳۱ روابط مثبت قوی بین عوامل (یال‌ها با وزن ۱+)

۴-۶- تحلیل FCM

در مرحله بعد از رسم می‌بایست بر روی نقشه مفهومی فازی تحلیل انجام داد. این تحلیل به‌منظور اثر دهی اثر شبکه‌ای و مشاهده تغییرات سامانه پویا درگذشت زمان است.

برای انجام این کار می‌توان یک گره را روشن نمود و سپس اثری که این تغییر در طی زمان ‌بر روی شبکه می‌گذارد مشاهده نمود. روشن شدن یک گره به معنای تغییر کردن مقادیر آن است. به‌طور مثال فرض کنید شکل زیر یک برش از گراف کلی ما است.

شکل ۴- ۳۲ برشی از نقشه مفهومی فازی

درنتیجه ماتریس مجاورت آن به صورت زیر می‌باشد:

USK

EOI

INF

EXB

۰٫۵+

۱+

۰٫۵+

۱+

۰٫۵-

جدول ۴- ۳ ماتریس مجاورت برش نقشه مفهومی فازی

EXB	INF	EOI	USK
۰	+۰٫۵	+۱	۰	USK
۰	+۱	۰	+۰٫۵	EOI
-۰٫۵	۰	۰	۰	INF
۰	۰	۰	۰	EXB

برای شروع یک ماتریس حالت اولیه در نظر گرفته می‌شود. فرض کنید گره USK روشن شود . در مرحله بعد تأثیر روشن شدن این گره بر روی مابقی گره‌ها بررسی می‌شود و بعد از تأثیر دادن حالت ورودی یک حالت خروجی به دست می‌آید. همان‌طور که مشخص است رابطه مثبت گره خاموش را روشن می‌کند، در مقابل رابطه منفی گره روشن را خاموش می کند.

می‌توان این حالت خروجی را ورودی حالت بعدی در نظر گرفت و یک مرحله دیگر تحلیل را ادامه داد. درنهایت این سلسله تحلیل‌ها آن‌قدر ادامه می‌یابد تا یا به یک حالت ثبات برسد یا اینکه به محدوده تعداد دفعات اجرا برسد.

در مرحله بعد و در مرحله چهارم . در اینجا به مرحله‌ای رسیده‌ایم که و گفته می‌شود که به یک حلقه محدود رسیده‌ایم. بدین معنی که اگر به سیستم حالت جدیدی وارد نشود تا بی‌نهایت در این حلقه می‌چرخد.

اما در محاسبات سنگین نمی‌توان از روش‌های دستی برای محاسبه مراحل استفاده کرد. برای محاسبه هر مرحله می‌توان بردار حالت را در ماتریس مجاورت ضرب نمود و پس از به دست آوردن نتیجه، اعداد را به نزدیک‌ترین مقدار قابل‌قبول گرد کرد. برای مثال بردار را اگر در ماتریس مجاورت نقشه مفهومی فازی بالا ضرب نماییم مقدار به دست خواهد آمد. در اینجا ۰٫۵+ به معنای این است که مقدارINF به میزان کمی در جهت موافق تغییر قبلی، تغییر خواهد کرد.

مانند روش قبل این حالت خروجی می‌تواند حالت ورودی برای مرحله بعد باشد. در مرحله بعد نتیجه به‌دست‌آمده برابر است با . مقدار ۰٫۲۵- را با توجه به تابع مورداستفاده می‌توان به مقادیری همچون ۰٫۵- یا ۰ گرد نمود یا همان مقدار را در محاسبات قرار داد. در اینجا این مقدار به ۰٫۵- گرد می‌شود . درنهایت پس از گذراندن چند مرحله این نتیجه به دست می‌آید که . پس درنهایت به یک حلقه محدود رسیده‌ایم.

در محاسبات جدیدتر سعی بر آن شده است که با دخالت یک مقدار ثابت کاهشی، میزان تأثیری از یک تغییر که در کل شبکه می‌چرخد در طی زمان کاهش یابد تا نتیجه نهایی سریع‌تر حاصل گردد.

در تحلیل نقشه مفهومی فازی مربوط به این پایان‌نامه با همین روش سعی بر این شده تأثیر تغییر تک‌تک متغیرها بر روی یکدیگر به دست آید. در کل ۲۵ عامل‌ وجود داشته که تغییرات تک‌تک آن‌ها طی ۱۰۰ دوره زمانی محاسبه‌شده است که درنتیجه حدود ۳۳,۵۵۴,۴۳۲ سطر داده به وجود آمد.

در جدول زیر تنها تغییر تک متغیرها بر روی متغیر هدف که SNT است آورده شده است:

جدول ۴- ۴ تأثیر تک متغیرها بر روی متغیر هدف (SNT) طی ۱۰۰ دوره

۰٫۷۱	UCM	۰٫۹۹	NFC	۰٫۹۷	ORG	۰٫۹۹	WLK	۰٫۹۷	UIF
۰٫۷۲	UCH	۰٫۶۱	UCS	۰٫۹۹	EOI	۰٫۷۲	ENT	۰٫۹۹	STR
۰٫۹۹	USK	۰٫۷۱	UND	۰٫۹۹	INF	۰٫۹۹	ECF	۰٫۹۹	GND
۰٫۷۲	ATT	۰٫۷۱	INV	۰٫۷۲	UIN	۰٫۹۹	DGF	۰٫۷۲	WCP
۰٫۷۲	OSL	۰٫۷۱	EXB	۰٫۷۵	CLT	۰	UCN	۰٫۷۲	WMP

۴-۷- نتیجه‌گیری

در این فصل به توصیف و توضیح روند انجام تحلیل و محاسبات پرداخته شد. در ابتدا با بهره گرفتن از روش دلفی عامل‌های مورداستفاده شناسایی و استخراج شد و در مراحل بعدی آن روابط این عامل‌ها روشن گردید. در مرحله بعد این روابط به ماتریس نقشه مفهومی فازی موردنظر نگاشت شد.

درنهایت تحلیل موردنظر بر روی عامل‌ها و نقشه مفهومی فازی موردنظر صورت گرفته و روابط غیرمستقیم بین عامل‌ها استخراج گردید. نتیجه به‌دست‌آمده شامل حدود ۳۳ میلیون سطر داده است که هرکدام از آن‌ها تأثیر عامل‌ها بر یکدیگر را در طی ۱۰۰ دوره بیان می‌کنند. این نتایج به این پایان‌نامه پیوست شده است.

فصل پنجم

نتیجه‌گیری و پیشنهاد‌ها

۵-۱- نتایج

همان‌طور که در فصل ۴ گفته شد روابط بین عامل‌ی نقشه مفهومی فازی محاسبه گردید و نتایج زیر به دست آمد:

در کل ۲۵ عامل‌ وجود داشته که تغییرات تک‌تک آن‌ها طی ۱۰۰ دوره زمانی محاسبه‌شده است که درنتیجه حدود ۳۳,۵۵۴,۴۳۲ سطر داده به وجود آمد. این داده‌ها نشان می‌دهد که حداکثر در طول ۱۰۰ دوره زمانی، با تغییر یک یا چند عامل‌ چه تغییراتی بر عامل‌های دیگر اتفاق می‌افتد. این تغییرات با بهره گرفتن از تحلیل FCM و دخالت اثر شبکه‌ای به‌دست‌آمده که توضیحات مربوط به چگونگی دست‌یابی به آن به‌صورت مفصل در فصل دوم آورده شده است.

با جستجو در نتایج داده‌ها می‌توان متوجه شد که با تغییر یک یا چند عامل‌ چه تغییراتی بر کل عامل‌ها اتفاق می‌افتد.

در جدول زیر تنها تغییر تک متغیرها بر روی متغیر هدف که SNT است آورده شده است:

جدول ۵- ۱ تأثیر تک متغیرها بر روی متغیر هدف (SNT) طی ۱۰۰ دوره

۰٫۷۱	UCM	۰٫۹۹	NFC	۰٫۹۷	ORG	۰٫۹۹	WLK	۰٫۹۷	UIF
۰٫۷۲	UCH	۰٫۶۱	UCS	۰٫۹۹	EOI	۰٫۷۲	ENT	۰٫۹۹	STR
۰٫۹۹	USK	۰٫۷۱	UND	۰٫۹۹	INF	۰٫۹۹	ECF	۰٫۹۹	GND
۰٫۷۲	ATT	۰٫۷۱	INV	۰٫۷۲	UIN	۰٫۹۹	DGF	۰٫۷۲	WCP
۰٫۷۲	OSL	۰٫۷۱	EXB	۰٫۷۵	CLT	۰	UCN	۰٫۷۲	WMP

به‌طور مثال برای متغیر ENT که میزان سرگرمی وب‌سایت می‌باشد نشان داده‌شده است که با تغییر این متغیر، طی ۱۰۰ دوره زمانی، ۷۲ درصد این تغییر به متغیر SNT تأثیر می‌گذارد. توجه نمایید که مقدار این اثر دهی مثبت است. یعنی هم‌جهت با تغییر ENT، متغیر SNT با همان جهت ولی به میزان ۷۲ درصد تغییر خواهد نمود. به‌طور مثال اگر میزان سرگرمی کاهش یابد، طی ۱۰۰ دوره باید انتظار کاهش ۷۲ درصدی اعتماد کاربر به وب‌سایت را داشته باشیم.

در مقابل اگر متغیری مقدار منفی بگیرد نشان از آن دارد که با تغییر آن، تغییر متغیر هدف مخالف جهت آن خواهد بود.

درجه تراکم نقشه مفهومی فازی طراحی ‌شده برابر با و شاخص سلسله مراتبی آن است. این مقدار از شاخص سلسله مراتبی به معنای این است که نقشه مفهومی فازی تشکیل‌شده به ساختار شبکه درهم‌ریخته بسیار نزدیک است.

عامل‌های جنسیت (GND)، سرگرمی (ENT) و عامل‌های جمعیت‌شناسی (DGF) متغیرهای فرستنده هستند و در مقابل فقط اعتماد کاربر به شبکه‌های اجتماعی (SNT) متغیر گیرنده است.

۵-۲- مزایا و موانع

از مزایای این مدل می‌توان به این مورداشاره کرد که اکثر عامل‌های بکار رفته دارای عدم قطعیت می‌باشند؛ بدین معنی که نمی‌توان مقدار کمی مشخصی برای آن‌ها منظور کرد ولی ازنظر کیفی می‌توان آن‌ها را سنجید. استفاده از روش تحلیل نقشه‌های مفهومی فازی باعث شده این خصوصیت نه‌تنها محدودیت برای انجام پروژه نباشد، بلکه تبدیل به یک مزیت گردد.

یکی از موانع عمده‌ای که می‌توان به این روش ایراد گرفت این است که سامانه‌های پویا نه‌تنها مقدار عامل‌هایشان در طول زمان تغییر می‌کند بلکه رابطه بین آن‌ها نیز تغییر می‌کند؛ که در انجام این تحلیل به دلیل کمبود وقت و امکانات، میسر نبوده است. برای رفع این مشکل می‌بایست از الگوریتم‌های یادگیری پیشرفته‌ای استفاده نمود و مقدار رابطه بین عامل‌ها (یا ماتریس مجاورت نقشه مفهومی) را نیز در طول زمان به‌روزرسانی کرد؛ که این امر سربار محاسباتی بسیار زیادتری را به تحلیل اضافه خواهد نمود.

۵-۳- پیشنهاد‌ برای تحقیقات آتی

دسته‌بندی، تفکیک و استخراج دقیق‌تر عامل‌ها برای اینکه سربار محاسباتی تحلیل به شکل قابل‌توجهی کاهش یابد.
استفاده از الگوریتم‌های یادگیری مناسب و ارتقا نقشه مفهومی فازی برای دقیق‌تر شدن پیش‌بینی‌ها.
تحلیل رو به عقب نقشه مفهومی فازی برای پی بردن به عامل‌های اساسی مربوط به یک عامل‌ هدف.

مراجع

امیری،بهنام.۱۳۹۰٫پیش بینی الگوهای رفتاری مشتریان بانک جهت شناسایی روش مناسب برای ارائه سرویس های پیشنهادی، مجله دانش و فناوری ،سال اول،شماره ۴٫

اویسی، نوشین .۱۳۹۰٫تمایل به خرید مجدد آنلاین در تجارت الکترونیکی بین بنگاه و مصرف کننده با رویکرد کیفیت ارتباطات آنلاین (مورد مطالعه : دانشجویان دانشگاه علامه طباطبایی)، پایان نامه کارشناسی ارشد،دانشگاه علامه طباطبایی، دانشکده مدیریت و حسابداری .

بخشی، مریم .۱۳۹۱٫ بررسی مدلی برای پذیرش بانکداری الکترونیکی با در نظر گرفتن عامل اعتماد مشتریان (مطالعه موردی یکی از بانک های دولتی ایران )، پایان نامه کارشناسی ارشد ،دانشگاه الزهرا، دانشکده فنی مهندسی .

علایی پور، حدیث . ۱۳۹۲٫ بررسی تاثیر کیفیت محصول و مدیریت ارتباط با مشتری در میزان تعهد و وفاداری مشتریان (مطالعه موردی :شرکت وند شیمی ساختمان ، تولید کننده ی افزودنی بتن ) ،پایان نامه کارشناسی ارشد، دانشگاه پیام نور استان سمنان، دانشکده مدیریت وعلوم انسانی تابستان.

Adler, M., & Ziglio, E. 1996. Gazing Into The Oracle: The Delphi Method And Its Application To Social Policy And Public Health. Jessica Kingsley Publishers.‏

Aguilar, J. 2002. Adaptive Random Fuzzy Cognitive Maps. In Advances in Artificial Intelligence—IBERAMIA (pp. 402-410). Springer Berlin Heidelberg.‏

Aguilar, J. 2005. A Survey about Fuzzy Cognitive Maps Papers. International journal of computational cognition, ۳(۲), pp 27-33.

Amari, S. I. 1972. Learning Patterns and Pattern Sequences by Self-Organizing Nets of Threshold Elements. Computers Transactions on IEEE, ۱۰۰(۱۱), pp. 1197-1206.

Banini, G. A., & Bearman, R. A. 1998. Application of Fuzzy Cognitive Maps to Factors Affecting Slurry Rheology. International Journal of Mineral Processing, 52(4), pp. 233-244.

Berlyne, D. E. 1963. Motivational Problems Raised By Exploratory and Epistemic Behavior. Psychology: A study of science, 5, pp. 284–۳۶۴٫ New York, NY: McGraw-Hill.

Brown, J., Broderick, A. J., & Lee, N. 2007. Word Of Mouth Communication within Online Communities: Conceptualizing the online social network. Journal of interactive marketing, ۲۱(۳), pp. 2-20

Carlsson, C., & Fuller, R. 1996. Adaptive Fuzzy Cognitive Maps for Hyperknowledge Representation in Strategy Formation Process. Proceedings of International Panel Conference on Soft and Intelligent Computing, 3(2), pp. 43-50.

Carvalho, J. P., Paulo, J., José, C., & Tomé, A. B. 2000. Rule Based Fuzzy Cognitive Maps, Qualitative Systems Dynamics.‏ pp. 132-140.

Cetină, I., Munthiu, M. C., & Rădulescu, V. 2012. Psychological and Social Factors That Influence Online Consumer Behavior. Procedia-Social and Behavioral Sciences, ۶۲, pp. 184-188.

Cheung, C. M., Chan, G. W., & Limayem, M. 2005. A Critical Review of Online Consumer Behavior: Empirical Research. Journal of Electronic Commerce in Organizations (JECO), ۳(۴), pp. 1-19.

Constantinides, E. 2004. Influencing the online consumer’s behavior: the Web experience. Internet research, 14(2), pp.111–۱۲۶٫

Dennis, C., Merrilees, B., 2009. E-consumer behaviour. European Journal of Marketing, 43(9/10), pp.1121–۱۱۳۹٫

Durmaz, Y. 2014. The Impact of Psychological Factors on Consumer Buying Behavior and an Empirical Application in Turkey. Asian Social Science, 10(6), pp.194

Eden, C. 1992. On The Nature of Cognitive Maps. Journal of management studies, ۲۹(۳), pp. 261-265.

Esteban-Millat, I., Martínez-López, F. J., Luna, D., & Rodríguez-Ardura, I. 2014. The Concept of Flow in Online Consumer Behavior. In Handbook of Strategic e-Business Management pp. 371-402. Springer Berlin Heidelberg.‏

Georgopoulos, V. C., Malandraki, G. A., & Stylios, C. D. 2003. A Fuzzy Cognitive Map Approach to Differential Diagnosis of Specific Language Impairment. Artificial intelligence in Medicine, ۲۹(۳), pp. 261-278.‏

Hawkins, D., Best, R., Conley, K., 1983, Consumer Behavior: Implications for Marketing Strategy, Plano TX: Business Publications.

Hoffman, D. L., & Novak, T. P. 1996. Marketing in Hypermedia Computer-Mediated Environments: Conceptual Foundations. Journal of Marketing, 60(3), pp. 50–۶۸٫

Hofstede, G. 1991. Culture’s Consequences: Comparing Values, Behaviors, Institutions and Organizations across Cultures. Thousand Oaks, CA: Sage.

Houston, F. S. 1986. The Marketing Concept: What It Is and What It Is Not. The Journal of Marketing, pp. 81-87.

Howard, J.A., Sheth, J. N., 1969. Theory of Buyer Behavior, AGRIS Publication.

Huerga, A. V. 2002. A Balanced Differential Learning Algorithm in Fuzzy Cognitive Maps. In Proceedings of the 16th International Workshop on Qualitative Reasoning.

Huizingh, E. 2000. The Content and Design of Websites: An Empirical Study. International Journal Information and Management, 37, pp. 123-134.

Kandasamy, W. V., & Smarandache, F. 2003. Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps. Infinite Study.‏ NY.

Kannan, P. K., & Kopalle, P. K. 2001. Dynamic Pricing on the Internet: Importance and Implications for Consumer Behavior. International Journal of Electronic Commerce, ۵, pp.63-84.

Kosko, B. 1986. Fuzzy Cognitive Maps. International journal of man-machine studies, ۲۴(۱), pp. 65-75.

Koufaris, M. 2002. Applying the Technology Acceptance Model and Flow Theory to Online Consumer Behavior. Information systems research, ۱۳(۲), pp. 205-223.

Laroche, M., & Richard, M. O. 2014. A Model of Online Consumer Behavior. In Handbook of Strategic e-Business Management pp. 325-346.

Leong, E. K. F., Ewing, M. T., & Pitt, L. F. 2002. E-Comprehension: Evaluating B2B Websites Using Readability Formulae. Industrial Marketing Management, 31(2), pp. 125–۱۳۱٫

Ludwig, L., & Starr, S. 2005. Library as Place: Results of a Delphi Study. Journal of the Medical Library Association, ۹۳(۳), pp. 315-317.‏

Mason, R., 1984, Conspicous Consumption: a Literature Review, European Journal of Marketing, ۱۸(۳), pp. 26-39.

Mika, P. 2005. Flink: Semantic Web Technology for the Extraction and Analysis of Social Networks. Web Semantics: Science, Services and Agents on the World Wide Web, ۳(۲), pp. 211-223.‏

Montoya-Weiss, M. M., Voss, G. B., & Grewal, D. 2003. Determinants of Online Channel Use and Overall Satisfaction with a Relational, Multichannel Service Provider. Journal of the Academy of Marketing Science, ۳۱(۴), pp. 448–۴۵۸٫

Ozmete, E., Hira, T., 2011. Conceptual analysis of behavioral theories/models: Application to financial behavior. European Journal of Social Sciences, 18(3), pp.386–۴۰۴٫

Richard, M. O., Chebat, J. C., Yang, Z., & Putrevu, S. 2010. A Proposed Model Of Online Consumer Behavior: Assessing The Role Of Gender. Journal of Business Research, ۶۳(۹), pp. 926-934.‏

Sharma, P., Kumar, S., 2011. An Approach for Customer Behavior Analysis Using Web Mining. International Journal of Internet Computing, pp.2231–۲۶۹۶٫

Shugan, S.M. 2006. Editorial-Are Consumers Rational? Experimental Evidence? Marketing Science, 25(1), pp.1–۷٫

Siebert, C. 1996, June. The Cuts That Go Deeper. New York Times Magazine, pp. 20-35.

Stevenson, J. S., Bruner, G. C, I. I., & Kumar, A. 2000. Web Page Background ر and Viewer Attitudes. Journal of Advertising Research, 40(1/2), 29–۳۴٫

Tsadiras, A. K., & Margaritis, K. G. 2007. A New Balance Degree for Fuzzy Cognitive Maps. Thecnical Report, Department of Applied Informatics, University of Macedonia, ۵۴۰۰۶٫‏

Zhang, H., & Liu, D. 2006. Fuzzy Set Theory and Rough Set Theory. Fuzzy Modeling and Fuzzy Control, pp. 1-32.‏

پیوست‌ها

پیوست الف

پرسش‌نامه دوره اول

با سلام و تشکر خدمت شما برای شرکت و همکاری در تکمیل این پرسش‌نامه. خواهشمند است سوالات را به دقت مطالعه نموده و به آن‌ها به صورت خواسته شده پاسخ دهید.

در این پرسش‌نامه سعی بر بررسی عوامل تاثیرگذار بر روی رفتار کاربر در شبکه اجتماعی شده است. لطفا عامل‌های زیر را به دقت مطالعه نموده و در صورتی که آن عامل‌ بر رفتار کاربر در شبکه‌های اجتماعی تاثیرگذار و مرتبط می‌باشد آنرا علامت گذاری نمایید.

فرهنگ جامعه
عامل‌های جمعیت‌شناسی: نرخ رشد جمعیت، نرخ مرگ و زاد و ولد و …
عامل‌های اقتصادی: نرخ سود بانکی، نرخ تورم، رکود و …
جنسیت کاربر
رفتار اکتشافی: رفتاری است که یک فرد در مواجهه با موقعیت جدید یا یک تغییر موقعیت از خود نشان می‌دهد.
گرایش به وب‌سایت شبکه اجتماعی: تمایل فرد به پاسخگویی مطلوب یا غیر مطلوب به یک محرک در وب‌سایت.
مشارکت: یک حالت انگیزشی است که به‌وسیله درک ارتباط اشیاء بر اساس ارزش، منافع و نیازها تحت تأثیر قرار می‌گیرد.
نیاز به شناخت: به معنای نیاز فرد به درک و معقول سازی دنیای اطراف خود است.
سطح تحریک بهینه: مقدار تحریکی است که افراد در زندگی خود برای انجام فعالیت‌های جدید ترجیح می‌دهند.
چالش پذیری کاربر: کاربر به چه میزان علاقه‌مند به‌قرار گرفتن در موقعیت‌های جدید است.
مهارت کاربر: ظرفیت دانایی فرد برای انجام کارها در طول گشت‌وگذار در وب.
تعامل کاربر با وب‌سایت شبکه‌اجتماعی
آسودگی کاربر: میزان راحتی موردنظر کاربر برای کار با وب‌سایت است.
هزینه مورد تحمل کاربر: قدرت پرداخت هزینه معینی برای کار با وب‌سایت.
ارتباط کاربر با دیگران
نیاز کاربر به شبکه‌های اجتماعی
اعتماد کاربر به شبکه اجتماعی
سرگرمی: میزان امکانات سرگرم کننده موجود در وبسایت برای کاربر مانند موسیقی، بازی و …
ارزشمندی اطلاعات: توانایی یک وب‌سایت در مهیاکردن اطلاعات
اثربخشی اطلاعات: چگونگی فراهم شدن اطلاعات و نوع آن‌ها
سازمان یافتگی اطلاعات: توانایی وب‌سایت در مرتب کردن محتوا، داده‌ها و تصاویر است به‌نحوی‌که شفافیت اطلاعات ارائه‌شده به کاربر را بالابرده و دست‌یابی کاربران به اطلاعات موردنظرشان را تسهیل ‌نماید.
ساختار وب‌سایت: نحوه طراحی و قرارگیری عناصر در کنار هم.
رابط کاربری وب‌سایت
قدرت کنترل وب‌سایت: یک وب‌سایت چقدر آزادی عمل در اختیار یک کاربر قرار خواهد داد.
دوست داشتنی بودن وبسایت: میزان موردعلاقه و محبوب بودن وب‌سایت توسط کاربر.
قدرت تحریک پذیری وب‌سایت: درجه‌ای از قدرت وب‌سایت برای تحریک کردن کاربر به ادامه فعالیت کنونی یا فعالیت بیشتر در وب‌سایت است.

در پایان در صورت لزوم عامل‌هایی را که در لیست بالا آورده نشده‌اند را ذکر نمایید:

………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….

پیوست ب

پرسش‌نامه دوره دوم و سوم

خواهشمند است روابط بین عامل‌هایی که در دوره پیش استخراج شد را با علامت‌های + و – نشان دهید، اگر رابطه مستقیم بود علامت +، اگر رابطه معکوس بود علامت – و در صورت نبودن رابطه هیچ چیزی ننویسید.

پیوست ج

کدهای مربوط به تحلیل FCM

//Node.java

import java.util.HashMap;

public class Node {

private StringBuilder node_name;

private StringBuilder description;

private HashMap<Node, Float> connections;

public Node(String _node_name, String _description, HashMap<Node, Float> _connections) {

// TODO Auto-generated constructor stub

this.node_name = new StringBuilder(_node_name);

this.description = new StringBuilder(_description);

this.connections = _connections;

}

public Node(){

this(“”,“”,new HashMap<Node,Float>());

}

public Node(String _node_name, String _description){

this(_node_name, _description, new HashMap<Node, Float>());

}

public void set_name(String _name){

this.node_name.setLength(0);

this.node_name.append(_name);

}

public void set_description(String _description){

this.description.setLength(0);

this.description.append(_description);

}

public String get_name(){

return this.node_name.toString();

}

public String get_description(){

return this.description.toString();

}

public void set_connections(HashMap<Node, Float> _connections){

this.connections = _connections;

}

public HashMap<Node, Float> get_connections(){

return this.connections;

}

public void add_connection(Node _node, Float _weight){

this.connections.put(_node, _weight);

}

public Float remove_connection(Node _node){

Float temp = this.connections.remove(_node);

return temp;

}

public boolean has_connection(Node _node){

return this.connections.containsKey(_node);

}

public Float find_connection(Node _node){

Float temp = this.connections.get(_node);

return temp;

}

public Integer out_degree(){

return this.connections.size();

}

public boolean change_weight(Node _node, Float _weight){

if(this.connections.containsKey(_node)){

this.connections.put(_node, _weight);

return true;

}else{

return false;

}

@Override

public String toString(){

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

جستجو

آخرین مطالب

فیدهای XML