شماره ركورد كنفرانس :
4838
عنوان مقاله :
مديريت و پايش ارتباطات در شبكههاي اجتماعي با استفاده از نمودار كنترلي چندمتغيره
عنوان به زبان ديگر :
Managing and monitoring communications on social networks by using a multivariate control chart
پديدآورندگان :
سلماس نيا علي استاديار دانشگاه قم، گروه مهندسي صنايع، دانشگاه قم، قم، ايران , شهيديان علي دانشجوي كارشناسي ارشد مهندسي صنايع، دانشگاه قم، قم، ايران , سيونديان مصباح دانشجوي كارشناسي ارشد مديزيت صنعتي دانشگاه تهران، تهران، ايران
كليدواژه :
مديريت شبكه¬هاي اجتماعي , نقطه تغيير , نمودار كنترلي , شاخص هاي مركزيت , چگالي شبكه.
عنوان كنفرانس :
دومين كنفرانس بين المللي تحولات نوين در مديريت، اقتصاد و حسابداري
چكيده فارسي :
با توسعه شبكه هاي اجتماعي، مديريت ارتباطات در اين فضا اهميت ويژه¬اي پيدا كرده است. اما تعداد كمي از پژوهشگران به اين حوزه ورود كرده اند و غالب آنها از شاخص هاي مورد محور و به صورت جداگانه استفاده كرده اند در حالي كه بسياري از اين شاخص ها وابسته هستند. همچنين هيچ يك از پژوهش هاي گذشته به شناسايي نقطه حقيقي رخداد تغيير نپرداخته اند. در اين مقاله به منظور كاهش هزينه و زمان لازم براي تشخيص علل وقوع تغيير در شبكه، يك روش آماري براي نظارت بر ارتباطات ميان كنشگران شبكههاي اجتماعي و شناسايي نقطه تغيير در شبكه با بررسي چهار شاخص مهم شبكه به صورت همزمان ارائه شده است. در نهايت، كارايي روش پيشنهادي در مقايسه با روشهاي موجود، از طريق يك فرآيند شبيه سازي ارزيابي ميشود. نتايج نشان ميدهد كه روش پيشنهادي عملكرد بهتري نسبت به حالت تك متغيره در شناسايي نقطه تغيير دارد.
چكيده لاتين :
With the development of social networks, communication management in this area has become remarkably important. But few researchers have entered this field, with most of them using case-based and other network attributes separately, while many of these measures are dependent. Also, none of the previous research has identified the network change point. In this paper, in order to reduce the cost and time required to identify the causes of the change in the network, a statistical method for monitoring communications between social network actors and detecting the change point in the network is presented by simultaneously examining four network attributes. Finally, the performance of the proposed method is evaluated in a simulation process in comparison with existing methods. The results show that the proposed method has a better performance than the uni-variate mode in identifying the change point.