دانلود ترجمه مقاله سهم متن کاوی در توسعه پایگاه دانش پیش بینی (ساینس دایرکت – الزویر ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۸ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۲۰ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۸ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مدیریت
گرایش های مرتبط با این مقاله	مدیریت فناوری اطلاعات، مدیریت دانش و مدیریت منابع اطلاعاتی
مجله	پیش بینی فنی و تغییر اجتماعی – Technological Forecasting & Social Change
دانشگاه	موسسه Fraunhofer برای سیستم ها و تحقیقات نوآوری، آلمان
کلمات کلیدی	کلان داده، متن کاوی، تحلیل داده ها، نقشه راه، توسعه سناریو،، آینده نگری
شناسه شاپا یا ISSN	ISSN ۲۰۱۶٫۱۰٫۰۱۷
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده
۱ – مقدمه
۲- پیش بینی و متن کاو ی
۲-۱ پیش بینی
۲-۱-۱ ورودی
۲-۱-۲ فرآیند
۲-۱-۳ خروجی
۲-۲ متن کاوی
۲-۲-۱ فرآیند متن کاوی
۲-۲-۲ محدودیت های متن کاوی
۳- استفاده از متن کاوی برای پیش بینی
۳-۱ متن همانند داده
۳-۱-۱ انتشارات علمی ، ثبت های اختراع و استاندارد ها
۳-۱-۲ مقالات جدید
۳-۱-۳ داده رسانه اجتماعی
۳-۱-۴ وب سایت ها
۳-۲ متن کاوی برای روش های پیش بینی
۳-۲-۱ نوشتن ره نگاشت فناوری
۳-۲-۲ مقایسه مباحثه عمومی و علمی
۳-۲-۳ توسعه سناریو
۴- رابطه متن کاوی برای پیش بینی
۴-۱ پیچیدگی های فرآیند پیش بینی
۴-۲ مسیر های تحقیق آینده

• بخشی از ترجمه:

۴-۲ مسیر های تحقیق آینده
ارزش متن کاوی اضافه شده برای طراحی کاربردها وروش های پیش بینی در واقع آن منابع داده می باشد که تا کنون استفاده نشده اند و می توان دسترسی پیدار کرد و داده بیشتر را می توان را پردازش نمود و بهتر تجزیه و تحلیل نمود . پیش بینی دارای گستره وسیع از چشم انداز خرد تا کلان می باشد و همانطور که این مقاله نشان می دهد ، پرسش ها در سطوح مختلف پیش بینی را می توان با متن کاوی مورد بررسی قرار داد . این کار از بررسی لینک های سیستماتیک و کارکرد سیستم های نواورانه برای ارتقای قابلیت های دینامیک شرکت ها توسعه می یابد ( کایسر و همکاران ۲۰۱۴ ) . بنابراین ، ترکیب های متفاوت منابع داده ، رویکرد های متن کاوی ، الزامات فرآیند پیش بینی ( یعنی گستره ، فریم زمانی ، موضوع ) و روش های پیش بینی به دامنه گسترده گزینه های کار آینده منجر می شوند . این چهار جزء اساسی را می توان به طور تعویض پذیر با میزان گستره روش های پیش بینی ترکیب نمود . بدین وسیله ، مشخصه ماژولار پیش بینی شامل مولفه های بیشتر می باشد و چندین کاربرد جدید در سطوح شرکتی ، سازمانی ، جامعه شناحتی یا سیاسی را می توان در کار آینده طراحی نمود .

• بخشی از مقاله انگلیسی:

۴٫۲٫ Future research directions

For designing foresight applications and methods, the added value of text mining is that data sources that have not been used so far can be accessed and more data can be processed and better analyzed. Foresight has a broad spectrum ranging from the micro to the macro perspective, and, as this article shows, questions at different levels of foresight can be addressed with text mining. This extends from examining systemic links and the function of innovation systems to enhancing the dynamic capabilities of firms (Kayser et al., 2014). Therefore, different combinations of data sources, text mining approaches, foresight process requirements (e.g. scope, time frame, topic), and foresight methods yield a wide range of options for future work. These four building blocks can be interchangeably combined to extend the spectrum of foresight methods. Thereby, the modular character of foresight encompasses further components and many new applications at the corporate, organizational, societal, or political levels can be designed in future work.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله