عوامل تعیین کننده رهبری در تجارت اجتماعی آنلاین: دیدگاه تئوری سیگنالینگ

Determinants of leadership in online social trading: A signaling theory perspective

چکیده
1. مقدمه
2. نظریه هشدار و رهبری شبکه
3.بیان فرضیه
4.طرح تحقیق
5. نتایج تجربی
6. بحث و نتیجه گیری
7. محدودیت ها و جهت گیری تحقیقات آینده
منابع

چکیده
تجارت اجتماعی آنلاین این امکان را فراهم می آورد که افراد یا شرکت های کم تجربه با تقلید رفتار تاجران ارشد از آنها تبعیت کنند اما اطلاعات کمی در مورد عوامل تعیین کننده و شکل دهنده این روابط موجود است. برای بررسی این رابطه، از نظریه هشداردهی با استفاده از ارزیابی حداقل جذر تاثیر ثابت استفاده می کنیم تا 250 تاجر ارشد را در شبکه دارای 1100 تاجر تحلیل کنیم و اعتبار این تاجران را همراه با حجم تجارت – عملکرد و هشدار ریسک بررسی کردیم. برخلاف انتظارات اولیه، نتایج تحقیق نشان داد که اعتبار تاجر مهم تر از عملکرد – حجم ریسک است، اما اختلافات قابل توجهی بین تاجران پول های واقعی و مجازی وجود دارد. این تحقیق یک رویکرد مبتنی بر نظریه هشداردهی با ارتباط آن با رفتار جمعی و تاثیر تمایلات مطرح کرده است. نتایج تحقیق می تواند کاربردهای عملی برای تاجران ارشد – پیروان و مدیران برنامه های تجارت اجتماعی – سیاستمداران و قانون گذاران ابزار سرمایه گذاری داشته باشد.

2. نظریه هشدار و رهبری شبکه
نظریه کلیدی در نظریه هشدار این است که هشدارها برای افراد درون سازمان مطرح می شوند که به اطلاعات و دانش دسترسی دارند و برای افراد خارج از سازمان قابل دسترسی نیست (کانلی و همکاران2011). نظریه هشدار از گذشته برای تشریح چگونگی سودآوری توسط تاجران و اطلاعات بیشتر در مورد تجارت و تلاش برای ارتباط با سرمایه گذاران سودآور استفاده شده است (کانلی و همکاران 2011 ). در ادبیات سرمایه گذاری و امور مالی، نظریه هشدار برای درک ارزش گذاری شرکت های جدید ( میکالی – شاو 1994 ) یا سرمایه گذاری های سرمایه ای ( بوسنیتز – فیست – موسل 2001 – باسنزیت – فیست و موسل 2005 ) در ارتباط است. ارتباط بین نظریه هشدار و بازارهای سرمایه گذاری بیان می کند که ویژگی های مشارکت و قابلیت انتقال سهام می تواند عدم تقارن اطلاعات را بین سرمایه گذاران کنونی و احتمالی را کاهش دهد (آرکات 2014 – التیزورو گاویوس 2003 ). در برنامه تجارت آنلاین اجتماعی آیوندو، تاجران ارشد به عنوان افرادی تعریف می شوند که هشدار تجاری صادر می کنند و دنبال کنندگان هم به عنوان افرادی تعریف می شوند که از هشدارهای تجاری تاجران ارشد پیروی می کنند (آیوندو 2018). این مطلب دلالت بر این دارد که هشداردهی و فرآیند تعمیم دهی بین تاجران ارشد و دنبال کنندگان آنها در یک شبکه شبیه به بازارهای سرمایه گذاری است. بنابراین، نظریه هشدار می تواند برای تشریح صداقت در توانایی رهبری شکل گرفته باشد.

نظریه هشدار یک محیط متغیر بین اعضا و هشدارهای محیط های مشترک را در یک شبکه در طول زمان می پذیرد. برای مثال، تیم های تجاری جدید هدف خود را هشدارهای پروژه برای اشاره به ارزش ها – تعهد و توانایی سرمایه گذاران در مراحل اولیه سرمایه گذاران در مراحل اولیه سرمایه گذاری قرار دادند، اما این عامل رابطه مهم و قابل توجهی با نتایج بلند مدت در نظر گرفته نمی شود (باسنیتز و همکاران 2005 ). هشدارهای ارتباطی نیز برای شبکه و سهامداران و در موقعیت تعیین هدف ضروری می باشند ( رئور – تانگ – وا 2013). نتایج عملی یک تحقیق انجام شده از 251 شرکت کوچک، نیاز به در نظر گرفتن روش شبکه ای را در درک مکانیزم های عملکردی و جهت گیری کارآفرینی را نشان داده است (جیانگ – لیو – فی – جیانگ 2018). به هر حال، در تجارت آنلاین اجتماعی، شرکت کنندگان می توانند رفتار یکدیگررا بدون توجه به بازده تقلید کنند. در مقابل، شبکه های بزرگتر می توانند به تاجران ارشد کمک کنند تا سود بیشتری داشته باشد. همچنین این مطلب بیان می کند که رهبری در شبکه های تجاری آنلاین یک فاکتور دینامیک است زیرا موقعیت و روابط بین تاجران می تواند تغییرات داشته باشد.

قابلیت پلت فرم دیجیتال، کیفیت نوآوری محیطی و مزیت رقابتی شرکت ها: نقش تعدیل کننده عدم اطمینان محیطی

Digital platform capability, environmental innovation quality, and firms’ competitive advantage: The moderating role of environmental uncertainty

خلاصه
1. مقدمه
2. سابقه‌ی نظری و فرضیه‌ها
3. هنجارها
4. نتایج
5. نتیجه و تصمیم‌گیری
انطباق با استانداردهای اخلاقی
تقدیر و تشکر
منابع

چکیده
در زمینه‌ی عصر «اینترنت پلاس»، بررسی این موضوع که آیا پایگاه‌های دیجیتالی می‌توانند مزیت رقابتی واحدهای اقتصادی و سازوکارهای داخلی این رابطه‌ی بالقوه را افزایش دهند یا خیر، از اهمیت زیادی برخوردار است. براساس نظریه‌ی قابلیت‌های پویا، این مطالعه، تاثیر قابلیت‌های پایگاه دیجیتالی را بر مزیت رقابتی واحد اقتصادی و همچنین اثر میانجی‌گری کیفیت نوآوری محیطی و بی‌ثباتی محیطی را بررسی می‌کند. ما 242 واحد اقتصادی چینی را به عنوان نمونه انتخاب کردیم و این مدل را با استفاده از روش‌های رگرسیون چندگانه، امتحان کردیم. نتایج نشان می‌دهد که قابلیت پایگاه دیجیتالی، تاثیر مثبت قابل توجهی بر مزیت رقابتی واحد تجاری دارد، و کیفیت نوآوری محیطی، تا حدی نقش میانجیگری بین قابلیت پایگاه دیجیتالی و مزیت رقابتی واحد اقتصادی بازی می‌کند، و تاثیر قابلیت پایگاه دیجیتالی بر کیفیت نوآوری محیطی، به صورت منفی‌ای با بی‌ثباتی محیطی تعدیل می‌شود. این تحقیق سازوکارهای تعامل بین قابلیت پایگاه دیجیتالی و مزیت رقابتی را نشان می‌دهد، که می‌تواند به واحد اقتصادی برای ساختن پایگاه‌های دیجیتالی کمک کند و کیفیت نوآوری محیطی و مزیت رقابتیشان را بهبود بخشد.

2. سابقه‌ی نظری و فرضیه‌ها
نحوه‌ی به دست آوردن و حفظ کردن مزیت‌های رقابتی یک موضوع مهم و اساسی در حوزه‌ی مدیریت راهبردی است (بارنات و مک کندیک 2004، نیوبرت 2008، وانگ و گائو 2021، نایاک و همکارانش 2022). تحقیقات پیشین بر چشم‌اندازی مبتنی بر منابع تمرکز داشته اند، و تاکید می‌کند که منابع باارزش، کمیاب، تغییرناپذیر و غیرقابل تعویض منشاء‌هایی برای مزیت رقابتی هستند (بارنی 1991، نیوبرت 2008). به هر حال، متخصصان به تدریج دریافتند که داشتن این منابع خاص برای حفظ مزیت رقابتی در محیط تجاری ناخوشایند کنونی که دائماً در حال تغییر است، کافی نیست، و حتی واحدهای اقتصادی با منابع مشابه، تفاوت‌هایی را در رفتار نشان می‌دهند (آیزنهارت و مارتین 2000، وانگ 2014).در این زمینه، نظریه‌ی قابلیت پویا را تیس و همکارانش در سال 1997 به عنوان ضمیمه‌ی نظریه‌ی مبتنی بر منابع، مطرح کرده‌اند و به تدریج به یک دورنمای نظری داخلی برای متخصصان تبدیل شده است که نحوه‌ی حفظ مزیت‌های رقابتی و دستیابی به عملکردی عالی در محیط متلاطم کنونی را توضیح می‌دهد (هلفات و رابیچک 2018، سوزا زومر و همکارانش 2020).

تسریع در از سرگیری اصول فنی، تحول دیجیتالی و افزایش فشار نظارتی بر توسعه‌ی پایدار، واحدهای اقتصادی را مجبور می‌کند تا هر چه بیشتر با محیط‌های خارجی غیر قابل اطمینان و پرآشوب روبرو شوند (وانگ و همکارانش 2023). در این زمینه، بهینه‌سازی دائمی در تخصیص منابع، به یک سابقه‌ی اصلی برای واحد اقتصادی برای بدست آوردن مزیت رقابتی تبدیل شده است (تیبریوس و همکارانش 2021). قابلیت‌های پویا، توانایی واحد اقتصادی برای درک فرصت‌ها و تهدیدها، به چنگ آوردن سابقه و پیکربندی مجدد هر دو منابع ملموس و ناملموس در داخل و بیرون واحد اقتصادی را توصیف می‌کند (تیس 2007). با سرعت گرفتن رشد و توسعه و عمومی شدن فناوری دیجیتال، متخصصان قابلیت‌های پویای واحد اقتصادی را گسترش دادند و رابطه‌ی چنین قابلت‌هایی را با نتایج رفتاری واحد اقتصادی مطالعه کردند (سرور و همکارانش 2023، وانگ و همکارانش 2023). قابلیت‌های پویای دیجیتال، به واحدهای اقتصادی کمک می‌کند تا تغییرات مداوم تقاضاهای بازار و توسعه‌های اخیر در اجرای تخصصی چندباره‌ی یک فرایند برای رسیدن به نتیجه یا خروجی را درک کنند، دائماً منابع را برای رسیدن به تخصیص راهبردی بهینه تعدیل کنند و قابلیت‌های خودشان را برای بدست آوردن جریانی مداوم از فرصت‌های ممکن راه‌اندازی کنند (تیس 2018). این امر، می‌تواند برای آن‌ها مزیت رقابتی قابل اطمینانی را فراهم آورد که به راحتی در این محیط دیجیتالی پویای پرشتاب و نامشخص، از بین نمی‌رود (چن و همکارانش 2022).

2.1. تاثیر قابلیت پایگاه دیجیتالی بر مزیت رقابتی واحد اقتصادی
نظریه‌ی مزیت رقابتی، ریشه در نظریه‌ی رقابت دارد که فرض می‌کند رقیبان و چشم‌اندازهای رقابتی از شرط‌های لازم هستند (باین 1956). مزیت رقابتی به صورت یک واحد اقتصادی دارای قابلیت‌های عملکرد قوی‌تر – که معمولاً از طریق هزینه‌ی کمتر و مدل‌های متنوع تولید بدست آمده‌است – از دیگر رقیبانشان در بازار نشان داده می‌شود (پورتر 1985). به علاوه، تحقیق بر روی دیدگاه مبتنی بر منابع، اشاره می‌کند که مزیت رقابتی از منابع اصلی و قابلیت‌های تحت کنترل واحد اقتصادی می‌آید (بارنی 1991). به هر حال، به موجب تغییرات سریع محیطی، منابع اصلی ممکن است که در ادامه مستهلک شوند و از کار بیفتند (تیس و پیزانو 1994) و رقیبان به آسانی از آن تقلید کنند و برای خود منابع سخت می‌شود که مستقیماً به واحدهای اقتصادی کمک کنند تا مزیت رقابتیشان را حفظ کنند (وانگ و همکارانش 2015، میکالف و پاتلی 2017). تخصیص کارآمد و پایدار، و توانایی یکپارچه‌سازی و استفاده از منابع، برای واحدهای اقتصادی به منظور ایجاد مزیت‌های رقابتی پایدار، به امری حیاتی تبدیل شده است (سیرمون و همکارانش 2011، تیبریوس و همکارانش 2021).

اثر سوابق موبایل مارکتینگ بر قصد خرید محصولات اصلی: موردی از بخش پایین بازار هرم (BoP) در Khayelitsha، آفریقای جنوبی

The effect of mobile marketing antecedents on the purchase intention of staple products: A case of the bottom of the pyramid (BoP) market segment in Khayelitsha, South Africa

چکیده
1. مقدمه
2. روش شناسی
3. بحث
4. پیامدهای مطالعه
5. محدودیت ها و دستورالعمل ها برای تحقیقات آینده
6. نتیجه گیری
منابع

چکیده
هدف: این تحقیق به دنبال تعیین تاثیر سوابق بازاریابی تلفن همراه بر قصد خرید محصولات اصلی در میان مشتریان BoP برای ایجاد یک کانال تجارت دیجیتال پایدار است که به این بخش خدمت می کند. این مقاله برای رسیدن به این هدف پیشنهاد می کند که سوابق بازاریابی تلفن همراه، مانند کیفیت خدمات و حساسیت قیمت، بر اعتماد و رضایت تاثیر می گذارد که به نوبه خود بر قصد خرید محصولات اصلی تاثیر می گذارد.
طرح/روش شناسی/رویکرد: یک پرسشنامه از ۳۸۵ مصرف کننده BoP جمع آوری شد. از Smart PLS 4 برای تجزیه و تحلیل داده ها با استفاده از مدلسازی معادله ساختاری (‏SEM) ‏استفاده شده است.
یافته ها: کیفیت خدمات تاثیر مثبتی بر اعتماد به بازاریابی تلفن همراه دارد. در مقابل، روند مثبت مشابهی برای رضایت، حساسیت قیمت، کیفیت خدمات و قصد خرید مشاهده شد. با کمال تعجب، رضایت و اعتماد بر قصد خرید تاثیر نداشت.
اصالت/ارزش: مقالات اصلی در این زمینه‏، از طریق مدل پذیرش مبتنی بر ارزش (‏VAM) ایجاد شده اند که توجه کمی را از محققان رفتار مصرف کننده، به ویژه در زمینه اقتصادهای در حال ظهور، به منظور کشف چندین سابقه بازاریابی موبایل دریافت کرده اند که نشان دهد مصرف کنندگان BoP را که عمدتا استفاده نشده هستند، ترغیب یا بی انگیزه می کند تا خریدهای آنلاین انجام دهند.

2. روش شناسی
2.1. جمع آوری داده ها
این مطالعه در کایلیتشا در استان کیپ غربی آفریقای جنوبی انجام شد. کایلیتشا دارای ویژگی توزیع درآمد پایین یا بدون درآمد است که یکی از فقیرترین مناطق کیپ تاون است، با میانگین درآمد کمتر از ۳۰۰۰ در ماه (‏۱۶۲، ۵۱ دلار)‏ و تقریبا بیش از نیمی از ۳۸۹،۳۷۳ خانوار برآورد شده کایلیتشا در خانه های غیررسمی زندگی می کنند [‏73]‏. به این ترتیب، کایلیتشا به دلیل جمعیت مصرف کنندگان عمده BoP خود برای این مطالعه انتخاب شد. همه شرکت کنندگان پیش از مشارکت خود رضایت آگاهانه داشتند.

کمیته تحقیقات اخلاقی دانشگاه کیپ تاون برای این مطالعه با مرجع REC 2018/002/012 موافقت کرد. جمع آوری داده ها شامل انتخاب راحت شرکت کنندگان در نزدیکی ایستگاه تاکسی بود که به دلیل ترافیک قابل توجه پیاده روها، به ویژه در ساعات اوج صبح و عصر انتخاب شدند. ایستگاه تاکسی مکانی عمومی است که در آن تاکسی ها در حالی که منتظر مسافران هستند پارک می کنند. چهار محقق میدانی در نقاط استراتژیک مختلف در ردیف تاکسی منصوب شدند.

داده ها با استفاده از پرسشنامه ای که توسط شرکت کنندگان تکمیل شده، جمع آوری شدند. برای اطمینان از این که نمونه دارای معیارهای مطالعه است، آن ها باید الزامات خاصی را برآورده کنند: (‏۱) ‏ساکنان کایلیتشا باشند؛ (‏۲)‏ در زمان مطالعه کمتر از R۶۰۰۰ (‏۴۰۸ دلار)‏ در ماه درآمد داشته باشند؛ (‏۳)‏ بالای ۱۸ سال باشند؛ و (‏۴) ‏صاحب یک تلفن همراه باشند. مطالعه حاضر بودجه دریافت نکرد و فرآیند جمع آوری داده را متمرکز بر منابع کرد. بنابراین، ما تعادل میل به یک اندازه نمونه بزرگتر و محدودیت های بودجه، زمان و لجستیک موجود را در نظر گرفتیم. این تحقیق حداقل اندازه نمونه لازم برای انجام تجزیه و تحلیل آماری معنادار را ارزیابی کرد، به خصوص زمانی که از روش های تجزیه و تحلیل داده های چند متغیره استفاده شد. توصیه می شود که مطالعات با استفاده از چنین تکنیک هایی حداقل ۳۰۰ پاسخگو داشته باشند [‏74]‏. بنابراین، این مطالعه در مجموع شامل ۳۸۵ شرکت کننده بود.

اینترنت اشیا (IOT) زیربنایی آپ لینک سلولی از طریق اصل ارتباط D2D

IoT Underlying Cellular Uplink Through D2D Communication Principle

چکیده
1 مقدمه
2 کارهای مرتبط
3 مدل سیستم
4 بیان مسئله
5 الگوریتم محاسبه تاخیر و زمانبندی فرصت‌طلبانه
6 نتایج و بحث‌ها
7 نتیجه‌گیری
مراجع

چکیده
ارتباطات دستگاه به دستگاه (D2D) یکی از تکنیک‌های نوآورانه در شبکه‌های سلولی است که می‌تواند برای سیستم‌های ارتباطی بی‌سیم آینده، به ویژه برای اینترنت اشیاء (IoT) مورداستفاده قرار گیرد. یکی از مزیت‌های اصلی ارتباطات D2D، توانایی آن در کاهش ازدحام ترافیک سلولی است، زیرا اکثر برنامه‌های کاربردی IoT به دلیلِ ویژگی تعامل‌پذیری و سازش‌پذیری شبکه‌های سلولی، استفاده از آنها را ترجیح می‌دهند. در این مقاله، یک مدل دسترسی فرصت‌طلبانه به کانال و استراتژی کنترل توان تطبیقی جدیدی برای گروهی از جفت‌ فرستنده-گیرنده IoT  (که از این به بعد جفت‌های D2D می‌نامیم) در زیرلایه مسیرفراسوی سلولی پیشنهاد می‌کنیم. هدف ما از این مطالعه، ارزیابی امکان‌سنجی کاربرد این مدل پیشنهادی در برون‌سپاری ترافیک IoT  است. برای این هدف، ما عملکرد مدل را تحتِ تنظیمات مختلف پارامتری و لحاظ کردن محدودیت‌های عملی مانند محدودیت‌های توان کُل و حداقل بازده طیفی ارزیابی می‌کنیم. علاوه بر این، نتایج را با دو استراتژی کنترل توان ‌مبنا مقایسه می‌کنیم. یافته‌های ما نشان می‌دهند که به جای ساخت معماری شبکه جدید و اختصاصی برای کاربردهایIoT ، می‌توان ترافیک تولیدشده توسط IoT را از طریق ارتباط D2D که در زیربنای مسیر فراسوی سلولی قرار دارند، برون‌سپاری کرد. این رویکرد از اثرات مخرب ترافیک شبکه سلولی جلوگیری می‌کند، و عملکرد رضایت‌بخشی برای کاربران اینترنت اشیاء ارائه می‌دهد.

2- کارهای مرتبط
ما بررسی ادبیات پژوهشی را در سه بخش ارائه می‌کنیم تا مشارکت‌های مطالعه خود را به صورت جداگانه نشان دهیم. در بخش اول، استراتژی‌های بارسپاری داده‌ها به کمک D2D به صورت خلاصه بیان می‌شود. با توجه به سناریوی ما، که دستگاه‌های IoT به عنوان جفت D2D عمل می‌کنند و تمرکز ما نیز بر عملکرد تاخیر و نرخ‌ مجزا است، بنابراین، بررسی مطالعات قبلی ارتباطات D2D مبتنی‌بر کنترل توان و آگاه از تاخیر بسیار حائزاهمیت خواهند بود. در بخش دوم، جدیدترین تحلیل‌های عملکردی ارتباطات D2D آگاه از تاخیر ارائه می‌شود. و در نهایت، دو استراتژی کنترل توان، BPC و CIPC، که به عنوان خطوط مبنا برای ارزیابی طرح پیشنهادی ما انتخاب شدند را بررسی می‌کنیم.

الف- بارسپاری داده با کمکِ D2D
بر اساسِ توپولوژی شبکه و ساختار لینک، فنآوری‌های بارسپاری داده به چهار نوع طبقه‌بندی می‌شوند [17]: 1) بارسپاری داده از طریق شبکه‌های سلولی کوچک، 2) بارسپاری از طریق شبکه‌های وای‌فای، 3) بارسپاری از طریق شبکه‌های فرصت‌طلبانه موبایلی، و 4) بارسپاری از طریق شبکه‌های ناهمگن. بارسپاری‌ داده‌ها از طریق لینک‌های D2D را می‌توان در دسته بندی “بارسپاری فرصت‌طلبانه” قرار دارد، که در ادبیات پژوهشی به سه روش به آن پرداخته شده است: 1) بارسپاری D2D که از دستگاه‌های مجاور برای قابلیت محاسباتی خود استفاده می‌کند [18]، [19]، 2) بارسپاری D2D که از دستگاه‌های مجاور برای افزایش پوشش سلولی از طریق مخابره چندگامه در لینک‌های D2D استفاده می‌کند [20]، [21]، [22]، [23]، 3) بارسپاری D2D با دسترسی فرصت طلبانه برای کاهش ترافیک در شبکه‌های سلولی در صورت امکان [24]، [25]، [12]، [13]، [26].

مطالعه ما در راستایِ رویکرد سوم انجام می شود، با این حال، تمامی مطالعات تحتِ رویکرد سوم به نحوه‌ی بهبود عملکرد شبکه سلولی از طریق بارسپاری پرداختند، و برخی از آنها نیز بررسی کردند که چگونه می‌توان از شبکه‌های اجتماعی برای بارسپاری کارآمد استفاده کرد. مسئله اصلی این مطالعات، نحوه‌ی شروع یا برنامه‌ریزی بارسپاری ارتباط D2D با هدفِ بهبود عملکرد سلولی است. اما هدف مطالعه ما این است که بررسی کنیم آیا استفاده از شبکه‌های سلولی برای برنامه‌های‌کاربردی IoT می‌تواند بدون تأثیر منفی بر کاربران سلولی و در عین حال تحقق معیارهای برنامه کاربردی IoT قابل‌اجرا باشد؟ به جای ایجاد ساختار ارتباطی جدید برای سیستم IoT، تمرکز ما بر تحقق کیفیت سرویس جفت‌هایIoT به هنگام بارسپاری تمام ترافیک تولیدشده توسطIoT از طریق شبکه زیرساخت سلولی D2D است. از این رو، از دیدگاه عملکرد فردی QoS، هیچیک از طرح های بارسپاری D2D کنونی قابل‌مقایسه با کار ما نیستند.

سیستم تشخیص نفوذ مبتنی بر فازی در شبکه های ادهاک متحرک (MANET)

Fuzzy based intrusion detection system in MANET

چکیده
1 مقدمه
2 بررسی ادبیات پژوهشی
3 روش پیشنهادی
4 نتایج و گفتمان
5 نتیجه گیری
منابع

چکیده

توسعه ی سریع و رواج و محبوبیت شبکه ی ادهاک متحرک (MANET) مسائل امنیتی زیادی را در شبکه به همراه داشته است. سامانه ی تشخیص نفوذ، یک فناوری امنیتی مؤثر که می تواند داده های مخرب در محیط شبکه های پیچیده را به خوبی تشخیص داده و امنیت شبکه ی کامپیوتری را تضمین کند. به دلیل اینکه پیچیدگی MANET، IDSهای سامانه ی تشخیص نفوذ قدیمی در این بستر مؤثر واقع نمی شوند، روش های متعددی از جمله ماشین بردار پشتیبان (SVM) به منظور تشخیص نفوذ مورد استفاده قرار گرفته اند. اکثر فناوری های موجود تلاش می کنند تا زمان اجرای کمتر و بهره وری انرژی را به همراه داشته باشند درحالیکه به نرخ تشخیص دقیق دست پیدا می کنند. به منظور غلبه برا این ایرادات و مشکلات، یک ماشین یادگیری افراطی فازی جدید مبتنی بر تحلیل مؤلفه ی اصلی (PCA-FELM) در این مقاله مطرح شده است. در درجه ی اول، ویژگی ها با استفاده از تحلیل مؤلفه ی اصلی استخراج می شوند و پس از آن ویژگی های استخراج شده با استفاده از ماشین یادگیری افراطی فازی طبقه بندی می شوند. PCA-FELM با استفاده از شبیه ساز MAT LAB اجرا می شود. PCA-FELM پیشنهادی با روش های موجود مثل DBN-IDS، GOA-SVM، و SDAE-ELM مقایسه شده و روش پیشنهادی به دقت 99.08% بالاتر از سایر روش های موجود دست می یابد. آزمایش های صورت گرفته روی رقابت ابزارهای داده کاوی و کشف دانش، مجموعه داده های KDD Cup99 نشان می دهند که روش PCA-FELM پیشنهادی نسبت به سایر تکنیک های موجود از عملکرد خیلی بهتری برخوردار هستند. 

2- بررسی ادبیات پژوهشی
با توجه به تحرک و پویایی گره ها، گره های مخرب درون شبکه وجود دارند. به دلیل این نقاط ضعف، MANET به احتمال خیلی زیاد مورد حمله ی نهادهای مخرب قرار بگیرد. بنابراین، بسیاری از محققان تلاش کرده اند تا نفوذ در MANET را با استفاده از روش های یادگیری ماشین و یادگیری عمیق شناسایی کرده و تشخیص دهند. در میان این روش ها، تنها معدود روش هایی وجود دارند که در این بخش مورد بررسی قرار گرفته اند.

در سال 2019، وی، P.، [21]، یک استراتژی بهینه سازی همزمان جدید را برای تقویت ساختار DBN در بستر یک مشکل بهینه سازی مدل طبقه بندی تشخیص نفوذ مبتنی بر یک DBN (DBN-IDS) مطرح کرد. روش پیشنهادی وضعیت شبکه ی DBN در بازه ی لایه ی پنهان را با تعداد محدودی از لایه های پنهان بهینه سازی می کند.

در سال 2019، ای، Z.، و همکاران [22] یک ماشین بردار پشتیبان براساس روش بهینه سازی ملخ (GOA-SVM) را برای افزایش و تقویت دقت ماشین بردار پشتیبان (SVM) در اسکن آسیب پذیری پیشنهاد کردند. به منظور افزایش دقت ماشین بردار پشتیبان در تشخیص نفوذ، این مقاله GOA-SVN را معرفی کرده و از آن برای تشخیص نفوذ استفاده همی کند. مطابق با نتایج آزمایشی، این روش بهتر از روش های موجود عمل می کند.

eHAPAC: یک مدل کنترل دسترسی با پشتیبانی از حریم خصوصی برای شبکه های حسگر بی سیم دارای IP

eHAPAC: A Privacy-Supported Access Control Model for IP-Enabled Wireless Sensor Networks

چکیده
1 مقدمه
2 آثار مرتبط
3 بیان مسئله
4 ساختار EHAPAC
5 تحلیل امنیتی
6 ارزیابی عملکرد
7 نتیجه‌گیری
منابع

چکیده
پیاده سازی فناوری IP در شبکه های حسگر بی سیم باعث توسعه بسیاری از سناریوهای هوشمند شده است.. به منظور افزایش دسترسی امن در شبکه‌های WSN مبتنی بر IP، کنترل دسترسی در گره‌های حسگر به عنوان مرحله مهمی است. به هر حال، در حال حاضر، کنترل دسترسی با دو چالش روبرو است، که عبارتند از قابلیت اجرا، و حفظ حریم خصوصی دسترسی کاربر. در این مقاله، به معرفی مدل eHAPAC می‌پردازیم، که به عنوان یک مدل حفظ حریم خصوصی کنترل دسترسی در شبکه‌های حسگر بی‌سیم (یا WSN) مبتنی بر IP است. مباحث این مقاله شامل سه بخش است. ابتدائا، این مقاله به ادغام پروتکل کنترل دسترسی هیدرا  و مدل حفظ حریم خصوصی APAC  می‌پردازد که معرف حفظ حریم خصوصی کنترل دسترسی دستگاه‌هایی با منابع محدود می‌پردازد. دوم اینکه، این مقاله به معرفی یک پروتکل هیدرا پیشرفته برای پیاده‌سازی پیوندناپذیری تبادلات پیام پروتکلی می‌پردازد. سوم، به منظور حل مسئله اعتبار شخص ثالث، این مقاله به توسعه مدل APAC مبتنی بر امضا گروهی پرداخته، و از فناوری بلاک‌چین  برای مدیریت ذخیره‌سازی و انتشار کلید عمومی امضا گروهی استفاده می‌کند. تحلیل امنیتی و ارزیابی عملکرد، اثبات می‌کند که پروتکل مورد نظر ما امن و کارامد است.

2- آثار مرتبط
در سال‌های اخیر، امنیت در شبکه WSN، توجه زیادی را به سمت خود جلب کرده است. فناوری کنترل دسترسی، به عنوان یک مکانیسم امنیتی مهم در شبکه‌های WSN، نیازمند توسعه است. اوریارت و همکاران [22]، به تحلیل بعضی از مدل‌های سنتی کنترل دسترسی و بعضی از مدل‌های جدید کنترل دسترسی که برای دستگاه‌هایی با منابع محدود (RCD) طراحی شده‌اند، پرداخته و دریافتند که مدل اول در تمام RCDها، اجرایی نیست و مدل دوم، تنها می‌تواند در دسته C2 دستگاه‌های با منابع محدود (RCD) قرار گیرد. سپس محقق، به معرفی کنترل دسترسی جدید تحت عنوان هیدرا می‌پردازد. این پروتکل بر مبنای پروتکل کنترل دسترسی لادون، به عنوان نسخه پیشرفته پروتکل تایید کربروس است. مقایسه بین پروتکل‌های هیدرا، لادون و کربروس در جدول 1 اورده شده است. پروتکل هیدرا و لادون از طریق ادغام مکانیسم تایید، باعث بهبود پروتکل کربروس می‌شود، و پروتکل هیدرا به پیاده‌سازی پیکره‌بندی سیاست پویا و وارسی دقیق بر مبنای پروتکل لادون می‌پردازد. محققان به ارزیابی پروتکل هیدرا با توجه به سه شاخص مصرف توان، حافظه و زمان پاسخ پرداخته، و نتایج حاصله به اثبات دسترس‌پذیری پروتکل روی دسته C0 دستگاه‌های با منابع محدود (RCD) می‌پردازد. به هر حال، پروتکل هیدرا، توجهی به امنیت حریم خصوصی کاربر ندارد.

طرح‌های [18]، [23]، به عنوان دو الگوی حفظ حریم خصوصی کنترل دسترسی هستند که به ترتیب باعث افزایش حریم خصوصی پروتکل کربروس و لادون که در بالا ذکر شده‌اند، می‌گردد. الگوی حریم خصوصی کاربری PrivaKERB [23] در ارتباط با پروتکل کربروس، باعث حفاظت حریم خصوصی کاربر از طریق ادغام پروتکل اصلی کربروس با مکانیسم اسم مستعار دینامیک و مکانیسم بازتولید اعطای مجوز (TGT) ، می‌گردد. مقاله [18]، به بروزرسانی الگوی PrivaKERB، بر مبنای پروتکل لادون می‌پردازد. به هر حال، نقطه ضعف اصلی این دو الگو، تکیه امنیت حریم خصوصی کاربر روی مرکز توزیع کلید (KDC) شخص ثالث است. مسیردهی هویت واقعی کاربر، و مجموعه نام‌های مستعار روی KDC ذخیره می‌شود، بنابراین KDC می‌تواند کاملا ردهای دسترسی کاربر را بدست اورد. زمانیکه KDC مورد حمله قرار گرفت و داده‌ها تراوش پیدا کرد، حریم خصوصی تمام کاربران در معرض خطر قرار خواهد گرفت. بعلاوه، هیچ یک از این دو الگو، مقاومت در برابر حملات مصرف منابع را، مد نظر قرار نمی دهد.

تکنیک امضا دیجیتال در رمزنگاری، به طور فزاینده‌ای در حفظ حریم خصوصی کنترل دسترسی، بکار گرفته می‌شود. پیش از این، ژانگ و همکاران [24] توجه شان را به سمت این حوزه پژوهشی جلب کرده‌اند. آن‌ها پروتکل DP2AC را معرفی نموده‌اند که از امضا کور در تولید نشانه‌ استفاده می‌کند تا اطمینان حاصل شود که نشانه‌های می‌توانند بصورت عمومی تایید شده، و با این وجود برای هویت کاربران پیوندناپذیر هستند. به هر حال، مشخص نیست که هر کاربر بی‌نام دارای برتری مشابهی برای دسترسی به گره‌ها باشد. هی و همکاران [25]، و هان و همکاران [26]، به طراحی الگوهای کنترل دسترسی بر مبنای امضا حلقه‌ای پرداختند تا حفظ حریم خصوصی حاصل گردد. در الگوی امضا حلقه‌ای، هیچ‌کسی نمی‌تواند مانع گمنامی امضا‌کننده اصلی در هر مورد شود [27]. ناتوانی در دنبال کردن کاربران متخلف، به عنوان یک نقص مهلک در این الگوهای امضا حلقه‌ای است. الگوی کنترل دسترسی بینام مبتنی بر CLSC که توسط لی و همکاران [28] مطرح شده است، هدفش حفاظت از هر شخص ثالث بجز خود کاربر و کنترل‌گر، برای شناخت هویت کاربر است. این الگو، از مکانیسم امضا مبتنی بر هویت استفاده می‌کند، که برای افشا هویت کاربر، الگوی ساده‌ای است. هی و همکاران [17]، یک امضای گروهی را بر مبنای الگوی حفظ حریم خصوصی کنترل دسترسی مطرح کردند. این الگو، هویت کاربر و کلید باز خصوصی ( که برای باز کردن امضا گروه به منظور افشای هویت امضا‌کننده مورد استفاده قرار می‌گیرد) را به دو بخش تقسیم می‌کند، که به ترتیب توسط مراجع قانونی و مالکان شبکه WSN ذخیره می‌شود. اما این الگو ممکن است باعث دو مشکل گردد: از یک طرف اگرچه مراجع قانونی نمی‌توانند هویت واقعی کاربر را در تطبیق با تاییدیه امضا‌کننده قرار دهند، این الگو نمی تواند به سادگی باعث ارتباط پیام‌های درخواستی کاربر مشابه گردد؛ از طرف دیگر، به منظور جلوگیری از نفوذ کلید، فرایند پاسخگویی نمی‌تواند فراتر از سطح مورد انتظار باشد و بدین‌ترتیب به سادگی منجر به اختلافات می‌گردد. الگوهای [17]، [24]، [25] که پیش از این ذکر شد، از محدودیت‌های جدی دچار آسیب می‌گردند که نمی‌توانند قابلیت اجرا را در دستگاه‌های محدود مد نظر قرار دهند. به عنوان نمونه، الگوهای [17]، [25]، به ذخیره‌سازی فهرست کنترل دسترسی روی گره‌های حسگر پرداخته و به انجام تایید امضا و تنفیذ به صورت محلی در گره‌های حسگر می‌پردازند، که برای دستگاه‌های C0 با محدودیت شدید منابع، این امر غیرمحتمل است.

سیستم تشخیص استرس برای کاربران شبکه های اجتماعی

Stress detection system for social media users

چکیده

1 مقدمه

2 تحقیقات مرتبط

3 موضوعات و روش ها

4 نتیجه و بحث

5 نتیجه گیری

منابع

چکیده

تشخیص استرس یک موضوع در حال رشد در زمینه پردازش زبان طبیعی است. به منظور پیش بینی سلامت ذهنی برای بهره بردن از توسعه سیستم های توصیه و ارزیابی های خودکار سلامت ذهنی در تحقیقات قبلی، مطالعه تشخیص استرس اثبات شده است. علاوه بر این، کاربرد گسترده رسانه اجتماعی بعنوان یک منبع داده احتمالی برای توسعه چنین مدل هایی بکار گرفته شده است. تحقیق ما تلاش کرده است تا تشخیص دهد که آیا کاربران رسانه های اجتماعی تحت استرس بودند یا خیر. ما از یک مجموعه داده از Dreaddit شامل پست های یک پلتفرم رسانه اجتماعی محبوب Reddit استفاده کردیم. ما یک مدل یادگیری ماشینی شامل ماشین بردار پشتیبان (SVM)، ناوی بیز، درخت تصمیم، جنگل تصادفی، Bag of Words، و فراوانی اصطلاح- فراوانی سند معکوس (TF-IDF) برای تشخیص استرس را پیشنهاد می کنیم. ارزیابی نهایی مدل امتیاز 80.00% F-1 و درستی 75.00% را نتیجه داد، و هر دو توسط SVM امتیاز داده شدند.

2 تحقیقات مرتبط
چندین تحقیق تلاش کردند تا از طریق یادگیری ماشینی و با روش های مختلف استرس را تشخیص دهند. یک تحقیق از موسسه ملی فناوری سوراتکل در هند با استفاده از مجموعه داده WESAD بین افراد دارای استرس و افراد بدون استرس براساس داده های موجود تمایز قائل می شود. نتایج این تحقیق از KNN (شبکه K-نزدیکترین)، DT (درخت تصمیم)، AB (AdaBoost)، و SVM استفاده کرد که به درستی 81.65% تا 93.20% دست یافت [8]. تحقیق دیگری که از مجموعه داده WESA استفاده می کند، از موسسه ملی فناوری در هند است که هدف آن تشخیص استرس در یک فرد است. روش های استفاده شده، KNN (شبکه K-نزدیکریتن)، LDA (تحلیل تشخیص خطی)، RF (جنگل تصادفی)، AB، و SVM هستند که به ترتیب امتیاز F1 محاسبه شده 83.34% و 65.73% را ایجاد می کنند [9].

تحقیق دیگری در موسسه فناوری اطلاعات جیپی در هند انجام شد که از یک مجموعه داده شامل 206 دانش آموز بعنوان یک نمونه آزمایشی استفاده می کند. این تحقیق با استفاده از LR (رگرسیون لجستیکی)، ناوی بیز، جنگل تصادفی، و SVM و با استفاده مشخص از روشی با نام اعتبارسنجی 10 برابری متقابل (شیوه ای که در آن روش برازش های ده برابری انجام می شود و از 90% داده های مجموعه داده بعنوان آموزش استفاده می کند) با استفاده از SVM امتیاز 85.71% را بدست آورد.

تحقیقی در دانشگاه تسینگوآ در بئیجینگ چین برای یافتن بهترین روش تشخیص استرس، ازمایش انجام شده توسط ده نفر را با استفاده از وئیبو و توییتر نشان داد. روش های استفاده شده در این تحقیق، LRC با امتیاز 83.00%، SVM با امتیاز 80.82%، RF با امتیاز 84.18%، و FGM (منیفولدهای تولید شده با فلیملت) با بیشترین رتبه 93.40% هستند. بیشترین درستی در این گزارش SVM واضح ده برابری است که منجر به درستی 85.71% می شود [10].

نقش رسانه های اجتماعی در پذیرش بانکداری تلفن همراه در میان مصرف کنندگان

Role of social media on mobile banking adoption among consumers

چکیده

1- مقدمه

2- چارچوب نظری

3- مرور ادبیات تحقیقی و فرضیه ها

4- چارچوب تحقیق

5- تحلیل داده ها و نتایج

6- بحث و گفتمان

7- نتیجه گیری

ضمیمه A: خلاصه ای از سازه های استفاده شده در متغیر مستقل.

ضمیمه B: خلاصه ای از سازه های استفاده شده برای شناسایی مرحله شناختی.

منابع

چکیده

     هدف این مقاله بررسی اثربخشی سوشیال مدیا روی مراحل مختلف مراحل شناختی از طریق مدل سلسله مراتب اثرات (HOE) برای اتخاذ همراه بانک میان مصرف کنندگان می باشد. یک رویکرد تحلیلی دو مرحله ای با تحلیل مدل سازی معادله ساختاری (SEM) و شبکه عصبی (NN) برای مشخص کردن تأثیر متمایز و تأییدی شبکه های اجتماعی روی مصرف کنندگان از همراه بانک به کار گرفته می شود. داده های بدست آمده از 482 پاسخ دهنده در گروه های سنی 18 تا 30 سال (مصرف کنندگان جوان) از کشور هند از لحاظ تأثیر شبکه های اجتماعی روی مراحل شناختی مختلف پذیرش همراه بانک تحلیل شدند. نتایج افزایش گرایش به تأثیر شبکه های اجتماعی با افزایش سطح شناخت را نشان می دهند. در میان چهار مرحله شناختی (توجه، علاقه، تمایل، و اقدام – مدل AIDA) اتخاذ همراه بانک، مراحل اقدام و علاقه جزء تأثیرگذارترین مراحل شبکه های اجتماعی هستند و به دنبال آن ها مراحل تمایل و توجه قرار دارند. این تحقیق یک رویکرد تحلیلی دو مرحله ای را با ترکیب SEM و NN به جهت ارزیابی تأثیر ادغام سازه های AIDA ارائه می کند. ما یک مدل یکپارچه ی اصلی را توسعه می دهیم که به پدیده ی انتشار اطلاعات از شبکه های اجتماعی در مراحل مختلف شناختی مصرف کنندگان جوان همراه بانک اشاره می کند.

چارچوب نظری
     همانطور که توسط سنت المو لوئیس (1898) مطرح شده، مدل آیدا (AIDA) اولین مدلی بوده است که وجود سلسله مراتب اثرات (HOE) در ارتباطات بازاریابی را پیشنهاد می کند. آیدا (AIDA) اختصار مراحل شناختی مختلف پیشرفت مصرف کنندگان است به طوریکه به سمت خرید تشویق شده و انگیزه می گیرند. این مراحل عبارتند از: توجه، علاقه، تمایل، و اقدام. مراحل شناختی اولیه اعم از آگاهی و علاقه زمانی دیده می شوند که مصرف کننده به اطلاعات کافی در مورد محصول دانسته یا ندانسته دست می یابد. سپس مصرف کننده احساس می کند که تمایل به خرید دارد. مرحله ی چهارم، مطابق با نظر لوئیس، حالت روانی و پیامد سه مرحله ی قبلی می باشد. در این مرحله، مصرف کننده تصمیم می گیرد تا خرید کند یا نه. راسیتر و همکاران (1991) از این سازه و نگرش جمع آوری اطلاعات مصرف کننده با قراردادن مشتریان به صورت مشتری با دخالت و مشارکت کم و زیاد استفاده کرد.

     تبلیغ کنندگان مدت هاست که از تکنیک های تبلیغاتی مختلف برای ایجاد انگیزه در مصرف کنندگان استفاده می کنند تا مصرف کنندگان را از این مراحل عبور داده و به سمت اقدام مناسب و مطلوب وادار کنند. یک استدلال مشابه از سوی سایر محققانی مطرح شده است که از مدل آیدا پیروی می کردند. لاویج و اشتاینر (1961) دلیل آوردند که تبلیغات یک سرمایه گذاری بلندمدت است که مشتری را از مرحله ی عدم آگاهی عبور می دهد و نهایتا به یک شیوه ی کاملا سیستماتیک خرید واقعی انجام می دهد. هر نوع رسانه جنبه های مثبت و منفی خودش را دارد، لذا آن را برای یک مرحله ی شناختی خاص در مدل های HOE مطلوب یا نامطلوب می کند (داناهار و داگر، 2013؛ فرامباخ و همکاران، 2007). بنابراین، پیگیری اطلاعاتی یک مصرف کننده در ترجیح دادن یک رسانه ی خاص یک فاکتور محسوب می شود. از آنجایی که سطح اطلاعاتی که یک رسانه ی مشخص همراه با ویژگی ها به همراه دارد، مثل اعتبار، قیمت، راحتی، و خطر فرق می کنند، انتخاب رسانه ها نیز برای مصرف کننده ها متغیر است. همچنین، مطابق با نگرش پربار بودن رسانه، که توانایی یک محیط برای انتقال اطلاعات مختلف را نشان می دهد، رسانه های پربارتر و غنی تر معناداری بیشتری را در انتخاب های مصرف کننده به جا می گذارند (تسنگ و وی، 2020؛ دافت و همکاران، 1987). این امر مصرف کننده ها را به سمت استفاده از رسانه های مختلف سوق می دهد (لین و همکاران، 2013).

     زمانی که مصرف کنندگان جوان از محتوای موجود در پلت فرم های مختلف شبکه های اجتماعی استفاده می کنند، اغلب در مراحل شناختی بدون تفاوت و بی اثر هستند. شبکه های اجتماعی مثل سایر رسانه ها باید از تأثیرات مختلف روی مراحل متفاوت مدل HOE برخوردار باشند. که به موجب آن، در این مطالعه، ما به بررسی میزان تأثیر شبکه های اجتماعی روی مراحل شناختی مختلف مصرف کنندگان همراه بانک پرداخته و یک مداخله ارتباطی بازاریابی بر محور شبکه های اجتماعی را بسط می دهیم.

کارآفرینی غیر قابل تعویض بر اساس توکن: یک چارچوب مفهومی

Non-fungible token-enabled entrepreneurship: A conceptual framework

چکیده

1 مقدمه

2 مفهوم سازی کارآفرینی مبتنی بر NFT

۳ نتیجه گیری

فهرست منابع

چکیده

     طوفان توکن های تعویض ناپذیر (NFT) جهان را در نوردیده است. در ابتدا NFT به عنوان یک تجربه هنری / بازی آغاز شد و در ادامه به شکل جدیدی از کارآفرینی در دنیای مجازی با فرصت ها و توانمندی های عظیم درآمد. با این حال، تحقیقات درباره جنبه کارآفرینی NFT و نقش عاملیت آن در این فرآیند محدود می باشد. من مقاله حاضر به بررسی مفهوم کارآفرینی مبتنی بر NFT (یا NFTE) می پردازد. در مقاله جاضر، ابتدا ویژگی های اصلی NFT مشخص شده و سپس NFTE تعریف گشته و درباره فرضیات مربوطه بحث شده و در نهایت چارچوب مفهومی NFTE ارائه گشته و توانمندسازهای آن بررسی می گردند. مقاله حاضر با معرفی NFTE به عنوان حوزه جدید نظری و کاربردی کارآفرینی همراه با فرصت های تحقیقاتی گسترده جدید و امکان استفاده از NFT به عنوان شیوه جایگزین تولید دانش که محققان به پدیدآورندگان NFT تبدیل می شوند، پایان می یابد.

مفهوم سازی کارآفرینی مبتنی بر NFT
     در تعریف رسمی تر کارآفرینی مبتنی بر NFT (یا NFTE) به فعالیت های کارآفرینانه ای اطلاق می گردد که از فناوری های توکن تعویض ناپذیر به عنوان توانمندساز کلیدی بهره برداری می نماید. این مفهوم سازی نشان می دهد که چگونه NFT و به صورت گسترده تر وب 3.0، فناوری های تحول آفرین و توانمندسازهای بیرونی هستند. من بر روش این شکل از توانمندسازی (دیویدسون و همکاران، 2020؛ دیویدسون، 2015) و مکانیزم ها و نقش های آن تمرکز نموده و از نظریه ساخت اجتماعی (آلوارز و بارنی، 2007) برای ارائه چارچوبی برای مفهوم سازی NFTE استفاده می نمایم (شکل ۲ را ملاحظه نمایید). در این چارچوب، توانمندسازهای بیرونی (یعنی فناوری ها و جوامع) و نمایندگی کارآفرینی با هم ترکیب شده و نتیجه کار ایده کارآفرینانه مبتنی بر NFT است که به فعالیت منجر می شود. این امر مکانیزم های متعددی (مانند تولید، فشرده سازی و حذف) را تقویت می نماید که محصولات، تشکیلات اقتصادی و نهادها را شکل می دهد که به نوبه خود به آگاهی بخشی فناوری ها، جوامع و نمایندگی می پردازد. این چارچوب دیدگاهی را ارائه می نماید که تحقیقات تجربی آتی می توانند از آن پیروی کنند.

     این چارچوب بر سه فرضیه استوار است. نخست آنکه، فناوری های NFT و NFTE نفوذپذیر (نامبیسان و همکاران، 2019) و ناقص هستند (گارود و همکاران، 2008) یعنی سیال بوده و پیوسته از نظر حوزه (یعنی بخشی، جغرافیایی و زمانی)، کارکرد، فرآیند، نتیجه، و ارزش تغییر نموده و لذا منجر به غیرقابل پیش بینی بودن و ایجاد فرصت می شوند. در ثانی، فناوری های وب 3.0 که از NFTE پشتیبانی می کنند همپوشان هستند (لئوناردی، 2011) زیرا وظایف آن ها درهم تنیده، مکمل و گهگاه رقیب است. در نهایت، مفهوم نمایندگی در NFTE توزیع شده و سیال است (ون هافتن – شیک و ویتاکر، 2022) چرا که کارآفرینان NFT باید برای بقاء و رشد به صورت پویا در جوامع از طریق معماری مشارکت با هم ایجاد شوند (ماچرزاک و مارکوس، 2013).

توانمندسازهای فناورانه NFTE: استانداردهای توکن و زیرساخت های وب 3.0
     محور ظهور NFTE، توسعه سریع بلاکچین، رمزارزها و فناوری های دیگری است که زیرساخت های وب 3.0 را تشکیل می دهند. استاندارد توکن تعویض ناپذیر 721-ERC بلاکچین اتریوم دستاوردی است که NFT را محتمل ساخته است (باماکان و همکاران، 2022). با این حال، استانداردهای توکن ناقص بوده و پیوسته در حال تکامل هستند. برای مثال، 1155-ERC در حال حاضر پدیدآورندگان را قادر می سازد تا تعداد نامحدودی از توکن های تعویض ناپذیر و تعویض پذیر (20-ERC) را در یک قرارداد هوشمند واحد دسته بندی نموده که سرعت تراکنش را افزایش داده و به فضای ذخیره سازی کمتری نیاز دارد.

ارتباط بین استفاده از رسانه های اجتماعی، ساختار شخصیت و بروز افسردگی

Associations between social media use, personality structure, and development of depression

چکیده

1 روش

2 نتایج

3 بحث

4 محدودیتها

5 نتیجه گیری

منابع

چکیده

     پیش زمینه: در حالیکه مطالعات طولی تداعی بین توسعه افسردگی و استفاده از رسانه های اجتماعی را نشان داده اند، اما معلوم نیست که آیا این تداعی ها در بین افرادی با ویژگیهای شخصیتی مختلف متفاوتند یا خیر.
روشها: داده ها از یک نمونه ملی شامل 978 نفر در رده سنی 18 تا 30 سال به دست آمدند. معیارهای مورد استفاده در آن عبارتند از مقیاس 10 گویه ای پنج عامل بزرگ برای ارزیابی شخصیت، پرسشنامه سلامت بیمار برای ارزیابی افسردگی، و استفاده خود گزارش شده از 10 پلتفرم برتر رسانه های اجتماعی. رگرسیون لجستیک، تداعی های بین هر یک از ویژگیهای شخصیتی ( با وجدانی، گشودگی به تجربه، توافق پذیری، برون‌گرایی، و روان رنجوری)، استفاده از رسانه‌های اجتماعی و توسعه افسردگی را طی 6 ماه مشخص کرد.
یافته ها: در تحلیلهای چند متغیره که با توجه به همه متغیرهای کمکی تعدیل شده بود، احتمال بروز افسردگی در افراد دارای توافق پذیری بالا در مقایسه با افرادی با توافق پذیری پایین، 49% کمتر بود (OR=0.51, 95% CI=0.33, 0.80). افرادی که سطح روان رنجوری بالایی داشتند در مقایسه با آنهایی که روان رنجوری پایینی داشتند دو برابر بیشتر احتمال ابتلا به افسردگی را نشان دادند (OR=2.46, 95% CI=1.57, 3.87).. در مورد هر ویژگی شخصیتی، افزایش استفاده از رسانه های اجتماعی ارتباط معنی داری با بروز افسردگی داشت. عبارات تعاملی نشان دادتد که تداعی های بین استفاده از رسانه های اجتماعی و توسعه افسردگی هیچ تفاوتی را با توجه به هر یک از ویژگیهای شخصیتی، نشان ندادند.
محدودیتها: از آنجاییکه ما افرادی در رده سنی 18 تا 30 سال را ارزیابی کرده ایم، نمی توانیم نتایج آن را به سایر گروه های سنی تعمیم دهیم.
نتیجه گیری: این حقیقت که روان رنجوری و توافق پذیری، خطرات مختلفی را در رابطه با بروز افسردگی به همراه دارد، شاید بتواند در هدف قرار دادن جمعیتهای پرمخاطره به پزشکان کمک کند. از آنجاییکه استفاده از رسانه های اجتماعی در مورد همه ویژگیهای شخصیتی بشدت با توسعه افسردگی مرتبط بود، شاید مفید باشد که مداخلات بطور کلی کاهش استفاده از رسانه های اجتماعی را صرف نظر از نوع شخصیت هدف قرار دهند.

روش
طرح پژوهشی، روشها و شرکت کنندگان
     جذب و پذیرش شرکت کنندگان با استفاده از سرویس نمونه گیری کوالتریکس از مارس تا سپتامبر سال 2018 انجام شد. این شرکت کنندگان دو بار مورد بررسی و ارزیابی قرار گرفتند، یک بار در ابتدای مطالعه و بار دیگر حدود 6 ماه بعد. تحقیقات پیشین انجام شده در رابطه با افسردگی، و همچنین سایر وضعیتهای مرتبط با سلامت روان، عموما از بازه های زمانی مشابهی استفاده کرده اند (به عنوان مثال، Angstman و همکاران، 2012؛ Blomdahl و همکاران، 2021؛ Craske و همکاران، 2019). بررسی افسردگی پس از 6 ماه به لحاظ بالینی مورد تایید قرار گرفت. برای مثال، CMS (مراکز خدمات بیمه پزشکی سالمندان و بهداشت مستمندان) در سیستم پرداخت تشویقی مبتنی بر شایستگی (MIPS) خود مشخص کرد که لازم است عواقب افسردگی در 6 ماه بعد مورد بررسی قرار گیرد (مراکز خدمات بیمه پزشکی سالمندان و بهداشت مستمندان 2019). میانگین دقیق و انحراف معیار آنها به ترتیب 170 روز (5.7 ماه) و 51 روز (1.7 ماه) بود. کوالتریکس با ارائه دهندگان پنل وب بنیاد شریک است و تخصص لازم برای جمع آوری داده های نظرسنجی از بین گروه های مختلف پاسخ دهندگان را دارد (Ibarra و همکاران، 2018). از روش نمونه گیری “شروع متعادل” برای جذب شرکت کنندگانی که از نظر سن، جنسیت، نژاد، ناحیه جغرافیایی، تحصیلات و درآمد خانواده نشاندهنده جمعیت ایالات متحده بودند استفاده شد. لازم بود که شرکت کنندگان 18 تا 30سال داشته باشند، دارای توانایی خواندن انگلیسی باشند و بتوانند پاسخ خود را با استفاده از یک رابط آنلاین ضبط کنند. امضای فرم رضایت آگاهانه لازم بود، و تحقیق توسط هیئت بررسی نهادی دانشگاه پیتزبورگ مورد تایید قرار گرفت. به شرکت کنندگان بابت وقتی که در این مطالعه گذاشته بودند، مشوقهای نقد شدنی مانند کارتهای هدیه داده شد.

معیارها
افسردگی
     افسردگی در بررسی اولیه و مطالعه پیگیری با استفاده از پرسشنامه 9 گویه ای سلامت بیمار (PHQ-9) مورد ارزیابی قرار گرفت. این پرسشنامه شامل سوالاتی در مورد احساسات و/ یا تجربیات افسردگی در 2 هفته گذشته بود، مثلا “فکر می کردید که بهتر است بمیرید یا به خود صدمه بزنید.” برای همه گویه ها، گزینه های پاسخ از “هیچ” (0) تا “همیشه” (3) بود که دو گزینه دیگر نیز در وسط اینها وجود داشت. پس از آن هر 9 پاسخ برای ایجاد مقیاسی که از 0 تا 27 متغیر بود با هم جمع بندی شدند. افسردگی با استفاده از نقطه برش 10 که قبلا تایید شده بود به دو صورت بله یا خیر (10 و بالاتر در گروه افسرده، 0-9 در گروه غیر افسرده) طبقه بندی شد (انجمن روانپزشکی آمریکا، 2013).