. 58

4-2- الگوریتم پیشنهادی.. 59

4-3- پیش پردازش داده ها 60

4-3-1- ساخت ماتریس داده 60

4-3-1-1-روش ماه های متوالی… 67

4-3-1-2-روش ماه های یکسان… 44

4-3-1-3-روش فصول متولی… 69

4-4- الگوریتمهای Prediction. 63

4-4-1- روش NN. 64

4-4–2-روش SVR. 64

4-4-3– روش LSSVR. 67

4-4-4- AdaBoost.R. 69

4-5- مجموعه داده 70

4-5-1- پاکسازی داده 72

4-6- معیارهای ارزیابی.. 72

4-7- جمع بندی.. 74

فصل 5- بحث و نتیجه‌گیری… 76

5-1- مقایسه روش های مورد بررسی.. 76

5-1-1- ارزیابی الگوریتم با روش ماه های متوالی.. 77

5-1-2- ارزیابی الگوریتم با روش ماه های یکسان.. 83

5-2- جمع بندی.. 93

فصل 6- پیشنهادهاو فرصت‌های پژوهشی آینده. 95

 

 

فهرست جداول

 

 

جدول 2- 1تکنیک های مهم داده کاوی در بخش دارویی[21] 21

جدول 4- 1 ماتریس داده بصورت ماه های متوالی60

جدول 4- 2 ماتریس داده  بصورت ماه های یکسان61

جدول 4- 3  ماتریس داده بصورت فصول متوالی2

جدول 5- 1 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 77

جدول 5- 2 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin81

جدول 5- 3 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol82

جدول 5- 4 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 82

جدول 5- 5 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin 85

جدول 5- 6 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol86

جدول 5-  7نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 91

جدول 5 – 8 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol 93

 

 

 

فهرست شکل ها و نمودارها

 

شکل 2- 1 مدل پیش بینی با شبکه عصبی[4]12

شکل 2- 2  شبکه عصبی [14] BP 12

شکل 2- 3 مدل بهینه سازی خرید دارو[15]14

شکل 2- 4 مدل استخراج دانش [26] 16

شکل 2- 5 جریان عملیات در داروخانه[17]  17

شکل 2- 6  دسته بندی اهدا بکارگیری داده کاوی[15]19

شکل 2- 7 روند بکارگیری داده کاوی در پزشکی[20]20

شکل3- 1   مراحل داده کاوی[40]32

شکل3- 2 ساختار شبکه عصبی[47]43

شکل3- 3  مثالی از درخت تصمیم[41]55

شکل 3- 4 واسط کاربری سیستم اطلاعات بیمارستان55

شکل 4- 1 دیاگرام چاچوب تحقیق58

شکل4- 2 پارامترهای مورد استفاده در SVM64

شکل4- 3  گزارش تهیه شده با کریستال ریپورت70

شکل4- 4 خروجی گزارش تهیه شده با کریستال ریپورت71

شکل5- 1 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R78

شکل5- 2 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR78

شکل5- 3 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE79

شکل5- 4 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR80

شکل5- 5 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR80

شکل5- 6 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE83

شکل5- 7 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR83

شکل5- 8 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR84

شکل 5- 9 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R84

شکل5- 10 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR85

شکل 5- 11 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R86

شکل5- 12 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR87

شکل5- 13 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR87

شکل5- 14 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR88

شکل5- 15 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R89

شکل5- 16 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم NN90

شکل5- 17 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR90

شکل5- 18 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR92

شکل5- 19 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE93

شکل5- 20 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR94

شکل5- 21 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE94

 

1-1- فناوری اطلاعات در بهداشت و درمان

در سال­های اخیر مراکز بهداشتی ودرمانی کشورمان به ویژه بیمارستانها درصدد مکانیزه کردن سیستم­های اطلاعاتی خود برآمده­اند. در ابتدا مقصود از چنین فعالیت­هایی کاهش هزینه­ های ناشی ازکاغذ بازی­ موجود در سیستم­های دستی و اداری بوده است، اما اکنون به مرحله ای رسیده­ایم که بهبود کیفیت ارائه خدمات درمانی اهمیتی روزافزون می­یابد و در این راستا بکار­گیری سیستم های اطلاعات بیمارستان­ها بسیار مرسوم شده است.

بکارگیری سیستم اطلاعات بیمارستان علاوه بر مزایای فراوان از جمله کاهش زمان پذیرش، زمان ترخیص، زمان اخذ جواب­ها، زمان مراجعه به اطلاعات قبلی پرونده، بالا بردن میزان دقت در درج اطلاعات و درخواست­ها كه در حالت دستی می تواند ناخوانا باشد، همچنین می تواند موجب تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه و زمانی گردد. در نهایت بکارگیری سیستم های اطلاعات بیمارستان، حجم زیادی از داده های مرتبط با درمان را در دسترس قرار می دهد [1]. با بهره گرفتن از تکنیک های داده کاوی می توان از داده ­های موجود در این سیستم­ها در جهت پشتیبانی از تصمیم و مدیریت  و در نهایت پیشبرد اهداف اقتصادی و درمانی سود جست  .[2] داده‌کاوی یکی از ده دانش در حال توسعه است و در سال‌های اخیر در دنیا گسترش فوق‌العاده سریعی داشته است. داده‌کاوی فرایند کشف الگوها و روابط موجود بین داده ها در پایگاه داده های بزرگ است که با برخورداری از دامنه وسیع زیر زمینه‌های تخصصی با توصیف، تشریح، پیش‌بینی و کنترل پدیده‌های گوناگون پیرامون، امروزه کاربرد بسیار وسیع در حوزه‌های مختلفی ازجمله پزشکی و تجارت دارد [3].

1-2- داروخانه های بیمارستانی

افزایش هزینه‌های بیمارستانی در سال‌های اخیر و نیز اجرای طرح خودگردانی و اداره‌ی بیمارستان‌ها به وسیله‌ی درآمد اختصاصی آنها، بیمارستان‌ها را با مشکلات مالی جدی رو به رو ساخته است. داروخانه یکی از بخش­های مهم و درآمدزا در بیمارستان ها می باشد که می توان با بهبود خرید دارو و افزایش  بهره وری آن، بنحوی به وضعیت اقتصادی بیمارستان ها کمک کرد. این حقیقت که مصرف دارو بر اساس شیوع بیمارها در فصول مختلف تغییر می کند و نیز در نظر گرفتن این نکته که برخی داروها برای درمان یک بیماری مکمل یکدیگرند، از جمله فاکتورهایی هستند که باید در خرید دارو درنظر گرفته شوند [4]. به عبارتی با توجه به بیماری­های بسیار متنوع، و تجویز داروهای مختلف برای آنها، میتوان بر اساس سابقه مصرف دارو، نیاز های دارویی در آینده را پیش بینی کرد در نتیجه، در صورت بکارگیری تکنیک­های داده کاوی بر روی اطلاعات موجود در سیستم اطلاعات بیماستان می توان خرید دارو را بر اساس پیش بینی صورت گرفته توسط داده کاوی بهینه کرد.

لذا بر آن شدیم تا با انجام این مطالعه به پیش بینی مصرف دارو، با بهره گرفتن از تکنیکهای داده کاوی، در داروخانه یک بیمارستان بزرگ به منظور افزایش بهره وری مالی آن بپردازیم.

1-3- داده کاوی

1-3-1- داده کاوی چیست؟

داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود.[5] کشف دانش و داده کاوی امروزه یک حوزه جدید میان رشته ای و در حال رشد است که حوزه های مختلفی همچون پایگاه داده، آمار، یادگیری ماشین و سایر زمینه های مرتبط را با هم تلفیق کرده تا اطلاعات و دانش ارزشمند نهفته در حجم بزرگی از داده ها را استخراج نماید و استفاده از آن در دو دهه اخیر تقریبا در جهان در همه سازمانها که با حجم عظیمی از داده در پایگاه داده خود مواجه هستند، رواج یافته است [6]. شناسایی مشکالت کاوش و یا برآورد وابستگی­ها از داده ها یا کلاً کاوش داده های جدید تنها قسمتی ازشیوه ­های تجربی مورد استفاده دانشمندان، مهندسین و دیگر کسانی است که روش­های استانداردی را برای کسب نتایج داده ها به کار می برند. درتطبیق روش­های تجربی معمول با مسائل داده کاوی می­توان به مراحل بیان مسأله و فرموله کردن فرضیه، جمع آوری داده ­ها، پیش پردازش داده ­ها شامل آشکارسازی و حذف داده ­های غیر عادی و مقیاس بندی،رمزگذاری و انتخاب، برآورد و ارزیابی مدل و در نهایت تفسیر مدل ورسیدن به نتایج اشاره نمود [7].

1-3-2- تكنیک های مختلف داده كاوی

تكنیك­های مختلف داده كاوی را می­توان بر اساس نوع عملیاتی كه انجام می­ دهند به دو دسته « پیش بینی كننده » و « تشریح كننده » تقسیم كرد. تكنیك­های پیش بینی كننده با ساخت مدلی برای پایگاه داده، وظیفه پیش بینی موارد ناشناخته را بر عهده دارند. در حالی كه تكنیك­های تشریح كننده ، الگوهایی قابل فهم از داده ها را برای انسان كشف می كنند [8].در بین این الگوریتم­ها و مدل­ها، بهترین وجود ندارد و با توجه به داده ­ها و کارایی مورد نظر باید مدل انتخاب گردد.

 

1-3-2-1-انواع تکنیک داده کاوی [9]

قواعد انجمنی [1]: قوانین انجمنی در دسته تکنیک های تشریح کننده قرار می گیرد و به پیدا كردن وابستگی­ها و همبستگی­های موجود در بین داده ها، یافتن الگوهایی كه غالبا در بین داده ­ها وجود دارند و همچنین پیدا كردن یک سری ساختار سببی در بین آیتم­ها و اشیای موجود در پایگاه داده ­های تعاملی و رابطه­ای اشاره كرد.

 

پیش بینی :^[2] دراین روش هدف، پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی. اینجا ﻣﻘـﺎﺩﻳﺮ ﻣﻤﻜـﻦ ﺑـﺮﺍﻱ ﻣﺘﻐﻴﺮﻫﺎﻱ ﻧﺎﻣﻌﻠﻮﻡ ﭘﻴﺶ ﺑﻴﻨﻲ ﻣﻲ ﺷﻮﻧﺪ. ﺩﺭ پیش­ بینی ﺍﺑﺘﺪﺍ ﺩﺍﺩﻩ ﻫﺎﻳﻲ ﻛﻪ ﺑﻪ ﻣﺘﻐﻴﺮ ﻧـﺎﻣﻌﻠﻮﻡ ﻣﺮﺑـﻮﻁ ﻫﺴﺘﻨﺪ ﺑﻮﺳﻴﻠﻪ ﻱ ﺑﺮﺧﻲ ﺗﺤﻠﻴﻞ ﻫﺎﻱ ﺁﻣﺎﺭﻱ ﭘﻴﺪﺍ ﻣﻲ ﺷﻮﻧﺪ. ﺳـﭙﺲ ﺍﺯ ﺑﺮﺧـﻲ ﺭﻭﺵ ﻫـﺎﻱ ﻫﻮﺷـﻤﻨﺪ ﻣﺎﻧﻨﺪ ﺷﺒﻜﻪ ﻫﺎﻱ ﻋﺼﺒﻲ ﻭ ﺍﻟﮕﻮﺭﻳﺘﻢ ﮊﻧﺘﻴﻚ ﺑﺮﺍﻱ ﺍﻧﺠﺎﻡ ﭘﻴش بینی ﺍﺳﺘﻔﺎﺩﻩ ﻣﻲ ﺷﻮﺩ.

 

رده بندی یا طبقه بندی[3] : فرایندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می باشد، استفاده نمود. در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر

خرید اینترنتی فایل متن کامل :

 

 

 گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند. و در دسته تکنیک های پیش بینی کننده قرار می گیرند.

 

خوشه بندی[4]  : گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر  و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.

در این پایان نامه جهت پیش بینی مصرف دارو از تکنیک های  پیش بینی استفاده می شود و با بررسی الگوریتم­های مختلف این تکنیک تلاش می شود مدلی مناسب جهت پیش بینی مصرف  دارو در داروخانه­های بیمارستان­های ایران معرفی گردد. همچنین از داده‌های واقعی بیمارستان پاستور شهر تاریخی بم که در پایگاه داده SQL SERVER سیستم اطلاعات بیمارستان با حجمی در حدود GB220  و در مدت 5 سال ذخیره شده ­اند جهت استفاده در مدل‌ها و تکینیک های داده‌کاوی استفاده خواهد شد.

1-4- بیان مسئله

در حال حاضر بیمارستان های دولتی کشور ما از کمبود منابع مالی ونقدینگی بشدت رنج می برند. یکی از بخش های تاثیر گذار بر وضعیت مالی بیمارستان ها داروخانه  می باشد که در صورت افزایش سود­آوری این بخش می توان به نحوی به وضعیت مالی بیمارستان ها کمک کرد

 

در ادامه به اختصار به گزیده هایی از اعتراف برخی از روسای بیمارستا­ن­های بزرگ کشور توجه کنیم:

• بیمارستان‌های دولتی در صورت عدم رسیدگی تعطیل خواهند شد .[10]
• در بیمارستان‌های دولتی معضل اصلی این است که هزینه و درآمد با هم انطباق ندارد[11].
• مشکلات بیمارستان به قدری زیاد است که معمولا پولی برای دارو باقی نمی ماند.[12]

 

مشکلات خرید و ویژگی­های دارو که با توجه به بررسی های انجام شده در داروخانه بیمارستان­ها می­توان به آنها شاره کرد.

• خرید و نگهداری دارو حساسیتی بالایی دارد.
• جهت خرید دارو از اطلاعات مصرف قبلی برای پیش بینی مصرف استفاده نمی شود و این باعث می شود در انتها فصل با اضافه موجودی مواجه شوند و مقداری از دارو ها به دلیل اتمام تاریخ مصرف غیر قابل استفاده شوند. و همچنین با توجه به عدم پیش بینی مناسب در بعضی از موارد با کمبود دارو مواجه شوند.که با توجه به وابستگی دارو ها در صورت نداشتن برخی از داروها، مراجعه کنندگان برای دریافت کل دارو ها بصورت کامل به داروخانه­های خارج از بیمارستان مراجعه می­ کنند.
• فروش دارو در داروخانه­ها بر خلاف سایر فروشگاه­ها بر اساس سلیقه مشتری نمی باشد و در نظر گرفتن اینکه نسخه پزشکان از اصول درمانی پیروی می­ کند.
• بر طبق قانون جدید بیمارستان ها موظف اند تمام داروها و لوازم مصرفی که در بیمارستان استفاده می شود را موجود داشته باشند و بیماران نباید برای تهیه دارو و لوازم مصرفی به داروخانه های خارج از بیمارستان مراجعه کنند.

با توجه به ویژگی­ها و مشکلاتی که در بالا به آنها اشاره شد در صورت پیش بینی مصرف دارو می توان خرید را بهبود بخشید همچنین پیش بینی باعث می­ شود تا بیشترین پاسخگویی در برابر نیاز های درمانی بیماران را ارائه کرد.

راه اندازی سیستم های اطلاعات بیمارستان^[5] در بیمارستان های کشور،علاوه بر مزایای فراوان حجم زیادی از اطلاعات مربوط به بیمارستان­ها از جمله مصرف دارو را نگهداری می کنند[13 ] با بکارگیری داده کاوی بر روی داده های ذخیره شده در این سیستم­ها می توان مصرف دارو را پیش بینی کرد و با لحاظ کردن این پیش بینی در خرید دارو نهایتا خرید دارو را بهینه کرد.

 

 

1-5- اهداف تحقیق

با توجه به مشکلات مالی که گریبان گیر بیمارستان های کشور است. همچنین اهمیت و نقشی که داروخانه­ها درگردش مالی و درآمد بیمارستان­های کشور دارند. بر آن شدیم تا با انجام این مطالعه به پیش بینی مصرف دارو با بهره گرفتن از تکنیک­های داده کاوی، در داروخانه یک بیمارستان بزرگ به منظور افزایش بهره وری مالی آن بپردازیم. هدف از انجام این رساله این است که با بهره گرفتن از داده‌های تاریخی و تکنیک‌های داده‌کاوی بتوان مدلی برای پیش‌بینی مصرف دارو ارائه داد. در واقع ارائه یک مدل مبتنی بر تکنیک‌های داده‌کاوی که تا کنون ارائه شده و می‌توان از آنها برای پیش بینی مصرف دارو استفاده کرد.  به همین دلیل باید روش­های مختلف  پیش بینی را اعمال کرد تا بتوان مقایسه ای بین روش­ها و انتخاب بهترین روش داشته باشیم.

از دیگر اهداف تحقیق بکارگیری مدل ارائه شده بر روی داده های یک بیمارستان و ارزیابی نتایج حاصل از آن می باشد. مدل ارائه شده در این پایان نامه می تواند در سایر بیمارستان های کشور نیز مورد استفاده قرار بگیرد. ایده این تحقیق از پیشینه تحقیق و مطالعات انجام شده در این زمینه گرفته شده است. از جمله تحقیقی که توسط [14] Qinjkui انجام شد و در آن مدلی برای پیش بینی تقاضا برای استفاده از خدمات و تجهیزات در یک بیمارستان ارائه شد همچنین تحقیقی که توسط[19] Asadi  بر روی سیستم اطلاعات داروخانه بیمارستان­های آموزشی و درمانی تابعه دانشگاه علوم پزشکی تهران انجام شد و نشان می دهد که اطلاعات موجود در این سیستم ها مورد تجزیه و تحلیل  قرار نمی گیرند.

هدفی که این پژوهش را متمایز می کند این است که به پیش بینی مصرف دارو در بیمارستان های ایران می پردازد و مدلی برای پیش بینی مصرف ارائه می هد. همچنین یک جنبه  جدید از مزایای سیستم اطلاعات بیمارستان ها را مشخص می کند.

در همین راستا، دسته­ای از مطالعات بهینه­سازی به طراحی و بهبود شبكه­­های حمل­ونقل شهری می ­پردازد. شبكه ­های حمل­ونقل شهری شامل زیرمجموعه­هایی چون شبكه معابر شهری و شبكه ­های حمل­ونقل عمومی هستند كه تصمیمات طراحی در آنها را می­توان در قالب سلسله مراتبی از تصمیم­های بلندمدت، میان­مدت و كوتاه­مدت تقسیم ­بندی کرد. تصمیمات بلندمدت بیشتر به توسعه زیرساخت­ها و توپولوژی شبكه ­ها اختصاص دارند. ساخت معابر جدید، توسعه ظرفیت معابر موجود، طراحی مسیرهای عبور و مرور شبكه حمل­ونقل عمومی مثال­هایی از این تصمیمات هستند. تصمیمات میان­مدت به نحوه بهره­ گیری از منابع فعلی می ­پردازد، مانند جهت­دهی به معابر و تخصیص خطها در دو جهت معابر دوطرفه. نهایتاً تصمیمات كوتاه­مدتی چون تنظیم چراغ­های راهنمایی، تنظیم عملیات روزمره را شامل می­شوند.مسایل طراحی شبكه حمل­ونقل شهری، با رویكرد نظریه بازی­ها مدلسازی می­شوند. به جهت نوع مساله، دو گروه بازیگر وجود دارند. گروه اول مسئولان دولتی و تصمیم­ گیران هستند كه نقش رهبر را ایفا می­كنند و گروه دوم كاربران شبكه هستند كه به تناسب تصمیمات اخذ شده برای شبكه توسط مسئولان، به انتخاب مسیر در شبكه می­پردازند كه نتیجه آن تغییر در الگوهای جریان­های ترافیكی در سطح معابر شهر است. این رویكرد مدل سازی منجر به توسعه مدل­های ریاضی دوسطحی برای این مسایل می­ شود كه نا محدب هستند و حل آنها به طور ذاتی NP-سخت است.

جهت­دهی به معابر یا تصمیم ­گیری برای یک طرفه یا دوطرفه کردن آنها، از جمله تصمیماتی است كه می­توان ادعا کرد که به جهت نوع اثرات آن در شبكه حمل­ونقل شهری، باید با دقت و حساسیت بیشتری مورد توجه قرار گیرد. چنانچه در مطالعات اشاره شد، یک طرفه کردن معابر در عین حال كه منجر به افزایش ظرفیت 10 تا 20 درصدی ظرفیت جریان ترافیكی در آنها شود، می ­تواند موجب افزایش مسافت­های طی شده توسط بخشی از كاربران، افزایش ازدحام در بخش دیگری از شبكه و مواردی از این قبیل شود. با عنایت به توضیحات بالا، اهمیت استفاده از مدل­های تصمیم ­گیری كه تاثیرات تغییر جهات در معابر را بر روی الگوهای جریان ترافیكی و در نتیجه عملكرد شبكه در سطح كلان در نظر بگیرند، آشكار می­ شود.

تصمیم یک طرفه کردن معابر می ­تواند به طور همزمان با سایر تصمیمات طراحی شبكه معابر شهری همچون افزایش ظرفیت معابر موجود، ساخت معابر جدید ، تخصیص نامتقارن خط­ها در چگونگی جهت معابر دوطرفه و تنظیم چراغ راهنما در تقاطع­ها منظور شود. در این صورت، علاوه بر ایجاد هم­افزایی در بهبودهای ایجاد شده در ظرفیت ترافیكی شبكه، این احتمال وجود دارد كه هزینه­ های مورد نیاز برای سرمایه­گذری را، نسبت به وضعیتی كه هر یک از تصمیمات جداگانه مطرح شود، كاهش دهد.

تقاطع­های کنترلی(دارای چراغ راهنما) یکی از اجزای اصلی شبکه­ های حمل ونقل جاده­ای هستند که جریان وسایل نقلیه در سطح شهر را تنظیم و تعدیل می کنند. جریان­های ترافیکی در تقاطع­های کنترلی باعث ایجاد تاخیر در وسایل نقلیه می شوند. اگرچه چراغ راهنما از حرکت دایمی وسایل نقلیه در تقاطع­ها جلوگیری میکند، ولی به طور کلی در صورت محاسبه صحیح زمان بندی آن متوسط تاخیر وسایل نقلیه از زمانی که تقاطع بدون چراغ راهنماست، کمتر است. افزایش تاخیر در تقاطع­ها باعث افزایش زمان سفر کاربران، افزایش آلودگی­های محیطی وصوتی و کاهش قابلیت اطمینان شبکه می شود. بنابراین، باید به تقاطع­ها و بهینه­سازی آنها از در مسایل توجه داشت.

در همین راستا، مساله مطرح شده در این پایان نامه موضوع كلی مورد بحث در سطوح بالا را در بر می­گیرند. مساله مورد بررسی، اختصاص به تركیب تصمیم جهت­دهی

خرید اینترنتی فایل متن کامل :

 

 

 معابر با سایر تصمیمات مربوط به شبكه معابر شهری دارد كه شرح آن در سطور بالا آمد. با توجه به ویژگی­های NP-سخت بودن و نامحدب بودن مدل­های دوسطحی، برای حل مسایل در این پایان نامه از روش­های بالا ابتكاری استفاده می شود.

 

با توجه با توضیحات بالا، در فصل اول به تعارف اولیه و تعیین محدوده مساله مورد بررسی می­پردازیم. فصل دوم شامل مروری بر ادبیات و پیشینه تحقیق است. در فصل سوم با تعریف متغیرها، پارامترها و مفروضات مساله، مدل ریاضی برای مساله و روش حل مدل ارائه می شوند. دسته­ای مسایل نمونه برگرفته از مقالات مرتبط با اندازه­ های مختلف با روش حل پیشنهادی حل می شوند و نتایج محاسباتی در فصل چهارم ارائه می شوند. در نهایت، به جمع­بندی مطالب و ارائه پیشنهادها برای تحقیقات آتی در فصل  پنجم می پردازیم.

 

1-2- سیستم حمل ونقل

 

1-1- تقسیم بندی سیستم های حمل ونقل

طبق آنچه در ادبیات برنامه­ ریزی حمل­ونقل مطرح می­ شود، سیستم­های حمل­ونقل را می­توان از جهات گوناگون طبقه ­بندی کرد. تقسیم ­بندی سیستم­های حمل­و­نقل از نظر روش حمل مورد استفاده، یكی از مهمترین تقسیم ­بندی­های موجود در ادبیات است. محدوده مورد بررسی در این پایان نامه، روش “حمل جاده­ای” (منظور جاده­ها، بزرگراه ­ها و خیابان­ها) است. نوع دیگر تقسیم ­بندی را می­توان بر اساس محدوده جغرافیایی وقوع فعالیت­های حمل­و­نقل انجام داد. سیستم­های حمل­و­نقل مورد بررسی در این پایان نامه “محدوده درون شهری” را در برمی­گیرند. بخش اعظم حمل­و­نقل شهری^[1] به جابه جایی مسافر اختصاص دارد و مهمترین روش حمل مورد استفاده در شهرها، حمل­و­نقل زمینی است. حمل­و­نقل زمینی در شهرها در قالب حمل­و­نقل شخصی (خودروها و موتورسیكلت­های شخصی و پیاده­روی) و خدمات حمل­ونقل عمومی از طریق اتوبوس­های شهری در بزرگراه ­ها و مترو و سایر انواع قطارها در راه­آهن درون شهری انجام می­ شود.

شبكه­ های حمل­ ونقل شهری در واقع متشكل از شبكه معابر شهری و شبكه حمل­ونقل عمومی هستند كه مانند شبكه اتوبوس و تراموا در شبكه معابر و مانند شبكه مترو یا مجزای از معابر تعریف می­شوند.

 

فصل پنجم: نتیجه ­گیری و پیشنهادات آتی……………………………………………………………….. 56

• نتیجه ­گیری……………………………………………………………………………….. 57
• پیشنهادات آتی………………………………………………………………………….. 58

منابع………………………………………………………………………………………………………………. 59

منابع فارسی………………………………………………………………………………………………… 59

منابع لاتین………………………………………………………………………………………………….. 59

 

    

 

فهرست جداول

فصل چهارم

جدول (4-1) کمان های بهینه مثال عددی شبکه حمل و نقل…………………………………………… 53

 

جدول(4-2) مؤلفه های ماتریس تقاضای سفر اولیه………………………………………………………. 54

جدول (4-3) مؤلفه­ های ماتریس تقاضای سفر تخمینی………………………………………………….. 54

 

فهرست شکل ها

فصل اول

شکل(1-1)شبکه کوچک برای اثبات وجود ماتریس تقاضای سفر چندگانه……………………….. 17

فصل دوم

شکل(2-1)اهمیت جریان خالص و ناخالص با توجه به قانون 3 یانگ……………………………….. 38

شکل(2-2)نمودار میانگین اطلاعات زوج مبدا-مقصد w  با توجه به احتمال سفر آن……………… 41

فصل سوم

شکل(3-1)مثال شبکه ساده برای بررسی مساله تکرار لینک …………………………………………… 50

فصل چهارم

شکل(4-1)شبکه حمل و نقل مورد بررسی………………………………………………………………… 53

 

فصل اول

کلیات تحقیق

 

 

1-1- ضرورت و اهداف برنامه­ ریزی حمل­و­نقل شهری

رشد و توسعه­ جوامع شهری، سبب افزایش نیاز این جوامع به خدمات همگانی و اجتماعی شده­است. انجام بسیاری از فعالیت­های اجتماعی و اقتصادی نیازمند تسهیلات حمل­ونقلی است. شهرها برای خدمات حمل­ونقل تا حدود زیادی به سیستم خیابان­های خود متکی هستند. این سیستم­ها برای جواب­گویی به تقاضای فزاینده­ی ترافیک اتومبیل­ها، ترافیک تجاری، حمل­ونقل عمومی، دسترسی به زمین­های اطراف و همچنین پارکینگ­ها، همیشه در حال تحمل بار اضافی هستند.

در مباحث مربوط به حمل­ونقل، منظور از برنامه­ ریزی فرایند یا فعالیتی است که طی آن اقدامات لازم احتمالی برای آینده جهت سوق دادن یک مجموعه یا سیستم حمل­ونقلی به سوی یک وضعیت دلخواه مورد بررسی قرار می­گیرد. وضعیت دلخواه یادشده می ­تواند به یک­سری اهداف مثبت در آینده و یا پیشگیری از ایجاد مسائل و مشکلات در آینده را شامل گردد. این فرایند در نهایت منجر به اتخاذ تصمیم و سپس انجام اقدامات مؤثر در راستای تحقق و حصول اهداف و وضعیت دلخواه می­گردد.

هدف از برنامه­ ریزی سیستم­های حمل­ونقل، طراحی نزدیک به بهینه­ مجموعه تسهیلات حمل­ونقل موجود و روش­های به­ کارگیری آن­هاست. همچنین هدف دیگر برنامه­ ریزی سیستم­های حمل­ونقل، به­ کارگیری تسهیلات حمل­ونقل جدید در آینده است، به­گونه­ای که با توجه به تسهیلات حمل­ونقل موجود، اهداف مورد نظر به بهترین وجه ممکن ارضا گردند.

مهم­ترین موضوعی که در برنامه­ ریزی حمل­ونقل وجود دارد، ارتباط آن با آینده و به عبارت دیگر آینده­نگری در آن است، زیرا یک فعالیت برنامه­ ریزی مربوط به اقداماتی است که در زمان­های مختلف در آینده انجام خواهدگرفت و بین زمان انجام اقدام و زمانی که نتایج و تأثیرات آن احساس می­ شود، ممکن است یک فاصله­ی زمانی نسبتاً طولانی وجود داشته باشد. این فاصله به عوامل زیادی از قبیل موضوع و مقادیر کمی و کیفی اقدام مورد نظر بستگی دارد.

 

1-2- ضرورت آگاهی از تقاضای سفر برای برنامه­ ریزی شهری

قبل از فرایند پیش ­بینی سفر ابتدا باید به منطقه­بندی و ناحیه­بندی محدوده­ مورد مطالعه پرداخت:

• منطقه­بندی: از اولین گام­هایی که در انجام مطالعات سیستم­های حمل­ونقل و سرمایه ­گذاری­هایی که اثرات اقتصادی، اجتماعی و زیست­محیطی عمده­ای را بر محیط اطراف خود می­گذارد، تعیین محدوده­ جغرافیایی است که حوزه­ نفوذ سیستم­ها و سرمایه ­گذاری­های مالی را در بر می­گیرد. از نظر تئوری وسعت این منطقه نامحدود است، ولی در عمل می­توان محدوده­ای را برای اثرات مورد مطالعه شناسایی کرد که اثرات سرمایه ­گذاری مورد نظر در خارج از آن قابل چشم­پوشی باشد. بزرگی

• خرید اینترنتی فایل متن کامل :

   

   

•  این محدوده چنان است که عمده اثرات مورد بررسی را در بر داشته­باشد، و همچنین انجام مطالعه را از نظر صرف وقت و هزینه ممکن سازد.
• ناحیه­بندی: برای برنامه­ ریزی حمل­ونقل باید اطلاعات اقتصادی، اجتماعی و حمل­ونقلی مربوط به نقاط مختلف تولید و جذب سفر در منطقه­ مورد مطالعه تعیین گردد. ولی در عمل تعداد این نقاط تولید و جذب سفر در منطقه بسیار زیاد است، بنابراین با مشکلاتی در گردآوری و تحلیل اطلاعات مواجه خواهیم بود. برای رفع این مشکلات باید منطقه­ مورد مطالعه را به تعدادی نواحی ترافیکی تقسیم ­بندی نمود. سپس برای هر ناحیه می­بایست جمعیت، وضعیت اجتماعی، اقتصادی، تجهیزات وکاربری­ها و . . . به­دست آیند. برای مرزبندی ناحیه­ها رعایت ضوابطی ضروری است، که مهم­ترین آن­ها ذیلاً آورده­شده­است:

– هم­گونی: از آن­جایی که ناحیه­بندی نوعی گروه­بندی از واحدهای آماری است، از این­رو ناحیه­ها باید از نظر داخلی (درون­گروهی) هم­گون و از نظر خارجی (برون­گروهی) ناهمگون باشند.

– هم­وزنی در تولید و جذب سفر که باعث افزایش دقت در مدل­سازی می­ شود.

– دسترسی آماری: ناحیه­ها باید چنان اختیار شوند که آمار و اطلاعات مستمر مانند جمعیت، اشتغال و دیگر اطلاعات مربوطه به سادگی قابل دسترس باشند.

– حجم محاسبات: تعداد ناحیه­ها باید چنان باشد که حجم محاسبات آن­ها امکان­ پذیر و معقول باشد.

بعد از انجام گام­های منطقه­بندی و ناحیه­بندی می­توان به فرایند پیش ­بینی سفر پرداخت. به­ طور کلی این فرایند به صورت دنباله­ای از چهار مدل زیر مورد استفاده قرار می­گیرد [1] :

1-  مدل تولید سفر (تصمیم برای انجام سفر به­منظور رسیدن به یک هدف مورد نظر)

2-  مدل توزیع سفر (انتخاب مقاصد سفرهای تولید شده از هر ناحیه)

3-  مدل انتخاب گونه­ سفر (انتخاب وسیله­ نقلیه برای انجام سفر)

4-  مدل تخصیص سفر (انتخاب مسیر سفر)

در اولین مرحله، به برآورد تعداد سفرهای تولید شده در این نواحی پرداخته می­ شود. در مرحله­ بعد با بهره گرفتن از مدل­های توزیع سفر، سفرهای تولید شده در هر ناحیه به سایر نواحی توزیع می­شوند. اطلاعات این دو مرحله باعث ایجاد ماتریس تقاضای سفر مبدأ-مقصد می­گردد. در مرحله­ سوم به کمک مدل­های انتخاب گونه­ سفر، تقاضای سفر بین هر زوج مبدأ-مقصد به گونه­ های مختلف سفر اختصاص می­یابند، و در نهایت در مرحله­ آخر به کمک مدل­های تخصیص ترافیک، ماتریس تقاضای سفر به شبکه­ حمل­ونقل اختصاص می­یابد و به تبع آن حجم جریان کمان­های شبکه­ حمل­ونقل بدست می­آید.

در تحلیل مسائل حمل­ونقل شهری، مدل­های یاد شده در بالا  نقش اساسی بازی می­ کنند. اطلاعات مربوط به مدل­های تولید و توزیع سفر در ماتریس تقاضای مبدأ-مقصد نشان داده می­ شود، که این اطلاعات به دو طریق مستقیم و غیرمستقیم قابل به­دست­آوردن می­باشند.

روش­های مستقیم گردآوری اطلاعات خود به سه گروه دسته­بندی می­گردند.

• روش­های مشاهده­ای: این گروه از روش­ها با مشاهده­ وضع ترافیک و برداشت اطلاعات لازم از این مشاهدات به برآورد حجم سفرهای مبدأ-مقصد می­پردازند. نمونه ­ای از این روش­ها ثبت شماره­ وسایل نقلیه است.
• روش­های پرسشنامه­ای: این گروه از روش­ها اطلاعات مورد نیاز را از طریق توزیع پرسشنامه گردآوری می­ کنند و می­توان آن­ها را به سه دسته­ی توزیع پرسشنامه در مبدأ سفر (ارسال کارت پستی به آدرس صاحب وسیله­ نقلیه)، توزیع پرسشنامه در مقصد سفر و توزیع پرسشنامه در حین انجام سفر دسته­بندی کرد.
• روش مصاحبه­ی حضوری: اطلاعات مورد نیاز در این روش از طریق مصاحبه از افراد جامعه آماری به­دست می­آید. همچون روش پرسشنامه­ای، این روش نیز به سه دسته­ی مصاحبه در مبدأ سفر (مصاحبه با ساکنین مکان­های مسکونی)، مصاحبه در زمان سفر (مصاحبه با رانندگان وسائل نقلیه در کنار جاده­ها) و مصاحبه در مقصد سفر (شامل مصاحبه با خریداران در مراکز خرید، دانش ­آموزان در مدارس و کارکنان در محل کار) دسته­بندی می­گردد.

اگرچه این روش دارای معایب زیادی از جمله صرف وقت و هزینه بسیار زیاد می­باشد، ولی با این وجود به علت این­که ساختار سفرها، بین مبادی و مقاصد شکل می­گیرد، ناگزیر انجام مطالعات جامع برای منطقه­ مورد مطالعه ضروری می­باشد. از طرفی با توجه به هزینه­ بالای جمع­آوری اطلاعات مربوط به تقاضای سفر از طریق روش مستقیم، جمع­آوری این­گونه اطلاعات در فواصل زمانی کوتاه میسر نیست. لذا برای اصلاح و به­روزرسانی ماتریس تقاضای سفر روش­های غیر مستقیم مورد توجه پژوهشگران قرارگرفته­است، که این روش­ها خود بر دو نوع­اند:

• به­دست آوردن ماتریس تقاضای سفر به کمک مدل­های ساخته­شده برای شهرهای مشابه
• استفاده از مدل­های برنامه­ ریزی ریاضی برای تخمین ماتریس­های تقاضای مبدأ-مقصد از مشاهدات حجم جریان ترافیک بر روی خیابان­ها

چون اطلاعات ماتریس تقاضای مبدأ-مقصدی که از طریق مستقیم به­دست آمده، دارای خطاهای ناشی از آمارگیری و یا خطاهای ایجاد شده از مدل­های حمل­ونقلی می­باشد، ممکن است اطلاعات این ماتریس دقیق نباشد. یکی از کارهایی که در جهت افزایش دقت اطلاعات این ماتریس­ها می­توان انجام داد، اصلاح این ماتریس با بهره گرفتن از اطلاعات واقعی حجم جریان ترافیک تعدادی از کمان­های شبکه­ حمل­ونقل (یعنی نوع دوم روش­های غیر مستقیم) می­باشد. در این روش حجم ترافیک در بعضی از خیابان­های شبکه در ساعت­هایی خاص شمارش شده، و با بهره گرفتن از این اطلاعات و به­ کارگیری روش­های برنامه­ ریزی ریاضی، ماتریس تقاضای مبدأ-مقصد تخمین، تصحیح و یا همچنین برای به­روزرسانی ماتریس­های تقاضای سفر قدیمی، استفاده کرد که این عمل هزینه­ جمع­آوری اطلاعات برای تخمین ماتریس تقاضا را به شدت کاهش می­دهد. از آن­جا که کیفیت ماتریس تخمین­زده شده به دقت داده ­های ورودی نظیر ماتریس تقاضای مبدأ-مقصد اولیه و همچنین، محل استقرار نقاط شمارش ترافیک وابسته می­باشد، و از طرفی منابع تخصیص داده­ شده (تجهیزات، بودجه و …) برای شمارش حجم خیابان­ها محدود است، بنابراین انتخاب مجموعه ­ای از کمان­های مناسب (کمان­هایی که شمارش حجم آن­ها بیشترین اطلاعات را برای تصحیح ماتریس تقاضای مبدأ-مقصد به ما می­دهند) بسیار مهم می­باشد.

 

 

امروزه شرایط آموزش در مدارس ما بر اساس نظریه‌های جدید یادگیری مهیا نیست ولی باید توجه داشت كه با علم به سطح آگاهی دانش‌آموزان ، انگیزه‌ها و شرایط جدید جامعه، تأكید روی روش‌های قدیمی تدریس و استفاده‌ی محض از روش‌های سنتی نیز مؤثر نیست. این سخن به معنای این است كه دانش‌آموزان امروزی را نمی‌توان با شیوه‌های قدیمی تدریس به صورت منفعل در كلاس نشاند و برای آنان مفاهیم ریاضی را تدریس كرد، تجربه و تحقیق نشان داده است كه یادگیری در این روش سطحی بوده و قابل اعتماد نیست.  كتب ریاضی با این هدف فعالیت‌ها را در خود گنجانده‌اند، هدف اصلی فعالیت كشف مفهوم جدید توسط خود دانش‌آموزان است. بهترین شرایط ایجاد این موقعیت كار در گروه‌های كوچك دانش‌آموزی است البته فعالیت‌هایی كه جنبه خلاقیت دارند بهتر است به صورت فردی حل شوند.

هنگامی كه دانش‌آموزان مشغول حل فعالیت هستند با پاسخ به سؤالات هدایت شده باید با بهره گرفتن از دانسته‌های قدیم خود دانش جدید را تولید كرده و در حقیقت مفهوم جدید را به مفاهیم موجود در ذهن خود پیوند بزنند.و نكته‌ی مهم برای درگیر كردن و غرق كردن دانش‌آموز در علم ریاضی در كلاس درس و نشان دادن مساله كاربردی و حل آن به كمك تكنولوژی‌های جدید كارگاهی و روش‌های جدید حل مسأله است. روش‌های جدید تدریس با كمك گرفتن از مواد جدید آموزشی و ict توانسته است ریاضیات انتزاعی را به صورت ملموس در بیاورد و دانش‌آموز كنجكاو را غرق در كاربردها و ریاضیات كاربردی در آورد.

امروزه تحقق توسعه و جامعه مبتنی بر دانش بیش از هر مؤلفه‌ای وابسته به آموزش با كیفیت است. شواهد حاكی از آن است كه یكی از عوامل مؤثر در ارتقاء كیفیت فرایند یادگیری ، استفاده صحیح، مؤثر و كارآمد فناوری‌های آموزش است (ثمری و آتشک، 1388: 101). شناخت و كاربست فناوری آموزشی از آن روی اهمیت دارد كه از طریق تسهیل یادگیری دانش‌آموزان و هم چنین كارآمد و اثربخش نمودن فرایند یاددهی- یادگیری معلمان به بهبود كیفیت فرایند یادگیری می‌ انجامد (همان).

1-2. بیان مسأله

در مدارس ما، نمره ریاضی، ملاک شناخت دانش‌آموزان ضعیف و قوی است و در پژوهش مولیس^[1]  (2001) نتایج به دست آمده از شرکت کشور ایران در سومین مطالعه جهانی ( تیمز^[2]) ضعف دانش‌آموزان ما را در تجزیه و تحلیل مفاهیم ریاضی بر ملا ساخت. جمهوری اسلامی ایران از بین 41 کشور شرکت کننده در پایه دوم راهنمایی در درس ریاضیات، رتبه 37 و در پایه سوم راهنمایی، رتبه 38 را کسب کرد. هشتاد درصد آموخته‌های حاوی حقایق در مدت یک سال از یاد می‌روند. زیرا این اطلاعات به صورت مجزا تدریس می‌شوند و بدون این که دانش‌آموزان کاربرد مطالب آموخته شده را در زندگی واقعی درک کنند، چون اطلاعات حفظ می‌شوند و بعد از پشت سر گذاشتن آزمون نهایی فراموش می‌شوند (ترجمه: بهزاد، 1381، به نقل از رستگارپور و همکاران، 1388: 76).

با توجه به این مسأله مهم و اساسی برای رفع این مشکل می‌توان به استفاده از فناوری‌های نوین در یادگیری این درس اشاره نمود. استفاده از فناوری‌ها به فرد یادگیرنده این امكان را می‌دهد كه به جای واكنش‌های منفعلانه در فرایند یادگیری، ابتكار عمل را به دست گرفته، با انتخاب مواد آموزشی مناسب یادگیری هدفمند و معنادار داشته باشد. کدیور (1388) معتقد است: «محتواهای الكترونیكی این فرصت را برای فراگیران فراهم می‌كنند تا در مواردی مانند شركت در یادگیری، روش به كارگیری ابزار، زمان لازم برای یادگیری، میزان و سطح یادگیری، محل یادگیری و فرد یاددهنده تصمیم بگیرند و به این دلایل انگیزه بالایی برای یادگیری دارند.

مطالعات دیگر نشان می‌دهند كه استفاده از فناوری‌های نوین در آموزش سنتی ، به افزایش اثربخشی یادگیری می‌ انجامد: از جمله تغییرات ایجاد شده در آموزش‌های سنتی تلفیق شده با فناوری می‌توان از تغییر نگرش دانش‌آموزان، افزایش مشاركت و تعامل، و هم‌چنین بالا رفتن اعتماد به نفس دانش‌آموزان یاد کرد ( دامنز[5]، 2003).

نتایج پژوهش ذاکری (1380) نشان داد عملکرد دانش‌آموزانی که به وسیله نرم‌افزار آموزشی آموزش دیده‌اند، در مقایسه با دانش‌آموزانی که به شیوه سنتی آموزش دیده‌اند، در آزمون پیشرفت تحصیلی به طور قابل ملاحظه‌ای بهتر بوده است. با توجه به نقش فناوری‌های نوین در دنیای امروز که توانسته است، فرصت‌های بیشتری برای تعلیم و تربیت فراگیر محور ایجاد كند و تأكید را از آموزش معلم‌محوری به یادگیرنده‌محوری منتقل كند ، موضوع اصلی این است كه چگونه و با چه رویكردهایی می‌توان ضمن ایجاد یادگیری پایدار و مؤثر در دانش‌آموزان، آنان را به سوی یادگیری‌های خلاق كه در آن فعالیت فرد در تعامل با امكانات و ابزارهای تسهیل كننده تقویت و به پیشرفت تحصیلی مناسب و مطلوبی منتهی شود ، كشاند . از سویی، چگونه می‌توان از فناوری‌های نوین به شیو‌های مطلوب بهره گرفت؟ تلفیق فناوری جدید مانند شبیه‌سازی‌ها در محیط ساختن‌گرا یكی از رویكردهای جدید برای تحقق اهداف بالا در آموزش است.

از آنجا كه تلفیق فناوری‌های نوین آموزشی مانند شبیه‌سازی‌ها در برنامه درسی به امكانات گوناگونی نظیر سخت‌افزار، نرم‌افزار و نیروی انسانی ماهر و متخصص نیاز دارد، لذا پیش از تلفیق چندرسانه‌ای‌ها در برنامه درسی ، لازم است پژوهش‌های بیشتری درباره مزایا و معایب این رسانه‌ها در آموزش صورت گیرد. نتایج مطالعات تطبیقی دربارة برنامه درسی نظام‌های آموزشی كشورهای مختلف نشان می‌دهد كه دروس ریاضی به دلایل مختلف ، بهترین زمینه برای تلفیق فناوری محسوب می‌شوند: مهم‌ترین مسأله وجود نرم‌افزارهای وارداتی است ، زیرا در سایر رشته‌ها، به دلایل فرهنگی ورود نرم‌افزار از سایر كشورها (مشكل زبان، عدم تطابق برنامه درسی) امكان‌پذیر نیست، ولی در دروس ریاضی مشکلات فرهنگی کمتر است (زمانی[6]، 1996؛ زمانی، 2010؛ زمانی و قلی‌زاده، 2009؛ زمانی و همکاران، 1389). از سوی دیگر، درس ریاضی در دهه‌ های كنونی اهمیت بسیاری پیدا كرده‌ است ولی تحقیقات نشان داده است كه هم‌چنان دانش‌آموزان در تمام مقاطع تحصیلی از این درس گریزانند. از جمله مشكلات موجود كه سبب افت تحصیلی در این رشتة درسی شده، ضعف در دانش پایه ریاضی دوره‌های ابتدایی و راهنمایی، اضطراب و بی‌انگیزگی در یادگیری درس ریاضی، عدم آمادگی ذهنی و روانی و ناآگاهی از نقش و تأثیر درس ریاضی در موفقیت تحصیلی دانش‌آموزان است (علم‌الهدی، 1381).

با توجه به پیشینه پژوهش، هدف اصلی این پژوهش، بررسی تأثیر به‌کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر خلاقیت دانش‌آموزان در درس ریاضی پایه متوسطه اول شهر اسلام‌آباد می‌باشد.

1-3. اهمیت و ضرورت پژوهش

مطالعه‌ی عوامل مؤثر بر پیشرفت تحصیلی و انگیزش در درس ریاضی، طی سه دهه اخیر بیش از پیش مورد توجه متخصصان تعلیم و تربیت قرار گرفته است . یافته‌های تحقیقات متعدد نشان داده است که پیشرفت تحصیلی در درس ریاضی نه تنها از ساختارهای دانش و فرایندهای پردازش اطلاعات تأثیر می‌پذیرد بلكه به عوامل انگیزشی از جمله باورها، نگرش‌ها، ارزش‌ها و اضطراب‌ها نیز مربوط می‌شود (بسانت^[7]،1995، به نقل از رضویه و همکاران، 1384: 10). توبیاس^[8] (1993) گزارش داده است که تاکنون میلیون‌ها نفر فرصت‌های تحصیلی و شغلی خود را به این سبب از دست داده‌اند که از ریاضی و کارکرد ضعیف خود در این زمینه هراس داشته‌اند. آنان در دوران مدرسه تجاربی منفی با یادگیری ریاضی داشته‌اند که خاطره آن در سال‌های بعدی زندگی نیز حفظ شده است (همان: 11).

برای نشان دادن اهمیت این پژوهش، می‌توان به نمونه‌‌هایی از پژوهش‌های انجام شده در مورد تأثیر استفاده از چندرسانه‌ای‌ها در آموزش بر خلاقیت و عملكرد تحصیلی اشاره کرد. انگرلید و ترسی بورن[9] (2002) در گزارش خود بیان می‌كنند كه بهره‌گیری از فناوری اطلاعات و ارتباطات بر پیشرفت تحصیلی دانش‌آموزان و بر خودكارآمدی آن‌ ها، تأثیری مثبت دارد و سبب می‌شود كه دانش‌آموزان از مهارت‌های فراشناختی بهتر استفاده كنند (زارع‌زاده، 1386: 44). علاوه بر این، نتایج مطالعات زمانی، قصاب‌پور و جبل‌عاملی، (1389)؛ زمانی و همکاران، (1389) نشان می‌دهد كه كاربرد آموزش مبتنی بر رایانه در دانش‌آموزان احساس بهتری نسبت به موفقیت در مدرسه ایجاد می‌كند و دانش‌آموزانی كه در مدارس فناوری‌محور آموزش می‌بینند ، نسبت به دانش‌آموزان مدارس عادی از عزت نفس و اعتماد به نفس بیشتری برخوردارند و از نظر دبیران و مدیران، این نوع مدارس از پرستیژ و جایگاه اجتماعی بالاتری در جامعه و نزد والدین برخورداند.

در زمینه اهمیت استفاده از شیوه‌های نوین آموزشی در تدریس و یادگیری می‌توان به پژوهش‌های حوزه آموزش و پرورش اشاره کرد که آن چه مورد توجه قرار گرفته، كیفیت تدریس است (گیوین[10] و همكاران 2005؛ گود و بروفی^[11]، 1984، 1986 و 2000؛ کلارک^[12]، 2004) و در نتایج بسیاری از این  پژوهش‌ها با بهبود كیفیت تدریس میزان پیشرفت تحصیلی دانش‌آموزان افزایش می‌یابد (اللهیاری، 1380 ؛ سامونز و همکاران^[13]،1995؛ عارفی، 1369؛ کاتون^[14]، 1995؛ کدخدا، 1385؛ کرامتی، 1370؛ کریمرز^[15]، 1994؛ کلامی، 1375 و والبرگ و هیرتل^[16]، 1992، به نقل از بیرمی‌پور، 1388: 51).

حال منظور از کیفیت تدریس چیست؟ در اغلب این پژوهش‌ها متغیرهایی كه در زمینة كیفیت تدریس مورد بررسی قرار گرفته اند، عبارت‌اند از: فرصت‌های یادگیری، زمان آموزش و یادگیری، مدیریت كلاسی، جو كلاسی، آموزش، متناسب‌سازی تدریس، رویكردهای یاددهی- یادگیری، نظارت بر پیشرفت تحصیلی و فعالیت‌های یادگیری فراگیران در فرایند تدریس، معلم در این زمینه نقش مهمی را ایفا می‌کند. به عبارتی، این معلم است که باید با طراحی آموزشی مناسب خود و استفاده از ابزارهای مناسب آموزشی چون شبیه‌سازی‌ها، دانش‌آموزان را در جهت هدف تعیین شده هدایت کند.

با توجه به مطالب ارائه شده اهمیت پژوهش حاضر این است كه با توجه به عملكرد نسبتاً پایین دانش‌آموزان ایرانی در درس‌های ریاضی و علوم (تیمز) چگونه می‌توان عملكرد و خلاقیت دانش‌آموزان را در دوره‌های آتی ارتقاء بخشید؟

البته باید به این نکته اساسی در اهمیت پژوهش حاضر اشاره نمود که با وجود پیشرفت‌های واقعی که در آموزش ریاضی روی داده است، تغییرات بسیار اندکی در کلاس درس ریاضی اتفاق افتاده است. بیش از چندین دهه از حضور فناوری آموزشی در آموزش ریاضی می‌گذرد، اما هنوز جایگاه خود را نیافته است. این مسئله اهمیت توجه به كیفیت ، تدریس درس ریاضی را بیش از پیش آشكار می‌سازد.

شبیه‌سازی‌ها توانایی به تصویر کشیدن فرایندهای مختلف طبیعی و انسانی در یک محیط مجازی برای یادگیرندگان را دارا می‌باشند. بنا بر پژوهش‌های روتن و همکاران^[17] (2011) آلنسو و همکاران^[18] ( 2011) اسلات و هربرت^[19]( 2008)  « یک شبیه‌سازی کامپیوتری برنامه‌ای است شامل مدلی از یک سیستم ( طبیعی، مصنوعی؛ مانند تجهیزات) یا یک فرایند». هم‌چنین، شبیه‌سازی‌ها اجازه می‌دهند تا هنگامی که داده‌های تجربی کم هستند و یا دست‌‌یابی به آن‌ ها مشکل است، مدل‌های مختلفی را تجربه کرد. استفاده از شبیه‌‌سازی‌ها می‌تواند یادگیرندگان را در یادگیری تجربی و آزمایشی درگیر کند. که این می‎تواند فرصتی فراهم کند تا درباره‌ی روش‌های دانش و مهارت‌هایی که در حال استفاده از آن‌ ها هستند، تفکر کنند. هم‌چنین، فرایند شبیه‌سازی به کاربران اجازه می‌دهد تا تأثیر انتخاب‌هایشان را بدون پیامدهای فوری که تأثیر مستقیمی بر عمل واقعی داشته باشند مشاهده کنند ( نیلی احمدآبادی و همکاران، 1391: 13).

خرید اینترنتی فایل متن کامل :

 

 

 

در برنامه‌های آموزشی جدید ، استفاده از روش‌های تدریس مبتنی بر ساختن‌گرایی و فرایند حل مسئله و مهارت‌های تفکر نسبت به گذشته اهمیت بیشتری یافته است. بر اساس این دیدگاه، برنامه‌ریزان در محتوای برنامه ‌‌درسی به طرح موقعیت‌های حل مسئله‌ای می‌پردازند. در این موقعیت‌ها دانش‌آموزان راهنمایی می‌شوند تا در مسیر حل مسئله، به دانش‌ها، مهارت‌ها و نگرش‌های تازه دست یابند (بدریان و همکاران، 1389: 56).

می‌توان گفت امروزه اهمیت مهارت‎ خلاقیت بر كسی پوشیده نیست.  اهمیت آن به ویژه در دنیای مدام در حال تغییر امروز بیشتر هم شده است. فراگیران هر چقدر كه به مراحل بالاتر یادگیری از جمله آموزش عالی نزدیك‌تر می‌شوند باید مهارت‌های یادگیری و حل مسائل خود را به طور مستقل به دست بیاورند تا از وابستگی آن‌ ها به استاد كاسته شود (بوکارتس^[20]، 1997، به نقل از: راستگو و همکاران، 1389: 4). مهارت خلاقیت افراد، با تمركز آن‌ ها بر مسأله و خودارزیابی مرتبط است (هپنر، بومگاردنر و جکسون^[21]، 1985، همان). اگر مهارت خلاقیت یک فعالیت شناختی است، پس بهبود بخشیدن مهارت خلاقیت از طریق آموزش بایستی هدف ارزشمندی باشد (سیمنارا^[22]، 1996، همان) و برای رسیدن به این اهداف استفاده از فناوری‌های نوین می‌تواند مثمرثمر باشد چنان چه امروزه فناوری‌هایی مانند شبیه سازی‌ها توانایی ارتقاء مهارت‎هایی مانند خلاقیت و حل مسأله را دارا می‌باشند. با توجه به اهمیت وجود استانداردها در ابعاد مختلف نظام آموزشی، و استفاده از شبیه‌سازها در یادگیری کار قابل ملاحظه‌ای در ایران در این زمینه انجام نگرفته است و لذا نتایج حاصل از این تحقیق می‌تواند دستاوردهای زیادی را به همراه داشته باشد.

اهمیت انجام پژوهش حاضر در این است که در بسیاری از موضوعات یادگیری در محیط‌های یادگیری چندرسانه‌ای، فرایندهای شناختی انسان نادیده گرفته شده است. لذا، یادگیری بهینه صورت نمی‌گیرد و طراحان محیط‌های یادگیری چندرسانه‌ای، باید اصولی را برای طراحی به کار گیرند که از تحمیل اضافه بار به یادگیرنده جلوگیری به عمل آورد و یادگیری او را تسهیل نماید. هم‌چنین از محدودیت‌های مطالعات انجام شده در گذشته این است که تمام آن‌ ها به آموزش‌های چندرسانه‌ای در میزان یادگیری و انگیزش تحصیلی و … پرداخته بودند و پژوهشی که به بررسی شبیه‌سازها بر خلاقیت پرداخته باشد کار نشده است. بنابراین پزوهش حاضر به بررسی تأثیر شبیه‌سازها در محیط یادگیری شناخت‌گرایی بر خلاقیت دانش‌آموزان در درس ریاضی می‌پردازد.

 

1-4. اهداف پژوهش

1-4-1. هدف اصلی

تأثیر به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر خلاقیت دانش‌آموزان در درس ریاضی پایه اول متوسطه اول.

1-4-2. اهداف جزیی

1. تأثیر به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان سیالی دانش‌آموزان در درس ریاضی پایه اول متوسطه اول.
2. تأثیر به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان انعطاف‌پذیری دانش‌آموزان در درس ریاضی پایه اول متوسطه اول.
3. تأثیر به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان بسط و گسترش دانش‌آموزان در درس ریاضی پایه اول متوسطه اول.
4. تأثیر به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان اصالت و ابتکار دانش‌آموزان در درس ریاضی پایه اول متوسطه اول.

 

1-5. فرضیه‌های پژوهش

1-5-1. فرضیه اصلی

به ‌کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر خلاقیت دانش‌آموزان در درس ریاضی پایه اول متوسطه اول تأثیر دارد.

1-5-2. فرضیه‌های فرعی

1. به‌ کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان سیالی دانش‌آموزان در درس ریاضی پایه اول متوسطه اول تأثیر دارد.
2. به ‌کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان انعطاف‌پذیری دانش‌آموزان در درس ریاضی پایه اول متوسطه اول تأثیر دارد.
3. به ‌کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان بسط و گسترش دانش‌آموزان در درس ریاضی پایه اول متوسطه اول تأثیر دارد.
4. به ‌کارگیری روش شبیه‌سازی در محیط ساختن‌گرایی بر میزان اصالت و ابتکار دانش‌آموزان در درس ریاضی پایه اول متوسطه اول تأثیر دارد.

 

1-6. تعاریف مفهومی و عملیاتی متغیرها

1-6-1. تعاریف مفهومی   

شبیه‌سازی: شبیه‌سازی نسخه‌ای از بعضی وسائل حقیقی یا موقعیت‌های کاری است و تلاش دارد تا بعضی جنبه‌های رفتاری یک سیستم فیزیکی یا انتزاعی را به وسیله‌ی رفتار سیستم دیگری نمایش دهد که در بسیاری از متون شامل مدل‌های سیستم طبیعی و سیستم‌های انسانی است. هم‌چنین آن نمایش مجدد یا خلق مجدد یک شیء یا موضوع واقعی یا موقعیت می‌باشد اگر چه این تکنیک همانند آینه واقعیات را همانندسازی می‌کند اما احتمال وارد آمدن صدمه یا آسیب به شرکت کنندگان وجود ندارد ( زمانی، 1389: 2).

خلاقیت: توانایی اندیشیدن درباره امور، اندیشیدن به راه‌های تازه و غیرمعمول و رسیدن به راه ‌حل ‌های منحصر به فرد برای ارائه مسایل. (حسینی، 1381).

سیالی^[23]: توانایی برقراری رابطه معنادار بین فکر و اندیشه و بیان است که بر اساس تعداد افکار و بیان راه ‌حل ‌ها در یک زمان مشخص اندازه‌گیری می‌شود ( حسینی ، 1381).

انعطاف پذیری^[24]: توانایی تفکر به راه‌های مختلف برای حل یک مسأله‌ی جدید است (حسینی، 1381).

بسط و گسترش: توانایی توجه به جزئیات در حین انجام یک فعالیت است ( حسینی، 1381).

اصالت و ابتکار^[25]: توانایی تفکر به شیوه‌ی غیر متداول و خلاف عادت رایج است، که همراه با جواب‌های غیرمعمول، عجیب و زیرکانه است (حسینی، 1381).

کلاسه بندی بر پایه الگوها[24]، یک متدلوژی جدید محسوب می شود. کشف الگوهایی که نشان دهنده تمایز بین کلاس های مختلف هستند، یکی از موضوعات مهم در داده کاوی محسوب می شود. در این تحقیق، ما کلاسه بندی را بر اساس الگوهایی به نام الگوهای نوظهور[25] (Emerging Patterns) که تمایز بین کلاس ها را بصورت بارزی نشان می دهند، از مجموعه داده ها[26] استخراج می کنیم و سپس، بر اساس آنها، کلاسه بندی را انجام می دهیم.

1-2-   مفهوم الگوهای نوظهور

مفهوم الگوهای نوظهور برای استخراج دانش از پایگاه داده ها توسط Dong و Li پیشنهاد شده است تا تغییرات قابل توجه بین کلاس ها را به تصویر بکشند [1]. یک الگوی نوظهور، ترکیب عطفی بین ویژگی هایی است که میزان احتمال حضور آن در یک کلاس نسبت به دیگر کلاس ها بطور قابل توجهی تغییر می کند [1،2]. این الگوها مفید هستند به این دلیل که قادر هستند تا وجه تمایز بین کلاس ها را بیان کنند. در صورتی که میزان فراوانی[27] هر الگو که در یک کلاس نسبت به دیگر کلاس ها قابل توجه باشد، نشان دهنده آن است که این الگو، بطور خاص به این کلاس اختصاص دارد و از طرفی این نوع الگوها برای پایگاه داده هایی که بحث محدودیت زمانی برای استخراج دانش از آنها مطرح است، اهمیت ویژه ای می یابند.

استخراج الگوهای نوظهور بدین صورت مطرح می شود: « پیدا کردن آیتم هایی که نرخ رشد[28]  آن (که بصورت نسبت احتمال آن آیتم بین کلاس های مختلف تعریف می شود) از مقدار آستانه ای بیشتر باشد.» این مقدار آستانه باید بگونه ای انتخاب شود که الگوهای استخراجی ، تفاوت و تمایز بین کلاس های مختلف را نشان دهند. این الگوها در واقع مجموعه ای از آیتم ها هستند که بیان کننده ترکیب عطفی  بین مقادیر ویژگی ها هستند [2].

نوعاً، تعداد الگوهای استخراجی بسیار زیاد است اما فقط شمار کمی از این الگوها برای تحلیل داده ها و کلاسه بندی مطلوب و مفید هستند. از آن جایی که مقدار زیادی از این الگوها بی ربط[29] و تکراری[30] هستند، دانش جدیدی را فراهم نمی کنند و لذا تاثیر نامطلوبی بر روی دقت  کلاسه بند دارند که موجب کاهش دقت پیش بینی[31] می شوند. برای افزایش کارایی[32]  و دقت، بایستی روالی را توسعه داد که الگوهای وابسته و غیر مفید حذف شوند تا شمار این الگوها کاهش یابد.

یک الگوی نوظهور با احتمال بالا در کلاس خودش و احتمال پایین در کلاس مقابلش می تواند برای تعیین یک نمونه تست بکار رود. قدرت این الگو توسط معیارهایی مثل فراوانی نسبی[33] و نرخ رشد ( نسبت احتمال الگو در یک کلاس نسبت به دیگر کلاس ها) آن بیان می شود.

مفهوم ویژگی های جریانی[44]

در داده های جریانی[45]، نمونه ها به مرور زمان دریافت می شوند در حالیکه تعداد ویژگی ها ثابت می باشد. اما در ویژگی های جریانی، تعداد داده های یادگیری ثابت می باشد ولی ویژگی ها بصورت دینامیک تولید می شوند و الگوریتم یادگیری به مرور زمان ویژگی ها را دریافت می دارد [31، 32]. در ویژگی های جریانی روال بدین صورت است ویژگی های توسط روش های تولید ویژگی مانند روش های یادگیری رابطه ای آماری[46] و تعاملات بین ویژگی ها[47]، تولید می شوند. مشکلاتی که در پی تولید ویژگی ها توسط این روش ها بروز می کند بدین شرح است که: 1) میلیون ها و یا حتی بیلیون ها ویژگی تولید می شوند که بدلیل محدودیت های حافظه امکان نگهداری این حجم از ویژگی وجود دارد و از طرفی زمان بسیار زیادی بایستی صرف شود تا فرایند یادگیری شروع شود. 2) ویژگی ها توسط کوئری های موجود در SQL تولید می شوند که اجرای این کوئری ها محدود به زمان پروسسور[48] است تقریبا پروسسور هر صدهزار کوئری را در 24 ساعت اجرا می کند. از طرفی بسیاری از ویژگی ها تولیدی بی ربط و تکراری هستند[49]. این موضوع نشان می دهد که شمار کمی از این ویژگی های تولیدی در عمل در فرایند یادگیری موثر است و لذا تولید ویژگی ها هزینه بر است [32]. بر این اساس برای فائق آمدن بر این مشکلات، مفهوم ویژگی های جریانی شکل گرفت و تلاش شد تا با تولید دینامیک ویژگی ها و بررسی این ویژگی ها در زمان تولید و تاثیر آن بر روال یادگیری فرایند تولید ویژگی ها را هدایت کنند.

خرید اینترنتی فایل متن کامل :

 

 http://fozi.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d9%be%d8%a7%db%8c%d8%a7%d9%86-%d9%86%d8%a7%d9%85%d9%87-%d8%a7%d8%b1%d8%b4%d8%af-%d8%ac%d8%b3%d8%aa%d8%ac%d9%88%db%8c-%d8%a7%d9%84%da%af%d9%88%d9%87%d8%a7%db%8c/

 

برای برخورد با چالش های مطرح شده، بایستی فرایند یادگیری قابلیت پاسخگویی به ویژگی های جریانی را داشته باشد. در واقع، روال یادگیری بایستی بصورت افزایشی با دریافت هر ویژگی قابل بروزرسانی شدن داشته باشد بدون اینکه به اولین مرحله یادگیری بازگردد. لذا در راستای استخراج الگوهای قوی بایستی در ابتدا ویژگی ها بررسی شوند و ویژگی هایی که بی ربط هستند را حذف کرد، سپس از روی ویژگی های مفید و قوی ، الگوها را استخراج کرد.

 چالش­های موجود در استخراج الگوهای نوظهور

 در روال استخراج این الگوها سه مساله اساسی وجود دارد:

• چگونه مجموعه مفید و موثری از الگوهای نوظهور، بین داده های کلاس های مختلف استخراج شود؟
• از آنجایی که همه این الگوها مفید نیستند در واقع شمار زیادی از این الگوها در راستای یادگیری مدل و کلاسه بند بکار نمی روند، در نتیجه بایستی بتوان مجموعه کوچک و در عین حال قوی از این الگوها تشکیل داد، در همین راستا مسائلی که مطرح می شود این است که کدامیک از این الگوها برای هدف یادگیری و کلاسه بند مفید است و در واقع چگونه می توان مجموعه قوی از این الگوها را تشکیل داد؟ از طرفی موضوع دیگر ابعاد ویژگی های[50] مسئله خواهد بود، در صورتی که ابعاد ویژگی ها بالا باشد، در نتیجه شمار الگوهای نوظهور سیر صعودی خواهد داشت که شمار زیاد از این الگوها هم برای آنالیز داده ها بصورت برخط مشکل ساز است و هم این که روال یادگیری و کلاسه بند را زمانبر و هزینه بر می کند که مناسب نیست. لذا با بیان این مسائل بایستی بتوان مجموعه کوچک و در عین حال قوی از الگوهای نوظهور را تشکیل داد که این موضوع خود موضوعی چالش برانگیز است، و اینکه کدامیک از الگوهای جدید مفید و موثر هستند ؟
• کدامیک از این الگوها برای هدف کلاسه بند مفید هستند؟ و چگونه این الگوها یک کلاسه بند مفید و موثر و در عین حال دقیق را می سازند؟

3. طریقه استفاده از این الگوها و یا همان مدل است که بتواند از الگوها بخوبی بهره گرفته و کلاسه بندی دقیقی را انجام دهد بطوری که دقت کلاسه بند بالا باشد.

وقتی که ابعاد ویژگی ها بالا باشد، استخراج الگوهای نوظهور مشکل تر خواهد شد؛ چرا که ذخیره، بازیابی، هرس و مرتب کردن آنها برای کلاسه بند با تعداد کاندیداهای بسیار زیاد الگوها، سخت و یا غیرممکن خواهد شد. با ظهور داده های حجیم و بزرگ که شامل صدها هزار ویژگی هستند مانند پردازش تصویر ، داده های ژنی و داده های متنی و … ، فضای جستجوی این الگوها نسبتاً بزرگ، هزینه بر و گاهی اوقات حتی غیرممکن است [19].

ایجاد یک مدل بر اساس الگوهای نوظهور با داده های با ابعاد بالا و نمونه های حجیم یک موضوع چالش برانگیز است. مشکل حتی سخت تر می شود اگر همه فضای ویژگی ها، قبل از عملیات یادگیری در دسترس نباشد و یا نامتناهی باشد [19].

از طرفی روش های یادگیری مرسوم [37، 38، 40] قادر هستند که بحث چند کلاسه[51] را از طریق روش های دو به دو مثل یکی در مقابل یکی[52] و یکی در مقابل همه[53] مدیریت کنند. بلاوه، بسیاری از روش های موجود استخراج الگوهای نوظهور مانند روش های مبتنی بر مرز[54] [1، 3، 13] و روش های مبتنی بر محدودیت[55] [2]، الگوهای مربوط به هر کلاس را در فرایند جداگانه ای استخراج می کنند که این امر مطلوب نیست و منجر به تکرار محاسبات سنگین می شود. لذا بایستی بتوان روش استخراجی ارائه داد که این قابلیت را دارا باشد که تمامی الگوهای کلاس های مختلف را بصورت همزمان استخراج کند.

بنابراین در این حوزه با موضوعات چالش برانگیزی بدین شرح روبرو هستیم:

1. چگونه بصورت موثر، مجموعه کوچکی از الگوهای نوظهور قوی را از داده های با ابعاد بالا استخراج کنیم؟
2. چگونگی استخراج کردن الگوهای نوظهور وقتی که کل ویژگی ها قبل از فرایند یادگیری در دسترس نیستند؟
3. چگونگی ارائه مدل افزایشی و دینامیک در پاسخ به ویژگی های جریانی؟
4. چگونگی استخراج الگوهای نوظهور از کلاس های مختلف بصورت همزمان؟