استفاده از داده کاوی در مدیریت ارتباط با شهروند: مورد کاوی سامانه 137 شهرداری تهران

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,627

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEC02_052

تاریخ نمایه سازی: 17 اردیبهشت 1388

چکیده مقاله:

دولت الکترونیک در جوامع امروزی در حال گسترش است. جامعه ایران نیز از این امر مستثنی نیست.بنابراین لزوم توجه به مفاهیمی که در این زمینه مطرح می شود امری ضروری است مدیریت ارتباط با شهروند یکی از این موارد است که بر شهروند محوری تمرکز دارد. در مدیریت ارتباط با شهروند، هدف اصلی شناخت نیازها و خواسته های شهروندان و تلاش درجهت بهبود ارائه خدمات و افزایش سطح رضایت مندی ایشان است. شهرداری به عنوان یکی از کلیدی ترین سازمانهای دخیل در این امر، نقش عمده ای در ارائه خدمات شهری به شهروندان ایفا می کند. این سازمان، سامانه ای با عنوان سیستم تحلیل اطلاعات 137 ایجاد نموده که مرکز ساماندهی و رسیدگی به معضلات و مشکلات شهری است و پل ارتباطی بین شهروندان و شهرداری محسوب می شود. اطلاعات حاصل از این سامانه، حاوی مطالب مفیدی در مورد خدمات ارائه شده به شهروندان است و می تواند بهعنوان منبعی مهم و مناسب برای مدیریت روابط تحلیلی با شهروند مورد بررسی و کاوش قرار بگیرد. از این رو با استفاده از قوانین انجمنی تماسهای شهروندان را مورد تجزیه و تحلیل قرار داده و ارتباط بین مشکلات، مناطق و نواحی آنها مشخص شده است. همچنین با در نظر گرفتن شرایط مکانی، دنباله بروز مشکلات نیز به دست آمده است. انتظار می رود نتایج به دست آمده در مدیریت مشکلات شهری و افزایش سطح رضایت مندی شهروندان مثمر ثمر واقع شود.

نویسندگان

بهروز مینایی بیدگلی

دکتری علوم و مهندسی کامپیوتر، استادیار دانشکده مهندسی کامپیوتر، دان

الهام آخوندزاده

کارشناس ارشد مهندسی صنایع، گروه صنایع، دانشکده فنی و مهندسی دانشگاه

محمدحسین موسوی

کارشناس مهندسی کامپیوتر، گروه کامپیوتر، دانشکده فنی و مهندسی دانشگاه

علی محمد احمدوند

دکتری مهندسی صنایع، استادیار گروه سیستم های اقتصادی، اجتماعی، دانشکد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اصغری زاده، عزت ...، حق نگهدار، لیدا، اجلی، مهدی، دولت ...
  • Han , J. and Kamber , M. , " Data ...
  • -Tan .Pang-Ning, S teinbach. Michael, Introduction to Data Mining, 2006. ...
  • Ahn. Jin Sook, Sohn. So Young, Customer pattern search for ...
  • -Chen .Yen-Liang, Tang. Kwei, Shen.Ren-Jie, Hu.Ya-Han, analysis in a multiple ...
  • Cous sement. Kristof, Dirk Van den. Poel, Integrating the voice ...
  • Jukic, N., & Nestorov, S. (2006). C omprehensive data warehouse ...
  • Mahdavi.Iraj, Cho.Namjae, Shirazi. Babak, Sahebjamnia. Navid, Designing evolving user profile ...
  • Ngai .E.W.T., Xiu. Li, Chau. D.C.K., Application of data mining ...
  • A literature review and classification, Expert Systems with Applications, No.36, ...
  • Pan. Shan-Ling, Tan. Chee-Wee, Lim. Eric T.K, Customer relationship management ...
  • 1 _ Sasaki .Takanori, A.Watanabe. Yoshikazu, Minamino. Ken-ichi, An Empirical ...
  • Sharkey .Phoebe, Phillip s-Wren. Gloria, Use of a Data Mining ...
  • Wang, K., Zhou, S., Yang, Q., Yeung, J. M. S. ...
  • نمایش کامل مراجع