(۲۱-۲)

که درآن:
A: ماتریس ضرایب فنی جدول داده- ستانده نوع اول.
hc: میل متوسط مصرف خانوار که به صورت h= که y_n درآمد خانوار و C_i مصرف خانوار از تولیدات بخش i می باشد.
hw: بردار سطری درآمد خانوارهاست که h و v_j شامل ارزش افزوده (بهره، سود، دستمزد، اجاره سهم خانوارهاست). معکوس ماتریکس لئونتیف :

(۲۲-۲)

(۲۳-۲)

Q=

که F^* تقاضای نهایی برونزا(تقاضای نهایی منهای مصرف خانوار) می باشد. عناصر ماتریس معکوس لئونتیف در جدول داده- ستانده نوع اول فقط اثر مستقیم و غیرمستقیم را نشان می دهد. عناصر ماتریس معکوس لئونتیف در جدول داده- ستانده کل اثر شامل اثر مستقیم، غیرمستقیم و القایی است که این برتری و مزیت جدول داده- ستانده نوع دوم بر جدول داده- ستانده نوع اول نشان می دهد.
۹-۲ ماتریس حسابداری اجتماعی
امروزه جهت بررسی موضوعات و سیاست­های مختلف اقتصادی در سطوح کلان از ابزارهای مختلفی استفاده می­گردد. دو نمونه از این ابزارها جداول داده-ستانده و ماتریس حسابداری اجتماعی می­باشند. چنانکه می­دانیم جداول داده-ستانده چارچوبی برای بررسی ارتباط میان صنایع و بخش­ها در اقتصاد یک کشور بوده و پیوندهای موجود میان بخش­های تولیدکننده و مصرف ­کننده در اقتصاد را نشان می­ دهند. هر چند جداول داده-ستانده در خصوص تجزیه و تحلیل­های اقتصادی نظیر ارتباط میان تقاضای نهایی و میزان ستانده رشته فعالیت­های مختلف، ساختار تقاضا، اشتغال، قیمت­ها و… ابزاری قوی می­باشند، ولی به­ دلیل اینکه چگونگی جریان ارزش افزوده به نهادهای اجتماعی توسط این جداول منعکس نمی­ شود، لذا نمی_­توانند تأثیر سیاست­های اقتصادی اتخاذ شده را بر خانوارها و سایر نهادها نشان دهند. بر خلاف جداول داده-ستانده، ماتریس حسابداری اجتماعی عمدتاً بر نقش خانوارها در اقتصاد و چگونگی ایجاد و توزیع درآمد آن­ها متمرکز بوده و در نتیجه ابزار بسیار کارامدی برای بررسی­ سیاست­های توسعه اقتصادی و نیز موضوعات مربوط به توزیع درآمد می­باشد. به­عبارت دیگر در جداول داده-ستانده، مبادلات اقتصادی بدون توجه به سوابق و زمینه ­های اجتماعی مبادله­کنندگان ثبت می­گردد، در حالی­که در ماتریس حسابداری اجتماعی بر خلاف حساب­های ملی، به­جای این­که صرفاً فعالیت­های اقتصادی یا مالی نهادها ملاکی برای طبقه ­بندی نهادهای مختلف قرار گیرد، زمینه­ ها و سوابق اجتماعی-اقتصادی این نهادها، معیار اصلی برای طبقه ­بندی آنها می­باشد. ماتریس حسابداری اجتماعی تعمیم یافته جدول داده- ستانده است که درواقع از ادغام مدل داده- ستانده فعالیت های اقتصادی و مدل کینز برای بازار کالاها و خدمات بدست آمده است. هدف از تهیه و تدوین این نوع جدول بررسی کمی جنبه های مختلف متغیرهای اقتصادی و اجتماعی است. این ماتریس کلیه مبادلات اقتصادی را در هر سطحی از اقتصاد نظیر یک شهر یک یا چند منطقه و یک یا چند کشور در هر برهه ای از زمان نشان می دهد. ماتریس حسابداری اجتماعی علاوه بر ساختار تولید، تصویر جامعی از توزیع درآمد، پس انداز سرمایه گذاری مالی و رابط بین بخش های اصلی اقتصاد اعم از خانوار، بنگاه دولت و سایر نهادها را در یک مقطع زمانی ارائه می کند. جدول داده- ستانده و خانواده مربوط به آن در نیم قرن اخیر به دو گروه کلی تقسیم می شوند. گروه اول مربوط به جداول داده- ستانده و شاخه های مرتبط به آن هستند که غالباً در چارچوب دیدگاه های مختلف رشد اقتصادی عمل می کنند. این نوع جداول و شاخه های مرتبط به آن که به طور کلی به جداول داده- ستانده متعارف معروفند فقط می توانند روابط متقابل متغیرهای اقتصادی را به صورت کمی تجزیه و تحلیل نمایند. تمامی جداول داده- ستانده دهه های ۱۹۵۰ و ۱۹۶۰ چه در سطح ملی و منطقه ای و جداول داده- ستانده بنگاه تولیدی مدل های ایستای و پویای داده- ستانده، مدل های داده- ستانده منطقه ای جزء این گروه محسوب می شوند که سه عامل درپایه گذاری، گسترش و تداوم این نوع جداول و مدل های مرتبط به آن در نیمه قرن اخیر نقش اساسی را ایفا نموده اند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

الف- ایجاد هماهنگی و سازگاری بین دیدگاه های موجود اقتصادی دهه ۱۹۳۰ و آمارهای خام و پراکنده در قالب ماتریس جبری که توسط خود لئونتیف تحقق یافت.
ب- بعد از جنگ جهانی دوم که اکثر دیدگاه های اقتصادی برمحور رشد اقتصادی تاکید داشتند طبیعی است که جداول و سیستم های آماری تدوین شده توسط سازمان ها بایستی به موازات تحلیل های کمی این نوع دیدگاه ها مورد استفاده قرار می گرفتند.
ج- با توجه به این که بعد از جنگ جهانی دوم، مشکل اصلی دولت ها رشد اقتصادی بوده است. این موضوع نیز عاملی برای تهیه و تدوین سیستم آماری حساب های ملی و جداول داده- ستانده به منظور کمی کردن رشد اقتصادی فراهم نمود.
گروه دوم از جداول داده- ستانده به جداول داده- ستانده تعمیم یافته معروفند. از طرفی مفهوم جدید رشد متغیرهای مختلف اقتصادی و اجتماعی را شامل می شد. بنابراین هدف اصلی از تهیه و تدوین این نوع جداول بررسی کمی جنبه های مختلف متغیرهای اقتصادی و اجتماعی می باشند.
عواملی که در تهیه و تدوین این نوع جداول موثر بوده اند، را می توان به صورت زیر فهرست کرد:
الف- حمایت سازمان های بین المللی کار و بانک جهانی
ب- دیدگاه های مربوط به مقوله رشد همراه با توزیع درآمد و اشتغال، نیازهای اساسی و فقر که درواقع برداشت جدیدی از توسعه اقتصادی را در اواخر دهه ۱۹۶۰ به بعد مطرح کردند.
ج- محدودیت سیستم های آماری سازمان ملل و جداول داده- ستانده که در راستای تامین نیازهای دیدگاه های رشد اقتصادی دهه ۱۹۵۰ تهیه و تدوین شده بودند.
دهه ۱۹۶۰ دوره بسط و گسترش جدول داده- ستانده می باشد. در این دهه ریچارد استون سیستم حسابداری تولید (داده، ستانده، لئونتیف) را با سیستم حسابداری مالی (پایه های اقتصادی کینز) ادغام نمود، زیرا سیستم حسابداری تولید بر روابط متقابل فعالیت های تولیدی معطوف بود و چنین سیستمی قادر به پاسخگویی روابط متقابل بین سیستم حسابداری تولید و سیستم حسابداری مالی وخصوصاً متغیرهای کلان اقتصادی کینزی مانند پس انداز، سرمایه گذاری نبود.
پایه ریزی تئوری ادغام این دو سیستم و جایگزینی عملی آنها و آن هم در یک ماتریس موضوعی بود که استون به طور تجسمی آن را دنبال کرد.
در این راستا، او ضمن تایید و اهمیت دادن به نقش مهم سیستم وابستگی های متقابل اقتصادی لئونتیف اعتقاد داشت که تجزیه و تحلیل جامع اقتصادی بایستی سیستم حسابداری تولید، سیستم حسابداری مالی، سیستم حسابداری جمعیت، سیستم حسابداری محیط زیست را به طور همزمان درنظر گیرد و مورد بررسی قرار دهد. بنابراین ابداع ماتریس حسابداری اجتماعی در دهه ۱۹۶۰ در سال ۱۹۳۰ توسط خود لئونتیف پایه ریزی شده بود. با این تفاوت که نوآوری های لئونتیف بیشتر جنبه اقتصادی داشت اما نوآوری های استون علاوه بر جنبه های اقتصادی تحلیل مسائل اجتماعی را نیز دربرمی گرفت. (بانوئی، ۱۳۷۵، ۱۹)^[۲۵].
با ادغام دو سیستم حسابداری تولید و حسابداری مالی و تشکیل ماتریس اجتماعی در دهه ۷۰ و ۸۰ اکثر کشورهای درحال توسعه سعی کردند که نه فقط ماتریس حسابداری اجتماعی را تدوین کنند بلکه آن را به عنوان مدل برنامه ریزی توسعه کمی در سیاست های اقتصادی خود مورد استفاده قرار دهند هرچند استون موفق شد که به ماتریس حسابداری اجتماعی دست یابد اما ابداع موفقیت ماتریس حسابداری اجتماعی تمام آرمان های او را برآورده نکرد زیرا هدف وی ارائه تصویر پررنگ تری از ادغام فعالیت های متقابل اقتصادی، اجتماعی و محیط زیستی بود. در اواخر دهه ۱۹۶۰ موفق شد که فعالیت ها و حرکت های متقابل جمعیتی را در یک ماتریس جدید نشان دهد. این جدول در زمینه های جمعیت شناسی، برنامه ریزی در بخش درمان، بهداشت و برنامه ریزی درآموزش و پرورش قابلیت های کاربردی زیادی از خود نشان داده است. (همان منبع، ۱۳۷۵،۲۰)^۲.
۱-۹-۲ مفهوم ماتریس حسابداری اجتماعی
ماتریس حسابداری اجتماعی در واقع بیان ماتریسی حساب­های ملی با تأکید بر ابعاد اجتماعی انواع مبادلات در بخش­های واقعی و مالی است که بر پایه توالی حساب­های مندرج در سیستم حساب­های ملی قابل ارائه است. با توجه به محدودیت­ها و نارسائی­های جداول داده-ستانده دربررسی­های همزمان مسائل اقتصادی و اجتماعی و نیز به­منظور نظام­مند کردن آمارهای اجتماعی در قالب یک ماتریس جبری، با بسط جداول داده-ستانده، ماتریس حسابداری اجتماعی تهیه می­گردد. تکنیک داده-ستانده در ماتریس حسابداری اجتماعی به صورت جدول عرضه-مصرف۳ نمودار شده و سپس همه فرآیندهای تولید و مصرف درآمد برای هر یک از بخش­های نهادی اقتصاد در آن نشان داده می­ شود. بر این اساس می­توان گفت که ماتریس حسابداری اجتماعی ، ارائه ماتریسی شکل حساب­های ملی است که از طریق آن، ارتباط میان جدول عرضه-مصرف و نیز حساب­های بخش­های نهادی اقتصاد به کامل­ترین و تفصیلی­ترین شکل ممکن نشان داده می­ شود. در بسیاری از موارد از ماتریس حسابداری اجتماعی در برنامه­ ریزی­ها و سیاست­گذاری­ اقتصادی – اجتماعی و نیز به­منظور تجزیه و تحلیل ارتباط موجود میان ویژگی­های ساختاری یک اقتصاد و به­ ویژه چگونگی توزیع درآمد و هزینه در گروه ­های مختلف خانوارها استفاده می­ شود. در واقع ماتریس حسابداری اجتماعی ابزاری است که با بهره گرفتن از آن می­توان به بررسی همزمان موضوعات اقتصادی-اجتماعی نظیر رشد اقتصادی و مسائل مربوط به توزیع درآمد پرداخت و با کمک آن ارتباط متقابل میان متغیرهای مختلف اقتصادی نظیر تولید، درآمد، مصرف و تشکیل سرمایه را در قالب یک ماتریس واحد ملاحظه نمود. شایان ذکر است که میان ماتریس حسابداری اجتماعی و حساب­های ملی ارتباط نزدیکی وجود دارد و تأکید این ماتریس بر نقش افراد و خانوارها در اقتصاد، عمدتاض با تفکیک نهاد خانوار و نیز نیروی شاغل در بازار کار صورت می­پذیرد. به­ طور کلی ماتریس حسابداری اجتماعی یک سیستم اطلاعاتی و اماری است که شامل اطلاعات و آمارهای اجتماعی و اقتصادی برای اقتصاد یک کشور می­باشد. منابع آماری مورد استفاده در این ماتریس عمدتاً جداول داده-ستانده، آمارهای درآمد ملی و نیز آمارهای مربوط به درآمد و هزینه خانوارها می­باشد. بنابراین ملاحظه می­گردد که ماتریس حسابداری اجتماعی بسیار گسترده­تر از جداول داده-ستانده و حساب­های ملی است که به­ صورت قراردادی تهیه می­گردند و اطلاعات بسیار تفصیلی­تری در مورد انواع مختلف مبالدلات صورت گرفته در اقتصاد توسط این ماتریس ارائه می­گردد. همان­گونه که قبلاً نیز اشاره گردید، ماتریس حسابداری اجتماعی پایه­ای است برای تجزیه و تحلیل هم­زمان موضوعات مربوط به رشد اقتصادی و توزیع درآمد در قالب یک چارچوب واحد. به­عنوان مثال با بهره گرفتن از این ماتریس می­توان به چگونگی توزیع درآمد عوامل تولید به تفکیک منشأ داخلی و خارجی این درآمدها میان گروه ­های مختلف نهادی و هم­چنین نحوه توزیع مجدد درآمد میان این گروه­ ها پی برد. به­علاوه چگونگی تخصیص هزینه نهادهای مختلف میان مصرف، سرمایه ­گذاری و پس­انداز توسط ماتریس حسابداری اجتماعی نشان داده می­ شود. به­ طور کلی می­توان دو هدف عمده از تهیه ماتریس حسابداری اجتماعی را به شرح زیر برشمرد:

• سازمان­دهی و ارائه اطلاعاتی در خصوص ساختار اقتصادی و اجتماعی یک کشور در یک دوره زمانی مشخص.

• فراهم نمودن پایه آماری منسجم در جهت طراحی یک مدل معقول که از یک سو قابلیت ارائه تصویری ایستا از اقتصاد کشور را داشته و از سوی دیگر قادر به شبیه­سازی اثرات ناشی از اتخاذ سیاست­های مختلف اقتصادی باشد.

۲-۹-۲ مطالعات ملی انجام شده با ماتریس حسابداری اجتماعی
شروع ماتریس حسابداری اجتماعی پروژه رشد کمبریج است که به وسیله استون و با همکاری براون در اوائل ۱۹۶۰ آغاز شده است به نظر می رسد کاربرد آن در سیستم حسابداری ملی در سال ۱۹۶۸ باشد. گروه روند در سال ۱۹۷۷ بخش داده- ستانده را در ماتریس حسابداری اجتماعی وارد کردند. امروزه استفاده از ماتریس حسابداری اجتماعی رواج فراوانی یافته است. بطوری که در کشورهای درحال توسعه نظیر برزیل، مصر، قبرس، اندونزی، مالزی، پاکستان، ترکیه، عربستان سعودی و ایران شاهد تهیه و تدوین ماتریس حسابداری اجتماعی می باشیم. اولین ماتریس حسابداری اجتماعی برای ایران در سال ۱۹۷۲ توسط پایات وهمکارانش به دو دلیل تهیه گردید. یکی برای پیش بینی متغیرهای کلان اقتصادی و دیگری بعنوان ابزار برنامه ریزی برای اهداف کمی اجتماعی برنامه پنجم مانند توزیع درآمد و اشتغال بیشتر. در مورد این ماتریس حسابداری اجتماعی همین کافی است که یکی از تهیه کنندگان در سالیان بعد آن را یکی از کوچکترین و سردرگم ترین نمونه ها توصیف کرد. همچنین حمید طباطبایی در قالب رساله دکتری خود یک ماتریس با جزئیات زیر برای ایران تهیه کرد که از آن برای مسائل مربوط به توزیع درآمد استفاده کرده است. این ماتریس برای سال پایه ۱۹۷۳ تهیه شده است و بالاخره حجت ا… قدیمی در سال ۱۹۹۳ با بهره گرفتن از جدول داده- ستانده سال ۶۳ و حساب های ملی یک ماتریس طراحی و تکمیل نموده است و ازآن به عنوان پایه اطلاعاتی یک مدل پویای تعادل عمومی کاربردی بهره گرفته است. این ماتریس برای سال پایه ۱۹۸۴ تهیه شده است.
۳-۹-۲ کاربردهای ماتریس حسابداری اجتماعی
از کاربردهای حسابداری اجتماعی می توان به موارد زیر اشاره نمود:
استفاده از ماتریس حسابداری اجتماعی بعنوان سیستم اطلاعات تعادل عمومی، جمع آوری آمارهای تفصیلی و سازماندهی و شناخت آمار و اطلاعات بیشتر، ایجاد یک پایه آماری منسجم برای ساخت
مدل های مختلف توسعه ملی و منطقه ای، سیاست های کمی برنامه ریزی، تجزیه و تحلیل کمی توزیع درآمد و اشتغال مطالعه اثرات متقابل سیاست های رشد اقتصادی و سیاست های فقرزدایی.
۱۰-۲ مقایسه جدول داده- ستانده و ماتریس حسابداری اجتماعی
۱- یک جدول داده- ستانده متعارف(ملی، منطقه ای و بنگاه تولیدی) از نوع گروه اول جداول داده- ستانده محسوب می شود در حالی که ماتریس حسابداری اجتماعی نماینده گروه دوم جدول داده – ستانده تعمیم یافته به حساب می آید.

نتایج نشان می دهد که برای دانشجویان برخورداری از اعتماد به نفس، ارزش ذاتی و راهبردهای شناختی ارتباط نزدیکی با عملکرد تحصیلی آنان دارد و پیشرفت تحصیلی را برای آنان به ارمغان می آورد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

آدیمو

۲۰۱۲

ارتباط بین مدیریت کلاس درس موثر و پیشرفت تحصیلی دانش آموزان

بین مهارت ها و تکنیک های مدیریت کلاس اثربخش معلمان با پیشرفت تحصیلی دانش آموزان در درس فیزیک رابطه معنی دار وجود دارد.

محقق/ محققین

سال اجرا

عنوان

نتیجه

قیاس و احمد

۲۰۱۲

بر بررسی اثر سبکهای مدیریت کلاس بر عملکرد دانش آموزان

نتایج نشان داد که معلمان سبکهای مختلفی برای تصمیم گیری اتخاذ می نمایند. اکثر معلمان برای تصمیمات خود از قبل برنامه ریزی می کنند. معلمان فشارهای خارجی برای تصمیم گیری را نمی پذیرند. تعداد کمی از دانش آموزان فرصت می یابند تا درباره مسائل مربوط به کلاس بحث نمایند. عدم تعادل در ارائه برنامه های مشارکتی در کلاس وجود دارد و معلمان ترجیح می دهند کنترل کلاس را خود بر عهده گیرند و دانش آموزان نمی توانند مشکلات خود را با معلمان مطرح نمایند.

دیجیگیک و استوجیلکوویک

۲۰۱۲

طراحی پروتکلی برای ارزیابی سبکهای مدیریت معلمان بر اساس سه سبک مداخله گر، غیر مداخله گر و تعامل گرا

نتایج نشان داد که مدیریت کلاس یکی از مهمترین فاکتورهای تدریس اثر بخش است و پیدا کردن سبک تدریس خاص و پس از آن تلاش برای بهبود اثر بخشی آن بسیار اهمیت دارد. از این نظر، پروتکل ارائه شده می تواند ابزاری مفید برای روانشناسان، مربیان و مشاوران مدرسه باشد.

رحیمی و اسداللهی

۲۰۱۲

بررسی جهت گیری مدیریت کلاس معلمان زبان انگلیسی و تاثیر آن بر سبک تدریس آنان

اکثر معلمان با توجه به رویکرد مدیریت کلاس خود، مداخله گرا بودند. علاوه بر این نتایج نشان داد که معلمانی که دارای سبک مدیریت مداخله گرا بودند نسبت به غیرمداخله گرایان از فعالیت های آموزشی بیشتری در کلاس درس خود استفاده می کردند.

محقق/ محققین

سال اجرا

عنوان

نتیجه

آزوبوئیک

۲۰۱۲

مدیریت کلاس درس به عنوان یک استراتژی کنترل برای ترویج کیفیت آموزش

کلاس درس مؤثر می تواند به عنوان یک استراتژی کنترل در ارتقاء کیفیت آموزش و پرورش مورد استفاده قرار گیرد و تمام اجزای محیط مدرسه باید به منظور دستیابی به اهداف مورد نظر با یکدیگر هماهنگ باشند.

کارشکی

۲۰۱۱

بررسی رابطه میان برداشت از فعالیت های کلاس درس و یادگیری خود تنظیم

این دوره، زمانه‌ی زوال فردگرایی، برتری یافتن حس بینایی، اعتبار بخشیدن به حس شنوایی و ادراک حسی، دگرگونی در چهره‌ی کار و زندگی اجتماعی، اقتصادی، آموزشی، سیاسی و صنعتی، نزدیکی جوامع و ملت‌ها به یکدیگر و در نهایت، تغییر در نوع ارتباطات جنسیتی است. در این دوره، افراد به مشارکت در تمام شوون زندگی جمعی علاقه‌ی بیش‌تری نشان می‌دهند (دادگران، ۱۳۸۴: ۹۸-۸۹).
چنان که دیده می‌شود، وسایل ارتباط جمعی نقشی ویژه در سیر تحول جوامع بشری دارند. ارتباط جمعی بنیاد یک اجتماع را تشکیل می‌دهد و رسانه‌ها میانجی این ارتباطند (مک‌کوییل، ۱۳۸۲: ۸۳). تحول در رسانه‌ها، تحول در ارتباط جمعی و در نتیجه، تحول در اجتماع را به همراه دارد. برای رسانه‌ها و وسایل ارتباط جمعی نقش‌ها و وظایف زیر را برشمرده‌اند:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱)تفریحی:
وسایل ارتباط جمعی، به ویژه تلویزیون، فراغت را به مقوله‌ای فرهنگی بدل نموده‌اند. همچنین، حضور رسانه‌ها در اوقات فراغت، موجب جدایی موقت فرد از واقعیت بیرونی و فراموشی دشواری‌های زندگی می‌گردد.

1. 1. خبری و اطلاع‌رسانی

1. 1. ) همگن‌سازی:

نزدیکی سلیقه‌ها، خواست‌ها و انتظارات افراد یک جامعه و در نتیجه، تشابه در سبک زندگی، علایق و خواسته‌ها.

1. 1. آگاه‌سازی:

با تحلیل اخبار و تشریح آن‌ها و در نتیجه، تغییر جهان‌بینی انسان‌ها

1. 1. احساس تعلق اجتماعی:

هر چقدر مردم با وسایل ارتباط جمعی پیوند محکم‌تری داشته باشند، به همان نسبت مشارکت اجتماعی و قابلیت زندگی با دیگران در آن‌ها افزایش می‌یابد (ساروخانی، ۱۳۸۰: ۱۴۹۲).
چنان که دیده می‌شود، رسانه تنها یک ابزار و وسیله‌‌ی ارتباطی نیست، بلکه کارکرد فرهنگ‌سازی، شکل‌دهی به موضوع و روش اندیشیدن و بازتاب و بازنمایی خواست‌ها، ارزش‌ها و انتظارات بخش‌هایی از جامعه را بر عهده دارد.
رسانه‌ها و از جمله‌ی آنها تلویزیون، یکی از عوامل موثر در جامعه‌پذیر کردن افراد جامعه‌اند و کارکرد انتقال فرهنگ را به عنوان بخشی از کارکردهای متعدد خود به همراه دارند. بدیهی است که رسانه‌های گروهی در هر جامعه‌ای متاثر از فرهنگ همان جامعه‌اند، اما در روند بازتولید فرهنگی قادر به گزینش نیز هستند؛ گزینش این‌که چه عناصری از فرهنگ را به چه نحو انتقال دهند.
رسانه مبتنی بر زبان است و ابزاری است که ما از طریق آن می‌توانیم عمل معناسازی را انجام دهیم. تنها از طریق زبان است که این معانی قابل انتقال و مبادله به سایر افراد جامعه هستند. همچنین، از طریق زبان است که گفت‌وگوی بین افراد و از طریق آن، فهم مشترک در باب تفسیر جهان ممکن می‌شود، چرا که زبان در این‌جا به عنوان نظام بازنمایی عمل می‌کند. از طریق زبان است که ما از نشانه‌ها و نمادها استفاده می‌کنیم، خواه نشانه‌ی تصویری باشند و خواه متنی و یا صوتی. (Hall, 2003; 2-3).
همه‌ی نظام‌های بازنمایی همانند زبان عمل می‌کنند، به این دلیل که همه آنها آن چیزی (فکر، احساس و ایده) را که ما می‌خواهیم بگوییم، منتقل می‌کنند. همه‌ی اینها دال‌اند و معنای آشکاری در خود ندارند، بلکه چون ابزار و رسانه حامل معانی‌اند و در واقع، به عنوان نشانه، به نمایندگی و بازنمایی مفاهیم، مقاصد و ایده‌های‌مان می‌پردازند، به گونه‌ای که دیگران قادر شوند تا آنها را رمز گشایی کنند. بنابراین، به تعبیر هال، واقعیت فقط زمانی معنادار می‌شود که بازنمایانده شود.
ریچارد دایر درباره‌ی بازنمایی این پرسش را مطرح می‌کند که چه کسی، کدام گروه را، به چه شیوه‌ای باز می‌نمایاند. به دنبال چنین رویکردی است که موضوع رابطه‌ی میان بازنمایی، قدرت و ایدئولوژی پدیدار می‌شود؛ به این معنا که بازنمایی فرایند نمایش شفاف واقعیت از طریق رسانه‌ها نیست، بلکه اساسا فرایندی است که طی آن برخی امور نمایانده می‌شوند، در حالی که بسیاری از امور مسکوت می‌مانند. در واقع، آنچه بازنمایی می‌شود احتمالاً با منافع عده‌ی خاصی گره خورده است (استریانی، ۱۳۸۰: ۱۸۷). نتیجه‌ آن که:
۱)در برخی از گفتمان‌هایی که بازنمایی به واسطه‌ی آنها صورت می‌گیرد، بعضی از گروه‌ها دیده نمی‌شوند و صدایی از آنها به گوش نمی‌رسد و یا به نحوی خاص بازنمایانده می‌شوند.
۲) این بازنمایی‌ها اموری واقعی پنداشته می‌شوند و از این رو فرایند تکوین شخصیت یا ذهنیت گروه‌های خاص را هدایت و کنترل می‌کنند (کاظمی و ناظر فصیحی، ۱۳۸۶، ۱۴۰).
سوسور، با تکید بر ماهیت قرارداری زبان و ساختار و منطق درونی آن، نشان داد که زبان پدیده‌ای منحصر به فرد است که نمی‌توان آن را به منزله‌ی نوعی بازتاب محض از واقعیت در نظر گرفت. این امر به این دلیل است که از نظر وی معنا درون نظام زبان از طریق نظامی از تفاوت‌ها به وجود می‌آید. این ایده نه تنها در مورد زبان صدق می‌کند، بلکه می‌توان آن را به هر نوع نظام قراردادی دلالت تسری داد. مضامین روش‌شناسانه‌ی سوسور در نشانه‌شناسی، شامل کشف معنای نشانه‌ها از طریق فهم تقابل‌های دوتایی و ساختارهای متقابل در متن است. برای مثال، تاکید می‌شود که معنای نشانه‌ها برخاسته از تفاوت‌هاست و نه جوهر ذاتی نشانه‌ها. زن و مرد، در نظام نشانه‌شناسانه، از طریق فرمول تفاوت‌گذاری این نظام صاحب معنا می‌شوند. همچنین، در این رویکرد، بر ساختار جانشینی و همنشینی متن تاکید می‌شود (سوسور، ۱۳۷۸: ۸۹-۱۷)
در روش نشانه‌شناسی ما بعد سوسوری فرض می‌شود که این معانی صرفا برخاسته از زمینه‌ی استعلایی نظام‌های زبانی نیستند، بلکه چنین نظام‌هایی همواره با قدرت همراهند. به عبارت دیگر، معانی در جامعه از طریق قدرت‌های تثبیت یافته‌ی موجود برساخته می‌شوند.
برای مثال، رولان بارت به کارکرد ایدئولوژیک نشانه‌ها توجه می‌کند و معنی عمیق‌تری نسبت به تصاویر علنی و سطحی برای نشانه‌ها قایل است. روش‌شناسی بارت بر نوعی کشف یا افشای ایدئولوژی نهفته در متن تاکید دارد. به نظر وی، نشانه‌ها (اسطور‌ه‌ها) از طریق انتقال پیام‌های دروغین موجب تقویت اراده‌ی قدرت می‌شوند. در این دیدگاه، جامه‌ی بداهت پوشاندن به امور زندگی روزمره نوعی سو استفاده‌ی ایدئولوژیک است که بورژوازی به آن دست می‌زند (اباذری ۱۳۸۰، ۱۳۸).
در اینجا دلالت‌های صریح از دلالت‌های ضمنی جدا می‌شوند و با شناسایی دلالت‌های پنهان، پژوهشگر در پی ایدئولوژی‌زدایی از نشانه‌ها بر‌میآید (بارت، ۱۳۸۰، ۶۳).
به اعتقاد بارت، نشانه‌های داخل در محدوده‌ی فرهنگ در شبکه‌های پیچیده‌ی بازتولید ایدئولوژیکی گرفتارند. این دلالت‌های نامتناهی که هنگام مواجهه با هر نشانه‌ای، چه زبانی، چه تصویری و حتی رفتاری و حرکتی روی می‌دهد، نوعی رمزگشایی از رمزی است که هنگام تولید آن نشانه به عنوان یک متن، ایجاد شده است؛ متنی که ملاحظات اجتماعی، اقتصادی، ایدئولوژیکی فنی و برنامه‌ها در شکل‌گیری و رمزگذاری‌اش بی‌تاثیر نبوده است (کاظمی و ناظر فصیحی ۱۳۸۶، ۱۴۲).
رسانه‌ها امکانات ارتباطی گوناگونی فرا‌روی ارتباطگران می‌گسترانند. این امکانات را می‌توان در قالب سه دسته‌ی اصلی زیر قرار داد:
۱) معمولاً تا حدی امکان نگهداری و تثبیت شکل‌های نمادین را فراهم می‌کنند.
۲) امکان تولید دوباره و تکثیر را به وجود می‌آورند.
۳) امکان استفاده از فواصل مکانی – زمانی را تا حدی میسر می‌سازند (تامپسون، ۱۳۷۹، ۱۷).
بر این اساس، وظایف وسایل ارتباط جمعی عبارت‌اند از:
۱)حمایت از هنجارهای اجتماعی
۲)امکان اعطای پایگاه اجتماعی
۳) برخی وظایف نامطلوب، مانند تهدید اجتماع، با ایجاد مشارکت خیالی در واقعیت (ساروخانی، ۱۳۷۲، ۱۲۰).
امروزه، عمده‌ترین نقشی که وسایل ارتباط جمعی بر عهده دارند، عبارت است از فرهنگ‌سازی، آموزش، اطلاع‌رسانی و ایجاد مشارکت اجتماعی (دادگران، ۱۳۷۴، ۱۰۶).
۲-۴ بازتولید نظام سلطه در رسانه
تعریف عام سلطه ،گونه‌ای از روابط اجتماعی است که در آن، معیار پذیرش، میزان قدرت باشد و خواست، اراده و تصمیم سلطه‌گر بر افراد مورد سلطه تحمیل شود. این تعریف ،اعمال سلطه را عملی یک سویه، از سوی یکی بر دیگری می‌داند. برخلاف تصور فوکو که آن را از سوی دو طرف بازی سلطه ورزی (سلطه گر/تحت سلطه) و هم‌چنین روابط موجود میان آن‌ها دانسته است. فرودستان با پذیرش سلطه‌ی روا داشته شده، دست به توجیه موقعیت و شرایط خود می‌زند و برای پایداری این وضعیت تلاش نموده، نگران و هراسان دگرگونی آن هستند. گروه‌های سلطه‌گر و گروه‌های تحت سلطه، شاید نسبت به اعمال قدرت آگاه نباشند، ولیکن همواره آن را بازتولید می‌نمایند. بوردیو نیز بر این باور است که ساختارهای سلطه محصولات کار بی وقفه‌ی بازتولیدی است که عوامل مختلف در آن شرکت دارند (ابراهیمی و کاظمی، ۱۳۸۸؛ ۴۰).
بر این اساس، هرگونه قاعده، تعییری محسوب می‌شود که قدرت مداران، در سایه‌ی نظام گفتمانی خویش، به آن ارزش و کارمایه‌ی عملی بخشیده‌اند. کلیه‌ی تفسیرها از سرچشمه‌های قدرت نشات گرفته‌اند و چیزی جز ساخته‌ی نظام سلطه نیستند (ضمیران، ۱۳۷۸؛ ۳۷- ۳۶).
بلوک قدرت همواره می‌کوشد از طریق کسب رضایت عامه و نیز از راه ترکیب منافع و علایق گروه‌های فرودست با منافع و علایق خود، سلطه و منافع خود را بازتولید کند. بر همین اساس، استدلال می‌شود که دستگاه‌های ایدئولوژیک رسانه نقش عظیمی در شکل‌دهی به سویژکتیویته‌ی افراد دارند. بلوک قدرت از طریق مرجح ساختن معناها و ایده‌ها و ارزش‌هایی خاص، سوژه‌ها را فرامی‌خواند تا گفتمان مسلط یا خوانش مرجح یک متن را بپذیرد (آزاد ارمکی و محمدی ۱۳۸۵: ۶۷).
آنتونیو گرامشی مفهوم هژمونی را در نقد استعاره‌ی زیربنا / روبنا مطرح ساخت؛ استعاره‌ای که بر طبق آن، زیربنای اقتصادی، متشکل از شیوه‌های تولید، ابزارهای تولید و روابط تولیدی، تعیین‌کننده‌ی روبنای جامعه، یعنی فرهنگ، سیاست، ایدئولوژی، هنر و … است. از این رو، طبقه‌ای که مالک ابزارهای تولید مادی است، ابزارهای تولید فکری را هم کنترل می‌کند. به همین دلیل، در هر دوره‌ای ایده‌های طبقه حاکم، ایده‌های حاکمند.
نظریه‌ی هژمونی گرامشی این معادله را برهم می‌زند هژمونی، از نظر گرامشی، به موقعیتی اطلاق می‌شود که در آن یک بلوک تاریخی، متشکل از جناح‌های طبقه‌ی حاکم، رهبری فکری – اخلاقی طبقات فرودست را به دست می‌گیرد و نوعی اقتدار اجتماعی پیدا می‌کند. فرایند دستیابی به هژمونی و کسب آن معمولا از طریق ترکیبی از اعمال زور و کسب رضایت مردم میسر می‌شود.
هژمونی در آثار گرامشی معانی مختلفی دارد. با این حال، تمام این معانی حول مضامین مشترکی چون کسب رضایت عامه‌ی مردم، رهبری فکری و اخلاقی، خلق نوعی اراده‌ی جمعی، برساختن شکل خاصی از عرف عام و ترکیب منافع طبقات فرودست در نظام ایدئولوژیک حاکم دور می‌زند. (Rojek, 2003, 114)
جامعه‌ی مدنی، نزد گرامشی، یعنی هژمونی یک گروه اجتماعی بر کل جامعه که از طریق سازمان‌های خصوصی (کلیسا، اتحادیه‌های تجاری، آموزش و پرورش، رسانه و غیره) اعمال می‌شود. جامعه‌ی مدنی متشکل از گروه‌ها و طبقات مختلفی است که برای کسب هژمونی تلاش می‌کنند. همچنین، قلمرو جامعه مدنی عرصه‌ی مقاومت در برابر هژمونی گروه‌های فرادست است. از نظر گرامشی، همواره امکان مقاومت در برابر هژمونی وجود دارد. اعمال هژمونی همواره بر این اصل استوار است که منافع و علایق گروه‌های تحت سلطه باید مورد توجه قرار گیرد، یعنی بلوک قدرت باید به آنها امتیاز بدهد. هژمونی هیچ‌گاه لایتغیر و یکدست نیست، بلکه همواره متشکل از روابط قدرت موقت و ناپایدار است. تولید و بازتولید هژمونی منوط است به توانایی بلوک قدرت در ادغام عناصر حاشیه‌ای و معارض در نظام هژمونیک. در یک نظام هژمونیک، همواره تلاش می‌شود که این اطمینان حاصل گردد که زور اعمال شده مبتنی بر رضایت اکثریت است. این رضایت، اغلب به وسیله‌ی ارگان‌های افکار عمومی، روزنامه‌ها، تلویزیون و … که خود در برخی مواقع دستکاری و مخدوش می‌شوند، ایجاد می‌گردد (آزاد ارمکی و محمدی، ۱۳۸۵: ۷۰).
از نظر گرامشی نظام هژمونیک و ارگان‌های آن همواره در پی اعمال زور به شکلی هنجارین هستند، یعنی نوعی نظام هنجارین را از کانال کسب رضایت عموم شکل می‌دهند. به بیان دیگر، دو کار مهم انجام می‌دهند:

– مطابقت با تمام الزامات قانونی. برای مثال: در نظر گرفتن تلفن‌های اضطراری، امنیت/ حفظ حریم خصوصی

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

از دیدگاه اتحادیه‌ی جهانی مخابرات، مدل ادراکی معماری شبکه‌های نسل آینده مطابق شکل ۲-۳ شامل چهار لایه‌ی دسترسی، انتقال، کنترل و سرویس است که هرکدام دارای توابع متفاوتی هستند. لایه‌ی دسترسی تامین کننده‌ی زیرساخت است برای مثال شبکه‌ی دسترسی میان کاربر نهایی و شبکه‌ی انتقال است. لایه‌ی انتقال از انتقال میان گره‌های شبکه که شبکه‌های دسترسی به آن‌ها متصلند، پشتیبانی می‌کند. لایه‌ی کنترل وظیفه‌ی کنترل نشست‌های ارتباطی مانند ایجاد یا قطع صدا را دارد. لایه‌ی سرویس توابع سرویس‌های اولیه را ارائه می‌دهد، تامین کنندگان از این سرویس‌های اولیه استفاده می‌کنند تا سرویس‌های پیچیده یا جامع‌تری ایجاد کنند[۱۲].
شکل ۲-۳- لایه‌های شبکه‌های نسل آینده[۱۲]
لایه‌ی دسترسی: آخرین لایه در مدل است که تامین کننده‌ی زیرساخت برای دستگاه‌های کاربران نهایی مانند تلفن‌های استاندارد یا بی‌سیم، تلفن همراه یا کامپیوتر رومیزی و … به شبکه‌ی انتقال و بالعکس است. اتصال فیزیکی به واسطه‌ی انواع رسانه‌های انتقال متفاوت از فناوری‌های تلفن استاندارد، فیبر، xDSL^[51] تا ^[۵۲]FWA محقق می‌شود[۱۲].
لایه‌ی انتقال: کاربرد این لایه در انتقال میان گره‌های شبکه است و شامل یک یا چندین شبکه‌ی مبتنی بر بسته است[۱۲].
لایه‌ی کنترل: مهم‌ترین وظیفه‌ی لایه‌ی کنترل، مدیریت سایر لایه‌هاست. این لایه مسئول عملکرد صحیح لایه‌ی انتقال است، تماس سرویس‌ها(لایه‌ی سرویس) و همچنین نمایه‌ی کاربران(لایه‌ی دسترسی) را کنترل می‌کند[۱۲].
یکی از مهم‌ترین اصول معماری شبکه‌های نسل آینده، تقسیم وظایف مدیریتی از سخت‌افزار ارتباطی است. در تلفن سنتی، توابع ارتباط در لایه‌ی انتقال و توابع لایه‌ی مدیریت، توسط دستگاهِ تلفن‌خانه تامین می‌شوند. در شبکه‌های نسل آینده، المان‌های ^[۵۳]MGW/SGW به عنوان تابع ارتباط و مسیریابی استفاده می‌شوند (شبکه راه‌گزینی، رابط و استفاده از سیگنال‌های کنترل ارتباطات). سرورها برای کنترل تماس‌ها (راه‌گزین نرم‌افزاری^[۵۴]) در حال جایگزینی توابع کنترلی تلفن‌خانه (پردازنده‌ها و حافظه‌ها) هستند. این تقسیم با بهره گرفتن از شبکه‌ی بسته، در درجه‌ی اول برای انتقال داده و همچنین برای ارتباط چندرسانه‌ای و صوت به شکل بلادرنگ استفاده می‌شود و پروتکل‌های مدیریتی جدیدی را طلب می‌کند که می‌توانیم آن‌ها را به سه گروه زیر دسته‌بندی کنیم[۱۲].
– پروتکل‌های استفاده از سیگنال‌ها برای کنترل تماس که اجازه‌ی ایجاد، کنترل و خاتمه‌ی نشست را صادر می‌کند.
– پروتکل‌های مدیریت MGW/SGW با بهره گرفتن از راه‌گزین‌های نرم‌افزاری.
– پروتکل‌های استفاده از سیگنال‌ها میان راه‌گزین‌های نرم‌افزاری.
لایه‌ی برنامه‌ی کاربردی: رایج است که این لایه، لایه‌ی سرویس نامیده شود زیرا سرورهای برنامه‌های کاربردی و سرورهای رسانه را ادغام می‌کند[۱۲].
سه مدل ارائه‌ سرویس عبارتند از [۱۲]:
– سرویس‌های وب که از اینترنت و هوش توزیع شده الهام گرفته شده‌اند.
– سرویس‌های مبتنی بر توابع سرورها در لایه‌ی مدیریت باهوش متمرکز.
– سرویس‌های ارائه شده در رسانه‌های شبکه‌ای اپراتورهای دیگر که اصطلاحا شخص سوم (نوع جدیدی از تامین کنندگان سرویس که زیرساختی متعلق به خودشان ندارند) نامیده می‌شوند.
لایه‌ی سرویس، بلوک‌های اساسی سرویس‌ها را تامین می‌کند که اپراتورها با بهره گرفتن از آن‌ها، سرویس‌های قابل استفاده و پیچیده‌تر خود را می‌سازند[۱۲]. مثال‌ها:
– انتقال و مسیریابی (برای مثال ایجاد کانال در شبکه، مسیریابی ارتباط، محدود کردن ارتباط به شبکه‌های منتخب، کیفیت سرویس و …)
– ارتباط و ارائه‌ مطالب آموزنده (مدیریت صوت یا ارتباط چندرسانه‌ای، محدود کردن دسترسی به انواع سرویس‌های منتخب، مکان‌یابی موقعیت جغرافیایی کاربر، تشخیص وضعیت ارتباط کاربر و …)
– دسترسی و صدور صورتحساب (تصدیق هویت کاربر، جمع‌ آوری اطلاعات درباره‌ی استفاده از شبکه توسط کاربر، صدور صورتحساب و …)
۲-۳- شبکه نوری غیرفعال
فیبر نوری می‌تواند خدمات داده، صوت، ویدیو و خدماتی که نیاز به پهنای باند بالایی دارند را در مسافت‌های بیش از ۲۰ کیلومتر در شبکه‌ی دسترسی، تامین کند. یک راه منطقی برای استقرار فیبر نوری در شبکه‌ی دسترسی محلی، استفاده از هم‌بندی نقطه به نقطه با فیبر تخصیص یافته از دفتر مرکزی^[۵۵] تا هر کاربر نهایی است. با وجود سادگی معماری، این راه‌حل در بسیاری از مواقع هزینه‌بر است. با توجه به شکل ۲-۴ بخش الف تصور کنید مشترک با میانگین فاصله‌ی کیلومتر از دفتر مرکزی وجود دارند، در طراحی نقطه به نقطه فرستنده و گیرنده^[۵۶] و فیبر نوری به طول مورد نیاز است[۷].
به منظور کاهش فیبر نوری، با توجه به شکل ۲-۴ بخش ب می‌توان از یک راه‌گزین در همسایگی مشترکان استفاده کرد. این راه‌گزین استفاده از فیبر را به کیلومتر کاهش می‌دهد (فاصله‌ی میان راه‌گزین و مصرف کنندگان ناچیز در نظر گرفته شده است)، اما تعداد فرستندگان و گیرندگان را به افزایش می‌دهد. علاوه بر این، این معماری شبکه به قدرت الکترونیکی و همچنین توان پشتیبان‌گیری در راه‌گزین نیاز دارد. بنابراین منطقی است که راه‌گزین فعال (نیازمند به قدرت برق) را با یک ارتباط دهنده‌ی نوری غیرفعال^[۵۷] (بدون نیاز به قدرت برق) جایگزین کنیم[۷].
شبکه‌ی نوری غیرفعال توسط اکثریت به عنوان یک راه‌حل مناسب برای پیاده‌سازی شبکه‌ی دسترسی مورد توجه قرار گرفته است، این شبکه تعداد فرستنده و گیرنده‌ها و فیبر نوری را به حداقل می‌رساند. شبکه‌ی نوری غیرفعال یک شبکه‌ی نوری نقطه به نقطه است که هیچ عنصر فعالی در مسیر سیگنال از مبدا به مقصد ندارد. تمامی عناصر داخلی این شبکه، اجزای نوری غیرفعال مانند فیبر نوری، ارتباط دهنده‌ها و پیوند دهنده‌ها^[۵۸] هستند. با توجه به شکل ۲-۴ بخش ج یک شبکه‌ی دسترسی مبتنی بر شبکه­ نوری غیرفعال تنها به فرستنده و گیرنده و کیلومتر فیبر نیاز دارد[۷].
با توجه به روش‌های مختلف فوق برای پیاده‌سازی شبکه‌های دسترسی نسل آینده، می‌توان ویژگی‌های آن‌ها را به طور خلاصه در جدول ۲-۳ مورد مقایسه و بررسی قرار داد. از میان روش‌های فوق، شبکه نوری غیرفعال با توجه به ویژگی‌ها و مزایای آن نسبت به سایر روش‌ها برای پیاده‌سازی شبکه‌ی دسترسی نسل آینده انتخاب می‌شود[۷].
شکل ۲-۴- روش‌های استقرار فیبر نوری به عنوان شبکه‌ی دسترسی [۷]
جدول ۲-۳- مقایسه‌ی ویژگی‌های روش‌های استقرار فیبر نوری به عنوان شبکه‌ی دسترسی

نوع شبکه
تعداد فرستنده و گیرنده
طول فیبر نوری
معایب
مزایا

نقطه به نقطه

۲N

N*L

– هزینه‌ی زیاد
– مصرف زیاد فیبر نوری

سادگی معماری

راه‌گزین

۲N+2

L

نوع سرویس (TOS)
سوابق جریان شبکه توسط پروتکل(UDP) ارسال می‌گردد و توسط یک جمع‌ آوری‌کننده جریان شبکه جمع‌ آوری می‌گردد. آدرس IP جمع‌ آوری‌کننده جریان شبکه و پورت مقصد پروتکل UDP باید در روتر فرستنده تنظیم گردد. مقدار استاندارد برای پورت UDP 2055 است ولی مقادیر دیگر مانند ۹۵۵۵ یا ۹۹۹۵ نیز به کار می‌رود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

به خاطر مسئله کارایی، روترها به‌طورمعمول اثری از فلو‌های ارسال‌شده خود نگه نمی‌دارند، بنابراین اگر یک بسته جریان شبکه به دلیل کنترل ازدحام در شبکه و یا دست‌خوردگی بسته دور انداخته شود، برای همیشه آن بسته را از دست خواهیم داد. پروتکل UDP روتر را از واقعه از بین رفتن بسته‌ها مطلع نمی‌نماید و روتر به ارسال بسته‌ها ادامه می‌دهد. این‌یک مشکل جدی است، مخصوص برای نسخه‌های V8 و V9 جریان شبکه که بسته‌ها و فلو‌ها را به صورت مجموعه‌ای بزرگ در یک رکورد ذخیره می کند. درصورتی‌که بسته‌ها را از دست بدهیم تأثیر عظیمی بر روی آمار فلوها ایجاد می کند.
به همین دلیل است که پیاده‌سازی‌های جدید جریان شبکه از پروتکل انتقال کنترل جریان (SCTP) برای ارسال بسته‌ها استفاده می‌نمایند به‌طوری‌که در برابر از دست دادن بسته‌ها حمایت و نگهداری می کند و این اطمینان را در نسخه V9 جریان شبکه می‌دهد قبل از ارسال هر بسته نمونه‌های قبلی به مقصد رسیده‌اند. قابل‌توجه اینکه پروتکل TCP برای نت فلو مناسب نیست زیرا ترتیب دقیق بسته‌های اطلاعاتی تأخیر و بافر زیادی می‌طلبد. مشکلی که در استفاده از پروتکل SCTP وجود دارد لزوم بر هم کنش میان هر جمع‌ آوری‌کننده جریان شبکه و روتر‌های ارسال‌کننده است. این ممکن است منجر به محدودیت در کارایی عملکرد شود اگر روتر بخواهد با چندین جمع آوری کننده جریان شبکه رفتار نماید و برعکس؛ به خصوص در حالتی که برخی از این‌ها غیرقابل‌دسترس باشند.
SCTP ممکن است درصورتی‌که باید به سمت چندین جمع آوری کننده ارسال نماید، مناسب نباشد؛ که برخی از آن‌ها ممکن است توسط سرورها آزمایش شوند که می‌تواند در هرلحظه پایین بیاید.UDP تکرار ساده‌ای از بسته‌های جریان شبکه با بهره گرفتن از Network tap‌ها و یا L2 یا L3 معکوس اجازه می‌دهد. تجهیزات ساده قادر هستند تا بسته‌های UDP جریان شبکه را فیلتر و یا آدرس مقصد را تغییر دهند. چون ارسال‌کننده جریان شبکه معمولاً لینک‌های ستون فقرات شبکه را به کار می‌برند، از دست دادن بسته اغلب از آن صرف‌نظر می‌شود. (۹)
یادگیری ماشین^[۶]
یادگیری ماشین یک برنامه کامپیوتری برای بهینه سازی معیار کارایی با بهره گرفتن از داده نمونه یا تجربیات گذشته می باشد. یادگیری ماشین در مسایل مختلفی کاربرد دارد:
دسته بندی :ماشین یاد میگیرد که ورودیها را به دسته های از پیش تعیین شده ای نسبت دهد.
سیستم یادگیر : کشف میکند که کدام ورودیها با هم در یک دسته بندی قرار میگیرند.
انواع یادگیری ها بر حسب ناظر را در زیر شرح می دهیم:
یادگیری با ناظر:
یک مجموعه از مثالهای یادگیری وجود دارد بازای هر ورودی، مقدار خروجی و یا تابع مربوطه نیز مشخص است. هدف سیستم یادگیر بدست آوردن فرضیه ای است که تابع و یا رابطه بین ورودی و یا خروجی را حدس بزند.
یادگیری بدون ناظر:
یک مجموعه از مثالهای یادگیری وجود دارد که در آن فقط مقدار ورودی ها مشخص است و اطلاعاتی در مورد خروجی صحیح در دست نیست. یادگیری بدون ناظر برای دسته بندی ورودیها و یا پیش بینی مقدار بعدی بر اساس موقعیت فعلی بکار میرود.
یادگیری تقویتی:
مثالها بصورت ورودی/خروجی نیستند بلکه بصورت وضعیت/پاداش هستند که یادگیر در وضعیت های مختلف عملیات مختلفی را انجام داده و پاداشهای متفاوتی دریافت و بر اساس مجموع پاداش های دریافتی عمل متناسب با هر وضعیت را یاد میگیرد.
یادگیری نیمه نظارتی:
مثالها طوری هستند که برای تعداد کمی از آنها مقدار خروجی موجود است اما برای مثالهای زیادی مقدار خروجی مشخص نیست.
حال در زیر به تعریف چند روش یادگیری از یادگیری ماشین که در دسته بندی کاربرد دارد می پردازیم. (۱۰)
ماشین بردار پشتیبان^[۷]
ماشین بردار پشتیبان از روش های یادگیری تحت نظارت است که برای دسته بندی و رگرسیون استفاده می شود. ماشین بردار پشتیبان توسط وپنیک بر پایه تئوری یادگیری آماری معرفی شد دراین روش اساس کار بر این است که بردارهای ورودی ( بردارهای ویژگی) به فضایی با ابعاد بالاتر نگاشت میشوند، در این فضای جدید دسته بندی این بردارها کاراتر و مناسبتر انجام میشود. این روش آموزش نسبتاً ساده است برخلاف شبکه های عصبی در ماکزیمم های محلی گیر نمی‌افتد. برای داده های با ابعاد بالا تقریباً خوب جواب می دهد. مصالحه بین پیچیدگی دسته بندی کننده و میزان خطا به طور واضح کنترل می شود. به یک تابع کرنل خوب و انتخاب پارامتر C نیاز دارد. (۱۱)
شبکه های عصبی مصنوعی
شبکه عصبی مصنوعی چکیده ای از مغز انسان است. مغز انسان در حدود ۱۰۱۱ واحد ریز دارد که نورون نامیده میشوند. این نورونها با مقدار تقریبی ۱۰۱۵ اتصال، به یکددیگر متصل شده اند. مشابه مغز، شبکه عصبی مصنوعی از نورونهای مصنوعی)یا واحدهای پردازنده( و اتصالات ساخته شده است. وقتی که چنین شبکه ای را به صورت نموداری مشاهده میکنیم، نورونها میتوانند به صورت گرهها )رئوس( و اتصالات بصورت لبه ها )یالها(نشان داده شوند.
ورودی شبکه عصبی بردارهای ویژگی و خروجی شبکه معرف کلاسهای مختلف خواهد بود. شبکه های چندلایه پیش خور یکی از مهمترین و رایج ترین شبکه های عصبی مصنوعی در کاربردهای دنیای واقعی هستند. این شبکه شامل مجموع هایی از ورودی هاست که لایه ی ورودی شبکه را می سازند، یک یا چند لایه مخفی از گره های محاسباتی و در نهایت یک لایه خروجی از گره های محاسباتی است. پردازش در جهت پیش رو و به صورت لایه به لایه است. به این نوع اغلب پرسترون چند لایه MLP^[8] گفته می شود که تعمیمی از یک تک پرسترون است. شکل معماری یک پرسترون چند لایه با یک لایه مخفی از گره ها برای پردازش و یک لایه خروجی را نشان میدهد. شبکه نشان داده شده در اینجا، کاملا همبند است. این بدان معناست که نورون در هر لایه شبکه، به تمامی نورونهای)گره های( لایه قبلی متصل است. جریان داده در طول شبکه در راستای پیش رو، از چپ به راست و بر مبنای لایه به لایه پیش می رود. (۱۱)
شکل ۱ – نمونهای از شبکه عصبی با یک لایه مخفی (۱۱)
درختهای تصمیم گیری
در درختهای تصمیم گیری هر گره از درخت دسته بندی را براساس مقادیر یکی از ویژگیها انجام می دهد و تصمیم گیری نهایی در برگ های درخت انجام میگیرد. برای مثال، میخواهیم با توجه به علایم ظاهر شده در فرد مثل درد، تب و سرفه نوع بیماری فرد را تشخیص دهیم. شکل ۶ درخت تصمیمی که این مسأله را حل میکند، نشان می دهد. همه مؤلفه های اساسی درخت تصمیم در شکل نشان داده شده است.
شکل ۲ – درخت تصمیم گیری (۱۱)
هر گره داخلی یا غیربرگ با یک ویژگی مشخص می شود. این ویژگی سوالی را در رابطه با مثال ورودی مطرح میکند. درهر گره داخلی به تعداد جوابهای ممکن با این سوال شاخه ) انشعاب (وجود دارد که هر کدام براساس مقدار جواب مشخص می شوند. برگ های درخت با یک کلاس و یا یک دسته از جواب ها مشخص می شوند. (۱۱)
K نزدیکترین همسایه
هنگام تلاش برای حل مسائل جدید، افراد معمولاً به راه حل های مسائل مشابه که قبلاً حل شده اند مراجعه می کنند. نزدیکترین K همسایه الگوریتم دسته بندی است که از نسخه ای از این نظریه استفاده می کند. در این روش تصمیم گیری درمورد تخصیص نمونه ی جدید به کلاس یا دسته با بررسی تعدادی (k) از شبیه ترین نمونه ها یا همسایه ها در مجموعه آموزش انجام می شود. تعداد نمونه های هر کلاس
شمرده میشوند و نمونه جدید به دسته ای که تعداد بیش تری از همسایه ها به آن تعلق دارند نسبت داده میشود. از جمله مشکلات این روش پیچیدگی محاسباتی، محدودیت حافظه، از جمله الگوریتم های یادگیری تنبل است (برای داده های آموزش مدل ساخته نمی شود) و حساس به اختلاف مقادیر و داده های نا متقارن می باشد. (۱۱)
دسته بندی کننده ساده بیز^[۹]
یک روش یادگیری بسیار عملی روش دسته بندی کننده ساده بیز است این روش کارایی قابل مقایسه ای با شبکه های عصبی و درخت تصمیم دارد.. استدلال بیزی روشی بر پایه احتمالات برای استنتاج کردن است و اساس این روش بر این استوار است که برای هر کمیتی یک توزیع احتمال وجود دارد که با مشاهده یک داده جدید و استدلال در مورد توزیع احتمال آن می توان تصمیمات بهینه ای اتخاذ کرد در برخی کاربرد ها استفاده از روش های یادگیری بیزی (نظیر دسته بندی کننده بیزی ساده) توانسته است راه حل های عملی مفیدی را ارائه کند نشان داده شده است که کارایی این روش قابل مقایسه با درخت تصمیم و شبکه عصبی است مطالعه یادگیری بیزی به فهم سایر روش های یادگیری که به ور مستقیم از احتمالات استفاده نمی کنند کمک می کند مشاهده هر مثال می تواند به صورت جزئی باعث افزایش و یا کاهش احتمال درست بودن یک فرضیه گردد برای بدست آوردن احتمال یک فرضیه می توان دانش قبلی را با مثال مشاهده شده ترکیب کرد این دانش قبلی از دو طریق بدست می آید:
الف) احتمال قبلی برای هر فرضیه موجود باشد
ب) برای داده مشاهده شده توزیع احتمال هر فرضیه ممکن موجود باشد.
روش های بیزی فرضیه هائی ارائه می دهند که قادر به پیش بینی احتمالی هستند(مثل بیمار به احتمال ۹۳% بهبود می یابد) مثال های جدید را می توان با ترکیب وزنی چندین فرضیه دسته بندی نمود حتی در مواردی که روش های بیزی قابل محاسبه ناشد می توان از آنها به عنوان معیاری برای ارزیابی روش های دیگر استفاده کرد یکی از مشکلاتی که این روش دارد این است که نیاز به دانش اولیه در مورد تعداد زیادی از احتمالات دارد وقتی که این اطلاعات موجود نباشد اغلب ناگزیر به تخمین زدن آن هستیم برای این کار از اطلاعات زمینه داده هائی را که قبلاً جمع آوری شده اند و فرضیاتی در مورد توزیع احتمال استفاده می شود و محاسبه فرضیات بهینه بیزی بسیار هزینه بر است (تعداد فرضیه های کاندید خطی است) با توجه به مجموعه ای از نمونه ها که هر کدام متعلق به یک کلاس مشخص است و هر کدام از آنها دارای برداری از ویژگی ها که نمونه تازه را تعریف می کند دارد را به یک کلاس اختصاص بدهیم مشکلاتی از این نوع مشکلات دسته بندی با ناظر^[۱۰] نامیده می شود که همه جا حاظرند و متد های زیادی برای ایجاد چنین قوانینی توسعه یافته اند یکی از روش های خیلی مهم روش ساده بیز است این روش به چندین دلیل مهم است که شامل موارد زیر است. ایجاد آن خیلی ساده است و نیازی به تخمین پارامتر زیاد پیچیده ای ندارد و این بدین معنی است که می توان ان را براحتی بروی مجموعه داده های بزرگ بکار برد تفسیر نتایج ساده است و بنابراین کاربرانی که مهارت زیادی در تکنولوژی دسته بندی ندارند نیز می توانند نحوه دسته بندی که این روش تولید می کند را متوجه شوند از همه مهم تر اینکه این روش کار خود را به طور شگفت انگیزی خوب انجام می دهد اگرچه این روش بهترین دسته بندی کننده ممکن برای هر کاربردی نیست ولی معمولاً می تواند بهبود داده شود و نسبتاً خوب عمل کند برای مثال در مطالعه ای که بروی پیش بینی سرطان سینه انجام شده بود ساده بیز نتایج بهتر در مقایسه با دیگر روش های دسته بندی با ناظر داده است جهت ساده تر شدن مطلب در دسته بندی دارای فقط ۲ کلاس هستیم که البته در بیشتر مواقع هم بصورت طبیعی دارای دو کلاس اند مانند (right/wrong, yes/no, good/bad, present/absent) .
با برچسب زدن کلاس ها با i=0,1، هدف از استفاده از مجموعه نمونه های آموزشی که دارای اعضای مشخصی هستند که نمونه ها را به دو دسته تقسیم می کنیم که به نمونه هایی که موارد زیادی را شامل می شوند عدد ۱ و مواردی که تعداد کمتری را شامل می شود را با عدد ۰ نشانه گذاری می کنیم و با دادن نمونه جدید با این دسته بندی مقایسه می کنیم که اگر از یک آستانه خاصی بزرگتر باشد در دسته بندی ۱ و اگر کمتر باشد در دسته بندی ۰ قرار می دهیم.
احتمال اینکه یک نمونه با بردار x(x1,…….,xp) متعلق به کلاس i باشد را با P(i|x) نشان می دهیم و f(x|i) توزیع شرطی x برای نمونه های کلاس i و P(i) احتمال اینکه یک نمونه بدون هیچ گونه اطلاعی از آن به کلاس i متعلق باشد(احتمال پیشین کلاس i ) نشان می دهیم و F(x) را به عنوان ترکیب توزیعی از دو کلاس تعریف می کنیم:

واضح است که یک تخمین از ) P(i |x به تنهایی می تواند یک معیار مناسب برای استفاده در قوانین دسته بندی بکار رود ما برای بدست آوردن یک دسته بندی خوب نیاز داریم که احتمال بعضی آستانه ها را انتخاب کنیم بطور مثال بیشتر معمول است که از ۲/۱ به عنوان آستانه استفاده می شود بطوری که هر نمونه جدید به کلاسی اختصاص می یابد که از کلاسی با بیشترین شباهت آمده است یک کاربرد ساده از قضیه بیز منجر به می شود که برای بدست آوردن یک تخمین از P(i|x) از این فرمول ما نیاز به تخمین هر یک از P(i) و f(x|i) داریم اگر مجموعه آموزشی ما یک نمونه تصادفی ساده مشتق شده از توزیع کلی جمعیت f(x) باشد P(i) را می توان مستقیماً از نسبت نمونه های کلاس i در مجموعه آموزشی تخمین زد با وجود این در بعضی مواقع مجموعه اموزشی از طرق بسیار پیچیده ای بدست می آید بعنوان نمونه در بسیاری از مسائل کلاس ها نا متوازن اند بطوریکه یک کلاس بزرگتر از دیگری می شود(مثلاً در تشخیص تقلب حساب های بانکی از هر ۱۰۰۰ تراکنش فقط یکی ممکن است کلاهبردار از آب در بیاید) در چنین مواردی کلاسی که در بین دو کلاس بزرگتر است به زیر نمونه هایی تقسیم می شود برای مثال شاید فقط ۱ در ۱۰ یا در ۱۰۰ از کلاس بزرگتر در نمونه های آموزشی استفاده شود در این مورد ضروری است که نسبت مشاهده شده برای نمونه ها دوباره وزن دهی شوند تا یک تخمین از P(i) در مجموعه آموزشی بدست آید در حالت کلی اگر مشاهدات ما یک نمونه تصادفی ساده از مجموعه آموزشی مشتق نشده باشد به نظر می رسد که برای بهتر کردن تخمین P(i) نیاز خواهیم داشت هسته روش ساده بیز متکی بر متدی است که f(x|i) را تخمین بزند روش ساده بیز فرض می کند که اجزاء x در هر کلاس مستقل اند بنابراین نام بیز مستقل^[۱۱] از آن گرفته شده است هر یک توزیع های حاشیه ای تک متغییری f(xj|i) که j=1,…..,P و i=1,0 بطور جداگانه ای محاسبه می شوند به این ترتیب یک مساله چند متغییری به p بُعدی به تخمین p مسئله یک متغییره کاهش می یابد تخمین یک متغییری ساده و آشنا است و به اندازه های کوچکی از مجموعه آموزشی برای بدست آوردن دقت تخمین نسبت به توزیع های چند متغییری نیاز دارد در حقیقت این روش به حدی ساده است که بسیاری از پیاده سازی ها هر متغییر پیوسته مانند (سن، وزن، درآمد و…) را به نمونه های گسسته تبدیل می کند که البته در نظر نخست این به معنی قربانی شدن مفهوم پیوستگی بین نمونه های همسایه است هم چنین این استراتژی مستلزم این است که نمونه ها از بازه به اندازه کافی بزرگ انتخاب شوند تا شامل نقاطی باشند که دقت تخمین احتمال تامین شود بخصوص اینکه این یک تبدیل غیر خطی است یعنی لازم نیست رابطه بین xj ها و تخمین f(xj|i) یکنواخت باشد مثلاً در مورد دسته بندی بر اساس سن لزومی ندارد که بعد از گسسته کردن فاصله بین کلاس اول مثل ۱۰ تا ۲۰ سال برابر فاصله کلاس دوم مثل ۲۰ تا ۵۰ باشد.
این روش در مسائلی کاربرد دارد که نمونه x توسط ترکیب عطفی ویژگی ها قابل توصیف باشد و این ویژگی ها به صورت شرطی مستقل از یکدیگر باشند و تابع هدف f(x) بتواند هر مقداری را از مجموعه محدود V داشته باشد؛ و مجموعه مثال های آموزشی نسبتاً زیادی در دست باشد.
تابع هدف زیر را در نظر بگیرید:
F:X?V که در ان هر نمونه x توسط ویژگی زیر مشخص می شود (a₁,….,a_n)
صورت مسئله: برای یک نمونه مشاهده شده مقدار تابع هدف یا به عبارت دیگر دسته بندی آن را مشخص کنید.
در روش بیزی برای حل مسئله محتمل ترین مقدار هدف v_MAP محاسبه می شود

این رابطه با بهره گرفتن از تئوری بیز به صورت روبرو نوشته می شود:

در رابطه فوق مقدار P(v_j) با شمارش دفعاتی که v_j در مثال های آموزشی مشاهده شده است محاسبه می شود اما محاسبه P(a₁,…..,a_n|v_j) چندان عملی نیست مگر اینکه مجموعه آموزشی بسیار بسیار بزرگی در دست باشد روش یادگیری دسته بندی ساده بیز بر پایه این فرض ساده عمل می کند که مقادیر ویژگی به صورت شرطی مستقل هستنددر این صورت برای یک مقدار هدف مشخص احتمال مشاهده ترکیب عطفی (a₁,…,a_n) برابر است با حاصلضرب احتمال تک تک ویژگی ها.
در این صورت رابطه فوق به صورت زیر در می آید:

در روش ساده بیز مقادیر مختلف P(v_j) و P(a_i|v_j) با بهره گرفتن از دفعات تکرار آنها تخمین زده می شود مجموعه این تخمین ها فرضیه ای را تشکیل می دهد که برای دسته بندی داده جدید بکار می رود در این روش هیچ گونه عمل جستجوی آشکاری در فضای فرضیه وجود ندارد. (۱۲)
تئوری بیز