همه ما به نوعی در برخورد با مسائلِ پیچیده دچار سردرگمی و مشکل هستیم. این پیچیدگی در مسائل و سیستمها به نوعی مربوط به تعداد عناصر تاثیرگذار در آنها و ارتباطات مختلفی است که با هم دارند. اینکه این عناصر با هم ارتباط مستقیم دارند یا غیر مستقیم مسائل را پیچیدهتر هم میکند حتی ممکن است این ارتباطات واضح هم نباشند. قاعدتاً چگونه رفتار کردن با این مسائل و سیستمهایی که ساختار واضح و مشخصی ندارند بسیار دشوار است. کارکرد روش مدلسازی ساختاری تفسیری ISM در مدیریت این شرایط، دقیقا آن چیزی است که ما دنبال آن هستیم. روشی که به شناسایی ساختار درونی مسائل و سیستمها کمک کند. در اینجا قصد داریم به آموزش مدل سازی ساختاری تفسیری ISM بپردازیم.
با مشاهده این ویدئو میتوانید در زمانی خیلی کوتاه تکنیک مدلسازی ساختاری تفسیری را فرا بگیرید:
مدلسازی ساختاری تفسیری (ISM) چیست؟
روش مدلسازی ساختاری تفسیری (ISM) (مخفف کلمات: Interpretive Structural Modelling ) یک روشی ساختاری تفسیری است که به وسیله فردی به نام وارفیلد معرفی شد. در این روش، با تجزیه معیارها در چند سطح مختلف، به تحلیل ارتباط بین این معیارها و شاخصها پرداخته میشود. این مدل ساختاری تفسیری قادر است سطوح ارتباط بین شاخصها که به صورت تکی یا گروهی به یکدیگر وابستهاند را تعیین نماید. به عبارت دیگر، ISM میتواند برای تجزیه و تحلیل ارتباط بین ویژگیهای چند متغیر که برای یک مساله تعریف شدهاند، استفاده شود. این روش ابتدا عوامل موثر بر موضوع مورد مطالعه را در سطوح مختلف قرار میدهد، سپس روابط بین این عوامل را به گونهای شفاف و در سطوحی جداگانه مشخص میکند.
طراحی یک مدل ساختاری تفسیری برای متغیرهای در ارتباط سیستم، روشی است که برای بررسی اثر هر یک از متغیرها بر روی متغیرهای دیگر کاربرد دارد.
- این روش تفسیری است، چون قضاوت گروهی از افراد تعیین میکند كه آیا رابطهای بین این عناصر وجود دارد یا خیر
- این روش ساختاری است چون اساس روابط یك ساختار سرتاسری است كه از مجموعهی پیچیدهای از متغیرها استخراج شده است
- میتوان از مدلسازی ساختاری تفسیری در مدیریت و شناخت رفتار سیستمها استفاه کرد
برای استفاده از این مدل اجرای مراحل زیر لازم است. در ادامه به شرح گام به گام استفاده از این روش میپردازیم:
گام اول: تشکیل ماتریس خود_تعاملی ساختاری
در قدم اول از آموزش مدل سازی ساختاری تفسیری ISM لازم است که ما مولفههای مورد مطالعه خود را (که از راههای مختلفی میتوانیم آنها را بدست آوریم) درون سطر یک ماتریس قرار دهیم. در قسمت ستون نیز همین مولفهها را تکرار میکنیم. حالا یک ماتریس مربعی N*N داریم که لازم است تا نوع روابط بین مولفههای مورد بررسی را مشخص کنیم. اینکه این مولفهها با هم ارتباط دارند، ندارند و یا حالت های دیگر. به طور معمولا از روابط منطقی زیر برای اعلام نظر در مورد ارتباطات بین مولفهها استفاده میشود:
- 1 : ارتباط یک طرفه از i به j
- 1- : ارتباط یک طرفه از j به i
- 2 : ارتباط دوطرفه بین i و j
- 0 : هیچ ارتباطی بین i و j وجود ندارد
نوع دوم قرارداد برای نمایش روابط منطقی در ISM:
- V : ارتباط یک طرفه از i به j
- A : ارتباط یک طرفه از j به i
- X : ارتباط دوطرفه بین i و j
- O : هیچ ارتباطی بین i و j وجود ندارد
در اینجا از اعداد برای بیان نوع رابطه استفاده شده است، در واقع این عمل یک توافق اولیه است و شما حتی میتوانید از اعداد بزرگ انگلیسی یا نمادهای مختلف برای این کار استفاده کنید. مهم این است که، به شکلی این نمادها را انتخاب کنید تا گویای نوع رابطه هم باشد. به طور مثال عدد 1 اگر رابطه یک طرفه را نشان میدهد، تقریبا مشخص است که منظور از ارتباط نوع 1- ارتباط معکوس است.
مثال از نحوه تشکیل ماتریس خود_تعاملی ساختاری
در این مقاله برای اینکه بهتر مفاهیم تکنیک مدلسازی ساختاری تفسیری را توضیح دهیم، بعد از هر بخش یک مثال حل خواهیم کرد. در مثال زیر نحوه تشکیل و جمع آوری اطلاعات در ماتریس خود_تعاملی ساختاری نشان داد شده است. فرض میکنیم این مولفهها توسط یک محقق با جستجو در منابع مختلف و همچنین مصاحبه با خبرگان مختلف در موضوع مورد مطالعه، بدست آمدهاند. این 5 مولفه بخشی از یک مدل برای ارزیابی ریسک هستند.
بیشتر بخوانید:
قدرت شاخص های کلیدی ریسک (KRIs) در مدیریت ریسک سازمانی
برای بدست آوردن ارتباطات بین آنها یک ماتریس 5*5 تشکیل میدهیم و مولفهها را مانند آنچه در تصویر پایین نمایش داده شده، درون ماتریس قرار میدهیم. از خبرگان خواستهایم با در نظر گرفتن قرارداد بالا، ارتباط بین این مولفهها را با قرار دادن اعداد 1، 1-، 0 و 2 مشخص کنند. به دلیل اینکه روابط معکوس بین مولفهها، از مثلث بالای قطر اصلی قابل جمعآوری است، تکمیل مثلث بالای قطر اصلی کفایت میکند و قطر اصلی را میتوان خالی در نظر گرفت یا عدد 1 را قرار داد.
گام دوم: تشکیل ماتریس دریافتی اولیه
ماتریس دریافتی اولیه از تبدیل ماتریس خود_تعاملی ساختاری به یک ماتریس دو ارزشی صفر و یک بدست میآید. ابتدا ارتباطات مثلث پایین قطر اصلی را بدست میآوریم، گفتیم که میتوانیم با توجه به مثلث بالای قطر اصلی این کار را انجام دهیم که بسیار راحت است. به طور مثال ما ارتباط از مولفه 3 به 5 را ارتباط یک طرفه مشخص کردیم، یعنی عدد یک، پس طبق منطق ارتباط از مولفه 5 به 3 ارتباط معکوس خواهد بود یعنی منفی یک؛ به همین نحو تمام ارتباطات مثلث پایین قطر اصلی را مانند ماترس زیر بدست میآوریم.
حالا باید ماتریس دریافتی اولیه را بسازیم. برای استخراج ماتریس دریافتی اولیه، باید در هر سطر ماتریس خود_تعاملی ساختاری (یعنی ماتریس بالا)، عدد یک را جایگزین اعداد 1 و 2 کنیم و عدد صفر را جایگزین اعداد 1- و 0 کنیم. یک نمونه از این تبدیل را در شکل قبلی نشان دادهایم، پس از تبدیل تمام سطرها، نتیجه حاصل شده ماتریس دریافتی اولیه نامیده میشود.
مثال از نحوه محاسبه ماتریس دریافتی اولیه
گفتیم که از جایگزین کردن عدد یک به جای اعداد 2 و 1 و همچنین عدد صفر به جای اعداد 0 و 1- در ماتریس خود_تعاملی ساختاری، ماتریس دریافتی اولیه بدست میآید. در ماتریس زیر تمام اعدادی که تغییر کردهاند مشخص شده است، موارد هم رنگ اعداد متناظر بالا و پایین قطر اصلی را نشان میدهد.
بیشتر بخوانید:
گام سوم: تشکیل ماتریس دریافتی نهایی
در قدم بعدی از روش مدلسازی ساختاری تفسیری (ISM) باید ماتریس را سازگار کنیم که تقریبا سختترین قسمت این روش است. ماتریس دریافتی نهایی از اعمال روابط تعدی بین مولفهها بدست میآید. رابطه تعدی بدین صورت است که اگر مولفه i منجر به مولفه j شود و مولفه j منجر به مولفه k گردد پس میتوان نتیجه گرفت که مولفه i نیز منجر به k میشود؛ معمولا این علامت در ماتریس دریافتی نهایی با 1* مشخص میشود؛ علاوه بر این، میزان وابستگی و قدرت نفوذ هر مولفه مشخص میشود:
- قدرت نفوذ؛ میزان تاثیر بر مولفههای دیگر است که برای هر مولفه از جمع اعداد هر سطر در ماتریس دریافتی نهایی بدست میآید
- میزان وابستگی؛ تاثیرپذیری از مولفههای دیگر را نشان میدهد که برای هر مولفه از جمع اعداد هر ستون در ماتریس دریافتی نهایی بدست میآید
با توجه به ماتریس دریافتی نهایی، سطوح مولفهها تعیین میشود؛ مولفههایی که دارای وابستگی زیادی هستند در سطوح ابتدایی و مولفههای که دارای قدرت نفوذ بالایی هستند در پایینترین سطح قرار میگیرند.
دانلود بهترین نرم افزار مدلسازی ساختاری تفسیری ISM
به همراه آموزش رایگان + ویدئو
مثال از نحوه محاسبه ماتریس دریافتی نهایی
ما حالتهای ممکن تعدی برای تک تک مولفهها را طبق ماتریس قبلی انجام دادیم و به ماتریس زیر رسیدیم. باید تک به تک مولفهها را بررسی کنیم و اگر تغییری به وجود آمد با علامت 1* آن را در ماتریس نشان دهیم. به طور مثال مولفه 1 را در ماتریس دریافتی اولیه در نظر بگیرید؛ این مولفه تنها با مولفه سوم ارتباط دارد و با بقیه ارتباطی ندارد. حالا اگر رابطه تعدی را در نظر بگیرم میبینیم که مولفه 3 با مولفههای 2، 4 و 5 در ارتباط است پس نتیجه میگیریم که طبق قانون تعدی مولفه یک نیز باید با مولفههای 2، 4 و 5 در ارتباط باشد. پس از علامت 1* برای نشان دادن این تغییرات در ماتریس دریافتی نهایی استفاده میکنیم.
این کار را برای همه مولفهها باید انجام بدهیم و علت سختی این قسمت (که قبلا اشاره کردم) دقیقا بخاطر همین است؛ چون زمانی که تعداد مولفهها زیاد میشود واقعا یک کار خسته کننده و پر اشتباهی است که با یک اشتباه ممکن است نتیجه نهایی کاملا تغییر کند. ولی نگران نباشید در آخر همین مقاله یک پیشنهاد خیلی خوب داریم که دیگه نیازی به این همه دردسر نیست…
گام چهارم: تعیین روابط و سطح بندی مولفهها
بعد از انجام مراحل قبل در روش مدلسازی ساختاری تفسیری باید تعیین سطوح هر مولفه را انجام بدهیم. در این مرحله باید لیست مولفههای تاثیرگذار و تاثیرپذیر برای هر مولفه را جداگانه بدست بیاوریم. برای این کار ما سه مجموعه را تعریف میکنیم:
- مجموعه دریافتی: مجموعه دریافتی برای یک متغیر خاص عبارت است از نام خود آن متغیر، به انضمام سایر متغیرهایی که در به وجود آمدن آن نقش داشته اند؛ به شکل سادهتر همه مولفههایی که در سطر مربوط به مولفه مورد نظر عدد 1 دارند
- مجموعه مقدماتی: مجموعه مقدماتی برای هر متغیر شامل نام خود آن متغیر، به انضمام سایر متغیرهایی که در ایجاد آنها نقش داشته است؛ به شکل سادهتر همه مولفههایی که در ستون مربوط به مولفه مورد نظر عدد 1 دارند
- مجموعه اشتراک: همانطور که از اسم آن نیز مشخص است از متغیرهای مشترک در دو مجموعه بالا بدست میآید
متغیرهایی که اشتراک بدست آمده از آنها با مجموعه دریافتی آنها یکسان است، در سلسله مراتب ISM به عنوان متغیر سطح بالا محسوب میشوند، به این معنی که این متغیرها بر متغیرهای دیگر تاثیر کمتری دارند. پس از شناسایی متغیر بالاترین سطح، آن متغیر از فهرست متغیرها کنار گذاشته میشود. این تکرارها تا زمانی که سطح همه متغیرها مشخص شود، ادامه پیدا میکند؛ سطوح شناسایی شده در ساخت مدل نهایی ISM استفاده خواهند شد.
مثالی از شناسایی سطوح مولفهها
به طور مثال برای مولفه اول، همانطور که در ماتریس قبلی میبینیم:
- مجموعه دریافتی برابر است با خود مولفه و همه مولفههایی که در سطر آن مولفه، عدد 1 دارند یعنی: {1،2،3،4،5}
- مجموعه مقدماتی برابر است با خود مولفه و همه مولفههایی که در ستون آن مولفه عدد 1 دارند یعنی: {1،2،3،4}
- اشتراک این دو مجموعه برابر است با {1،2،3،4}
- چون مجموعه دریافتی و مجموعه اشتراکها در مولفه اول باهم مساوی نیستند پس یک مولفه سطح بالا نیست و در تکرار بعدی نیز باید باشد.
برای همه مولفهها این کار را انجام میدهیم؛ همانطور که در جدول زیر مشخص است مولفه پنجم در تکرار اول شرط لازم را دارد، پس در سطح 1 قرار میگیرد. در تکرار دوم با حذف مولفه پنجم، برای هر 4 مولفه باقی مانده مجموعه دریافتی و مجموعه اشتراکها برابر میشود پس تمامی این متغیرها به عنوان متغیر خروجی در سطح دوم قرار میگیرند؛ در آخر نتیجه میگیریم که مدل نهایی ما دو سطح خواهد داشت.
چند نکته مهم در این مرحله که باید در یادگیری آموزش مدل سازی ساختاری تفسیری ISM رعایت کنید:
- در هر تکرار باید حداقل یک متغیر خروجی داشته باشیم
- امکان دارد همه مولفهها به طور کامل در یک سطح قرار بگیرند. این مورد بستگی به نوع امتیازاتی دارد که در مرحله اول به مولفهها داده شده
- بعد از اینکه مولفهای از تکرار بعدی کنار رفت باید نام آن هم از همه مجموعهها حذف شود تا الگوریتم به درستی ادامه دهد
- اگر محاسبات قبلی به درستی انجام نشده باشد در یکی از تکرارها ممکن است هیچ خروجی وجود نداشته باشد و این نشان دهندهی اشتباه در محاسبات است
بیشتر بخوانید:
گام پنجم: ساخت مدل بر مبنای ISM
میتوان مدل ساختاری مورد نظر مسئله را از روی ماتریس دریافتی نهایی ایجاد کرد. اگر بین متغیر i و متغیر j ارتباط وجود داشته باشد، آن را به وسیله یک پیکان جهت دار نشان میدهیم؛ دیاگرام نهایی با حذف حالتهای تعدی و با استفاده از بخش تعیین سطوح بدست میآید.
مثالی از نحوه ساخت مدل ISM
در این مثال چون ابتدا مولفه پنجم در تکرار اول به عنوان مولفه خروجی تشخیص داده شد، پس در سطح اول قرار میگیرد و به همین ترتیب برای هر تکرار یک سطح به مولفههای خروجی تعلق میگیرد که در این مثال با توجه به تکرارهای انجام گرفته ما تنها دو سطح خواهیم داشت که شکل گرافیکی آن نیز در زیر نشان داده شده است. مولفههایی که در آخرین تکرارها به عنوان خروجی تعیین میشوند از نظر روش ISM تاثیرگذارتر خواهند بود.
گام ششم: تحلیل MICMAC
در ادامه آموزش مدل سازی ساختاری تفسیری ISM به تحلیل MICMAC میرسیم. هدف از تحلیل MICMAC (مخفف کلمات: Impact Matrix Cross-Reference Multiplication Applied to a Classification ) بررسی و تحلیل نیروی نفوذ و نیروی وابستگی مولفهها است که در مرحله تشکیل ماتریس دریافتی نهایی، آنها را محاسبه کردیم. در این تحلیل متغیرها به چهار دسته کلی تقسیم میشوند و هر کدام تفسیر خودشان را دارند که در اینجا ما توضیح کوتاهی در مورد هر دسته آوردهایم که میتوانند در نحوه مدیریت مولفههای مدلسازی ساختاری تفسیری کمک کنند:
- دسته اول شامل “متغیرهای خودمختار” هستند؛ این دسته از مولفهها نیروی وابستگی و همچنین نیروی نفوذ ضعیفی دارند، مولفههایی که در این دسته قرار میگیرند، تقریباً به صورت جدا از کل سیستم عمل میکنند. این مولفهها اثر چندانی روی سایر مولفهها ندارند و در واقع ارتباط این مولفهها با دیگر مولفهها بسیار محدود و ناچیز است
- دسته دوم “متغیرهای وابسته” هستند که نیروی نفوذ ضعیفی دارند، با این وجود از نیروی وابستگی بالاتری نسبت به سایر مولفهها برخوردار هستند
- دسته سوم شامل “متغیرهای پیوندی” است که نیروی نفوذ و همچنین نیروی وابستگی قدرتمندی دارند، این متغیرها در حقیقت مولفههایی هستند که بیثباتند، به این معنا که انجام هرگونه اقدامی در مورد این مولفهها علاوه بر اینکه مستقیماً بر سایر مولفهها اثر میگذارد، میتواند در قالب بازخورد از سایر مولفهها بر خود مولفه نیز اثرگذار باشد
- دسته چهارم “متغیرهای مستقل” است که نیروی نفوذ قوی دارند، اما نیروی وابستگی آنها ضعیف است، که در واقع متغیرهای کلیدی هستند و با ایجاد تغییر در آنها میتوان بر بقیه متغیرها تاثیر گذاشت
پس از تعیین قدرت نفوذ و قدرت وابستگی مولفهها، میتوان تمامی مولفهها را در یكی از خوشههای چهارگانه روش MICMAC قرار داد. در اینجا نکته مهمی که وجود دارد مشخص کردن مرز بین این چهار دسته است. بر روی ماتریس روش MICMAC نقاط مرزی معمولاً یك واحد بزرگتر از میانگین تعداد مولفهها است یعنی اگر n مولفه داشته باشیم پس خط مرزی برابر است با >>> 1+(n/2)
مثالی از تحلیل MICMAC
در مثالی که در این آموزش عنوان کردیم خط مرزی بر اساس 5 مولفه عدد 4 است: >>> 4~3.5=(1+(5/2))
بعد از رسم ماتریس و تعیین خطوط مرزی، مولفهها را برا اساس میزان نفوذ و وابستگی درون آن قرار میدهیم. چهار متغیر ما بر اساس میزان نفوذ و وابستگی آنها به عنوان مولفهها مستقل و مولفه پنجم که اولین عنصر خروجی بود به عنوان یک مولفه پیوندی انتخاب میشوند.
دانلود کنید:
معرفی نرم افزار روش مدلسازی ساختاری تفسیری (ISM)
مدلسازی ساختاری تفسیری در مدیریت و دیگر زمینهها روش مناسبی برای بسیاری از تحقیق و پژوهشهاست. ولی همینطور که دیدید سختیهای خاص خودش رو داره که باعث میشه ضریب خطای ما افزایش پیدا کنه و شاید به پاسخ صحیح نرسیم. نرم افزار خاصی برای این روش وجود نداره که بتونیم از اون استفاده کنیم اما ما در دیجیتال ساینس دو پیشنهاد خیلی عالی براتون داریم که مشکل شما رو به راحتترین شکل حل کنیم:
پیشنهاد اول: استفاده از نرم افزار اختصاصی دیجیتال ساینس :
ما یک نرم افزار تخصصی برای این روش تولید کردیم که در عرض چند دقیقه میتونید با اطمینان از صحیح بودن محاسبات از این روش استفاده کنید. کار نرم افزار مدلسازی ساختاری تفسیری که در محیط اکسل طراحی شده واقعا عالیه! در عرض چند دقیقه میتونی همه موارد زیر رو بدون هیچ محاسباتی داشته باشی:
- ماتریس دریافتی اولیه
- ماتریس دریافتی نهایی
- نمایش تغییرات بین ماتریس دریافتی اولیه و نهایی
- مدل ترسیم شده نهایی
- محاسبه شاخصهای میزان وابستگی و میزان نفوذ
- نمودار ترسیم شدهی تحلیل MICMAC
برای اطلاعات بیشتر روی دکمه زیر کلیک کنید.
پیشنهاد دوم: پروژه خودتون رو به ما بسپارید
اگر به هر دلیلی نمیتونید از نرمافزار ما استفاده کنید پیشنهاد بعدی ما اینه که پروژهی خودتون رو برای ما ارسال کنید، ما در کمترین زمان پروژه رو بررسی میکنیم و با کمترین هزینه برای شما انجام خواهیم داد. اگر مایل هستید از لینک زیر برای این کار استفاده کنید:
با سلام
میشه بفرمایید علت استفاده و در واقع معنی i , j v ,A ,X ,O در ماتریس چیه و چرا حروف دیگهای به کاربرده نمیشه؟
سلام و وقت بخیر
این حروف یک نوع قرار داد است و شما میتوانید هر نماد یا عدد دیگری را جاگزین کنید.
منظور از متغیر i، متغیر حاضر در سطر ماتریس و منظور از متغیر j، متغیر حاضر در ستون ماتریس است.
V یا 1: متغیر i روی متغیر j تاثیر میگذارید (رابطه یک طرفه)
A یا 1- : متغیر j رو متغیر i تاثیر میگذارد (ربطه معکوس)
X یا 2: i و j به صورت متقابل روی یکدیگر اثر میگذارند (رابطه دو طرفه)
o یا 0: متغی های i و j ارتباطی با یکدیگر ندارند
سلام
من پاورپوینت این آموزش رومیخوام
امکانش هست فایل پاورپوینت رو هم برای فروش اضافه کنید ؟
سلام و وقت بخیر
فعلا امکانش وجود ندارد، اما در اولین فرصت حتما اضافه خواهد شد.
موفق باشید
با سلام
من از نرم افزار کاربردی اکسل شما برای مدل سازی ساختاری تفسیری استفاده کردم بسیار مفید بود چنانچه در مورد اعتبارسنجی مدل ساختاری تفسیری با روش حداقل مربعات جزئی هم مطلب آموزشی ارائه بفرمایید مزید امتنان خواهد بود.
سلام و وقت بخیر
ممنون از توجه شما
در اولین فرصت اقدام خواهد شد
موفق باشید
سلام
برای تجمیع نظر متخصصان و گرفتن مد چگونه باید عمل کرد ممنون میشم راهنمایی بفرمایید
وقت بخیر
روش های مختلفی برای ISM گروهی وجود دارد که فعلا بیشتر از مد گرفتن (یا همان استناد به فراوانی بیشتر پاسخ ها) استفاده میشود. به طور مثال باید بررسی کنید که در مولفه i به j اکثریت نظرات چه نتیجه ای را عنوان می کند و شما در پرسشنامه واحد خود همان نتیجه را وارد میکنید.
موفق باشید
سلام
وقت بخیر
ببخشید یک سوال داشتم من 10 تا پرسشنامه دارم، وقتی بخوام در نرم افزار وارد کنم باید هر پرسشنامه را جدا جدا وارد کنم؟
سلام و وقت بخیر
خیر برای این مورد شما باید توسط ISM گروهی تمام پرسشنامه ها را به یک پرسشنامه واحد تبدیل نمایید و آن را توسط نرم افزار تحلیل نمایید
موفق باشید
سپاس از پاسخ دهی شما
سلام
برای تکمیل پرسشنامهISM باید از نظر چند خبره استفاده بشه؟ و اگه پرسشنامهها به صورت جدا پربشه در چه مرحلهای باید مد رو بگیریم؟ با تشکر
سلام و وقت بخیر
معمولا در مقالات علمی حداقل از 6 تا 8 نفر استفاده شده است. برای پر کردن پرسشنامه ISM بهترین کار اینه که از روش دلفی یا موارد مشابه استفاده کنید یا حداقل در یک جلسه با حضور خبرگان سوالات مطرح و یک پرسشنامه واحد تکمیل بشه.
اگر هم بخواهید مد رو مبنا قرار بدید قاعدتا باید قبل از مرحله اول این کار انجام بشه یعنی یک پرسشنامه واحد تهیه کنید و روش ISM رو پیاده کنید.
موفق باشید
سلام… من یک مقاله به ژورنال فرستادم… سردبیر ازم خاسته تعداد نمونه رو به 30 تا افزایش بدم تا به داوری ارسال کنه… نمونه من 15 نفره… حالا سوالم اینه ک رفرنسی رو ممکنه معرفی کنید ک نشون بده روش ISM حداکثر و حداقل نمونش چن تا باید باشه؟ به نظرم 30 تا نباید باشه…
سلام و وقت بخیر
در روش ISM محدودیتی برای تعداد نمونه در جمع آوری اطلاعات تعیین نشده است و شما به هر تعداد که نمونه داشته باشید با ISM گروهی میتوانید آنها را تحلیل کنید. ولی بهترین حالت جمع آوری اطلاعات، استفاده از تکنیک های طوفان فکری، دلفی و دیگر روش های این چنینی است.
موفق باشید
سلام و عرض ادب
پرسشنامه اولیه یا همان ماتریس ساختار درونی که از متریس 10*10 تشکیل شده را بین 10 خبره توزیع کردم و در زمان جمع بندی 4 تا از خانه های ماتریس مد نداره و در حقیقت تضاد زیادی در 4 تا از روابط بین خبره ها وجود داره آیا باید باز هم پرسشنامه توزیع کنم ؟؟ اگر اینطور باشه که باز هم ممکنه بقیه آیتمها به مشکل بخورن . نمیشه در یک جلسه با خبرگان در مورد این گزینه ها بحث کنم و جمع بندی کنیم ؟؟؟
سلام و وقت بخیر
این اتفاق معمولا برای انجام ISM گروهی میافتد. راهکار خود شما مبنی بر تشکیل جلسه با خبرگان، مناسبترین راه است چون بهترین راه گرفتن اطلاعات لازم برای روش ISM این است که یک جلسه با حضور خبرگان مورد نظر برگزار کنید و با بحث و تبادل نظر ماتریس خودتعاملی را تکمیل کنید (یا حداقل از تکنیک دلفی استفاده شود)
و اگر به خبرگان دسترسی ندارید میتوانید در اینگونه موارد نظر شخص دیگری یا حتی خودتان را به عنوان کسی که بر روی موضوع تسلط دارد و در مورد آن تحقیق کرده اعمال کنید
موفق باشید
سلام. بهترین توضیحات این روش را در این سایت دیدم. از توضیحات دقیق و تصویری و گام به گام شما سپاسگزارم. خدا قوت
سلام و وقت بخیر
ممنون از توجه شما
موفق باشید