بررسي عوامل استقرار مديريت دانش در آموزشوپرورش با استفاده از تكنيكهاي دادهكاوي(مورد مطالعه: اداره آموزشوپرورش شهرستان دورود)

Investigating the Implementation Factors of Knowledge Management in Education Department Using Data Mining Techniques (Case Study: Dorood Education Department)

هدف از پژوهش حاضر بررسي عوامل استقرار مديريت دانش در آموزشوپرورش شهرستان دورود با استفاده از تكنيكهاي دادهكاوي بوده است. پژوهش حاضر به لحاظ هدف كاربردي است. جامعه آماري شامل كليه كاركنان اداري مديريت آموزشوپرورش شهرستان دورود كه تعداد آن‌ها 155 نفر بود. ضريب پايايي پرسشنامه مورداستفاده از طريق آلفاي كرونباخ 90/0؛ و از طريق روش دونيمه كردن 69/0 به دست آمد كه در هر دو روش مورد تأييد بود. براي تحليل دادهها از روشهاي دادهكاوي استفاده شد. دقت پيشبيني با استفاده از رافست 7235/0، درخت تصميمگيري 9525/0، تئوري بيز 985/0، شبكههاي عصبي مصنوعي 9835/0 به دست آمد. قوانين توسط الگوريتم ژنتيك، جانسون، هولتس و درخت تصميمگيري ارائه گرديد. بر اساس اين قوانين، انتقال دانش، حفظ كاركنان دانش در گرو استفاده مديران از نظرات و پيشنهادهاي كاركنان، نقش بسزا و عمدهاي در استقرار مديريت دانش در آموزشوپرورش ايفا ميكنند. اين تحقيق ازآنجهت داراي نوآوري بود كه براي تجزيهوتحليل دادهها از تكنيكهاي دادهكاوي استفاده ميكند. در پژوهش حاضر از بين عوامل زمينهاي، بدون تمركز روي عاملي خاص و در نظر گرفتن فرضيهاي به بررسي موضوع پرداخته شده است. حفظ كاركنان دانش گر باعث ميگردد كه تجربيات، مهارتها و دانش نهفته در اين افراد از سازمان بيرون نرود و ديگر آنكه استفاده از دانش و نظرات اين افراد و ساير كاركنان سبب ظهور دانش در سازمان ميگردد كه در پي آن سبب انتقال دانش در سازمان ميشود.

Objective: The aim of the present study was to investigate the factors of knowledge management establishment in Doroud education and training department using data mining techniques. Methodology: The statistical population included all administrative staff of education and training management of Dorudincluding 155 people. The reliability coefficient of the questionnaire used estimated through Cronbach's alpha was 0.90 while it amounted to0.69 using split-half method. and therefore, it was confirmed in both ways. Data analysis methods and Weka, Rosseta and Excel software were used to analyze the data. Results: Predictive accuracy using Rough set was 0.73535, 0.92525 by decision tree, 0.985 by base theory, and it was 0.983535 using artificial neural networks. The rules were provided by the genetic algorithm, Johnson, Holtz, and the decision tree. Under these laws, knowledge transfer, retaining knowledgeable employees, and managers 'use of employees' opinions and suggestions play a significant role in establishing knowledge management in education. Innovation: This research is innovative because it uses data mining techniques to analyze the data. In the present study, the subject matter has been studied without focusing on a specific factor and considering a hypothesis. Conclusion: Preserving knowledgeable employees prevents the experiences, skills and knowledge of these people from leaving the organization, and the use of knowledge and opinions of these people and other employees causes the emergence of knowledge in the organization, which in turn leads to knowledge transfer in the organization.