پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Applying the value-added activities of "research management" and "research policymaking" to the activities of Irandoc پیشنهادهایی برای ایجاد ارزش‌افزوده‌ «مدیریت پژوهشی» و «سیاستگذاری پژوهشی» در فعالیت‌های پژوهشگاه علوم و فناوری اطلاعات ایران 1025 1042 723919 10.22034/jipm.2025.2017306.1461 FA مهدی محمدی دانشکده ادبیات و علوم انسانی، گروه آموزشی علم اطلاعات و دانش‌شناسی، دانشگاه قم 0000-0002-6880-7455 Journal Article 2023 12 07 Irandoc was founded in September 1968 with the aim of promoting and developing information management, training for research cooperation and supporting science and technology activities in Iran. Today, it is one of the most successful research and information centers that has been able to initiate valuable policies for the development of its information materials, databases, and human resources. Also, Irandoc has been trying to launch and provide several systems based on the latest developments to provide better services. Now, with the beginning of the second half century of its activities, it is necessary to consider certain measures and activities to guide research policies by processing and creating added value out of its resources and services. For this purpose, a list of activities are suggested in this paper such as reviewing the user interface of the systems and considering the possibilities of obtaining output for research activities, removing repeated registrations and obtaining different services with one account, collecting and organizing research projects and theses of a wide range of universities under the authority of the two Iranian ministries (the Ministry of Science, Research and Technology and the Ministry of Health and Medical Education) as well as non-governmental institutions of higher education, providing scientometric services based on the data available in Irandoc systems, setting up a huge system of questionnaires and checklists, picking up sources at the end of theses and presenting them independently as well as creating a link between the sources and the text, launching a system of suggested research topics, strengthening the resources of Irandoc through public appeals, and holding the festival of “Research in Research”. «ایرانداک» (با نام جدیدش پژوهشگاه علوم و فناوری اطلاعات ایران) با مأموریت «مدیریت اطلاعات علم و فناوری»، «آموزش همکاری‌های پژوهشی و اطلاع‌رسانی» و «پشتیبانی از فعالیت‌های علم و فناوری ایران» در مهر ۱۳۴۷ پایه‌گذاری شد. این نهاد امروزه یکی از موفق‌ترین مراکز پژوهشی و اطلاع‌رسانی است که توانسته سیاست‌گذاری‌های ارزشمندی در راستای توسعه منابع مادی و نیروی انسانی خود به عمل آوَرَد. همچنین در این راستا تلاش دارد همگام با پیشرفت‌های نوین اطلاع‌رسانی حرکت کرده و برای ارائه خدمات بهتر، سامانه‌های متعددی راه‌اندازی و ارائه کند. اینک با ورود به نیم قرنِ دوم فعالیت این مرکز لازم است با «فرآوری» و «ایجاد ارزش افزوده» بر منابع و خدمات خود در راستای مأموریت‌های نامبرده، اقدام‌ها و فعالیت‌های خاصی در راستای هدایت «سیاست‌گذاری‌های پژوهشی» مد نظر قرار دهد. در همین راستا، مقاله حاضر پیشنهاد می‌دهد که مسئولان پژوهشگاه فعالیت‌های بازنگری در رابط کاربری سامانه‌ها و در نظر گرفتن امکاناتِ گرفتن خروجی برای فعالیت‌های پژوهشی، سازماندهی طرح‌های پژوهشی، سازماندهی پایان‌نامه‌های دانشگاه‌ها و مؤسسات آموزش عالی غیردولتی، فراهم‌سازی خدمات علم‌سنجی، راه‌اندازی سامانه پرسشنامه‌ها و چک‌لیست‌ها، جدا کردن منابع انتهای پایان‌نامه‌ها و ارائه مستقل آن‌ها همراه با برقراری پیوند بین منابع و متن آثار، راه‌اندازی نظام موضوع‌های پیشنهادی، تقویت منابع «ایرانداک» از طریق فراخوان مردمی و برگزاری جشنواره «پژوهش در پژوهش‌» را مد نظر قرار دهند. می‌توان انتظار داشت که انجام این فعالیت‌ها بتواند «ایرانداک» را در کنار مراکزی مانند WOS ، SCOPUS قرار دهد که پژوهشگران علم‌سنجی داده‌های مورد نیاز خود را از این مرکز اخذ کنند.

https://jipm.irandoc.ac.ir/article_723919_92745645b2b69870bc2074a831051549.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Identifying the characteristics of the faculty members' research ideas management system: a meta-Synthesis Approach شناسایی ویژگی های سامانه مدیریت ایده‌های پژوهشی اعضای هیأت علمی: رویکرد فراترکیب 1043 1077 729015 10.22034/jipm.2024.2033188.1666 FA سحر انبارکی گروه علم اطلاعات و دانش شناسی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران جواد عباس پور دکتری علم اطلاعات و دانش‌شناسی؛ دانشیار؛ دانشگاه شیراز؛ شیراز؛ ایران مهدیه میرزابیگی دکتری علم اطلاعات و دانش‌شناسی؛ دانشیار؛ دانشگاه شیراز؛ شیراز، ایران 0000-0002-3256-3153 مهدی محمدی دکتری مدیریت و برنامه ریزی آموزشی؛ استاد؛ دانشگاه شیراز؛ شیراز، ایران Journal Article 2024 06 20 Idea management is a structured approach to generating, evaluating and organizing ideas that can contribute to improved organizational outcomes. This qualitative study aimed to identify the characteristics of a research idea management system for faculty members using a meta-synthesis method, following the seven-step framework by Sandelowski and Barroso. The meta-synthesis team consisted of three information and knowledge management experts and one expert in meta-synthesis research. Data were collected using the seven steps of meta-synthesis, including defining the research question, systematically reviewing the literature, searching for and selecting appropriate sources, extracting information, analyzing and synthesizing qualitative findings, ensuring quality control and presenting the findings. This involved searching seven databases and search engines for relevant keywords to select published articles between 2000 and 2023. Based on a screening method for including or excluding articles, ultimately 55 relevant research sources, all in English, formed the basis of the analysis. The findings revealed that the characteristics of a research idea management system for faculty members can be categorized into four organizer themes: community and member participation, system management, innovation management and financial management. Each of these themes encompassed a number of sub-themes, resulting in a total of 58 sub-themes. The credibility of the identified themes was ensured using techniques of credibility, transferability and data consistency. Data reliability was confirmed through careful guidance of the information collection process and researcher consistency. Based on the results, a beneficial research idea management system is one that, in addition to possessing the characteristics of a typical management system, also features elements such as connection with subject matter experts, mind mapping capabilities, brainstorming facilities, idea registration, recording, editing, and revision, selection of the best ideas, tracking the status and progress of ideas, and so on. This study, being the first to address the characteristics of a research idea management system, also introduced a mixed methods approach to this field, which was previously dominated by design science methods. Designing such a system is proposed as a useful tool for evaluating faculty performance, tracking researchers' thought processes over time, and identifying their research interests. Additionally, administrators can leverage the reports from the system to create detailed plans for future organizational projects, including technological, financial, and human resource needs. They can also stay informed about the progress of idea implementation and identify challenges and obstacles in the execution of ideas. مدیریتِ ایده یک رویکرد ساختاریافته برای تولید، ارزیابی و سازماندهی ایده‌هاست که می‌تواند به بهبود دستاوردهای سازمان کمک کند. هدف این پژوهش کیفی شناسایی ویژگی‌های سامانه مدیریت ایده‌های پژوهشی اعضای هیئت علمی بود که با رویکرد سنتزپژوهی و روش فراترکیب و با استفاده از روش هفت-مرحله‌ای «ساندلوسکی و باروسو» انجام گرفت. تیم فراترکیب، متشکل از سه متخصص در حوزه مدیریت اطلاعات و دانش و یک متخصص در حوزه روش پژوهش فراترکیب بود. گردآوری داده‌ها با استفاده از هفت گام فراترکیب شامل تنظیم سؤال پژوهش، بررسی نظام‌مند منابع، جست‌وجو و انتخاب منابع مناسب، استخراج اطلاعات، تجزیه‌وتحلیل و ترکیب یافته‌های کیفی، کنترل کیفیت، و ارائه یافته‌ها صورت گرفت؛ بدین‌شکل که با جست‌وجوی کلیدواژه‌های مرتبط‌ در هفت پایگاه‌ اطلاعاتی و موتور جست‌وجو، مقاله‌های منتشرشده‌ بین سال‌های 2000 تا2023 انتخاب گردید و بر اساس سیستم غربال‌گری برای ورود یا خروج مقالات، سرانجام 55 منبع پژوهشی مرتبط که همگی به‌ زبان انگلیسی بودند، مبنای تحلیل قرار گرفت. یافته‌ها نشان داد که ویژگی‌های سامانه مدیریت ایده‌های پژوهشی اعضای هیئت علمی را می‌توان در چهار مضمون سازمان‌دهنده شامل جامعه و مشارکت اعضا، مدیریت سامانه، مدیریت نوآوری، و مدیریت مالی قرار داد. هر یک از این مضامین خود شامل تعدادی مضمون پایه بود و سرانجام، 58 مضمون پایه به‌‌دست آمد. اعتبار مضامین یافت‌شده با استفاده از تکنیک‌های اعتبارپذیری، انتقال‌پذیری و همسوسازی داده‌ها انجام شد. اعتمادپذیری به داده‌ها نیز با هدایت دقیق جریان جمع‌آوری اطلاعات و همسوسازی پژوهشگران تأیید گردید. با توجه به نتایج به‌دست‌آمده، سامانه مدیریت ایده‌های پژوهشی سودمند سامانه‌ای است که افزون‌ بر دارا بودن مشخصات یک سامانه معمول مدیریتی، ویژگی‌هایی همچون ارتباط با کارشناسان موضوعی، ترسیم نقشه ذهنی، امکان بارش فکری، ثبت، ضبط، ویرایش و اصلاح ایده‌ها، انتخاب بهترین ایده‌ها، همچنین پیگیری وضعیت ایده و پیشرفت آن و غیره را داشته باشد. این پژوهش افزون ‌بر اینکه برای نخستین بار به موضوع ویژگی‌های سامانه مدیریت ایده‌های پژوهشی پرداخت، یک رویکرد فراترکیب را در این حوزه به‌کار برد که پیش از آن تحت سلطه روش‌های علم طراحی قرار داشت. طراحی چنین سامانه‌ای به‌عنوان ابزاری سودمند جهت ارزیابی عملکرد اعضای هیئت علمی، ردیابی سیر فکری پژوهشگران در طول زمان و پی‌بردن به علایق پژوهشی آن‌ها مطرح است. همچنین، مدیران می‌توانند بر اساس گزارش‌های موجود در سامانه، برنامه‌ریزی دقیقی از پروژه‌های آینده سازمان خود و نیازهای فناورانه، مالی، نیروی انسانی مورد نیاز و غیره داشته باشند و از پیشرفت اجرای ایده‌ها مطلع شده و چالش‌ها و مشکلات پیش روی اجرای ایده‌ها را بشناسند.

https://jipm.irandoc.ac.ir/article_729015_31112b1cc141e67d938bbe9297e7cd3b.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Sustainable Information Retrieval and Green Artificial Intelligence: A Solution for Environmentally-Friendly Computing بازیابی اطلاعات پایدار و هوش مصنوعی سبز: راهکاری به سوی محاسبات سازگار با محیط زیست 1079 1112 724862 10.22034/jipm.2025.2052948.1937 FA نیلوفر مظفری استادیار، موسسه استنادی و پایش علم و فناوری جهان اسلام (ISC)؛ شیراز، ایران. 0000-0002-8129-9918 سیدیاسین شریعتی آلسعدی دانشجوی کارشناسی مهندسی کامپیوتر؛ دانشگاه شیراز، شیراز، ایران. Journal Article 2025 02 09 Information retrieval plays a fundamental role in organizing and searching data across various information systems, including digital libraries, search engines, recommender systems, and online platforms. These systems are widely used to facilitate access to information across different scales, including in scientific, commercial, and social domains. However, the use of complex models, such as deep neural networks and large language models, which require high computational power and rely on powerful hardware, has introduced new challenges related to energy consumption and environmental impact. This paper addresses these challenges and explains the concept of green artificial intelligence. Green AI is presented as an approach to developing intelligent algorithms and systems while considering the limitations of energy resources and their environmental impact. Given the recent advancements in AI technologies, particularly in natural language processing and deep learning, it is essential to focus on the environmental impacts of these models. Specifically, the increased energy consumption and greenhouse gas emissions during the training and inference processes of complex models necessitate innovative approaches to mitigate these effects. The paper also introduces the concept of sustainable information retrieval and presents methods for measuring greenhouse gas emissions and strategies to reduce these emissions in information retrieval processes. The primary objective of this paper is to raise awareness within the scientific community about the importance of minimizing environmental impacts when designing and implementing information retrieval systems. The paper emphasizes that researchers and system designers should consider environmental effects alongside system performance and accuracy. To achieve sustainable information retrieval, energy consumption and costs can be reduced by optimizing algorithms, reusing pre-trained models, and leveraging cloud computing. These approaches not only reduce costs and improve system efficiency but also contribute to environmental sustainability. Furthermore, the paper encourages researchers to consider environmental impacts as a critical parameter in their research processes. بازیابی اطلاعات در سامانه‌های مختلف اطلاعاتی، از جمله کتابخانه‌های دیجیتال، موتورهای جستجو، سامانه‌های توصیه‌گر و پلتفرم‌های آنلاین، نقشی اساسی در سازمان‌دهی و جستجوی اطلاعات ایفا می‌کند. این سامانه‌ها به‌طور گسترده‌ای برای تسهیل دسترسی به اطلاعات در مقیاس‌های مختلف، از جمله در حوزه‌های علمی، تجاری و اجتماعی، مورد استفاده قرار می‌گیرند. با این حال، استفاده از مدل‌های پیچیده‌ای مانند شبکه‌های عصبی عمیق و مدل‌های زبان بزرگ، که به دلیل نیاز به توان پردازشی بالا از سخت‌افزارهای قدرتمندی بهره‌مند می‌شوند، چالش‌های جدیدی در زمینه مصرف انرژی و اثرات زیست‌محیطی به‌وجود آورده است. این مقاله که به صورت یک مرور نظام‌مند تدوین شده است، به بررسی این چالش‌ها پرداخته و مفهوم هوش مصنوعی سبز را معرفی می‌کند. هوش مصنوعی سبز به‌عنوان رویکردی برای توسعه الگوریتم‌ها و سامانه‌های هوشمند با توجه به محدودیت‌های منابع انرژی و اثرات زیست‌محیطی آن‌ها مطرح شده است. با توجه به پیشرفت‌های اخیر در فناوری‌های هوش مصنوعی، به ویژه در زمینه‌های پردازش زبان طبیعی و یادگیری عمیق، توجه به تاثیرات زیست‌محیطی این مدل‌ها ضروری به نظر می‌رسد. به‌ویژه، افزایش مصرف انرژی و تولید گازهای گلخانه‌ای در فرایندهای آموزشی و استنتاج مدل‌های پیچیده، نیازمند رویکردهای نوآورانه برای کاهش این اثرات است. همچنین مفهوم بازیابی اطلاعات پایدار معرفی شده و روش‌های اندازه‌گیری گازهای گلخانه‌ای و استراتژی‌های کاهش این گازها در فرآیندهای بازیابی اطلاعات ارائه می‌گردد. هدف اصلی این مقاله، جلب توجه جامعه علمی به اهمیت کاهش اثرات زیست‌محیطی در طراحی و پیاده‌سازی سامانه‌های بازیابی اطلاعات است. به‌ویژه، بر این نکته تاکید می‌شود که محققان و طراحان سامانه‌های بازیابی اطلاعات باید علاوه بر تمرکز بر کارایی و دقت سامانه‌ها، اثرات زیست‌محیطی آن‌ها را نیز در نظر بگیرند. در این راستا، برای ایجاد بازیابی اطلاعات پایدار، می‌توان با بهینه‌سازی الگوریتم‌ها، استفاده مجدد از مدل‌های پیش‌آموزش‌دیده و بهره‌گیری از محاسبات ابری، مصرف انرژی و هزینه‌ها را کاهش داد. این رویکردها نه‌تنها موجب کاهش هزینه‌ها و بهبود کارایی سامانه‌ها می‌شود، بلکه گامی موثر در جهت پایداری محیط‌زیستی نیز خواهند بود. علاوه بر این، این مقاله به محققان پیشنهاد می‌کند که در فرآیند تحقیقاتی خود، اثرات محیط‌زیستی را به‌عنوان یک پارامتر حیاتی در نظر بگیرند.

https://jipm.irandoc.ac.ir/article_724862_7ba6452df8d7844aba3f413b42fb412c.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Data Colonialism Inquiry: From Explaining New Forms of Domination to the Necessity of National Data Governance واکاوی استعمار داده: از تبیین سلطه‌گری نوین تا ضرورت حکمرانی ملی بر داده 1113 1145 724971 10.22034/jipm.2025.2052402.1927 FA مهدیه لطیف‌زاده استادیار حقوق خصوصی، گروه پژوهشی فقه و حقوق اسلامی، پژوهشکده مطالعات اسلامی در علوم انسانی دانشگاه فردوسی مشهد، مشهد، ایران 0000-0002-3424-4666 Journal Article 2025 02 02 In the current era, where data is recognized as a strategic asset of nations, large technology companies, by leveraging advanced tools, seize users' data instead of conquering lands and natural resources. This study demonstrates how big tech companies have shaped a new concept of domination-data colonialism-by creating data-centric structures. This study employs a qualitative content analysis method to conduct a multifaceted examination of the phenomenon of data colonialism. Although the scope of data colonialism transcends geographical boundaries and has become a global challenge with international dimensions, this study focuses on the national domain, especially proposing solutions to strengthen the country’s capacity to confront this phenomenon. The findings identify four main factors as foundational elements of data colonialism: legal gaps and weaknesses in legal requirements, lack of technical infrastructure, weak supervisory mechanisms, and low levels of data literacy. These factors interact to weaken data sovereignty and ultimately undermine the data governance system. Therefore, to counter this phenomenon, the present study emphasizes the necessity of adopting a comprehensive and systematic approach and offers corresponding solutions, including specific legislation and strengthening legal frameworks, developing technical infrastructure, enhancing supervisory mechanisms, and increasing digital literacy. The results also show that these solutions, through their interaction, can reinforce national data sovereignty and solidify the data governance system. Ultimately, the study confirms that effectively addressing this phenomenon requires defining a new legal framework in which data sovereignty is recognized and supported as one of the fundamental pillars of national sovereignty. در عصر حاضر که داده‌ به‌عنوان سرمایة‌ راهبردی کشورها شناخته می‌شود، شرکت‌های بزرگ فناوری با بهره‌گیری از ابزارهای پیشرفته به‌جای تسخیر سرزمین‌ها و منابع طبیعی، داده‌های کاربران را تصاحب می‌کنند. در این راستا، پژوهش حاضر نشان می‌دهد که چگونه شرکت‌های بزرگ فناوری با ایجاد ساختارهای داده‌محور، مفهوم جدیدی از سلطه‌گری (استعمار داده) را شکل داده‌اند. در این مسیر، مطالعه حاضر با بهره‌گیری از روش تحلیل محتوای کیفی به واکاوی چند‌جانبه پدیده استعمار داده پرداخته است. به‌رغم اینکه دامنه نفوذ استعمار داده از مرزهای جغرافیایی فراتر رفته و به چالشی جهانی تبدیل شده و ابعاد بین‌المللی نیز یافته است، دامنة این پژوهش بر حوزه ملی به‌ویژه ارائه راهکارهایی برای تقویت توان کشور در رویارویی با این پدیده متمرکز است. در این خصوص یافته‌های پژوهش نشان می‌دهد که چهار عامل اصلی شامل خلأ قانونی و ضعف در الزامات حقوقی، فقدان زیرساخت‌های فنی، ضعف سازوکار نظارتی، و پایین بودن سطح سواد داده به‌عنوان عناصر زمینه‌ساز استعمار داده شناسایی شده‌اند. این عوامل در تعامل با یکدیگر به تضعیف حاکمیت داده و سرانجام، تضعیف نظام حکمرانی بر داده می‌انجامند. بدین ‌جهت پژوهش حاضر در راستای مقابله با این پدیده، با تأکید بر ضرورت اتخاذ رویکردی جامع و نظام‌مند، راهکارهایی متناظر با عوامل زمینه‌ساز ارائه می‌دهد که شامل قانون‌گذاری خاص و تقویت چارچوب‌های حقوقی، توسعه زیرساخت‌های فنی، ارتقای سازوکارهای نظارتی، و افزایش سطح سواد دیجیتال است. نتایج همچنین نشان می‌دهند که این راهکارها در تعامل با یکدیگر می‌توانند ضمن تقویت حاکمیت ملی نسبت به داده، به استحکام نظام حکمرانی داده بینجامند. سرانجام اینکه نتایج این مطالعه مؤید آن است که مواجهه مؤثر با این پدیده، مستلزم تعریف چارچوب حقوقی نوینی است که در آن، حاکمیت داده به‌مثابه یکی از ارکان بنیادین حاکمیت ملی مورد شناسایی و حمایت قرار گیرد.

https://jipm.irandoc.ac.ir/article_724971_0756e5785a4308aa22f17fa1757680bf.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Review of Rule Extraction Methods in Data Mining: A Systematic Review of Studies بررسی روش‌های استخراج قانون در داده کاوی: مرور نظام‌مند مطالعات 1147 1178 725190 10.22034/jipm.2025.2039221.1737 FA سارا انصاری دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان، ایران صبا صارمی‌نیا دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان، ایران Journal Article 2024 08 20 Extracted rules from data represent one of the most important and practical forms of knowledge representation applied across various domains, including expert systems, decision support, and automated control. Rule extraction methods, valued for their transparency and interpretability, enable researchers to understand underlying patterns and substructural relationships within datasets. Consequently, numerous approaches and algorithms for rule extraction have been developed, each with its own strengths and weaknesses. This paper systematically reviews rule extraction methods in data mining. A total of 678 articles were initially collected from reputable scientific databases, with 19 selected for final analysis after screening. The analysis is conducted in three parts: 1) a critical evaluation of rule extraction strategies and performance metrics, 2) identification of research gaps based on the analysis to propose providing areas of study for future research, and 3) textual content analysis of studies using tools like VOS viewer to identify key concepts and their relationships. The findings of this study can contribute to developing more efficient rule extraction algorithms across diverse domains and pave the way for future research in this field. قوانین استخراج‌شده از داده‌ها یکی از مهم‌ترین و کاربردی‌ترین اشکال نمایش دانش هستند که در حوزه‌های مختلفی مانند سیستم‌های خبره، پشتیبانی تصمیم و کنترل خودکار کاربرد دارند. روش‌های استخراج قانون به‌دلیل شفافیت و تفسیرپذیری بالا به محققان امکان می‌دهند که الگوها و روابط زیربنایی درون داده‌ها را درک کنند. از این‌رو، رویکردها و الگوریتم‌های متعددی برای استخراج قانون از داده‌ها توسعه یافته‌ که هر یک نقاط ضعف و قوت مربوط به خود را دارند. این مقاله با استفاده از روش مرور نظام‌مند به بررسی روش‌های استخراج قانون در حوزه داده‌کاوی پرداخته است. در این پژوهش 678 مقاله از پایگاه‌های علمی معتبر جمع‌آوری شد و پس از غربالگری، 19 مقاله برای تحلیل نهایی انتخاب شدند. تحلیل‌ها در سه بخش انجام شده است: 1) تحلیل نقادانه راهبرد‌های استخراج قوانین و معیارهای تحلیل عملکرد آن‌ها، 2) شناسایی شکاف‌های پژوهشی بر اساس تحلیل‌های صورت‌گرفته با هدف ارائه زمینه‌های مطالعاتی برای تحقیقات آینده، و 3) تحلیل محتوای متنی پژوهش‌ها با استفاده از ابزارهایی مانند VOS viewer برای شناسایی مفاهیم کلیدی و ارتباطات میان آن‌ها. نتایج این پژوهش می‌تواند به توسعه الگوریتم‌های کارآمدتر استخراج قانون در حوزه‌های مختلف کمک کرده و زمینه‌ساز تحقیقات آینده در این حوزه باشد.

https://jipm.irandoc.ac.ir/article_725190_63c0cef681feba6fffdc918ac7224073.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Ferdows-Lex: A Lexical Corpus of Persian Language Teaching Materials for Teaching Non-Persian Learners فردوس-لکس: پیکره واژگانی از منابع آموزشی فارسی برای غیرفارسی‌زبانان 1179 1218 724864 10.22034/jipm.2025.2054865.1948 FA زهرا علیزاده معمار دانشجوی دکتری زبان‌شناسی، گروه زبان‌شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران عطیه کامیابی گل دانشیار، گروه زبان و ادبیات فارسی و گروه زبان‌شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران 0000-0003-0349-2744 شهلا شریفی دانشیار، گروه زبان‌شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران امیرمسعود ایروانی دانشجوی دکتری زبان‌شناسی، گروه زبان‌شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران 0009-0005-6230-2981 Journal Article 2025 03 03 The purpose of this study was to develop a corpus according to the vocabulary overlaps in the materials for Teaching Persian to Non-Persian Speakers (TPNPS) in the elementary, intermediate, and advanced levels. Computer tools and Corpus-Informed approaches using a three-step protocol were applied in this study. First, the research data was prepared. The data was selected from among 26 TPNPS textbooks. These included Parsa, Mina, Shiraz, Parfa, Amozash e Novin e Zaban e Farsi at three language proficiency levels. The total number of tokens in the research dataset was 15,585. The data was typed out, and then computational pre-processing and parts of speech (POS) tagging were carried out. Normalization was mainly performed using Dadmatools Package and tokenization, lemmatization and POS tagging (POS) were carried out through the standard STANZA package. Then, the vocabulary overlap range in all textbooks at each level and among all levels were analyzed using Python programming. Finally, the corpus was designed in the mark-up language of XML. The corpus had three proficiency levels each including vocabulary information like lemma, overlap range, alphabet, token, POS and metadata. The results showed, that the vocabulary overlapping range followed a fixed rate at first, decreased as the proficiency level increased i.e., this rate stood at about 36 percent and 36.5 percent in the elementary and intermediate levels whereas it declined to 13 percent at advanced levels. Furthermore, with regards to the POS analysis, nouns, verbs and adjectives were the most repeated ones in all three levels. Comparing the overlap of vocabulary among different levels (elementary to intermediate, intermediate to advanced, elementary and advanced), nouns had the highest share. The findings emphasized systematic development of teaching materials to gradual improvements of language skills. پژوهش حاضر با هدف تدوین پیکره‌ای مطابق با همپوشانی واژگانی در سطوح مبتدی، میانه و پیشرفتة منابع آموزش زبان فارسی به غیرفارسی‌زبانان در ایران، با رویکردی پیکره‌آگاه و روشی رایانشی انجام شد. این مطالعه در سه مرحله صورت گرفت. در مرحله اول، دادگان پژوهش شامل 14585 واحد واژگانی از 26 منبع آموزشی در سه سطح مبتدی، میانه و پیشرفته انتخاب شدند. این منابع شامل مجموعه کتاب‌های «پرفا»، «مینا»، «شیراز»، «پارسا»، «رسا»، «نگارا»، «خوانا» و «آموزش نوین زبان فارسی» بودند. سپس، تمامی واژگان به‌صورت دستی تایپ شده، به‌صورت رایانشی پیش‌پردازش شده، و برچسب اجزای کلام دریافت کردند. هنجارسازی به‌طور عمده با ابزار «دادماتولز» انجام پذیرفت. واحدسازی، بن‌واژه‌سازی و برچسب‌دهی اجزای کلام با استفاده از «استنزا» صورت پذیرفت. در مرحله دوم، با بهره‌گیری از برنامه‌نویسی «پایتون»، با کمک اجتماع و اشتراک بین مجموعه‌های واژگان هر کتاب، میزان همپوشانی واژگان در هر سطح و بین سطوح مختلف تعیین شد. در مرحله سوم، ماشین‌خوان کردن صورت پذیرفت؛ بدین‌صورت که یک پیکره با استاندارد نشانه‌گذاری XML توسعه داده شد که برای هر واژه در سطوح مختلف دارای حرف الفبا، واحد، بن‌واژه‌، دامنه‌ همپوشانی، برچسب اجزای کلام و فراداده کتاب‌های منبع آن است. نتایج پژوهش نشان داد که با افزایش سطح زبان‌آموزی، میزان همپوشانی واژگان روندی ثابت و سپس کاهشی دارد؛ به‌طوری ‌که در سطوح مبتدی و میانه به‌ترتیب، در حدود ۳۶ درصد و 5/36 درصد همپوشانی مشاهده شد، اما در سطح پیشرفته این میزان به ۱۳ درصد کاهش یافته است. واکاوی اجزای کلام در هر سطح نشان داد که اسم‌، فعل و صفت پرتکرارترین اجزای کلام در تمامی سطوح هستند. همچنین، در مقایسه همپوشانی واژگان بین سطوح مختلف (مبتدی و میانه، میانه و پیشرفته، مبتدی و پیشرفته) مقوله اسم بالاترین سهم را داشت. این یافته‌ها بر طراحی نظام‌مند منابع آموزشی جهت پیشرفت تدریجی مهارت‌های زبانی تأکید دارند.

https://jipm.irandoc.ac.ir/article_724864_729eaea9bacc7915c3fc401a60591eb9.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 An Analysis of the Advantages and Ethical Challenges of Large Language Models in Research تحلیل و بررسی مزایا و چالش‌های اخلاقی مدل‌های زبانی بزرگ در سپهر پژوهش 1219 1249 729037 10.22034/jipm.2025.2050658.1901 FA رحمان شریف زاده استادیار پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)، تهران، ایران. 0000-0001-6831-1460 Journal Article 2025 01 13 <span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi; color: #222222;">It has not been long since the emergence of large language models, but due to the significant hype surrounding their applications and prospects, especially in the field of research, it seems essential to examine their applications as well as the advantages and ethical challenges of this technology. What applications do large language models have, and what advantages and ethical challenges do these applications bring, particularly in academic work? In this article, we will analyze and discuss the most important advantages and ethical challenges of these language models. <span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi; color: #222222;">The methodology of this research for extracting advantages and challenges involved reviewing and examining relevant research works identified in the Scopus and Google Scholar databases. We identified numerous articles by searching for terms such as ‘challenges/ advantages of LLMs in research’, ‘risks/ethical concerns of LLMs’, ‘ethics of ChatGPT’, ‘ethics of LLMs’, ‘LLMs and research ethics’, and ‘artificial intelligence and research ethics’. After removing duplicates, the articles were studied based on their relevance to the topic of this research, and the advantages and challenges were extracted. The author then aggregated and categorized the advantages and challenges, followed by an analysis and discussion of each. <span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi; color: #222222;">Alongside advantages such as overcoming language barriers for non-English-speaking authors, reducing preparation costs, saving time, improving writing quality, facilitating the dissemination of knowledge, and assisting researchers with special conditions, there are significant challenges such as the hallucination, accountability and authorship, plagiarism and copyright issues, bias, security and privacy, safety and potential harm, transparency and explainability, environmental issues, and unemployment and exploitation. The three special research-oriented issues we examined are each important in their own right. Neglecting the issue of hallucination will ultimately have a detrimental effect on the quality and integrity of researchers' work. The issue of accountability and authorship requires heightened attention from publishers and even those engaged in theoretical work on ethics and philosophy of artificial intelligence. Currently, no publisher or association/ committee recognizes LLMs as authors. While this lack of recognition may prevent some problems, it also leads to other issues. The issue of plagiarism and copyright is significant because language models do not perform well in citation; they rarely provide correct direct citations and often do not maintain sufficient distance from the original text in indirect citations. One reason for this may be that this technology was not primarily designed for scientific writing but rather to write in a natural manner, similar to humans. <span style="font-size: 11.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: Calibri; mso-fareast-theme-font: minor-latin; mso-hansi-theme-font: major-bidi; mso-bidi-theme-font: major-bidi; color: #222222; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: AR-SA;">Large language models undoubtedly have significant impacts on the research domain. One of the most important advantages is overcoming language barriers for publication. This can be viewed as an opportunity for developing countries: non-English speakers who previously wrote less in English are now writing more with the help of generative AI tools. This, in turn, will affect the visibility rates of educational and research institutes in non-English-speaking countries. Alongside these advantages, efforts must be made to minimize the ethical issues associated with this technology. By analyzing these advantages and challenges, and avoiding overly optimistic or pessimistic approaches to this technology, we will discuss that addressing or minimizing the severity of some challenges, particularly those specific to language models in the research domain, requires theoretical, policy, educational, and technical efforts مدل‌های زبانی بزرگ چه کاربست‌هایی دارند و این کاربست‌ها به چه مزایا و چالش‌هایی به‌ویژه در سپهر پژوهش می‌انجامند؟ در این مقاله به تحلیل و بررسی مهم‌ترین مزایا و چالش‌های اخلاقی این مدل‌های زبانی خواهیم پرداخت. خواهیم دید که در کنار مزایایی همچون رفع موانع زبانی برای نویسندگان غیرانگلیسی‌زبان، کاهش هزینه آماده‌سازی، صرفه‌جویی در زمان، افزایش کیفیت نگارش، ترویج راحت‌تر دانش، و کمک به پژوهشگران دارای شرایط خاص، چالش‌های مهمی نظیر توهم‌،‌ مسئولیت‌پذیری و مؤلف‌بودن، مشابه‌نویسی و سرقت ادبی، سوگیری، امنیت و حریم خصوصی، ایمنی و توان آسیب‌رسانی، شفافیت و توضیح‌پذیری،‌ مسائل زیست‌محیطی،‌ بیکاری و بهره‌کشی نیز وجود دارد. با تحلیل این مزایا و چالش‌ها ‌و گریز از رویکردهای کاملاً خوشبینانه یا بدبینانه نسبت به این فناوری، نشان خواهیم داد که برای رفع یا کمینه‌ کردن شدت برخی از چالش‌ها، به‌ویژه چالش‌های خاصی که مدل‌های زبانی در سپهر پژوهش ایجاد می‌کنند،‌ نیاز به کارهای نظری، سیاستی، آموزشی و فنی وجود دارد.

https://jipm.irandoc.ac.ir/article_729037_db4d5ceb5184c9974aaacb9bd3287f53.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 A Conceptual Model of User Experience in Human–Computer Interaction Using Thematic Analysis ارائه مدل مفهومی تجربه کاربری در حوزه تعامل انسان-رایانه با استفاده از روش تحلیل مضمون 1251 1281 729038 10.22034/jipm.2025.2051099.1911 FA کاوه تبیانی دانشجوی دکتری تخصصی، گروه طراحی صنعتی، دانشکدگان هنرهای زیبا، دانشگاه تهران، تهران، ایران 0000-0001-5345-5277 وحید چوپانکاره دکتری تخصصی طراحی صنعتی گروه طراحی صنعتی؛ دانشگاه تهران؛ تهران، ایران 0000-0001-7706-1475 ابراهیم باقری طالقانی استادیار گروه طراحی صنعتی، دانشکده هنرهای کاربردی، دانشگاه هنر ایران، تهران، ایران 0000-0002-9047-3017 Journal Article 2025 01 20 The usage of the Internet and increasing human-object interaction has made user experience relevant and an important aspect of the industrial design discipline. User experience is considered to be at the heart of any product, digital service, and online platform acceptance or rejection, which is indeed well-documented and recognized by researchers in this area. With all the research done concerning user experience, there is still a lack of a thorough definition that may delineate its nature and spot the influencing factors. This knowledge gap underlines the need for in-depth analysis of the components of user experience with a view to clearly spelling out what this concept is. This paper will, therefore, seek to fill this gap by establishing the major dimensions of the user experience and developing a clear conceptual model based on the application of the principles of fundamental research. The paper uses a library-based research methodology in collecting and analyzing data through the use of thematic analysis and a six-stage process. Synthesis of the resulting themes led to a conceptual framework that described the user experience construct in the context of human-computer interaction. With the increasing use of the internet and the widespread expansion of human–computer interaction across various products and artifacts, the concept of user experience (UX) is gaining more prominence in this field. The influence of UX on the acceptance of products and digital/online services is well-recognized and confirmed by experts in the domain. However, despite numerous efforts and studies on user experience, the research literature in the field of human–computer interaction still lacks a comprehensive and reliable framework that clearly defines the nature of UX and identifies its influencing components. The present study aims to identify the key components of user experience and to provide a clear conceptualization of this phenomenon through thematic analysis. Accordingly, the research is categorized as fundamental in nature and employs an analytical approach applied to qualitative data. To conduct this study, the thematic analysis method was employed. This method analyses research data across six structured phases. Data were collected through a library-based approach from reputable academic sources. The data analysis followed the standard phases of thematic analysis, and the coding process was conducted in two stages. Finally, the extracted themes were categorized and defined. The findings of this study include a conceptual framework for user experience in the domain of human–computer interaction and the defining and constitutive elements of UX. These constitutive elements, along with their descriptive features—considered the intrinsic properties of UX—form a multidimensional concept comprising three levels (aesthetic, emotional, and semantic) and three types (ergonomic, affective, and cognitive). با افزایش میزان استفاده از اینترنت و همچنین گسترش وسیع تعامل انسان-رایانه در مصنوعات و اشیای مختلف، نقش مفهوم تجربه کاربری روز‌به‌روز در این حوزه برجسته‌تر می‌شود. تأثیر این عامل بر مقبولیت محصولات و همچنین خدمات دیجیتال و آنلاین شناخته شده و مورد تأیید متخصصان این حوزه است. با این حال، به‌رغم کوشش‌ها و پژوهش‌های صورت‌گرفته در خصوص تجربه کاربری، فقدان یک تبیین جامع و معتبر، به‌طوری که ماهیت تجربه کاربری را تعریف کرده و عناصر مؤثر بر آن را تعیین نماید، در ادبیات پژوهشی حوزه تعامل انسان-رایانه مشهود است. پژوهش حاضر با هدف شناسایی مؤلفه‌های تجربه کاربری و ارائه تصویری شفاف از این مفهوم به ‌روش تحلیل موضوعی انجام شد و بر این اساس به ‌لحاظ هدف، یک پژوهش بنیادی است که با استفاده از یک روش تحلیلی بر روی اطلاعات کیفی اجرا شده است. برای انجام این پژوهش از روش تحلیل موضوعی استفاده شد. این روش در شش فاز به تجزیه‌و‌تحلیل داده‌های پژوهش می‌پردازد. داده‌های پژوهش از منابع معتبر دانشگاهی و به ‌روش کتابخانه‌ای گردآوری شد. تحلیل داده‌ها بر اساس فازهای تحلیل موضوعی انجام گردید و فرایند کدگذاری در دو مرحله انجام شد و سرانجام، تم‌های یافت‌شده پس از دسته‌بندی تعریف شدند. یافته‌های این پژوهش به‌ترتیب، یک چارچوب مفهومی برای تجربه کاربری در حوزه تعامل انسان-رایانه و همچنین عناصر معرف و سازنده آن است. عناصر سازنده به‌همراه ویژگی‌های معرف آن، که خصوصیات ذاتی آن هستند، یک مفهوم چندوجهی می‌سازند که دارای سه سطح (زیبایی‌شناختی، عاطفی و معنایی) و سه نوع (ارگونومیک، تأثیری و شناختی) است.

https://jipm.irandoc.ac.ir/article_729038_1e0b07ddb802070f7503198bc19c6c9b.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Text Recognition in Printed Persian Documents Based on Recurrent Neural Networks تشخیص متن در اسناد فارسی چاپی بر اساس شبکه‌های عصبی بازگشتی 1283 1305 725228 10.22034/jipm.2025.2052358.1926 FA آزاده فخرزاده دکتری تخصصی پردازش تصویر کامپیوتری استادیار، پژوهشگاه علوم و فناوری اطلاعات (ایرانداک)، تهران، ایران. امیرحسین صدیقی دکتری تخصصی مهندسی صنایع استادیار، پژوهشگاه علوم و فناوری اطلاعات (ایرانداک) )، تهران، ایران. محمد عشرت آبادی دستیار پژوهشی، پژوهشگاه علوم و فناوری اطلاعات (ایرانداک) )، تهران، ایران البرز اسفندیاری دستیار پژوهشی، پژوهشگاه علوم و فناوری اطلاعات (ایرانداک)، تهران، ایران. Journal Article 2025 02 02 <span style="font-size: 12.0pt; mso-bidi-font-size: 11.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-ascii-theme-font: major-bidi; mso-hansi-theme-font: major-bidi; mso-bidi-theme-font: major-bidi;">Automatic Persian text recognition has always been challenging due to the unique characteristics of the Persian script, including its connected structure, the high visual similarity between letters, and the significant variation in the shape of letters depending on their position within a word. The aim of this research is to develop an optical character recognition (OCR) model capable of converting Persian printed and scientific documents, including theses, articles, and books, into editable texts. Such a model is essential for tasks like labeling, indexing, and information retrieval in databases. This paper proposes a hybrid approach based on deep learning architectures for Persian text recognition. In this method, convolutional neural networks (CNNs) are used for feature extraction and recurrent neural networks (RNNs) for word recognition. The main advantage of this model is its ability to directly recognize Persian printed text without relying on complex preprocessing steps, such as letter segmentation. The proposed model is trained on a large and dedicated dataset, comprising over two million samples generated in five common Persian fonts. The model achieves an accuracy of 81 per cent in recognizing Persian letters and 60 per cent in recognizing words. The most common errors occur in words related to semi-spaces and signs. تشخیص خودکار متن فارسی به‌دلیل ویژگی‌های یکتای خط فارسی از جمله ساختار پیوسته، اشتراک بالای ویژگی‌های بصری بین حروف، و تنوع بالای نوشتاری حروف با توجه به موقعیت آنان در کلمه‌‎ همواره چالش‌برانگیز بوده است. هدف این پژوهش ارائه یک مدل نویسه‌خوانی نوری است که بتواند اسناد چاپی و علمی فارسی را که شامل پایان‌نامه‌ها، مقالات و کتب فارسی است، به متن قابل ویرایش تبدیل کند. این امر برای برچسب‌گذاری، فهرست‌بندی و بازیابی اطلاعات در پایگاه داده‌ها یک ضرورت محسوب می‌شود. این مقاله رویکردی ترکیبی مبتنی ‌بر معماری‌های یادگیری عمیق برای تشخیص متن فارسی ارائه می‌دهد. در این روش از شبکه‌های عصبی پیچشی برای استخراج ویژگی‌ها و از شبکه‌های عصبی بازگشتی برای تشخیص کلمات استفاده ‌می‌شود. مزیت اصلی این مدل، توانایی آن در تشخیص مستقیم متن چاپی فارسی بدون نیاز به پیش‌پردازش‌های پیچیده مانند ناحیه‌بندی حروف است. مدل پیشنهادی با استفاده از یک مجموعه داده اختصاصی و بزرگ، شامل بیش از دو میلیون نمونه که با پنج فونت متداول فارسی تولید شده‌، آموزش داده شده است. مدل معرفی‌شده دقت 81 درصد در تشخیص حروف فارسی و 60 درصد در تشخیص کلمات دارد. عمده‌ترین خطاها در کلمات مرتبط با نیم‌فاصله و علائم بود.

https://jipm.irandoc.ac.ir/article_725228_b2bcadbc255e198c694db98fbc0f5e0a.pdf

پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 40 4 2025 06 22 Detection and Classification of Twitter Users' Opinions on Drought Crises in Iran Using Machine Learning Techniques تشخیص و دسته‌بندی نظرات کاربران توئیتر در برابر بحران‌های خشکسالی در ایران با کمک روش‌های یادگیری ماشین 1307 1339 729039 10.22034/jipm.2025.2043182.1806 FA سمیه لبافی دکترای مدیریت رسانه دانشیار؛ پژوهشگاه علوم و فناوری اطلاعات ایران(ایرانداک). تهران، ایران. لیلا ربیعی پژوهشگاه ارتباطات و فناوری اطلاعات. تهران، ایران. زینب رجبی استادیار ، گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه حضرت معصومه(ص). قم، ایران. Journal Article 2024 10 11 <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">Drought crisis is one of the most significant environmental and social challenges in Iran, exerting widespread impacts on people's lives and the resilience of society. Identifying and analyzing the opinions of Persian-speaking Twitter users regarding this crisis can contribute to a better understanding of public opinion and support policymakers in their decision-making processes. This study aims to develop a model for detecting and categorizing user opinions related to drought crisis on the Twitter platform, utilizing machine learning and text mining methods to provide a more precise analysis of perspectives. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">At the outset of this study, Twitter content related to the drought crisis in Iran was systematically examined through the lens of Regulatory Focus Theory, enabling the categorization of user opinions within this theoretical framework. The dataset comprised 42,028 tweets collected over a one-year period using pertinent keywords associated with drought crises in Iran. A qualitative thematic analysis was subsequently performed on a representative sample of 2,300 tweets, which were meticulously labeled and classified. The thematic analysis revealed four principal categories of user opinions. In accordance with Regulatory Focus Theory, promotive tweets were further subdivided into Gain and Non-gain subcategories, while preventive tweets were classified into Non-losses and Losses subcategories. In the subsequent phase, a machine learning model employing logistic regression combined with word embedding vectors was developed to automatically predict and classify tweets into these defined categories. The dataset was processed and analyzed utilizing advanced text mining techniques and machine learning algorithms to ensure precise and robust categorization. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">The developed model effectively classified user opinions into four distinct categories related to the drought crisis and community resilience in Iran. It achieved an accuracy of 66.09% and an F1-score of 60%, reflecting a satisfactory level of performance in opinion classification. These results indicate that the model can reliably identify and categorize diverse user perspectives expressed on Twitter, thereby providing valuable insights to policymakers for a more informed understanding of public opinion dynamics. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">This study presents the proposed model as a novel contribution to the social sciences, particularly within the domain of drought and water crisis management, representing the first instance of framing this issue as a machine learning problem. The construction of a unique dataset, combined with the application of Regulatory Focus Theory to establish meaningful and contextually relevant categories, laid a robust foundation for the development of the machine learning framework. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">Integrating social science theories within the context of social media platforms facilitates more nuanced analyses aimed at understanding the underlying reasons and mechanisms driving changes in user behavior within these digital environments. Accordingly, this study applies Regulatory Focus Theory to extract and categorize user opinions expressed on Twitter concerning resilience to drought. Within this framework, Regulatory Focus Theory provides a foundational perspective for interpreting users’ motivations in producing and sharing content related to drought resilience on the Twitter platform. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">This research contributes to the field by developing a machine learning–based model for opinion detection and classification of Persian-language tweets addressing the drought crisis. Beyond advancing machine learning methodologies in this area, the study establishes a vital foundation for future research in the social sciences. The proposed model offers policymakers a valuable tool to intelligently evaluate community resilience and to gain deeper insights into public reactions during crises. <span style="font-size: 10.0pt; mso-bidi-font-size: 8.0pt; line-height: 115%; font-family: 'Times New Roman',serif; mso-fareast-font-family: Calibri; color: black; mso-color-alt: windowtext; background: white;">Moreover, this study enriches the existing knowledge base in Persian opinion mining and its practical applications in crisis management. Future research can further enhance the model by incorporating larger datasets and employing more advanced deep learning techniques, as well as expanding its applicability to other environmental crises. هدف این پژوهش شناسایی و دسته‌بندی نظرات کاربران فارسی‌زبانِ «توئیتر» در رابطه با موضوع بحران‌های خشکسالی در ایران و<span lang="AR-SA" style="font-size: 10.0pt; line-height: 115%; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: 'MS Mincho'; mso-hansi-font-family: 'Times New Roman';"> سپس، توسعه مدلی برای تشخیص این نظرات در پلتفرم «توئیتر» است. ازاین‌رو، مدلی با کمک روش‌های یادگیری ماشین و متن‌کاوی برای تشخیص نظرات کاربران فارسی‌زبانِ «توئیتر» توسعه داده شد. جامعه آماری پژوهش، تعداد 42028 توئیت منتشرشده‎ در بازه زمانی یک‌ساله مرتبط با خشکسالی بود. این توئیت‌ها با کلیدواژه‌های مرتبط با مسایل و بحران‌های خشکسالی در ایران، از «توئیتر» استخراج شد و سپس، یک نمونه 2300تایی توئیت به ‌روش کیفیِ تحلیل تم، برچسب‌گذاری، دسته‌بندی و تحلیل شد. آنگاه یک دسته‌بندی چهارتایی از نظرات کاربران در رابطه با بحران‌های خشکسالی و تاب‌آوری ایرانیان در برابر این بحران‌ها شناسایی گردید. سپس، مبتنی ‌بر این چهار دسته، مدل یادگیری ماشین بر اساس روش رگرسیون لجستیک برای پیش‌بینی و تشخیص انواع نظرات در پست‌های «توئیتر»، آموزش داده شد. مدل توسعه‌داده‌شده دارای دقت 09/66 درصد و معیار افِ 60 درصد است که نشان می‌دهد این مدل، برای تشخیص نظرات کاربران ایرانی در ارتباط با بحران‌های خشکسالی از عملکرد خوبی برخوردار است. تشخیص نظرات در رابطه با بحران‌های خشکسالی در پلتفرم‌های اجتماعی مانند «توئیتر» از نیازهای سیاست‌گذاران و مدیران این حوزه است. توسعه مدل تشخیص این نظرات با روش‌های یادگیری ماشینی می‌تواند میزان تاب‌آوری جامعه ایرانی در برابر این بحران‌ها را به‌صورت هوشمند به سیاست‌گذاران نمایش داده و آن‌ها را نسبت به تغییرات افکار عمومی در این رابطه آگاه سازد.

https://jipm.irandoc.ac.ir/article_729039_a7b46d580190ad5cf9e201ca3696c896.pdf