>
Fa   |   Ar   |   En
   بهینه‌سازی عملکرد روزنامه‌های چاپی در شبکه اجتماعی اینستاگرام با استفاده از تحلیل پوششی داده‌ها  
   
نویسنده حقیقی نیا هانیه ,رستمی مال خلیفه محسن ,سلطانی فر محمد ,نصراللهی کاسمانی اکبر
منبع پژوهش هاي مديريت منابع سازماني - 1399 - دوره : 10 - شماره : 2 - صفحه:1 -21
چکیده    در سال‌های اخیر، فناوری به‌طور مداوم در حال تغییر بوده است و همه سازمان‌ها به منظور حفظ رقابت و زنده‌ماندن در محیط‌های کسب‌وکار مجبور به تغییر سریع با فناوری‌های جدید هستند. شبکه‌های اجتماعی برخط بسترهای جدیدی برای وب‌گاههای مبتنی بر کاربر هستند و به‌طور فزاینده‌ای موردتوجه کسب‌وکارها قرار گرفته‌اند. به‌کارگیری این فناوری تعاملی جدید مزایای مختلفی برای کسب‌وکارها به ارمغان می‌آورد. به دنبال این تغییرات، سازمان‌ها به مهارت‌های جدید مدیریتی و اجتماعی و نیز به فرایندهای جدید تصمیم‌گیری نیاز دارند که به‌وسیله ساختارهای موجود قابل پذیرش نخواهد بود.باتوجه‌به اینکه یکی از مهم‌ترین دغدغه‌های مدیران، ارزیابی عملکرد سازمان به منظور استفاده بهینه از منابع (ورودی) برای تولید ستاده‌های (خروجی) است؛ روش انجام این مطالعه، برنامه‌ریزی ریاضی مبتنی بر ارزیابی عملکرد با استفاده از تحلیل پوششی داده‌ها (dea) است. یکی از روش‌های مفید در ادبیات موضوعی (dea) برای ارزیابی عملکرد واحدهای تصمیم‌گیرنده، روش مبتنی بر متغیرهای کمکی (sbm) است. در این مقاله، روش (sbm-dea) برای ارزیابی عملکرد روزنامه‌های چاپی (به‌عنوان واحدهای تصمیم‌گیرنده) در شبکه اجتماعی اینستاگرام به‌کار برده شده است که به کمک این روش، عوامل ناکارایی آنها مشخص می‌شود. یافته‌ها نشان می‌دهد در جامعه تحت ارزیابی، دو واحد کارا و سایر واحدها ناکارا بوده‌اند. در‌نهایت، به‌منظور بهبود عملکرد هریک از واحدهای تصمیم‌گیرنده، با استفاده از مدل (sbm) الگویی کاربردی به منظور کاهش در ورودی‌ها و افزایش در خروجی‌های واحدهای ناکارا، ارائه شده است.
کلیدواژه روزنامه‌های چاپی، شبکه اجتماعی، واحدهای ناکارا، تحلیل پوششی داده‌ها، مدل مبتنی بر متغیرهای کمکی
آدرس دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده مدیریت و اقتصاد, گروه مدیریت امور فرهنگی و رسانه‌ای, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده علوم پایه, گروه ریاضی, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده ادبیات، علوم انسانی و اجتماعی, گروه علوم ارتباطات اجتماعی, ایران, دانشگاه آزاد اسلامی واحد تهران مرکزی, دانشکده ارتباطات و مطالعات رسانه ای, گروه مدیریت رسانه, ایران
 
   Optimizing the Performance of Printed Newspapers on Instagram Using Data Envelopment Analysis (DEA)  
   
Authors Nasrollahi Kasmani Akbar ,Haghighinia Hanieh ,Soltanifar Mohammad ,Rostami-Malkhalifeh Mohsen
Abstract    In recent years, technology has been constantly changing and all organizations are forced to change with new technologies in order to maintain competitiveness and survive in business environments. Online Social Networks (OSNs) are new platforms for useroriented websites/apps and they have been increasingly noticed by various businesses. Applying these new interactive technologies bring several benefits to businesses. There will be a need for new types of managerial and social skills as well as a new type of decisionmaking process that will not be acceptable by the existing organizational structures.Given that one of the main concerns of managers is to measure the performance of organizations in order to optimal consumption of resources (inputs) to generate products (outputs), hence method of this study is a mathematical programming technique based on performance measurement using Data Envelopment Analysis (DEA). One of the most interesting methods in DEA literature for measuring the efficiency of organizations is the slackbased measure (SBM) model. In this paper, the performance of printed newspapers as Decision Making Units (DMUs) on Instagram has been measured to identify the inefficiency factors of units using SBM method. The findings show that two DMUs was efficient and others was inefficient. Finally, the practical patern has been presented in order to improve the performance of inefficient units to decrease on inputs and increase on outputs using SBM model.
Keywords Printed Newspapers ,Social Network ,Inefficient Units ,Data Envelopment Analysis (DEA) ,Slacks-Based Measure (SBM) Model.
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved