تحلیل ریخت‌شناسی شبکه‌ای فازی: روشی برای آینده‌پژوهی در صنعت رسانه

هدف: پیچیدگی‌های فزاینده محیطی در کنار تغییرات شتابان صنعت رسانه، سبب‌ شده است که آینده‌پژوهی به‌عنوان یکی از روندهای مطالعاتی در صنعت رسانه مطرح شود. یکی از روش‌های آینده‌پژوهی کیفی، مورفولوژی است که بر اساس دو بُعد «اثر بر آینده» و «احتمال رخداد»، پیشران‌های آینده را بر اساس قضاوت کیفی خبرگان، به‌صورت کلامی و برقراری روابط خطی بررسی می‌کند. با توجه به وجود ابهام در کلام انسان و رد فرض وجود روابط خطی میان پیشران‌های آتی، امروزه کمتر از این روش بهره ‌برده می‌شود.روش: در این پژوهش تلاش شد تا با بهره‌گیری از منطق فازی، امکان ارزش‌گذاری چندگانه درجات صدق به‌منظور کاهش در ابهام کلامی خبرگان و با بهره‌گیری از تکنیک دیماتل، امکان تحلیل شبکه‌ای و عدم‌استقلال خطی در پیشران‌های آتی، به تحلیل مورفولوژی جهت بهره‌برداری در صنعت رسانه اضافه شود. بدین ‌منظور، پس از توسعه نظری روابط ریاضی فازی شبکه‌ای، ماتریس مورفولوژی در محیط نرم‌افزار متلب شبیه‌سازی و با استفاده از یک مثال عددی آزمایش شد.یافته‌ها: در تحلیل مورفولوژی با رویکرد شبکه‌ای فازی، بر اساس هشت گام می‌توان از ابهام کلامی خبرگان و خطای ناشی از استقلال خطی پیشران‌های آتی صنعت رسانه کاست: 1. تعریف مسئله و فرموله‌کردن آن؛ 2. تعیین پیشران‌های آینده صنعت رسانه؛ 3. ترسیم گراف تاثیرهای پیشران‌ها؛ 4. استخراج بردار وزنی پیشران‌ها؛ 5. ارزیابی کلامی فازی میزان عدم‌قطعیت پیشران‌ها؛ 6. ترسیم ماتریسی چندبُعدی؛ 7. ارزیابی خروجی‌ها، بر مبنای دو عامل مکان وقوع و میزان نزدیکی به ‌هدف مطلوب؛ 8. تحلیل عمیق‌تر پاسخ‌های ممکن.نتیجه‌گیری: یافته‌های پژوهش نشان داد که خروجی مدل توسعه‌یافته مورفولوژی، در مقایسه با مدل اولیه مورفولوژی بر مبنای دو بردار فازی «اثر بر آینده» و «احتمال رخداد» و محاسبه دو متغیر «عدم تمرکز» و «مرکز ثقل» در ارزیابی پیشران‌های آتی در صنعت رسانه موثرتر است.

fuzzy network morphology analysis: a method for future research in the media industry

objectiveboth public and private media organizations operate in a highly complex and uncertain environment. the advancement of digital technologies and mobile communications has resulted in fundamental changes in this industry, and anticipated developments in communication technologies, digital convergence, stakeholder participation in value production and distribution, new forms of media consumption, and other issues have made the industry’s future direction unclear and complicated. in such a situation, senior executives and media policymakers must find ways to forecast the future and devise strategies to address the opportunities and threats that lie ahead. many experts have emphasized the significance of future research in media management. emphasized strategic thinking in media managers in the sense of seeing the future and understanding the dynamics of the environment, and they saw the idea of the future as the origin of the media organization’s actions and thus the drivers of current actions. as a result, managers try to understand not only what is happening, but also what might happen, has the potential to happen, or will happen in certain circumstances in the future. among the various methods presented to predict the future, such as valuable and exploratory or quantitative , pseudo-quantitative , and qualitative , one of the less used methods is the morphology analysis, which analyzes and processes existing and future structures using set theory, topology, and random functions (mozuni and jonas 2017). this method identifies a vision of future drivers (prashar, tortorella and fogliatto 2022) and analyzes the possibility of occurrence and its effect on the organization using matrix logic (krauss, et al. 2022, miklautsch, hoffelner and woschank 2022). despite its solid theoretical foundations, this method’s analytical dimensions have yet to be fully developed. as a result, given the importance of this method in future research studies in general, and future research of media organizations in particular, the current study seeks to identify the method’s flaws as well as its theoretical and practical development in the media industry.research methodologyto analyze the morphology with a network-fuzzy approach, there are eight steps as follows: 1) defining a problem and formulating it; 2) determining the future drivers of the media industry; 3) drawing a graph of the effects of propellants; 4) extracting the weight vector of the thrusters; 5) verbal-fuzzy evaluation of the uncertainty of drivers; 6) multidimensional matrix drawing; 7) evaluation of the outputs, based on the two factors of the place of occurrence and the degree of proximity to the desired goal; 8) a deeper analysis of the possible answers is suggested. the dematel model was proposed to draw a graph of the effect of propellants, and a matrix was calculated based on the mathematical relationships of the final step of dematel to extract the weight vector of the propellants (importance factor of the propellants). in this study, a fuzzy number was used to show the linguistic value of the k-th expert, and the fuzzy average operation was used to combine the k-th expert’s fuzzy numbers, and finally, the uncertainty of the drivers was calculated as a fuzzy number. in the final section, the multidimensional morphological matrix was developed and mathematically modeled based on the two elliptic fuzzy vectors described in the verbal-fuzzy evaluation and the center of gravity of the propellant in the media industry. according to the obtained model, the weight of the propellant will increase as the decentralization in the verbal-fuzzy evaluation decreases and the distance of the center of gravity of the propellant in the media industry from the origin point of the coordinates increases.findingsin this section of the study, an attempt was made to present a numerical example based on five media industry drivers based on the opinions of seven experts.