کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6855486 | 1437641 | 2016 | 40 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Visual decision support for business ecosystem analysis
ترجمه فارسی عنوان
پشتیبانی تصمیم بصری برای تجزیه و تحلیل اکوسیستم کسب و کار
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تجسم اطلاعات، پشتیبانی تصمیم اکوسیستم کسب و کار، نظریه مناسب شناختی، پیچیدگی داده ها،
ترجمه چکیده
در این مطالعه مقیاس اثربخشی سه روش تجسم (لیست، ماتریس، شبکه) و تاثیر پیچیدگی داده ها، نوع کار و ویژگی های کاربر بر عملکرد تصمیم گیری در زمینه تجزیه و تحلیل اکوسیستم کسب و کار، مقایسهای است. ما این هدف را با استفاده از یک مطالعه اکتشافی با 14 کاربر نمونه اولیه (به عنوان مثال مدیران، تحلیلگران، سرمایه گذاران و سیاست گذاران) دنبال می کنیم. نتایج نشان می دهد که در شرایط کم پیچیدگی، عملکرد تصمیم گیری بین بازنمایی های تصویری متفاوت است اما به طور قابل ملاحظه ای نیست. با این حال، در شرایط پیچیده بالا، عملکرد تصمیم به طور قابل ملاحظه ای رنج می برند اگر نمایه های بصری به طور مناسب با انواع وظایف مطابقت نداشته باشند. مطالعه ما چندین نظر تئوری و عملی را انجام می دهد. از لحاظ نظری، ما تئوری جاذبه شناختی را با بررسی تأثیر نوع و پیچیدگی اکوسیستم کسب و کار گسترش می دهیم. به طور مدیریتی، مطالعه ما به قسمت نسبتا زیرزمینی، اما در حال ظهور طراحی ابزار هوشمند اکوسیستم کسب و کار و ارائه اطلاعات اکوسیستم کسب و کار برای تصمیم گیری کمک می کند. ما با فرصت های پژوهشی آینده نتیجه می گیریم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This study comparatively evaluates the effectiveness of three visualization methods (list, matrix, network) and the influence of data complexity, task type, and user characteristics on decision performance in the context of business ecosystem analysis. We pursue this objective using an exploratory study with 14 prototypical users (e.g. executives, analysts, investors, and policy makers). The results show that in low complexity contexts, decision performance between visual representations differ but not substantially. In high complexity contexts, however, decision performance suffers significantly if visual representations are not appropriately matched to task types. Our study makes several theoretical and practical contributions. Theoretically, we extend cognitive fit theory by investigating the impact of business ecosystem task type and complexity. Managerially, our study contributes to the relatively underexplored, but emerging area of the design of business ecosystem intelligence tools and presentation of business ecosystem data for the purpose of decision making. We conclude with future research opportunities.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 65, 15 December 2016, Pages 271-282
Journal: Expert Systems with Applications - Volume 65, 15 December 2016, Pages 271-282
نویسندگان
Rahul C. Basole, Jukka Huhtamäki, Kaisa Still, Martha G. Russell,