مربی گری بر این فرض مبتنی است که فرد نیاز به مداخله روانی – اجتماعی ندارد.

مشاوره می تواند جهت رسیدگی به مشکلات روانی- اجتماعی همچون عملکرد بکار گرفته شود.

عمدتاً دستور کار توسط افراد اما با توافق سازمان تنظیم می گردد.

دستور کار بطور کلی توسط افراد و مشاور تنظیم می گردد.

تفاوت مربی گری و منتورینگ^[۵۵]:
فعالیتی که فرض می شود بیشترین شباهت را با مربی گری دارد، منتورینگ است. بسیاری از مهارت ها و رویکردهایی که توسط یک منتور^[۵۶] در فرایند منتورینگ استفاده می شود همانند همان هایی است که مربیان در فرایند مربی گری استفاده می کنند (ر آ ، بیورز ،۲۰۱۰).مربی گری و منتورینگ هر دو دربردارنده یک رابطه فرد به فرد هستند و فرصتی را برای افراد جهت دریافت بازخورد، یادگیری و رشد و بهسازی فراهم می آورند، با این حال تفاوت هایی میان این دو روش وجود دارد.

جدول۵-۲ برخی از شباهت ها و تفاوت های میان مربی گری محیط کار و منتورینگ را برجسته می سازد.
واژه منتورینگ از اساطیر یونانی نشأت می گیرد. زمانیکه یکی از شخصیت های کتاب افسانه اودیسه فرزند خود را برای آموزش به دوستش سپرد و او را منتور نامید. او از دوستش خواست که هرچه از فنون جنگ و سیاست می داند به فرزندش یاد دهد(گر وی ،۲۰۰۴) . از آن زمان به بعد این واژه به افراد مورد تأییدی اطلاق شد که حاضر هستند دانش و تجاربشان را با افراد کم تجربه به اشتراک بگذارند.
منتور کسی است که دانش و تجربه ارزشمندی در یک موضوع دارد و در طی فرایند منتورینگ آن را به کارآموز منتقل می کند. کارگر با تجربه ای که نحوه کار کردن با یک دستگاه را به یک فرد تازه استخدام آموزش می دهد یک منتور است. در واقع می توان گفت منتورینگ همان فرایند آموزش است با این تفاوت که گاهی اوقات بسیار کوتاه تر از یک دوره آموزشی است به گونه ای که گاهی شکل غیررسمی به خود می‌گیرد و دیگر اینکه به طور عملی انجام می شود. منتور به طور عملی یک دانش و مهارت را منتقل می کند. نحوه کار کردن را آموزش می دهد (سلطانی، ۱۳۸۹).
منتورینگ بیانگر یک رابطه است نه یک اقدام و عمل. منتور فردی با تجربه، هدایت گر و قابل اطمینان است که خواهان ایجاد موفقیت فرد است. منتوران در یک رابطه منتورینگ، تجارب کاری زیادی را ارائه نموده و مجموعه ای از دیگر وظایف را انجام می دهند. در واقع منتورینگ فرآیندی است که در آن یک فرد با تجربه و آگاه، فرد دارای تجربه کمتر را کمک و حمایت می کند (رامسی، اس واان ، ۲۰۰۸).

جدول۵-۲: تفاوت مربی گری و منتورینگ از دیدگاه بیورز و ریا (۲۰۱۰)

مربی گری محیط کار

منتورینگ

حوزه ها/ زمینه های ارجاعی

مسائل عملکردی کاری/ وظیفه ای

مسائل کاری
مسائله حرفه ای مستمر
مسائل فردی و شخصی

روابط

مربی اغلب مدیر صف متربی است اما ممکن است همکار یا فرد دیگر هم باشد.

معمولاً منتور فردی با تجربه تر، همکار ارشد و خارج از تیم کاری متربیان است.

تخصص

مربی ممکن است در حوزه ای که مربی گری می کند دارای تخصص باشد یا نباشد.

معمولاً منتتور دانش و تجربه عمومی از حوزه کاری فرد داراست.

رویکرد

مربیان تشویق می شوند تا حداقل هدایت را ارائه دهند و بر کمک کردن به متربیان جهت شناسایی راه حل هایشان تأکید دارد.

بررسی رفتار­توده­ای با بهره گرفتن از نمونه ­ای از ۶۰ صندوق سرمایه ­گذاری مشترک آلمان با بهره گرفتن از معیار اندازه‌گیری رفتار گروهی که توسط لاکونیشوک و همکاران طراحی شده است و اصطلاحاً معیار ال اس وی نامیده می‌شود

آنها نشان دادند تمایل به رفتار توده وار خرید در دوره رونق بازار و تمایل به رفتار توده وار فروش در هنگام رکود بازار افزایش می یابد؛ بنابراین بنظر می رسد پدیده رفتار توده وار به وضعیت رونق و رکود بازار نیز وابسته باشد .

۲۰۰۷

مانگانارو و مارتینز

بررسی ۱۲۴ صندوق سرمایه ­گذاری مشترک کشور سوئد با بهره گرفتن از معیار لاکونیشوک و همکاران (۱۹۹۲)

آنها برای نمونه خود رفتار­توده­ وار قوی مشاهده نمودند. مشاهده کردند که میزان رفتار­توده وار بیشتر از بازار­های توسعه­یافته می­باشد. همچنین به این نتیجه رسیدند که صندوق­های سرمایه ­گذاری مشترک سوئد در هنگام خرید نسبت به فروش سهم رفتار­توده­ای بیشتری بروز می­ دهند. همچنین یافتند که صندوق­های سرمایه ­گذاری مشترک کوچک­تر نسبت به صندوق­های سرما­یه­گذاری بزرگ­تر تمایل بیشتری به رفتار­توده وار دارند

جدول( ۳-۲ ) خلاصه تحقیقات داخلی

سال

نام پژوهش

عنوان پژوهش

نتیجه پژوهش

۱۳۸۵

سارا شهریاری

بررسی رفتار توده­وار سرمایه ­گذاران را با بهره گرفتن از انحرافات بازده سهام از بازده کل بازار در بورس اوراق بهادار تهران

یافته­های این تحقیق حاکی از آن است که رفتار توده­وار در دوران رونق بازار در بورس اوراق بهادار تهران وجود ندارد، ولی شواهدی از توده­واری در زمان رکود بازار با بهره گرفتن از داده ­های روزانه یافت شد. نکته دیگر آنکه این تحقیق با بهره گرفتن از داده های هفتگی و ماهانه به شواهدی از توده­واری دست نیافته، که این مساله می تواند تاکیدی بر کوتاه مدت بودن پدیده توده­وار­ی در بورس اوراق بهادار تهران باشد.

۱۳۹۰

المیرا فهامی

بررسی رفتار توده­وار مدیران ۲۱ صندوق های سرمایه گذاری در بورس اوراق بهادار تهران

نتایج این تحقیق وجود رابطه معکوس بین ارزش معاملات بازار و رفتار توده­وار مدیران صندوق های سرمایه گذاری و رابطه مستقیم بین بازده بازار و رفتار توده­وار مدیران صندوق های سرمایه گذاری را نشان می دهد.

فصل سوم

روش ­شناسی تحقیق

۱-۳ مقدمه

از آنجایی که پایه هر تحقیق “روش تحقیق” است و هر پژوهش علمی برای تأیید نتایج نیازمند روش علمی و مشخص شده می­باشد، در این فصل ابتدا به معرفی مدل وارائه چارچوب و بررسی این سوال اصلی تحقیق می پردازیم، سپس انتخاب داده ها، منابع آماری و دوره مورد بررسی، صندوق‌های منتخب و روش برآورد مدل و آزمون های مورد نیاز معرفی خواهد شد.

۲-۳ قلمرو تحقیق

۱-۲-۳ قلمرو مکانی تحقیق

قلمرو مکانی تحقیق ، کلیه صندوق های سرمایه گذاری مشترک در سازمان بورس اوراق بهادار تهران که در سهام صندوق های بورسی سرمایه گذاری نموده اند وحداقل ۲ ماه از فعالیت آن ها سپری شده باشد که تعداد آن ها ۵۲ صندوق می باشد.

۲-۲-۳ قلمرو موضوعی

در این تحقیق رفتار توده وار در بورس اوراق بهادار تهران را در شرایط مختلف بازار (صعودی یا نزولی) و بر روی سهام با ویژگی های مختلف (از نظر اندازه و میزان رشدی یا ارزشی بودن) مورد بررسی قرار می گیرد.

۳-۲- ۳ قلمرو زمانی تحقیق

با توجه به عمر محدود صندوق های سرمایه گذاری مشترک در ایران ، قلمرو زمانی از ابتدای سال۱۳۸۹ تا انتهای سال ۱۳۹۲ (دوره ۴ ساله)مورد بررسی قرار می گیرد.

۴-۳ جامعه آماری

به دلیل تعداد کم صندوق های سرمایه گذاری مشترک ، کل جامعه مورد بررسی قرار می گیرد ونمونه گیری نداریم. با توجه به بررسی کل جامعه آماری در محدوده زمانی معین می توان نتایج بدست آمده را به دوره های آتی تخمین زد.

ب) آزمایش ردیاب:
برای انجام آزمایش ردیاب نیز هربار یکی از خاک­ها داخل مخزن دستگاه ریخته شد، دستگاه در بیشترین شیب قرار گرفت تا زمان کمتری برای رسیدن ردیاب به خروجی صرف شود. دبی درحالت حداکثر قرار داده تا سطح آب در دوطرف دستگاه ( ازروی پیزومترها) برابر­شود. از نمک (NaCl) به عنوان ردیاب استفاده و در قسمت ورودی دستگاه اضافه شد تا همراه آبی که به مخزن خاک پمپاژ می­ شود وارد آبخوان شود. سپس با دستگاه EC سنج در هر یک از پیزومتر­ها میزان نمک بررسی شد تا زمانی که نمک به پیزومتر مورد نظر برسد زمان آن ثبت شد. چون ردیاب همراه با آب از میان خلل وفرج لایه آبدار می­گذرد، سرعت حرکت آن همان سرعت حقیقی آب در لایه آبدار خواهد­بود بنابراین با توجه به معادلات دارسی می­توان ضریب هدایت هیدرولیکی از معادله­ای که در زیر آمده است، بدست آورد.

(۳-۶)
که در آن V_a= سرعت حقیقی یا تراوش، k= هدایت هیدرولیکی، n_e = تخلخل موثر، = اختلاف بارهیدرولیکی در دو چاهک ( پیزومتر) وL= فاصله پیزومترها می­باشد. البته V_a را می توان از رابطه زیر نیز بدست آورد (محمودیان شوشتری،۱۳۸۹).
(۳-۷)
که در آن t زمان پیمودن مسافتL توسط ماده ردیاب است. که از تساوی این دو رابطه ضریب هدایت هیدرولیکی از رابطه زیر بدست می ­آید :
(۳-۸)
ج) آزمایش بار ثابت:
با بهره گرفتن از روش بار ثابت هدایت هیدرولیکی خاک­های مذکور بدست­آمد. برای این منظور نمونه­ها دراستوانه­ای به طول ۱۳ سانتیمتر وقطر ۱۰سانتیمتر قرار داده شده ­اند. آنگاه آب از یک طرف استوانه وارد واز طرف دیگر آن خارج می­شد. آب از کف درجهت بالا وارد نمونه می­ شود وپس از عبور ازآن، از لبه خروجی دربالا ریزش کرده، ودریک ظرف مدرج جمع آوری می­گردد. با استفاده ازقانون دارسی می­توان هدایت هیدرولیکی k را به صورت زیر تعیین نمود.
(۳-۹)
که در آن :
L= طول استوانه نمونه، = حجم آب وارد شده در زمان t، = اختلاف بین بارهادرمقاطع ورودی وخروجی نمونه، و = اندازه سطح مقطع نمونه. قبل از انجام آزمایش نمونه ها کاملا از آب اشباع شدند تا اطمینان حاصل شود که هوا در منافذ نمونه وجود ندارد (محمودیان شوشتری،۱۳۸۹).
۳-۲-۴-۲- روابط تجربی
روابط تجربی مختلفی برای تعیین نفوذپذیری ارائه شده است که اکثر این روابط برای محدوده­ خاصی از دانه­بندی قابل استفاده است. این روابط که از خصوصیات دانه­بندی و فیزیکی خاک­ها مثل اندازه­ موثر، ضریب یکنواختی، تخلخل و … استفاده می­ کنند در اکثر این موارد دقت بالایی ندارند و ضریب نفوذپذیری را با تقریب مشخص می­ کنند و بیشتر برای مقایسه نفوذپذیری خاک­ها مناسبند تا اینکه نفوذپذیری را به طور دقیق مشخص کنند. در این تحقیق از سه رابطه تجربی که مناسب برای خاک­های ماسه­ای می­باشند برای مقایسه نفوذپذیری خاک­ها استفاده شده است که نتایج آن در جدول ۳-۴ آمده است. این سه رابطه عبارتند از:
هیزن^[۴۰]: برای ماسه نسبتا یکنواخت (ضریب یکنواختی کوچک) ، شل و تمیز
(۳-۱۰)
کوزنی – کارمان^[۴۱] : مناسب برایی خاک­های غیر رسی با اندازه موثر کمتر از ۳ میلیمتر
(۳-۱۱)
بریر^[۴۲] : مناسب برای خاک­های ماسه ای
(۳-۱۲)
در روابط فوق شتاب ثقل، لزجت سینماتیکی آب، پوکی (تخلخل)، اندازه موثر، e نسبت تخلخل، ضریب یکنواختی می­باشد.
۳-۳- مطالعات هیدرولیکی
۳-۳-۱- بررسی برقراری شرایط دارسی
رابطه دارسی تنها در شرایطی که جریان آب از نوع ورقه ای^[۴۳] یا آرام است اعتبار دارد. در این نوع جریان سرعت­ها نسبتا کم­اند و مولکول­های آب در مسیر­های هموار کم و بیش موازی با مرزهای جامد فضاهای خالی حرکت می­ کنند. در جریان ورقه­ای، افت بارها به خطی با سرعت تغییر می­ کنند. وقتی سرعت افزوده می­ شود، زمانی فرا می­رسد که مولکول­های آب نامنظم حرکت می­ کنند و گرداب­ها یا آشفتگی­هایی بوجود می­آورند. در این جریان که جریان متلاطم^[۴۴] خوانده می شود، افت بارها به طور نمایی با سرعت سیال تغییر می­ کند(صداقت، ۱۳۸۷).
اکنون سوالی که باقی می­ماند تعیین دامنه تغییرات جریان ورقه ای و وسعتی است که سیستم های واقعی جریان در خاک را در بر می­گیرد، این معیار با عدد رینولدز^[۴۵] (یک عدد محض که نیروی اینرسی را به نیروی لزجت مربوط می کند) به صورت زیر بیان می­ شود.
(۳-۱۳)
که در آن سرعت خروجی آب بر حسب سانتی متر بر ثانیه، D متوسط قطر ذرات خاک بر حسب سانتی­متر، چگالی سیال بر حسب گرم بر سانتی متر مکعب و ضریب گرانروی بر حسب گرانروی بر حسب گرم بر سانتی متر ثانیه می­باشد(هار^[۴۶]، ۱۹۶۲).
بسیاری از پژوهشگران مقدار بحرانی عدد رینولدز را که در آن جریان داخل خاک از ورقه ای به متلاطم تبدیل می­ شود، بین ۱ تا ۱۲ تعیین کرده ­اند. با این حال، در همه ی موارد کافی است که اعتبار قانون دارسی را وقتی که عدد رینولدز برابر با کوچکتر از واحد گرفته می­ شود بپذیریم(هار، ۱۹۶۲).
(۳-۱۴)
جهت تعیین عدد رینولدز در تحقیق حاضر جریان آب تحت گرادیان هیدرولیکی مشخص برای سه نوع خاک ایجاد شد و بعد از رسیدن به حالت پایدار، با تعیین دبی و سطح مقطع پایین دست جریان، سرعت جریان به دست آمد و با تعیین به عنوان قطر متوسط ذرات از روی منحنی دانه­بندی و در نظر گرفتن مقادیر ۱ و ۰۱/۰ به ترتیب برای و عدد رینولدز محاسبه و برقراری شرایط دارسی بررسی شد که نتایج آن در جدول ۳-۳ آمده است.
جدول۳-۳: وضعیت برقراری جریان دارسی

۰.۹۱

۰.۰۲

۹-۵

زیاد

رای گیری با وزن زمان وقوع

۰.۹۱

۰.۰۲

تحلیل نتایج

با توجه به نتایج به دست آمده در آزمایش ۱ که بر روی چندین شبکه با اندازه و ساختار متفاوت انجام شده است، به وضوح می‌توان دید که روش پیشنهادی، عملکرد بهتری نسبت به روش پایه داشته است. علت این موضوع، استفاده از اطلاعات به دست آمده در زمان قبلی، در روش پیشنهادی می‌باشد، در حالی که روش پایه کار خود را با مقداردهی اولیه ساده تری آغاز کرده است. از آنجا که هر دو روش، از الگوریتم یکسانی برای تشخیص تشکل ها استفاده می‌کنند، واضح است که این برتری در روش پیشنهادی، به دلیل بکارگیری اطلاعات گذشته است.

آزمایش دوم حالت تعمیم یافته آزمایش اول می‌باشد و در آن به جای در نظر گرفتن فقط یک برش زمانی، به عنوان گذشته شبکه، از تعداد بیشتری استفاده شده است. همانطور که نتایج نشان می‌دهند، حتی با شروع از شبکه ای که به دلیل حذف و اضافه گره ها و یال های متعدد، دچار تغییرات زیادی نسبت به شبکه نهایی شده است، در نهایت اطلاعات مفیدی وجود خواهند داشت که بتوانند به تشخیص بهتر تشکل ها توسط الگوریتم کمک کنند.
در آزمایش سوم، نتایج نشان می‌دهند که روش پیشنهادی می‌تواند قابلیت خود را در طول زمان حفظ کند و حتی با وجود تغییراتی که در طول زمان بر روی شبکه اتفاق افتاده اند، همچنان اطلاعات گذشته را به طور موثری در عملکرد خود، مورد استفاده قرار دهد.
آزمایش چهارم میزان قابل اطمینان بودن اطلاعات گذشته را در صورتی که دو شبکه متوالی دارای درجه های مختلفی از تشابه با یکدیگر باشند، نمایش می‌دهد. حتی در صورتی که اختلاف دو شبکه بسیار زیاد باشد، الگوریتم پیشنهادی همچنان بهتر از حالتی عمل می‌کند که هیچ اطلاعاتی در دست نباشد.
در آزمایش پنجم، همانطور که از نتایج استنباط می‌شود، روش انتخاب اطلاعات از حافظه، عمدتا به میزان و شدت تغییرات شبکه در طول زمان بستگی دارد. دلیل این مسئله را می‌توان اینطور بیان کرد که اطلاعاتی که در گذشته دورتری وارد حافظه شده اند، به علت تغییرات مداومی که در شبکه اتفاق می‌افتند، از اعتبار کمتری نسبت به اطلاعات جدیدتر برخوردار هستند. از سوی دیگر، اگر تنها به گذشته نزدیک اکتفا شود، در صورتی که تغییرات در شبکه شدید نباشد، بخشی از اطلاعات مفید موجود در نظر گرفته نخواهد شد، در صورتی که می‌توان با بهره گیری از این اطلاعات در زمان کمتری به تشخیص مشابهی رسید.

تحلیل پیچیدگی زمانی

با فرض اینکه برای تحلیل هر برش زمانی، از الگوریتم SLPA استفاده کنیم، بر اساس مطالبی که در تحلیل پیچیدگی زمانی این الگوریتم در فصل قبل گفته شد، پیچیدگی زمانی الگوریتم پیشنهادی، خطی خواهد بود. البته با توجه به تحلیل پیچیدگی زمانی در الگوریتم پیشنهادی برای روش بهبود یافته انتشار برچسب، به دلیل استفاده از اطلاعات گذشته برای مقداردهی اولیه الگوریتم، زمان اجرای بهتری نسبت به حالت تحلیل ایستا به دست خواهد آمد. نتایج آزمایش ها این مسئله را به وضوح نشان می‌دهند.
فصل پنجم

فصل پنجم: بحث و نتیجه گیری

در این فصل، به اختصار به جمع بندی مطالب ارائه شده در بخش های قبلی پرداخته شده است. همچنین موضوعات و پیشنهادهایی برای کار در این حوزه به علاقه مندان ارائه گردیده است.

نتیجه گیری

در سال های اخیر، با رشد فناوری های ارتباطی از قبیل: شبکه های اجتماعی مجازی، پست الکترونیک، پیامک، و تلفن های همراه، شبکه های پیرامون ما رشد و توسعه سریع تری یافته اند. این شبکه ها بسیار بزرگ بوده و ممکن است شامل میلیاردها گره باشند. تحلیل این شبکه می‌تواند اطلاعات مفیدی را با کاربردهای متنوع در حوزه های مختلف از جمله: ارتباطات، اقتصاد، سیاست، امنیت و غیره ارائه دهد.
در این پایان نامه، ابتدا به بیان مفاهیم و تعاریف اولیه شبکه ها پرداخته شد و در ادامه موضوع تشخیص تشکل ها که یکی از زمینه های کاربردی در تحلیل شبکه ها می‌باشد، معرفی گردید. سپس روش های مطرح در این حوزه به صورت دسته بندی شده ارائه شد و مهم ترین الگوریتم های موجود، پس از انجام آزمایش هایی بر روی مجموعه داده های معتبر، با معیارهای ارزیابی مختلف مورد مقایسه قرار گرفت. در قدم بعدی، روش انتشار برچسب که در حال حاضر یکی از بهترین الگوریتم های موجود است، مورد بررسی بیشتر قرار گرفت و یک روش پیشنهادی برای بهبود کارایی آن ارائه شد و با ارائه نتایج آزمایش ها و تحلیل آنها این موضوع مشخص گردید. همچنین یک روش پیشنهادی دیگر نیز برای تشخیص تشکل ها در شبکه های پویا عنوان شد که از ماهیت شبکه های پویا و یادآوری اطلاعات گذشته، برای افزایش کارامدی خود بهره می‌گرفت. همچنین آزمایش هایی برای اثبات درستی این ادعا انجام شد و نتایج آن ارائه گردید.

پیشنهاد ها برای کارهای آینده

با توجه به اینکه موضوع شبکه و کاربردهای آن بسیار وسیع است، همواره عرصه های زیادی برای پژوهش در آن به چشم می‌خورد. در اینجا به برخی از این موضوعات اشاره می‌شود:

• ارائه راهکارهای بهینه برای ذخیره سازی اطلاعات به دست آمده در طول زمان در شبکه های پویا.

• ارائه روش ها و استراتژی های مناسب برای بکارگیری اطلاعات گذشته در تحلیل زمان فعلی در شبکه های پویا.

• پیشنهاد معیارهای ارزیابی جدید که امکان مطالعه و مقایسه الگوریتم های مختلف را در حوزه تحلیل شبکه های پویا افزایش دهند. از جمله: معیارهای در سطح گره و در سطح کلی شبکه.

• طراحی ساختارهای داده و پیاده سازی های بهینه برای الگوریتم های موجود، با بهره گرفتن از دانش مهندسی نرم افزار.

• تولید چارچوب های^[۱۰۱] نرم افزاری قابل توسعه، برای تسهیل استفاده از الگوریتم های موجود.

• پیاده سازی الگوریتم های موجود، بر روی سخت افزارهای خاص منظوره، برای افزایش کارایی در عمل.

• جمع آوری مجموعه داده های واقعی و مناسب برای انجام آزمایش ها در زمینه شبکه ها.

• طراحی الگوریتم هایی برای تولید مجموعه داده های مصنوعی برای شبکه های پویا.

• استفاده از الگوریتم های تشخیص تشکل، به عنوان مقدمه ای برای تحلیل های پیچیده تر بر روی شبکه. از جمله: تشخیص رفتارهای غیر طبیعی، اعضای تاثیرگذار و غیره.

• استفاده از الگوریتم های طراحی شده در کاربردهای مختلف دنیای واقعی. ازجمله: شبکه های اجتماعی، ارتباطات دیجیتال، دسته بندی اطلاعات و غیره.

منابع و مآخذ

۱. The Sequence of the Human Genome. al., J. C. Venter et. s.l. : Science, 2001, Vol. 291.

۲. Ronfeldt, J. Arquilla and D. Networks and Netwars: The Future of Terror, Crime, and Militancy. Santa Monica, CA : s.n., 2001.
۳. Seasonal transmission potential and activity peaks of the new influenza A(H1N1): a Monte Carlo likelihood analysis based on human mobility. D. Balcan, H. Hu, B. Goncalves, P. Bajardi, C. Poletto, J. J. Ramasco, D. Paolotti, N. Perra, M. Tizzoni, W. Van den Broeck, V. Colizza, and A. Vespignani. s.l. : BMC Medicine, 2009, Vol. 7.
۴. Understanding the spreading patterns of mobile phone viruses. P. Wang, M. Gonzalez, C. A. Hidalgo, and A.-L. Barabási. s.l. : Science, 2009, Vol. 324.
۵. Mining Face-to-Face Interaction Networks using Sociometric Badges: Predicting Productivity in an IT Configuration Task. L. Wu, B. N. Waber, S. Aral, E. Brynjolfsson, and A. Pentland. s.l. : http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1130251.
۶. Community detection in graphs. Fortunato, S. s.l. : PHYSICS REPORTS, 2010, Vol. 486.
۷. [Online] http://en.wikipedia.org/wiki/Graph_theory.
۸. Barabási, A.-L. Network Science. ۲۰۱۲.
۹. Overlapping Community Detection in Networks: the State of the Art and Comparative Study. J. Xie, S. Kelley and B. K. Szymanski. s.l. : ACM Computing Surveys, 2013.
۱۰. Uncovering the overlapping community structure of complex networks in nature and society. Palla, G., Der´enyi, I., Farkas, I., and Vicsek, T. ۲۰۰۵, Nature.
۱۱. Weighted network modules. Farkas, I., ´Abel, D., Palla, G., and Vicsek, T. s.l. : New J. Phys., 2007, Vol. 180.
۱۲. Link communities reveal multiscale complexity in networks. Ahn, Y.-Y., Bagrow, J. P., and Lehmann, S. s.l. : Nature, 2010, Vol. 466.
۱۳. Line graphs of weighted networks for overlapping communities. Evans, T. and Lambiotte, R. s.l. : Eur. Phys. J., 2010, Vol. 256.
۱۴. Detecting the overlapping and hierarchical community structure of complex networks. Lancichinetti, A., Fortunato, S., and Kert´esz, J. ۲۰۰۹. Phys.
۱۵. Finding communities by clustering a graph into overlapping subgraphs. Baumes, J., Goldberg, M., Krishnamoorthy, M., Magdon-Ismail, M., and Preston, N. ۲۰۰۵. IADIS.

موضوع روایی از آن جهت اهمیت دارد که اندازه گیری ‌های نامتناسب می‌تواند هر پژوهش علمی را بی ارزش سازد. روایی به مقدار اطلاعات مناسبی که در ارتباط با فرایند تصمیم گیری در اختیار محقق می گذارد، مربوط می شود (خاکی،۱۳۸۷). پرسشنامه مورد استفاده را اساتید تایید کردند و دلیل بر روایی بودن پرسشنامه دارد. برای تعیین روایی سازه از چرخش واریمکس استفاده شد که اگر هر یک از مقادیر اشتراک استخراجی بسیار کوچک باشند، ممکن است استخراج عامل دیگری الزامی شود (کوچکتر از ۰.۵ باشند). تمامی سوالات در این تحقیق دارای مقادیر اشتراک استخراجی بزرگتر از ۰.۵ هستند که روایی سازه پرسشنامه را تایید می کند ( مومنی،۱۳۸۷).

۳-۱۰-۲ ) پایایی (قابلیت اعتماد) پرسشنامه

پایایی دلالت بر آن دارد که ابزار اندازه‌گیری در شرایط یکسان تا چه اندازه نتایج یکسانی بدست می‌دهد. به عبارت دیگر، همبستگی میان یک مجموعه از نمرات و مجموعه دیگری از نمرات در یک آزمون معادل که به صورت مستقل بر یک گروه آزمودنی به دست آمده است؛ چقدر است ( سرمد و دیگران،۱۳۷۸).
از روش های محاسبه قابلیت اعتماد، استفاده از فرمول کرونباخ است. این روش برای محاسبه هماهنگی درونی ابزار اندازه گیری از جمله پرسشنامه ها یا آزمونهایی که خصیصه های مختلف را اندازه گیری می کند به کار می رود. در این گونه ابزارها، پاسخ هر سوال می تواند مقادیر عددی مختلف را اختیار کند. برای محاسبه ضریب آلفای کرونباخ ابتدا باید واریانس نمره های هر زیر مجموعه سوال های پرسشنامه (یا زیر آزمون) و واریانس کل را محاسبه کرد. سپس مقدار ضریب آلفا را محاسبه کرد(حیدری، ۱۳۸۹).
زمانی که مقیاسی از نوع لیکرت وجود داشته باشد و محقق بخواهد از طریق عبارت های مختلف یک مفهوم پیچیده را اندازه گیری کند برای سنجش انسجام درونی مقیاس می تواند از ضریب آلفای کرونباخ استفاده کند. اگر مقدار آلفای بدست آمده بیشتر از ۰.۷ باشد پایایی ابزار اندازه گیری قابل قبول تلقی می گردد و هر قدر به عدد یک نزدیکتر باشد سوالات پایاترند (طبیبی، ۱۳۹۰). به منظور سنجش پایایی پرسشنامه ابتدا تعداد ۱۰ پرسشنامه تهیه و توسط کارشناسان و مدیران شرکت گاز استان گیلان تکمیل شده و از طریق نرم افزار( SPSS 20) مقدار آلفای کرونباخ آنها محاسبه گردید که به شرح زیر است.
قابلیت اعتماد پرسشنامه پژوهش در حد قابل قبولی است. ۷/۰H₀ = Alpha ≥
قابلیت اعتماد پرسشنامه پژوهش در حد قابل قبولی نیست. ۷/۰H₁ = Alpha <
جدول ۳-۶ : محاسبه پایایی سوالات مربوط به هر یک از متغیرهای پرسشنامه

با توجه به اینکه ضریب آلفای کرونباخ محاسبه شده (۰.۸۱۰ =_Alpha) بیشتر از ۰.۷ می باشد؛ می توان نتیجه گرفت که فرض صفر تایید می شود و این امر بدین معناست که قابلیت اعتماد پرسشنامه پژوهش در حد قابل قبولی است، و پایایی پرسشنامه را تایید می کند.

۳-۱۱) نرمال بودن جامعه

آزمون کولموگروف- اسمیرنوف^[۵۷]، نرمال بودن توزیع داده‌ها را نشان می‌دهد. هنگام بررسی نرمال بودن داده‌ها، فرض صفر مبتنی بر اینکه توزیع داده‌ ها نرمال است را در سطح خطای ۵% تست می‌کنیم. بنابراین اگر سطح معناداری آزمون بزرگتر مساوی ۰.۰۵ بدست آید، در این صورت دلیلی برای رد فرض صفر مبتنی بر اینکه داده نرمال است، وجود نخواهد داشت. به عبارت دیگر توزیع داده‌ها نرمال خواهد بود. برای آزمون نرمالیته فرض‌های آماری به صورت زیر تنظیم می‌شود (آذر و مومنی،۱۳۸۷).
H0 : توزیع داده‌ های مربوط به هر یک از متغیرها نرمال است