ایمان رییسی وانانی

مشتریان ویژه برای بانک ها اهمیت خاصی دارند، چراکه سرمایه گذاری مستمر در بانک انجام می دهند و معمولاً به یک بانک وفادارند. این وفاداری در گرو ارائه خدمات خاص و متنوع به این مشتریان، ارائه سود متناسب با سپرده و تعامل بانک بر اساس سطح مشتری ویژه و تمایل به ریسک پذیری آنهاست. در تحقیق حاضر، داده های دو هزار مشتری عادی و ویژه بر اساس ویژگی های جمعیت شناختی، حساب های بانکی و سرمایه گذاری در بانک گردآوری شده است. همچنین سطح مشتری ویژه و میزان تمایل به ریسک پذیری آنها نیز توسط بانک معین شده است؛ سپس، مجموعه ای از الگوریتم های یادگیرنده برای طبقه بندی و پیش بینی سطح مشتری ویژه و میزان تمایل آنها به ریسک توسط نرم افزار طراحی شده، اعتبارسنجی شده است. نتایج نهایی به صورت مجموعه ای از قواعد قابل بهبود و هوشمند تحلیل و آماده شده اند تا به مدیران بانک در تدوین سیاست های تصمیم گیری تعاملی و آینده نگر در ابتدای همکاری مشتری ویژه با بانک یاری رسانند.

اهداف: الگوریتم های مبتنی بر شبکه عصبی پیچشی (CNN) که شاخه ای از مبحث یادگیری عمیق است، در سال های اخیر پیشرفت چشمگیری در حوزه های تحلیل فیلم و تصویر داشته اند؛ موفقیت و پذیرفته شدن الگوهای نوین این حوزه باعث به کارگیری گسترده آنها در زمینه های مختلف اعم از تحلیل متن و داده های سری زمانی شده است. یادگیری عمیق بخشی از الگوریتم های یادگیری ماشینی است که در آن از چندین لایه پردازش اطلاعات به ویژه اطلاعات غیرخطی استفاده می شود تا از ورودی خام، بهترین ویژگی های مناسب با هدف تحلیل، بازشناخت الگو یا پیش بینی استخراج شود. روش: در پژوهش حاضر توانایی معماری های مختلف الگوریتم CNN برای پیش بینی قیمت سهام بررسی شده است. نتایج: نتایج حاصل از اجرای الگوریتم به تعداد 54 دفعه با معماری ها و پارامترهای متفاوت و با استفاده از دو دسته اصلی داده های ورودی شامل اطلاعات قیمتی روزانه سهام و ده شاخص منتخب تکنیکال برای سهام شرکت ذوب آهن اصفهان نشان دهنده آن است که استفاده از CNN همراه با لایه ادغام بیشینه (ترکیب پارامترهای اندازه دسته 64، تعداد فیلتر 256 و با تابع فعال سازی ReLU)، دارای خطاهای درصد 79/1 = MAPE و درصد 71/2 =  NRMSE است که نشان دهنده عملکرد بهتر آن نسبت به سایر معماری ها و الگوریتم RNN است.

امروزه استفاده از دانش سازمانی و تسهیم مؤثر آن بین کارکنان دولتی، به منبعی راهبردی برای دستیابی به مزیت رقابتی و حفظ آن تبدیل شده است. برای دستیابی به چنین مزیتی، سازمان های دولتی نیازمند راهکارهایی هستند که آن ها را قادر به بهبود عملکرد تسهیم دانش نموده و در دستیابی به موقعیت بهتر یاری رسانند. بر این اساس هدف اولیه این پژوهش عبارت است از مرور ادبیات بین المللی پژوهش در حوزه تسهیم دانش و شناسایی عواملی که بر عملکرد تسهیم دانش در سازمان های دولتی مبتنی بر پروژه مؤثر هستند. این عوامل در این پژوهش به سه دسته عوامل فردی، سازمانی و فنی تقسیم بندی شدند. با توجه به نتایج آماری به دست آمده عوامل فردی، سازمانی و فنی بر تسهیم دانش مؤثر هستند. یکی از سازمان های بزرگ دولتی نیز به عنوان سازمان مورد بررسی انتخاب شد و توسط آزمون های آماری بررسی شده و شرایط تسهیم دانش در این سازمان مشخص شده است. در نهایت پیشنهادهایی برای بهبود عملکرد تسهیم دانش در سازمان های پروژه ای ارایه شده است.

در عرصه رقابت فشرده، مدیران کسب وکارها، بیش از همیشه به اطلاعات مناسب برای اتخاذ تصمیم های راهبردی نیاز دارند. برای آن دسته از مدیران اجرایی که در حوزه خرده فروشی آنلاین محصولات فسادپذیر فعالیت دارند، دسترسی به این گونه اطلاعات از اهمیت برخوردار است چراکه این محصولات چرخه عمر کوتاهی دارند. در این پژوهش، با به کارگیری رویکرد تحقیق ترکیبی، ابعاد و مؤلفه های مدل هوشمندی بازار در زنجیره عرضه محصولات فسادپذیر شناسایی شده است. از تحلیل عاملی و نرم افزار اسمارت پی آل اس برای اعتبارسنجی مدل استفاده شده است. مدل مذکور، شامل 5 بعد هوشمندی کسب وکار، بینش بازار و مشتری، هوشمندی زنجیره عرضه، هوشمندی رقابتی و هوشمندی کسب وکار اجتماعی است.

در چند دهه گذشته، حوزه دولت سیار در سراسر جهان توجه زیادی را به خود جلب کرده است. دولت ها برای دستیابی به سطح مطلوب رضایت، درصدد ارائه خدمات با کیفیت به شهروندان هستند. پژوهش حاضر از منظر هدف، کاربردی و از نظر شیوه گردآوری داده ها از نوع پژوهش های کیفی به شمار می رود. در این پژوهش از روش فراترکیب (باروسو و ساندلوسکی) با رویکرد تحلیل مضمون برای بررسی ادبیات پژوهش استفاده شده است. ابزار گردآوری داده ها، کدگذاری باز برای شناسایی مضامین و مؤلفه پیشران های کیفیت خدمات دولت سیار می باشد. اعتبار تحلیل نیز با ضریب کاپای کوهن 771/0 شد. در این مطالعه برای شناسایی مؤلفه های پیشران های کیفیت خدمات، 39 کد به عنوان مضامین پایه شناسایی شدند. از این بین 21 کد به عنوان مضامین فرعی انتخاب شدند و 7 کد با عنوان مضامین اصلی با عنوان های «کیفیت گرایی، شایسته سالاری، حفظ حریم شخصی، تعهد، اقدام های زیرساختی، عملگرایی و مدیریت کارآمد» شناسایی و تشکیل شدند.

هدف از این پژوهش مطالعه و تحلیل نظرات کاربران وب سایت های تجارت اجتماعی با بهره گیری ترکیبی از تکنیک های متن کاوی و داده کاوی است. بدین منظور پایگاه داده وب سایت تریپ ادوایزر مورد ارزیابی قرار گرفته و از میان همه کاربرانی که در مورد یکی از هتل های شهر لیسبون پرتغال ابراز نظر کرده اند، نمونه گیری سیستماتیک انجام می شود. سپس همه نظرات این کاربران نمونه در مورد همه مطالب از قبیل هتل ها، رستوران ها و اماکن دیدنی استخراج شده و با استفاده از نرم افزار رپیدماینر و تکنیک های متن کاوی و داده کاوی تجزیه و تحلیل می شوند. محاسبه شاخص دیویس و بولدین بهینه ترین تعداد خوشه، سه به دست می آید و کاربران به سه خوشه تقسیم می شوند. هر خوشه دارای ویژگی های منحصر به فردی است که پرتغال دوست، رستوران دوست و سفر دوست نامیده می شوند. سپس بر اساس ویژگی های هر خوشه و اطلاعات موجود در پروفایل کاربران با استفاده از قواعد انجمنی اقدام به شناخت بیشتر هر خوشه می شود. در انتها متناسب با ویژگی های تحلیل شده هر خوشه اقدام به ارائه راهکار جهت افزایش مشارکت آن ها در وب سایت کرده، و پیشنهاد های ترفیعی هدفمندی برای هر کدام از این خوشه ها بیان می شوند.

زمینه و هدف: امروزه تحول دیجیتال، ماهیت کار، مرزهای سازمانی و مسئولیت های کارکنان سازمان ها را تغییر داده است. تحول دیجیتال، پاسخ مناسبی برای دنیای سراسر تغییر، ابهام و نامطمئن است، از این رو، برای سازمان ها ضروری است تا به منظور باقی ماندن در میدان رقابت، به تحول دیجیتال مجهز شوند. تحول دیجیتال فقط به فناوری های دیجیتال نوین مربوط نمی شود و بیشتر به انسان وابسته است که در اصطلاح به آن، بخش نرم تحول دیجیتال گفته می شود. مدیران باید با مؤلفه های نرم تحول دیجیتال که لازمه پیاده سازی تحول شگرف دیجیتال است، آشنا شوند و آن ها را در سازمان های خود به کار گیرند. با توجه به آنچه بیان شد، هدف پژوهش حاضر، شناسایی مؤلفه های نرم تحول دیجیتال و طراحی چارچوب مفهومی برای تبیین آن هاست. روش: پژوهش حاضر از نوع کیفی است و با استفاده از روش تحلیل مضمون، اجرا شده است. منابع اطلاعاتی پژوهش را مقاله های پایگاه های داده و مجله های معتبر بین المللی در این حوزه تشکیل داده است که با استفاده از روش نمونه گیری هدفمند، 43 نمونه مرتبط با موضوع پژوهش انتخاب شده است. یافته ها: طی فرایند تحلیل، تفسیر و ترکیب یافته ها، چارچوب مفهومی حاصل از مؤلفه های نرم تحول دیجیتال ترسیم شد که متشکل است از: مضمون فراگیر فرهنگ، مشتمل بر 12 مضمون سازمان دهنده و 50 مضمون پایه؛ مضمون فراگیر مهارت ها، مشتمل بر 4 مضمون سازمان دهنده و 31 مضمون پایه؛ مضمون فراگیر مدیر سازمان، مشتمل بر 3 مضمون سازمان دهنده و 24 مضمون پایه؛ مضمون فراگیر رهبری دیجیتال، مشتمل بر 2 مضمون سازمان دهنده و 12 مضمون پایه. نتیجه گیری: مؤلفه های نرم تحول دیجیتال شناسایی شده، نشان می دهد که سازمان برای موفقیت در تحول دیجیتال، بر مدیر سازمان، به عنوان کسی که کشتی سازمان را هدایت می کند، متکی است. همچنین رهبر دیجیتال است که اشتیاق تحول دیجیتال را در افراد ایجاد می کند و پیش گام و محرک این تحول در سازمان می شود و با ایجاد فرهنگ مناسب، مسیر را برای تحول دیجیتال هموار می کند. همه آنچه بیان شد، در کنار افراد و مهارت های آنان به ثمر می نشیند، بنابراین سازمانی که به همه این مؤلفه های نرم مجهز شود، می تواند مدعی موفقیت در عرصه تحول دیجیتال باشد. روش شناسی: پژوهش حاضر از نوع کیفی بوده و با استفاده از روش تحلیل مضمون انجام شده است. منابع اطلاعاتی پژوهش را مقالات پایگاه های داده و مجلات معتبر بین المللی در این حوزه تشکیل داده که با استفاده از روش نمونه گیری هدفمند، 43 نمونه مرتبط با موضوع مورد مطالعه انتخاب شده است. یافته ها: طی فرآیند تحلیل، تفسیر و ترکیب یافته ها، چهارچوب مفهومی حاصل از مولفه های نرم تحول دیجیتال شامل مضمون فراگیر فرهنگ دارای 12 مضمون سازمان دهنده و 50 مضمون پایه؛ مضمون فراگیر مهارت ها دارای 4 مضمون سازمان دهنده و 31 مضمون پایه؛ همچنین مضمون فراگیر مدیر سازمان دارای 3 مضمون سازمان دهنده و 24 مضمون پایه و در نهایت مضمون فراگیر رهبری دیجیتال دارای 2 مضمون سازمان دهنده و 12 مضمون پایه، ترسیم شد. نتیجه گیری: مولفه های نرم تحول دیجیتال شناسایی شده، بیانگر این هستند که سازمان برای موفقیت در تحول دیجیتال بر مدیرسازمان به عنوان کسی که کشتی سازمان را هدایت می کند، متکی است، همچنین رهبر دیجیتال است که اشتیاق تحول دیجیتال را در افراد ایجاد کرده و پیشگام و محرک این تحول در سازمان می گردد و با ایجاد فرهنگ مناسب، مسیر را برای تحول دیجیتال هموار می سازد. همه موارد مذکور در کنار افراد و مهارت های آن ها به ثمر می نشیند؛ بنابراین، سازمانی که به همه این مولفه های نرم مجهز باشد می تواند مدعی موفقیت در عرصه تحول دیجیتال باشد.

پیشینه و اهداف: بیمه آتش سوزی نوعی بیمه است که از خسارت مالی به اموال محافظت می کند. معمولاً حوادثی مانند آتش سوزی، سرقت و خسارت های مربوط به آب وهوا را پوشش می دهد و می تواند به جبران هزینه های تعمیر یا جایگزینی اموال آسیب دیده کمک کند. شرکت های بیمه و علاقه مندان به توسعه خدمات بیمه آتش سوزی به دنبال استفاده از روش های تحلیلی مدرن برای تجزیه وتحلیل بیمه نامه ها، ارزیابی و پیش بینی خسارت احتمالی آن ها برای مدیریت ریسک هستند. پیش بینی ادعای خسارت، معیاری حیاتی برای پیش بینی خسارت های آتی در شرکت های بیمه است. براساس نظریه ریسک، پیش بینی خسارت عنصری مهم در کسب وکار بیمه آتش سوزی برای ارزیابی حداکثر خسارت احتمالی است. روش شناسی: در این پژوهش سه معیار پیش بینی خسارت (احتمال وقوع، شدت، زمان بروز) با تهیه مجموعه داده، یادگیری و مقایسه الگوریتم های مختلف توصیف می شوند. در ابتدا، تجزیه وتحلیل داده های اکتشافی برای انتخاب ویژگی های مورد نیاز انجام شد و در نهایت 44 قلم اطلاعاتی از اطلاعات بیمه نامه و خسارت پرداختی رشته آتش سوزی انتخاب گردید. ابعاد مجموعه داده ها توسط روش حذف بازگشتی ویژگی ها کاهش یافته و برای هر الگوریتم، مجموعه مختلفی از فیلدهای اطلاعاتی مؤثر انتخاب شده است. ما بیش از 780،000 رکورد بیمه نامه و حدود 70،000 رکورد مرتبط خسارت پرداختی را برای یک بازه ده ساله (ابتدای 1390 تا ابتدای 1400) از بانک اطلاعاتی عملیاتی سامانه آتش سوزی بیمه ایران انتخاب کرده ایم. مدل های یادگیری رگرسیونی برتر مانند رگرسیون خطی، رگرسیون جنگل تصادفی، رگرسیون بردار پشتیبان و شبکه عصبی عمیق برای هر سه الگوریتم پیش بینی خسارت پیاده سازی شد. سپس دقت الگوریتم ها با مقدار میانگین مربعات خطا و مقدار میانگین خطای مطلق مقایسه شد. یافته ها : نتایج پیش بینی مدل نشان داد که بهترین الگوریتم برای هر سه معیار، یادگیری عمیق و مشخصاً شبکه عصبی چندلایه پرسپترون است. پس از تنظیم فراپارامترها و چندین بار اجرا، بهترین الگوریتم یادگیری عمیق با کمترین خطا با مقادیر 0.117 (احتمال وقوع)، 0.042 (شدت خسارت)، 0.106 (زمان بروز خسارت) حاصل شد. پیش بینی نتایج مدل نوآورانه ما در داده های آزمایشی، به این نتیجه رسید که مدل هوشمند ارائه شده دقت مناسبی دارد. شرکت های بیمه به شدت علاقه مند پیش بینی آینده اند و پیش بینی خسارت فرصتی برای کاهش زیان مالی برای شرکت فراهم می کند. به کارگیری یادگیری عمیق در پیش بینی خسارت آتش سوزی و پیش بینی زمان بروز خسارت، علاوه بر احتمال و شدت، نوآوری های مدل هستند. نتیجه گیری: یادگیری ماشین می توانند به شرکت ها کمک کنند تا خدمات خود را با دقت بیشتری بهینه کنند، مدیریت ریسک را تقویت و در نتیجه ابزارهایی برای تصمیم گیری بهتر فراهم نمایند. به کارگیری یادگیری عمیق در پیش بینی خسارت بیمه می تواند به صورت کاربردی جایگزین فرایند دستی پیچیده، زمان بر و نادقیق موجود در شرکت های بیمه شود و سرآغار توسعه نوین در مدیریت ریسک، مدیریت اتکایی و بهبود نرخ گذاری بیمه آتش سوزی باشد.

مقاله حاضر با رویکردی اکتشافی و استقرایی و با هدف ارایه مدل کسب و کار برای داده بازارهای چند جانبه تدوین شده است و در زمره اولین پژوهش های انجام شده در این حوزه در ایران می باشد. علی رغم ظهور کسب و کارهای داده محور و دیجیتال در ایران که موجب تولید کلان داده ها شده اند، هنوز پلاتفرم هایی برای تبادل و تجارت داده در اشکال مختلف آن شکل نگرفته اند. در این پژوهش از دو مسیر روش شناختی"نظری به عملی" و "عملی به نظری" بر اساس روش توسعه تاکسونومی نیکرسون (2013) استفاده شده است. تلفیق مرور سیستماتیک ادبیات و مبانی نظری در مسیر اول با مصاحبه های ساختارمند با خبرگان و مرور پلاتفرم های داده بازار در مسیر دوم امکان دستیابی به یک نمونه- سازه جامع را میسر ساخت. یافته های پژوهش حاضر در قالب یک بلوک سازه ای اصلی تحت عنوان" پیشنهاد ارزش" و سه بلوک سازه ای فرعی با عناوین "خلق ارزش"، "تحویل ارزش" و "کسب ارزش" ارایه شده اند. خصایص این بلوک های سازه ای در قالب محصولات و خدمات ارایه شده، نحوه ی مالکیت داده بازار و جهت گیری تراکنش ها، مدل های قیمت گذاری و جریانات درآمدی، مکانیزم های حمایت از حریم خصوصی و ایمن سازی تراکنش ها، روش های تامین اعتماد متقابل و دیگر خصایص داده بازارها در مقاله حاضر تشریح شده اند و در نهایت یک نمونه- سازه جامع برای مدل کسب و کار داده بازار پیشنهاد شده است تا برنامه نویسان و دانشمندان علم داده بتوانند بر اساس آن چنین پلاتفرم هایی را طراحی کنند.

ارزیابی کیفیت خدمات یکی از دغدغه های اصلی ارائه دهندگان خدمات اعم از دولتی و غیردولتی می باشد. با پیشرفت تکنولوژی سیار و ارائه خدمات دولتی به شهروندان در بستر دولت سیار، ارزیابی کیفیت این نوع خدمات نیز بیش از پیش مورد توجه دولت ها و پژوهشگران حوزه کیفیت خدمات دولت سیار قرار گرفته است. در این پژوهش برای ارزیابی کیفیت خدمات دولت سیار از روش تحلیل مضمون و تکنینک مدلسازی ساختاری تفسیری (ISM) استفاده گردیده و به کمک تحلیل مضمون عوامل مورد شناسایی قرار گرفته و با روش مدلسازی ساختاری تفسیری، تعاملات بین عوامل سطح بندی شده اند. روش تحلیل مضمون و مدلسازی ساختاری تفسیری مبتنی بر نظر خبرگان است. خبرگان در این پژوهش متشکل از 14 نفر اساتید صاحبنطر، پژوهشگران و مدیران اجرایی حوزه دولت سیار می باشند. یافته های پژوهش نشان می دهد که ارزیابی کیفیت خدمات دولت همراه در سطح اول، رضایت شهروندان در سطح دوم، آموزش شهروندان و اعتمادسازی به خدمات دولت همراه در سطح سوم، طراحی اپلیکیشن در سطح چهارم، امنیت داده ها و فرهنگ خدمات دولت همراه در سطح پنجم، خط مشی سازمانی، قابلیت های وب 3 و زیرساخت های نرم افزاری و سخت افزاری در سطح شش قرار دارند.

تتولیدکنندگان، بمنظور توسعه ی تامین کنندگان استراتژیک خود، آنها را بخش بندی می کنند. بخش بندی تامین کننده موجب ایجاد ارزش و هم افزایی در ارتباط با تامین کننده می شود. هدف این مقاله، ارتباط توسعه ی تامین کننده و بخش بندی تامین کننده با استفاده از سیستم استنتاج عصبی-فازی انطباقی در صنعت خودروسازی ایران است. برای تحقق این هدف، ابتدا برای مقوله های توسعه ی تامین کننده، با استفاده از سه روش، سه سیستم عصبی-فازی طراحی می شوند. سپس با استفاده از دو روش کلاسیک و چهار الگوریتم تکاملی، آنها را بهینه سازی و مناسبترین سیستم عصبی-فازی انتخاب می شود. در مرحله بعد نمره ی توسعه برای 53 تامین کننده از تامین کنندگان استراتژیک صنعت خودرو در چهار مقوله پیش بینی می شود، براساس نمره های بدست آمده، تامین کنندگان بخش بندی می شوند. در نهایت، فعالیتهای لازم برای توسعه ی هرکدام از تامین کنندگان پیشنهاد می شوند. نتایج نشان می دهدکه صنعت خودروسازی ایران در توسعه ی مقوله های ناملموس و محیطی، عملکرد قابل قبولی داشته اما، در توسعه-ی مقوله های ملموس و روابط ضعیف عمل کرده است. بر این اساس، تولیدکنندگان صنعت خودروسازی ایران، باید بترتیب اولویت بکارگیری فعالیتهای مرتبط با توسعه ی روابط، قابلیتهای ملموس، قابلیتهای ناملموس و قابلیتهای محیطی را رعایت کنند. با توجه به اینکه در این حوزه، مطالعات اندکی صورت گرفته است، در پایان، ضمن مقایسه ی این مطالعه با یکی از مطالعات خارجی انجام گرفته، پیشنهاداتی برای صنعت خودروسازی ایران و همچنین پژوهشهای آینده ارائه می شود.

انتخاب و تخصیص در زنجیره  تأمین تاب آور، زمانی که اختلال زنجیره تأمین را تهدید می کند، به عنوان یک تصمیم استراتژیک و به کانون پژوهش های بسیاری تبدیل شده است؛ از سوی دیگر افزایش کاربردهای یادگیری ماشین در سراسر مطالعات زنجیره تأمین به ظهور روش های تصمیم گیری سریع تر و مطمئن تر منجر شده است، بااین حال در مطالعات کمی از یادگیری ماشین برای مقابله با مشکل انتخاب و تخصیص تأمین کننده به مشتری در حالت تاب آور استفاده شده است. هدف پژوهش حاضر برداشتن گامی در جهت رفع این شکاف با استفاده از الگوریتم های یادگیری ماشین بر روی داده های دنیای واقعی از زنجیره تأمین خودرو در ایران است. بدین منظور از داده های عملکردی441 تأمین کننده و 7 مشتری در سال 1401 استفاده شد. در این پژوهش از دو الگوریتم خوشه بندی برای تولید برچسب بر اساس مفهوم ظرفیت تاب آوری استفاده شده است؛ سپس ازآنجاکه تفسیرپذیری نتایج در اولویت قرار داشت، بر اساس لیبل گذاری خوشه ها توسط خبرگان از درخت تصمیم برای طبقه بندی تأمین کنندگان بر اساس عملکرد آن ها استفاده شد. نتایج نشان داد که درختK-means عملکرد بهتری نسبت به درخت DBSCAN دارد و معیارهای چون تحویل به موقع، درصد تأمین، توقف خط تولید، اخطارهای کیفی، عملکرد لجستیکی و عملکرد کیفی بر تاب آوری تأمین کنندگان مؤثر هستند.

در دنیای دیجیتالی امروز، سازمان ها برای اینکه بتوانند در دنیای رقابت باقی بمانند، در پی تغییراتی در ظاهر، تفکر و عملکرد خود هستند. تحول دیجیتالی تحولی شگرف است که گریزی از آن نیست و سازمان ها باید خود را برای رویارویی با آن آماده کنند. پژوهش حاضر با هدف شناسایی مولفه های نرم تحول دیجیتال که بسیار مهم و حیاتی هستند و طراحی الگوی حاصل از آن-هاست. جامعه آماری این پژوهش در بخش نخست، مقالات موجود در این حوزه بود که با روش نمونه گیری هدفمند انتخاب گردید؛ در بخش دوم نیز جامعه آماری را مدیران و خبرگان وزارت ارتباطات و فناوری اطلاعات تشکیل دادند که با روش نمونه گیری هدفمند و از طریق روش گلوله برفی، 14 نفر برگزیده شدند. ابزار مورداستفاده در پژوهش حاضر نرم افزار MAXQDA بود. ابتدا، بااستفاده از تحلیل مضمون پیشینه پژوهش، مولفه های موردنظر استخراج شده و در طراحی پرسش های مصاحبه نیمه ساختارمند مورداستفاده قرار گرفت. یافته های پژوهش بیانگر شناسایی 6 مضمون فراگیر، 44 مضمون سازمان دهنده و 185 مضمون پایه تحول نرم دیجیتال بود و نهایت شبکه مضامین حاصل از آن ها ترسیم شده است.

امروزه یکی از مهمترین چالش های سازمانهای مردم نهاد تامین مالی می باشد. این سازمانها بدلیل نداشتن بودجه دولتی، از کمک های مردمی برای ادامه فعالیت و تحقق بخشیدن به اهداف و چشم اندازهای خیرخواهانه خود استفاده می کنند. با گسترش و استفاده روز افزون از پلت فرم های اهدای آنلاین در جهان، هنوز سازمان های مردم نهاد در ایران نتوانستهاند بخوبی از این فرصت جهت رفع چالش های مالی خود استفاده کنند. این مساله قابل ملاحظه ای است که جای بررسی و تحقیق دارد. این مطالعه به لحاظ هدف کاربردی و به لحاظ اجرا کیفی با رویکرد فراترکیب در نهایت ۲۷ مقاله بعد از غربالگری  استفاده شده است. در این راستا  اطلاعات جمع آوری شده با استفاده از تجربیات مدیران مالی، کارشناسان خیریه ا و تحقیقات پیشین با روش تحلیل محتوا کدگذاری شد. مولفه ها با 55 کد باز توصیفی، 36 مضمون پایه و 12 مضمون سازمان دهنده دسته بندی گردید. سپس پایایی و اعتبار مدل بررسی و در قالب مدل نهایی ارائه شد. نتایج نشان داد که این مولفه ها بطور مستقیم و غیرمستقیم برتمایل اهدای آنلاین در راستای تامین مالی جمعی سازمان های مردم نهاد موثرهستند. این مولفه ها به وضوح بیان می کنند که ارائه به موقع و شفاف اطلاعات مالی و فعالیت های موثرسازمانهای مردم نهاد، حمایت عاطفی و اجتماعی افراد، سهولت استفاده، حفظ حریم خصوصی، اعتماد و اصل موضوع طرح و پروژه به شیوه صحیح است که می تواند سبب موفقیت تامین مالی سازمانهای مردم نهاد گردد.