بنابراین، بنظر می رسد که روش مرزی از راه دور ورودی تصادفی ابزار بسیار سودمندی برای رتبه بندی واحدهایی فراهم کرده است که مطابق با تحلیل پوشش داده ها کارآمد تلقی می گردند. این در مواردی بسیار مهم تلقی می گردد که رتبه بندی براساس کارآیی (عملکرد)/عدم کارآیی (عملکرد) نسبی مهم تلقی شود (برای تصمیمات سرمایه گذاری وغیره). بایستی به این نکته توجه شود که اگرچه روش مرزی از راه دور ورودی تصادفی ممکن است شاخص های « super-efficiency» را در برخی از موارد ایجاد کند، ولی در سایر موارد به سهولت مشکل بیرونی تحلیل پوشش داده ها را منعکس می کند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

نتایج بحث شده قویا توصیه می کنند که روش های پارامتری و غیرپارامتری می توانند به صورت موازی استفاده شوند، ولی روش مرزی از راه دور ورودی تصادفی ممکن است روش موثقی در ایجاد تمایز بین واحدهای کارآمد تحلیل پوشش داده ها نباشد. یکی از اهداف اصلی این استراتژی مدلسازی کارآمد تسهیل گروه بندی نیروهای پلیس است. زمانی که این کار انجام شد، پایه امتیازات براساس کارآیی (عملکرد) آنها از روش تحلیل پوشش داده ها و مدل تصادفی بدست می آید و نیروهای منصوب شده به این گروه ها می توانند به هدف کارآیی ( عملکرد) کلی خود دست یابند.
رتبه بندی کارآیی (عملکرد) نیروهای پلیس انگلیس و ولز:
هدف از گزارش پانل بهره وری خدمات عمومی تعیین این مورد می باشد که کدام نیروها کارآمد بوده و بایستی سرمایه اضافی به آنها تعلق گیرد، و کدام بایستی با توجه به افزایش کارآیی (عملکرد) مورد نظارت قرار گیرند. اگر همه نیروها بعنوان هدفی در نظر گرفته شوند که بایستی در یک باند یا گروه بهبود یابند، همانطور که در این گزارش پیشنهاد شده است، تعیین اینکه آیا تفاوت آماری بین این گروه ها وجود دارد بسیار مهم است. به عبارت دیگر، آیا نیروهای پلیس می توانند در باندهای کارآمد مجزا به صورت مشروع قرار گیرند.
نتیجه گیری: این تحقیق مقدمتا از مدل های کارکردی از راه دور پارامتری و غیرپارامتری برای آنالیز کارآیی (عملکرد) نیروی پلیس انگلیس و ولز استفاده کرد و از جمله اولین مطالعاتی بود که تابع از راه دور تصادفی با بهره گرفتن از فرم کارکردی انعطاف پذیری مانند Translog را تخمین زد.
نتایج بدست آمده از چهار مدل تخمین زده شده یک رابطه قوی مثبت را نشان می دهند، و این همبستگی قوی در مدل های تحلیل پوشش داده ها و مرزی از راه دور ورودی تصادفی کاملا مشهود بود. نسبت بالای از نیروهای پلیس کارآمد که تحت تکنیک Free Disposal Hull بررسی شدند، بیان کردند که این تکنیک دارای کاربرد عملی محدودی در امورپلیسی می باشد، خصوصا زمانی که روی تعیین صحیح و درست باندهایی با کارآیی (عملکرد) بالا تأکید می گردد. در مقابل، مدل مرزی از راه دور ورودی تصادفی ابزارهای ساده ای را برای ایجاد تمایز بین واحدهای مؤثر تحلیل پوشش داده ها ایجاد می کند.
در این تحقیق، از روش بسیار ساده ای برای ترکیب این دو سری از نتایج براساس میانگین امتیازات تحلیل پوششی داده ها و مرزی از راه دور ورودی تصادفی استفاده شده است و دریافتیم که ترتیب مجزای نسبتا روانی از نیروهای پلیس را ارائه داده است و هیچ یک از نیروها به صورت مشترک کارآمد محسوب نشدند، موردی که در تحلیل پوشش داده ها دیده شده بود.
نهایتا، با توجه به جنبه های عملی افزایش کارآیی(عملکرد)، گزارش پانل بهره وری خدمات عمومی تأکید بسیاری روی شناسایی باندهای نسبتا کارآمد کرده است تا بدین وسیله نیروهای اختصاصی با اهداف بهبود کارآیی (عملکرد) واقعی خود نسبت به باندهای کارآیی (عملکرد) تعیین شده مختص خود تطابق یابند. نتایج این تحقیق ثابت می کند که این امر عملی بوده و امتیازات تحلیل پوشش داده ها/ مرزی از راه دور ورودی تصادفی چهار نیروی پلیس مجزا را نسبت به باندهای کارآیی (عملکرد) با سطوح کارآیی (عملکرد) دارای میانگین های متفاوت فراهم می سازد که از لحاظ آماری معنی دار می باشند.
در خاتمه، نتایج ما از کاربرد مشترک تکنیک های کارآیی (عملکرد) نسبی پارامتری و غیرپارامتری قویا حمایت کرده و بیان می کند که بایستی در حالت پایدار و همسانی مدلسازی شوند.
۵-۳-۴-۱۱-۲- ارزیابی عملکرد واحدهای پلیس در برخی دیگراز کشورها:
۱-۵-۳-۴-۱۱-۲- به عنوان یکی از اولین پژوهش های انجام شد ، تاناسولیس^[۲۰۵] در سال ۱۹۹۵ مدل CCR خروجی محور تحلیل پوششی داده ها را در انگلستان و ولز جهت ارزیابی ۴۱ واحد از نیروهای پلیس بکارگرفت. این پژوهش با انتخاب (تعداد افسران پلیس هر واحد، میزان جرایم خشن، ورود غیر مجاز و تعداد سایر جرایم) به عنوان چهار ورودی و (میزان کشفیات جرایم خشن، ورود غیرمجاز و سایر جرایم) به عنوان سه خروجی مدل به نشان دادن کاربرد روش مذکور در ارزیابی عملکرد نیروهای پلیس پرداخته است. با وجود آنکه پژوهشگر تاکید می نماید که هدف او از این پژوهش بیشتر توسعه کاربرد روش تحلیل پوششی داده ها در حوزه های جدید بوده است اما با این وجود نتایج تحقیق وی به کمیسیون بازرسی در انتخاب نیروهای شایسته کمک نمود (ملکی پویا، ۱۳۹۲: ۱۲۳).
در سال ۱۹۹۷ کارینگتون، پوتوچرى و یاساوارنگ^[۲۰۶]، در پی اجرای طرح دولت ایالتی نیوساوث ولز کشور استرالیا، جهت افزایش کارآیى و اثربخشی ارائه دهندگان خدمات دولتی، به تشریح نتایج استفاده از تکنیک تحلیل پوششی داده ها در تعیین کارآیى خدمات پلیسی در این ایالت پرداختند. در این تحقیق مواردی همانند تعداد افسران پلیس، کارکنان مردمی و تعداد خودرو به عنوان ورودی (داده) و تعداد دفعات مقابله (برخورد) با جرم، دستگیری، احضار متهم، رسیدگی به تصادفات و مسافت گشت زنی پلیس به عنوان خروجی (ستاده) در نظر گرفته شده است. نتایج این پژوهش حاکی از امکان کاهش ۵/۱۳ درصدی گشت های انتظامی با مدیریت بهتر و همچنین کاهش ۶ درصدی آن ها در صورت سازماندهی مجدد و دستیابی به مقیاس مناسب بود نتایج همچنین حکایت از عدم تاثیر معنادار تفاوت محیط های عملیاتی همانند عوامل مکانی و اقتصادی – اجتماعی بر کارآیى گشت های پلیس داشته است.
۲-۵-۳-۴-۱۱-۲- نیهان و مارتین^[۲۰۷] (۱۹۹۹) به بررسی مقایسه ای کارآیى پلیس در۲۰ شهر مختلف آمریکا درحالات بازده ثابت و متغیر نسبت به مقیاس با فرض کنترل یا عدم کنترل بر ر وی دو معیار محیطی »متوسط داده« و »جمعیت« پرداختند. آمار و اطلاعات مورد استفاده آنان در این بررسی از گزارش^[۲۰۸] ICMA استخراج گردید در این پژوهش آنان همچنین به مقایسه بین روش DEAو دو روش تحلیل رگرسیون و تحلیل نسبتی^[۲۰۹] اقدام کردند. در نهایت گزارش آنان گویای این مطلب بود که روش تحلیل پوششی داده ها نه تنها پنج شهر دارای کارآیى پائین را مشخص نمود، بلکه نشان داد که خدمات پلیس در سایر شهرها را می توان به عنوان مبنایی برای کاهش هزینه های بالقوه به کار برد. در این گزارش همچنین مزایای کاربرد این روش در وسعت بخشیدن به دیدگاه تصمیم گیرندگان در خصوص ارائه خدمات دولتی و ارزیابی کار این گونه واحدها مورد تاکید قرار گرفته است. (ملکی پویا، ۱۳۹۲: ۱۲۴).
۳-۵-۳-۴-۱۱-۲- دریک و سیمپر^[۲۱۰]، در سال ۲۰۰۰ به بررسی کارآیى نسبی واحدهای پلیس انگلیس و ولز پرداختند. ورودی های (داده های) به کار رفته در این پژوهش شامل:
هزینه های نیروی انسانی در استخدام پلیس
هزینه فضای در اختیار
هزینه های حمل و نقل
سرمایه ها و سایر هزینه ها (شامل هزینه های مرتبط با فنآوری اطلاعات، ارتباطات و همچنین مبلمان و تجهیزات اداری) بوده است. خروجی ها (ستاده های) بکار رفته نیز عبارت بودند از:
نرخ کشف جرم
برخورد با جرایم رانندگی
تعداد کل تست الکل انجام شده بر روی رانندگان توسط پلیس تعداد واحدهای مورد مطالعه در این تحقیق ۴۳ واحد عملیاتی پلیس انگلیس و ولز بوده است. داده های بین سال های ۱۹۹۲ -۱۹۹۷ در این پژوهش مورد استفاده قرار گرفته اند.
پژوهشگران فوق بار دیگر در سال ۲۰۰۱ به بازبینی و تکمیل کار قبلی خود پرداختند و این بار با بهره گرفتن از روش های ترکیبی DEAو با لحاظ نمودن روش شناسی های منفعلانه/پاسخ گویانه و فعالانه/ پیشگیرانه استخراج شده از پیشنه پژوهش های جرم شناسی به ارزیابی کارآیى واحدهای پلیس بریتانیا ۱۹۹۸ پرداختند. داده های مورد استفاده آنان مربوط به دو بازه زمانی ۱۹۹۷- ۱۹۹۶ و ۱۹۹۷- ۱۹۹۸ بوده است.
در این پژوهش کارآیى کلی، کارآیى فنی و بازده نسبت به مقیاس این واحدها مورد ارزیابی قرار گرفته است. نتیجه جالب این تحقیق ارتباط معنادار و منفی بین کارآیى فنی واحدهای پلیس با اندازه آن ها بود که به معنای کارآیى فنی بیشتر واحدهای کوچک تر است همچنین بر اساس نتایج پیشنهاد شده است که جهت افزایش کارآیى واحدهای پلیس بریتانیا منابع بیشتری به موضوع کشف جرایم خشن اختصاص یابد. همچنین نتیجه پژوهش گویای عدم تناسب بین شاخص های عملکردی تعیین شده توسط کمیسیون بازرسی انگلستان و کارآیى واحدها بوده و نیاز به بازبینی و اصلاح در این شاخص ها را مورد تاکید قرار می دهد (دریک و سیمپر^[۲۱۱]، ۲۰۰۱ ).
۴-۵-۳-۴-۱۱-۲- سان^[۲۱۲] در سال ۲۰۰۲ و در شهر تایپه تایوان با بهره گرفتن از روش تحلیل پوششی داده ها به اندازه گیری کارآیى نسبی حوزه های پلیس پرداخت. وی با به کارگیری اطلاعات آماری مربوط به سال های ۱۹۹۴- ۱۹۹۶ کاربرد این روش را در تعیین کارآیى حوزه ها به خوبی نشان داد. وی نیز همانند تاناسولیس، تعداد افسران پلیس، تجاوز به حریم خصوصى، جرایم خشن و سایر جرایم را به عنوان ورودی و تعداد کشفیات تجاوز به حریم افراد، جرایم خشن و سایر جرایم را به عنوان خروجی مدل در نظر گرفت از نتایج حاصل می توان به تعیین کمبودهای هر یک از داده ها و ستاده های مورد بررسی و همچنین میزان کارآیى کلی، فنی و بازده نسبت به مقیاس هر یک از ۱۶ واحد مورد مطالعه اشاره نمود. مشابه با نتایج پژوهش کارینگتون و همکارن (۱۹۹۷) پژوهش وی نیز تاثیر معنادار محیط های عملیاتی مختلف بر کارآیى حوزه های پلیس را رد نمود (سان، ۲۰۰۲).
برای نخستین بار در پژوهشی در سال ۲۰۰۲ دریک و سیمپر^[۲۱۳] به ارزیابی کارآیى واحدهای پلیس بریتانیا با دو روش متفاوت پارامتریک و ناپارامتریک پرداختند. ورودی های و خروجی های واحدها نیز مشابه پژوهش آن ها در سال ۲۰۰۰ در نظر گرفته شده است. در نتایج این پژوهش نیز به اهمیت تعیین بازده نسبت به مقیاس و تعیین اندازه مناسب برای واحدهای پلیس در جهت دستیابی به کارآیى بیشتر تاکید شده است. هر دو روش مورد استفاده نیز میانگین ناکارآیى واحدها را بین ۶۹/۱۵% تا ۸۸/۱۷% برای سال های ۱۹۹۲-۱۹۹۳ و ۱۹۹۳ – ۱۹۹۴ تعیین نموده اند بنابراین با بهینه سازی تخصیص منابع و سازماندهی مجدد سازمان پلیس (مربوط به بازده نسبت به مقیاس) امکان جهش بالقوه ای در میزان کارآیى واحدهای پلیس پیش بینی شده است. در این پژوهش بر استفاده همزمان روش های دیگر ارزیابی کارآیى برای غلبه بر ضعف روش DEA (حساسیت زیاد به صحت اطلاعات به کارگیری شده در مدل) و تائید نتایج حاصله به وسیله سایر روش ها تاکید شده است.
۵-۵-۳-۴-۱۱-۲- در سال ۲۰۰۲ پژوهشی بر روی واحدهای کشف جرم پلیس اسپانیا انجام شد. داده های مورد استفاده جهت ارزیابی کارآیى واحدهای دارای ورودی اشتراکی DEA مربوط به سال^[۲۱۴] ۱۹۹۵ بوده و مدل بهینه شده در آن مورد استفاده قرار گرفته است. در این مدل که ابتدا توسط بیسلی توسعه داده شده است و سپس به وسیله مارمولینرو^[۲۱۵] (۱۹۹۶) وتسای و مارمولینرو^[۲۱۶] (۱۹۹۸) مورد بازبینی و اصلاح قرار گرفته است، تلاش شده است تا یکی از اشکالات مدل های سنتی DEA را در زمینه در نظر نگرفتن منابع اشتراکی بین واحدهای مورد ارزیابی رفع گردد. در این مدل از سه ورودی تعداد کل کارکنان، تعداد خودرو و عکس اندازه جمعیت استفاده شده است. که بنا به نظر دیزتیسیو و مانسبون^[۲۱۷] (۲۰۰۲) البته بکارگیری متغیر ورودی آخر چندان مناسب به نظر نمی رسد. (ملکی پویا، ۱۳۹۲: ۱۲۶).
۶-۵-۳-۴-۱۱-۲- دریک و سیمپر^[۲۱۸] در سال ۲۰۰۳ بار دیگر به ارزیابی کارآیى نسبی واحدهای پلیس انگلستان و ولز پرداختند، این پژوهش با رویکرد مقایسه ای نتایج چهار روش^[۲۱۹]SIDF ،^[۲۲۰]FDH ،^[۲۲۱]Super-Efficiency، DEA در ارزیابی کارآیى صورت گرفت بازه زمانی داده های بکاررفته در انجام این پژوهش، سال های ۱۹۹۶ – ۱۹۹۵ را شامل شده است در این پژوهش مجموع هزینه های نیروی انسانی، هزینه های سرمایه ای و هزینه های حمل و نقل به عنوان ورودی و همچنین میزان کشف جرایم، میزان کشف جرایم خشن و میزان کشف تجاوز به حریم خصوصى (شامل تجاوز به قصد سرقت و غیر آن) به عنوان خروجی های مدل در نظر گرفته شده اند. این تحقیق همبستگی زیاد بین نتایج ارزیابی کارآیى بدست آمده از دو روش DEAوSIDF را نشان می دهد.
۷-۵-۳-۴-۱۱-۲- ناکانیشی و فالکوچیو (۲۰۰۴) پس از یک بررسی جامع با رویکرد کاربردی در مبانی نظری روش تحلیل پوششی داده ها و مقایسه مدل های چهارگانه پایه این روش به طرح اصولی برای چگونگی انتخاب ورودی و خروجی های مورد استفاده در مدل پرداختند. سپس مثالی از بکارگیری روش را در ارزیابی کارآیى مراکز مدیریت ترافیک یا مراکز عملیات ترافیکی در مراحل انتخاب ورودی و خروجی و نوع مدل مورد استفاده ارائه نمودند. با وجود اینکه این پژوهش تنها تا مرحله انتخاب مدل پیش رفته است و مطالعه تجربی و محاسبات مربوط به مدل و ارزیابی عملی کارآیى را انجام نداده است با این همه ارزشمندی آن به دلیل فرموله نمودن چگونگی انتخاب ورودی و خروجی ها و نوع مدل تحلیل پوششی داده ها غیرقابل انکار است.
ورودی های پیشنهادی برای مدل در این تحقیق شامل کاهش در موانع ترافیکی (همانند ساعت -نفر تاخیر) کاهش میانگین حوادث، کاهش تعداد تلفات بودند.
همچنین خروجی های پیشنهادی عبارتند از: تعداد پرسنل صفی و ستادی مراکز، ابزارهای تشخیصی، زیرساخت های ارتباطی و سایر ابزارهای موجود (همانند تعداد رایانه).
طی پژوهشی در سال ۲۰۰۵، دریک و سیمپر، به بررسی کارآیى تعداد ۳۸ واحد از پلیس انگلیس پرداختند به علاوه آنان اقدام به مقایسه یک نوع خاص از روش پارامتریک مرزی تصادفی با نامSODF ^[۲۲۲] با DEA کردند کوئلی و پورلمن^[۲۲۳]، (۱۹۹۹) ؛ کورنس^[۲۲۴]، (۱۹۹۲) بر برتری نسبی روش تحلیل پوششی داده ها صحه گذاشته شده است. همچنین نتایج مدل بازده نسبت به مقیاس گویای ارتباط قوی غیر خطی بین میزان جرایم و کشف جرم بوده است و نتیجه گیری شده است که همین ارتباط نیز بین میزان کل جرایم و منابعی که برای کشف جرم مورد نیاز است نیز وجود دارد. بنابراین کاهش بودجه و یا نیروی انسانی پلیس موجب افزایش سطح جرایم در آینده خواهد شد (ملکی پویا، ۱۳۹۲: ۱۲۸).
۸-۵-۳-۴-۱۱-۲- دریک و سیمپر^[۲۲۵] باز هم در سال ۲۰۰۵ به بررسی رویکرد جدید دولت انگلستان و ولز در زمینه نگاه اقتصادی به عملکرد پلیس پرداختند. در این مطالعه ی انتقادی آن ها تلاش نمودند تا رویکرد ردیاب عملکرد ^[۲۲۶] را که از سال ۲۰۰۲ توسط دولت برای ارزیابی واحدهای پلیس انگلستان و ولز بکار گرفته شده است را مورد کنکاش دقیق تر قرار دهند. در این رویکرد کاملا خروجی گرا، پنج شاخص عملکردی دارای بیشترین ارزش^[۲۲۷] مورد توجه قرار گرفته اند که شامل:
کاهش جرم،
کشف جرم،
روند امنیت عمومی،
شهروند محوری،
منابع مورد استفاده مى باشند.
پس از انجام بررسی های مقایسه ای مدعی شدند که روش تحلیل پوششی داده ها نسبت به روش مزبور دارای نقاط قوت متعددی است و نتایج قابل اعتمادتری را ارائه می دهد . آنان توصیه نمودند که در روش ارزیابی تجدید نظر صورت پذیرد و به جای روش پیمایش محور^[۲۲۸] ردیاب عملکرد به روش ناپارامتریک تحلیل پوششی داده ها به عنوان جایگزینی قابل اعتماد استفاده شود.
۹-۵-۳-۴-۱۱-۲- در پژوهش دیگری در اسپانیا این بار اثربخشی ۵۲ واحد پلیس به وسیله گارسیا سانچز^[۲۲۹] (۲۰۰۷ ) در سه بخش مجزا به وسیله روش DEAمورد ارزیابی قرار گرفت. این سه بخش شامل اثربخشی پلیس، اثربخشی کشف جرم و اثربخشی اقدامات اصلاحی است. ورودی ها شامل میزان جرایم خشن و جرایم خرد و خروجی ها شامل تعداد افراد دستگیر شده در ارتباط با جرایم خشن و افراد دستگیر شده در جرایم خرد بوده است.
گورمن و روجریو^[۲۳۰] در سال ۲۰۰۸ با بهره گرفتن از یک روش سه مرحله ای تحلیل پوششی داده ها به ارزیابی کارآیى واحدهای پلیس ایالات متحده آمریکا پرداختند. تعداد افسران کادر، تعداد سایر کارکنان و تعداد خودرو به عنوان ورودی مدل و نسبت جمعیت به عکس تعداد قتل، نسبت جمعیت به عکس تعداد سایر جرایم خشن و نسبت جمعیت به عکس تعداد جرایم خرد به عنوان خروجی مدل به کار گرفته شد. نتایج این پژوهش نشان دهنده ناکارآ بودن حدود ۳۰ درصد از واحدهای مورد مطالعه بوده است. در این پژوهش انتخاب و به کارگیری متغیر تعداد قتل به عنوان بخشی از ستاده واحدهای پلیس جای سئوال دارد. زیرا به طور کلی نقش پلیس در موضوع قتل به طور عمده در مراحل پی جوئی و کشف پررنگ و مؤثر است و نه در مرحله پیشگیری از آن و تعداد قتل نمی تواند متغیری مهم در تعیین کارآیى به حساب آید (ملکی پویا، ۱۳۹۲: ۱۲۹).
۱۰-۵-۳-۴-۱۱-۲- در پژوهشی که توسط وو، چن و یه ^[۲۳۱] در سال ۲۰۱۰ در تایوان برای اندازه گیری کارآیى نیروهای پلیس صورت گرفت روش تحلیل پوششی داده ها به کار گرفته شد. در این تحقیق داده های سال ۲۰۰۶ مربوط به ۲۲ واحد از پلیس تایوان مورد بررسی قرارگرفت. آن ها همچنین مانند دریک و سیمپر ( ۲۰۰۱ ) کارکردهای پلیس را به دو دسته منفعلانه/ پاسخ گویانه و فعالانه/ پیشگیرانه تقسیم کردند.
و در قالب۳ ورودی ۱- هزینه های نیروی انسانی، ۲- هزینه های عملیات عمومی و ۳- هزینه خرید ملزومات و۶ خروجی ۱- تعداد کشفیات ورود غیرمجاز، ۲- تعداد کشفیات جرایم خشن، ۳- تعداد کشفیات سایر جرایم، ۴- تعداد تصادفات جرحی و فوتی (مقادیر تغییر یافته به صورت عکس یا هر چه کمتر بهتر)، ۵- سایر خدمات (به طور مثال تعداد تماس های اورژانسی پاسخ داده شده)، ۶- میزان رضایت شهروندان در مدل مورد استفاده قرار دادند.
فصل سوم
روش اجرای تحقیق
مقدمه:
در این فصل ابتدا به روشی که پژوهش بر اساس آن انجام گرفته پرداخته شده و پس از آن جامعه آماری تحقیق معرفی گردیده است . در ادامه شیوه جمع آوری اطلاعات و ابزار آن تشریح شده و نحوه سنجش روایی و پایایی تحقیق بیان شده است . و سپس روش های مورد استفاده توضیح داده شده اند .
۱-۳- روش شناسی تحقیق:
در اواخر قرن بیستم، مناقشه برای اثبات برتری یکی از روش های کمی یا کیفی بین محققان علوم اجتماعی و رفتاری شدت گرفت. روش های کمی با تأکید بر پارادیم اثبات گرایی^[۲۳۲] (پوزیتیویسم) بر اصول زیر تأکید دارند: یک واقعیت عینی واحد وجود دارد که روابط علت- معلولی آن قابل تشخیص است؛ نتایج به دست آمده را به سهولت می توان تعمیم داد؛ محقق کاملاً از موضوع تحقیق مستقل است و تمرکز تحقیق بر آزمون تجربی فرضیه ها و نظریه هاست. در مقابل، روش های کیفی با تأکید بر پارادایم ساختارگرایی^[۲۳۳] (تفسیر گرایی)، مفروضه های زیر را مورد توجه قرار می دهند: واقعیت های چندگانه ای وجود دارد که شناخت روابط علت و معلولی آنها به راحتی امکان پذیر نیست؛ محقق و موضوع تحقیق از یکدیگر جدایی ناپذیرند، تعمیم نتایج نه تنها امکان پذیر نیست، بلکه مطلوبیتی نیز ندارد؛ و بیش از آزمون نظریه بر ایجاد و بسط نظری تأکید می شود (رود و جانسون^[۲۳۴]، ۲۰۱۰). افزایش این مناقشات و سردرگمی های ناشی از آن، باعث شد برخی محققان و صاحب نظران درصدد ایجاد همگرایی و ترکیب دو روش کیفی و کمی برآیند تحقیق ترکیبی، آمیخته ای از روش های کیفی و کمی است که توسط محقق یا تیم تحقیق با هدف شناخت دقیق و کامل یک پدیده مورد استفاده قرار می گیرد و تلاش می کند دیدگاه ها، رویکردها و موضع گیری های چندگانه را مدنظر قرار دهد. به بیان دیگر، روش شناسی ترکیبی عبارتست از استفاده همزمان یا متوالی از هر دو روش کمی و کیفی در یک مطالعه واحد (جمع آوری و تحلیل داده های هر دو نوع داده کمی و کیفی) بدون توجه به مواضع فلسفی آن ها (جانسون و همکاران^[۲۳۵]، ۲۰۰۷).
بنابراین روش تحقیق ترکیبی، روشی است که رهیافت کمی و کیفی را در قالب روش شناسی یک مطالعه واحد یا یک مطالعه چند مرحله ای با هم ترکیب می کند (تشکری وتدلی۱۹۹۸، جانسون ودیگران، ۲۰۰۷).

اخبار منتشرشده در روزنامهها و جراید
اظهارنظر مقامات بورس در مورد وضعیت آتی بازار
برنامههای اعلام شده از سوی مدیران و مسئولین شرکتها
توصیه دوستان و آشنایان
اخبار منتشرشده از مجامع شرکتها
اخبار غیررسمی از جلسات و برنامه شرکتها
شایعات و اخبار منتشرشده در سایتهای اینترنتی
نظرکارگزاران و شرکتهای مشاوره سرمایهگذاری
میزان استفاده از خدمات مشاورهای در امر خرید و فروش سهام

ادامه جدول ۳-۱- شاخصها و ابعاد موثر بر تصمیمگیری سهامداران در خرید سهام عادی
(منبع: خادمیگراشی و قاضیزاده، ۱۳۸۶)

عامل

شاخص

عوامل مالی در سطح شرکت

استفاده از نسبتهای مالی شرکت نظیر قیمت درآمد (P/E)، نسبت بدهی و غیره
استفاده و شناخت نسبت به وضعیت ترازنامهای شرکتها
اطمینان به داده های منتشر شده مالی شرکتها
پیگیری گزارشهای فصلی و داده های منتشر شده از سوی شرکتها
وجود ارتباط بین اقلام ترازنامه و بازدهی شرکتها
اطلاع از ریسک و بازار سهام موردنظر
بررسی جریان قیمت قبلی سهم در زمان تصمیمگیری
توجه به معاملات سهم
پیگیری جریان فعالیت سرمایهگذاری نهادی و عمده
بررسی قدرت نقدشوندگی سهم
اعتقاد به پیروی جریان آتی و بازدهی از عملکرد گذشته

۳-۳-۲- جمع‌ آوری داده‌‌های تحقیق
در این گام از تحقیق با توجه به شاخص‌های نهایی، پرسش‌نامه‌های تحقیق تدوین و بین جامعه آماری که کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند میباشند، توزیع خواهد شد.
۳-۳-۳- تحلیل داده‌های تحقیق
در این مرحله از پژوهش، با بهره گرفتن از داده‌های گردآوری شده و تکنیک‌های تشریح شده در بخش تجزیه و تحلیل داده، به تحلیل سوالات و فرضیه‌های تحقیق خواهیم پرداخت. فرایند تحقیق حاضر در شکل (۳-۱) نمایش داده شده است.
شکل۳-۱: فرایند تحقیق
۳-۴- جامعه آماری
جامعه آماری به کل گروه افراد، وقایع یا چیزهایی اشاره دارد که محقق میخواهد به تحقیق درباره آنها بپردازد (سکاران، ۱۳۸۰، ص ۲۹۴). جامعه آماری شامل عناصر، اجزاء، افراد و یا واحدهایی است که حداقل در یک صفت مشترک باشند. در تعریف جامعه باید به جامع و مانع بودن آن توجه نمود. جامع یعنی در بر گیرنده تمام اجزاء مورد نظر باشد و مانع یعنی واحدهایی را که شامل نمیشود در بر نگیرد. جامعه آماری این مطالعه را کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند تشکیل میدهند.
۳-۵- نمونه آماری
برای رتبه بندی شاخصها (زیرمعیارها)، جامعه آماری پژوهش را کلیه سهامداران بورس اوراق بهادار تهران که در دوره یک ماهه پژوهش به سالن بورس مراجعه مینمایند تشکیل میدهند که به علت نامحدود بودن تعداد این افراد، جهت تعیین حجم نمونه از فرمول زیر استفاده خواهد شد:

در فرمول فوق جهت تعیین انحراف معیار جامعه از یک نمونه‌گیری مقدماتی استفاده خواهد گردید. بدین منظور پرسشنامه تحقیق به صورت تصادفی بین حداقل ۳۰ نفر از سهامداران بورس اوراق بهادار تهران توزیع خواهد گردید تا تعداد دقیق حجم نمونه مورد نیاز بدست آید. اما برای رتبهبندی ابعاد با بهره گرفتن از مقایسات زوجی در تکنیک AHP نیازمند خبرگان بورس اوراق بهادار هستیم که بدین منظور از نظرات چند تن از مدیران شرکتهای کارگزاری بورس استفاده خواهد شد. بر مبنای روش تحلیل سلسله مراتبی، تعداد خبرگان در این روش حتی میتواند ۵ نفر خبره در نظر گرفته شود (اصغرپور، ۱۳۸۳). در این پژوهش، مهمترین ابزار تحلیل داده ها، نرم افزار SPSS خواهد بود که برای انجام آزمونهای فرض استفاده میگردد و در راستای تعیین حجم نمونه و سایر برآوردهای همبستگی نیز کاربرد زیادی خواهد داشت و نرم افزار Expert Choice نیز برای تکنیک AHP استفاده خواهد شد.
۳-۶- روش گردآوری داده ها
در این تحقیق بخش عمده داده ها از طریق پرسشنامه به دست آمده است که مبنای اصلی پژوهش خواهد بود.
۳-۷- روایی پرسشنامه
مهمترین سؤالی که باید در مورد هر نوع روش سنجش پرسیده شود، این است که آن روش تا چه حد رواست؟ وقتی این پرسش را مطرح میسازیم، در حقیقت در پی آن هستیم که ابزار سنجش، آنچه را که مورد نظر است میسنجد یا نه؟ و اگر جواب مثبت است، تا چه اندازه از دقت و درستی آن میسنجد؟ آیا همه آنچه که مورد نظر است و یا عوامل دیگری را میسنجد؟ (سرمد و همکاران، ۱۳۷۸).

۲-۱۶-۱۱. الگویاعتبارسنجیروشیبرایارزیابیعملکردارگان‌هایدولتی ۴۵

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۲-۱۶-۱۲. الگوبرداریازلایحهGPRAجهتبهره‌برداریدرنظامارزیابیعملکرد ۴۶
۲-۱۶-۱۳. تحلیلسلسله‌مراتبیدادهAHP 47
۲-۱۶-۱۴. نظامتعالیدمینگ ۴۸
۲-۱۶-۱۵. جایزهکیفیتاروپاییEFQM 49
۲-۱۶-۱۶. جایزهملیکیفیتبالدریج ۵۰
۲-۱۷. ارزیابیعملکردمرکزآمارایران ۵۱
۲-۱۸. خدماتمرکزآمارایران ۵۲
۲-۱۸-۱. اصولاساسیآمارهایرسمی ۵۲
۲-۱۸-۲. حساب‌هایملیومنطقه‌ایواقماری ۵۵
۲-۱۸-۲-۱. حساب‌هایملی ۵۶
۲-۱۸-۲-۲. حساب‌هایمنطقه‌ای ۵۶
۲-۱۸-۳. شاخص‌هایقیمتونرختورم ۵۷
۲-۱۸-۴. تهیهوانتشارسالنامهآماری ۵۸
۲-۱۸-۵. تدویناستانداردهایطرح‌هایآماری ۵۸
۲-۱۸-۶. طبقه‌بندیآماریاستاندارهایملی ۵۹
۲-۱۸-۷. تهیهتعاریفوتعیینمفاهیمومعیارهاوطبقه‌بندی‌هایآماری ۶۰
۲-۱۸-۸. پیاده‌سازیوبازنگریطبقه‌بندی‌هایبین‌المللیآماری ۶۰
۲-۱۸-۹. نقشه‌هایموضوعیواطلس‌هایآماری ۶۱
۲-۱۸-۱۰. نظارتبربهنگام‌سازینقشه‌هایآماریوتهیهفهرستفایلجغرافیایی ۶۳
۲-۱۸-۱۱. انجامسرشماری‌هایعمومیوآمارگیری‌هاینمونه‌ایدرزمینه‌هایاجتماعی،اقتصادیو … ۶۳
۲-۱۸-۱۲. تهیهوبهنگام‌سازیچارچوب‌هایآماری ۶۴
۲-۱۸-۱۳. تولیدآمارهایمربوطبهشاخص‌هایماده ۶۸ قانونبرنامهپنجمتوسعه (انتشارشاخص‌هایآماررسمی) ۶۴
۲-۱۸-۱۴. نظارتبراجرایطرح‌هاونظامآماریسایردستگاه‌هاوشرکت‌هایخصوصیوارزیابیآنها ۶۵
۲-۱۸-۱۵. توسعهونظارتبرساماندهیآمارثبتی ۶۶
۲-۱۸-۱۶. مشاوره‌هایفنیبهواحدهایآماریوزارتخانه‌ها،مؤسساتدولتی،سازمان‌هاونهادهایملیوبین‌المللی ۶۶
۲-۱۸-۱۷. همکاریومشارکتدرطرح‌هایپژوهشی ۶۷
۲-۱۸-۱۹. برگزاریسمینارهایآموزشیوتوجیهیطرح‌هایآماری ۶۷
۲-۱۸-۲۰. مشارکتدربرگزاریوشرکتدرسمینارهایعلمیوتخصصیملیوبین‌المللی ۶۷
۲-۱۸-۲۱. اطلاع‌رسانیآماری ۶۸
۲-۱۸-۲۲. ارائهخدماتبهمحققانودانشجویانازطریقکتابخانهتخصصیودیجیتال ۶۹
۲-۱۸-۲۳. ارتقایفرهنگآماری ۷۱
۲-۱۸-۲۴. تشخیصصلاحیتشرکت‌هاوکارشناسانمشاورآماری ۷۱
۲-۱۸-۲۵. استقراروپیاده‌سازیدرگاهملیآمار ۷۱
۲-۱۸-۲۶. مستندسازیمدارکواطلاعاتآماری ۷۳
۲-۱۸-۲۷. تهیهگزارش‌هایآماریوبررسیراهبردهایاقتصادی ۷۳
۲-۱۸-۲۸. ایجادنظامرصد،شناخت،پایش،وارزیابینیازذی‌نفعاندرسطحملیوبین‌المللی ۷۳
۲-۱۸-۲۹. محاسبهشاخص‌هایارزیابیکیفیتآماری ۷۳
۲-۱۸-۳۰. انجامفعالیت‌هایبرنامه‌ریزی،پایشواستقرارنظامهایمدیریت،مصرفمنابع ۷۳
۲-۱۸-۳۱. تأمینزیرساخت‌هایITبه‌منظورتهیهوتولیدوانتشارآمارهایرسمیکشوروسامانه‌هایکاربردی ۷۳
۲-۱۸-۳۲. آموزشنیرویانسانیوتوانمندسازی ۷۳
۲-۱۸-۳۳. جذبونگهدارینیرویانسانی ۷۳
۲-۱۹. جایگاهقانونیارزیابیعملکرددرایران ۷۳
۲-۲۰. تحلیلاهمیت–عملکرد ۷۴
۲-۲۰-۱. مقدمه ۷۴
۲-۲۰-۲. تحلیلاهمیت – عملکرد ۷۵
۲-۲۰-۳. متدولوژیتحلیلاهمیت – عملکرد ۷۶
۲-۲۰-۴. ویژگی‌هایIPA 80
۲-۲۰-۵. مزایایروشIPA 80
فصلسوم:روشتحقیق ۸۱
۳-۱. مقدمه ۸۲
۳-۲. مبانینظامسازمانیمرکزآمارایران ۸۲
۳-۲-۱. ساختارسازمانی ۸۲
۳-۲-۲. پیشینهتاریخی ۸۳

۳-۸ روش های تجزیه و تحلیل آماری
تجزیه و تحلیل حاصل از این پژوهش با بهره گرفتن از نرم افزار آماری SPSS در دو سطح آمار توصیفی^[۶۵] و استنباطی^[۶۶] انجام شد. در بخش آمار توصیفی مشخصه‌ های آماری مانند فراوانی، درصد، میانگین و انحراف معیار و در بخش آمار استنباطی آزمون‌ tتک متغییره،t زوجی و آزمون تحلیل واریانس چندراهه استفاده شد.
۳-۸-۱ روش‌های آماری به کار رفته در تحقیق
الف) آزمون t تک متغیره: به منظور مقایسه هر یک از سوالات تحقیق با نمره ملاک از آزمون t تک متغیره استفاده میشود(افشین نیا، ۱۳۷۸). سوالهای ۱ تا ۵تحقیق حاضر از این روش مورد تجزیه و تحلیل قرار گرفتند.
ب) آزمونt زوجی: برای مقایسه وضعیت موجود و وضعیت مطلوب سوالات ۱ تا ۵ از آزمون زوجی استفاده شد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

ج) تحلیل واریانس چندگانه^[۶۷]: از این آزمون برای مقایسه میانگین متغیرهای کمی(میانگین نظرات پاسخگویان به مولفه های ۵گانه) در بین ۲ یا بیشتر از ۲ گروه با عوامل جمعیت شناختی(جنس، سابقه کارو مدرک تحصیلی ) استفاده شده است.
د) برای بررسی نرمال بودن توزیع از آزمون کلموگروف اسمیرنف استفاده شده است.
فصل چهارم
تجزیه و تحلیل و بیان نتایج حاصل از تحقیق
مقدمه
استفاده از آمار به ایجاد نظم در پدیده های تحت بررسی در تحقیق کمک قابل توجهی مینماید. در این فصل به بررسی طراحی برنامه ریزی استراتژیک در بیمارستان امام رضا(ع) پرداخته شده است.
اطلاعات حاصله با بهره گرفتن از آمار توصیفی از روی نمونه ها تنظیم، سپس با بهره گرفتن از آمار استنباطی و با توجه به سؤالات اصلی تحقیق، تحلیل شده است. و شامل سه بخش ۱- تشریح یافته های توصیفی مورد مطالعه۲- داده های توصیفی سوالات پرسشنامه ۳- یافته های استنباطی پژوهش. ۴-۱ تشریح یافته های توصیفی مورد مطالعه
با بهره گرفتن از آمار توصیفی ابتدا داده های جمعیت شناختی پرسشنامه و سپس داده‌های مربوط به سؤالات پرسشنامه مورد تجزیه و تحلیل قرار گرفتند.
۴-۱-۱ داده‌های جمعیت شناختی پرسشنامه
در جدول(۴-۱) تا(۴-۳) یافته های جمعیت شناختی تحقیق شامل جنس، سابقه کار و مدرک تحصیلی درگروههای شرکتکنندگان به همراه نمودارهای آماری نشان داده شده است.
جدول(۴-۱): توزیع فراوانی گروه نمونه برحسب جنس

شاخص‌های آماری
جنس

فراوانی

فراوانی درصد

مرد

۱۴۸

۱/۵۲

زن

۱۳۶

۹/۴۷

مجموع

۲۸۴

۱۰۰

بر اساس یافته‌های جدول(۴-۱) ۱/۵۲ درصد شرکت کنندگان در پژوهش مرد و ۹/۴۷ درصد آن‌ها زن هستند.
شکل(۴-۱): توزیع فراوانی گروه نمونه بر حسب جنس
جدول(۴-۲): توزیع فراوانی گروه نمونه بر حسب سابقه کار

شاخص‌های فراوانی
سابقه کار

فراوانی

فراوانی درصد

روش استخراج PERCLOS و CLOSNO مشابه روش استخراج PERCLOS_N و CLOSNO_N است. با توجه به اینکه اگر چشم بسته باشد، مقادیر L_{eye_closure} صفر خواهند شد، درصد بسته بودن چشم (PERCLOS) از رابطه ‏(۱۵) قابل محاسبه است.

برای محاسبه تعداد دفعات پلک‏زدن از مشتق اول L_{eye_closure} استفاده می‏شود. مشتق اول L_{eye_closure} با DL_{eye_closure} نمایش داده شده و از رابطه ‏(۱۶) محاسبه ‏می‏گردد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

DL_{eye_closure} زمان تغییر حالت چشم از حالت باز به بسته و بالعکس را نشان می‏دهد. در تغییر حالت چشم از باز به بسته مقدار DL_{eye_closure} برابر ۱- و در تغییر حالت از بسته به باز مقدار DL_{eye_closure} برابر ۱+ خواهد شد. اگر حالت چشم تغییری نکند، مقدار DL_{eye_closure} صفر است. بنابراین با شمارش تعداد مقادیر ۱- یا ۱+ در DL_{eye_closure}، تعداد دفعات پلک زدن مشخص خواهد شد. به این ترتیب مقدار CLOSNO از رابطه ‏(۱۷) محاسبه می‏شود. در این رابطه، نماد برای محاسبه تعداد عناصر لیست که در شرط مذکور صدق می‏کنند، استفاده گردیده است.

به طریق دیگری نیز می‏توان CLOSNO را محاسبه کرد. در این روش CLOSNO برابر نصف مجموع قدرمطلق مقادیر DL_{eye_closure} خواهد بود (رابطه ‏(۱۸)).

مقدار CLOSNO از هر دو رابطه ‏(۱۷) و ‏(۱۸) یکسان محاسبه خواهد شد.
برای تشخیص تغییر فاصله بین دو پلک از بررسی میزان انطباق پروجکشن چشم باز در مرحله کنونی و پروجکشن چشم باز در مرحله یادگیری استفاده شده است. در این روش ضریب همبستگی پروجکشن افقی چشم باز HP_O با پروجکشن افقی چشم باز در مرحله یادگیری (HP_LO) محاسبه می‏شود. هرچه میزان انطباق HP_O و HP_LO کم باشد، به معنی کاهش فاصله بین پلک‏ها است. به این ترتیب از ضریب همبستگی HP_O و HP_LO به عنوان معیاری برای تشخیص کاهش فاصله بین پلک‏ها استفاده خواهد شد. میزان تغییرات فاصله بین پلک‏ها با ELDC^[121] نمایش داده می‏شود. مقدار ELDC مطابق رابطه ‏(۱۹) از اعمال یک تابع سیگموئید^[۱۲۲] بر ضریب همبستگی HP_O و HP_LO بدست می‏آید.

در رابطه فوق Sigm تابع سیگموئید، Corr تابع محاسبه ضریب همبستگی و α و β پارامترهای تابع سیگموئید هستند. تابع سیگموئید برای مقدار x همواره بین صفر و یک بوده و از رابطه ‏(۲۰) بدست می‏آید.

این تابع دو پارامتر به نام α و β دارد که به ترتیب شیب تابع در محل گذار^[۱۲۳] از مقدار ۵/۰ و محل گذار را تعیین می‏نماید. در شکل ‏۳‑۱۱ و شکل ‏۳‑۱۲ به ترتیب تاثیر پارامتر α و β بر روی شکل منحنی تابع سیگموئید نشان داده شده است. هر چه مقدار α بیشتر باشد، شکل منحنی تابع سیگموئید به تابع پله نزدیکتر خواهد شد، به طوری که برای مقدار α بی‏نهایت، شکل تابع سیگموئید همان تابع پله می‏شود.
α = ۵
α = ۲
α = ۱
شکل ‏۳‑۱۱: نمایش تاثیر پارامتر α در تغییر شکل تابع سیگموئید (β=۰)
β = -۲
β = ۰
β = +۲
شکل ‏۳‑۱۲: نمایش تاثیر پارامتر β در تغییر شکل تابع سیگموئید (α=۱)
در رابطه ‏(۱۹) برای محاسبه ELDC مقادیر α و β تابع سیگموئید به ترتیب ۵۰ و ۹/۰ انتخاب گردید. انتخاب این مقادیر بر اساس روش آزمون و خطا بوده است، به طوری که منحنی ELDC برای حالت طبیعی چشم باز به مقدار صفر میل کند و برای حالت چشم کاملا بسته به مقدار یک میل نماید؛ همچنین مقدار ELDC برای چشم نیمه‏باز تقریبا ۵/۰ باشد. به این ترتیب منحنی تغییرات مقدار ELDC برحسب ضریب همبستگی HP_O و HP_LO مطابق شکل ‏۳‑۱۳ خواهد شد. هر چه ضریب همبستگی HP_O و HP_LO به یک نزدیک باشد، تغییرات (کاهش) فاصله بین پلک‏ها نسبت به حالت طبیعی کمتر و در نتیجه مقدار ELDC به صفر نزدیکتر است. با کاهش ضریب همبستگی HP_O و HP_LO به ۹/۰، مقدار ELDC به ۵/۰ نزدیک خواهد شد. با توجه به نمودار شکل ‏۳‑۱۳ در صورتی‏که ضریب همبستگی HP_O و HP_LO کمتر از ۸/۰ شود، مقدار ELDC به صفر میل خواهد کرد. در این حالت چشم فرد کاملا بسته می‏باشد.
شکل ‏۳‑۱۳: منحنی تغییرات فاصله بین پلک‏ها (ELDC) (محور عمودی) نسبت به تغییرات ضریب همبستگی HP_O و HP_LO (محور افقی)
ویژگی‏های ناحیه چهره و سر
در سیستم پیشنهادی از پردازش ناحیه چهره، ویژگی چرخش سر استخراج شده است. چرخش سر می‏تواند نشانه عدم تمرکز حواس راننده یا خستگی او باشد. در صورتی‏که راننده سرش را به اطراف بچرخاند، تمرکز کافی به سمت جلو نداشته و ممکن است باعث بروز حادثه شود. همچنین چرخش سر ممکن است به دلیل چرت زدن اتفاق بیفتد. در این حالت به دلیل عدم انقباض کافی عضلات گردن، سر به سمت پایین یا طرفین خواهد افتاد. در تمام این موارد سر راننده به سمت جلو نیست و چرخش سر (حول یکی از محور‏های مختصات) رخ داده است.
برای آشکارسازی تغییر جهت سر، روشی جدید ارائه شده است که به جای استفاده از نقاط ویژگی مانند چشم‌ها، بینی و دهان، از قالب کلی چهره استفاده می‌کند. در روش‌های قبلی برای تخمین جهت سر، ابتدا چند نقطه ویژگی در تصویر چهره آشکارسازی شده و در فریم‌های متوالی ردیابی می‌شدند. با تغییر فاصله نقاط ویژگی، تغییر زاویه خطوط اتصال این نقاط و یا تغییر شکل هندسی نقاط ویژگی، جهت سر تخمین زده می‌شد. اما در روش پیشنهادی، هدف تخمین جهت سر نیست، بلکه هدف آشکارسازی چرخش سر است. برای این منظور ابتدا یک قالب از چهره رو به جلو^[۱۲۴] از راننده تهیه می‌شود. این قالب از میانگین‏گیری فریم‏های ابتدایی محاسبه می‏گردد (رابطه ‏(۲۱)). در رابطه ‏(۲۱)، F_t تصویر چهره در فریم t و N تعداد فریم‌های استفاده شده برای تهیه قالب چهره راننده است. محاسبه قالب چهره مشابه روش‌های تخمین پس‌زمینه^[۱۲۵] است.

هنگامی‏که چهره راننده در حالت روبه‌جلو قرار گرفته باشد، تصویر چهره راننده و قالب چهره با هم منطبق است. اما هنگامی‌که سر راننده حول هر یک از محور‌های سه‌گانه مختصات بچرخد، تصویر چهره با تصویر قالب متفاوت می‌شود. هرچه چرخش بیشتر باشد، این تفاوت بیشتر خواهد بود. بنابراین پس از محاسبه قالب روبه‌جلو از چهره، با محاسبه میانگین قدرمطلق تفاضل تصویر قالب و تصویر کنونی چهره، میزان انطباق تصویر کنونی چهره و قالب مشخص می‌شود. برای تعیین میزان انطباق تصویر کنونی چهره و قالب، از روشی مشابه روش پیشنهادی سیگاری و همکارانش [۶۷] برای تفاضل پس‌زمینه فازی استفاده شده است. محاسبه میزان انطباق تصویر کنونی چهره و قالب، مشابه آشکارسازی اشیا متحرک از یک پس‌زمینه ثابت است. بنابراین میزان انطباق تصویر کنونی چهره و قالب بر اساس رابطه ‏(۲۲) محاسبه می‌گردد.

در این رابطه m میزان انطباق را مشخص می‌کند که عددی در بازه [۰,۱] است. هر چه مقدار m بیشتر باشد، میزان انطباق تصویر کنونی چهره و قالب بیشتر و در نتیجه چرخش سر کمتر است. بنابراین اگر میزان چرخش سر با R نمایش داده شود، مقدار R از رابطه ‏(۲۳) بدست می‌آید. مقدار R عددی در بازه [۰,۱] است.

در هر فریم می‌توان قالب چهره را به‌روزرسانی کرد. برای این منظور از روشی مشابه روش به‌روزرسانی فازی پس‌زمینه که توسط سیگاری و همکارانش [۶۷] ارائه شده، استفاده شد. در روش به‌روزرسانی فازی پس‌زمینه، میزان به‌روزرسانی پس‌زمینه با پارامتری به نام α_min و یک تابع نمایی کنترل می‌شود. هرچه فریم جاری با تصویر پس‌زمینه تطابق بیشتری داشته باشد، فریم جاری با ضریب بیشتری در به‌روزرسانی تصویر پس‌زمینه موثر است. در سیستم پیشنهادی برای به‌روزرسانی قالب چهره، از همین روش استفاده شده، با این فرض که قالب همان پس‌زمینه است. به این ترتیب به‌روزرسانی قالب چهره در هر فریم بر اساس رابطه ‏(۲۴) انجام می‌گیرد. در این رابطه Temp_t و Temp_t+1 به ترتیب قالب چهره در فریم‌های t و t+1 و F_t تصویر کنونی چهره در فریم t است.

مقدار α در رابطه ‏(۲۴) از رابطه ‏(۲۵) محاسبه می‌شود. در این رابطه α_min مقدار کمینه α را مشخص می‌کند و در روش پیشنهادی برابر ۸/۰ در نظر گرفته شده است.

برای تشخیص کاهش هوشیاری راننده از یک لیست حلقوی استفاده شده که مقدار R فریم‌های متوالی در آن ذخیره می‌شود. این لیست با نام L_Rot نامگذاری شده و تغییرات R در یک مدت معین را جمع‌ آوری می‌کند. پس از پر شدن لیست، داده‌های جدید بر روی داده‌های قدیمی‌تر ذخیره خواهند شد. اندازه این لیست معادل تعداد فریم‏های مرحله یادگیری (حدود ۱۵۰۰ تا ۳۰۰۰ فریم) انتخاب شده است. برای تشخیص چرخش سر راننده، ابتدا مقادیر لیست با حدآستانه th_Rot مقایسه شده و مقادیر کمتر از حدآستانه صفر خواهد شد (رابطه ‏(۲۶)). سپس میانگین مقادیر بزرگتر از th_Rot به عنوان متوسط چرخش سر (ROT) استخراج می‏گردد (رابطه ‏(۲۷)). از ROT برای تشخیص کاهش هوشیاری راننده استفاده خواهد شد.

تشخیص کاهش هوشیاری
استفاده از قوانین ابتکاری و اعمال چند حد آستانه برای تصمیم‏ گیری در مورد میزان خستگی و عدم تمرکز حواس راننده چندان مناسبی نیست. هرچند در این حالت، تصمیم‏ گیری بسیار ساده خواهد شد، اما احتمال بروز خطا در این گونه سیستم‏ها بیشتر است.
در سیستم پیشنهادی برای تشخیص کاهش هوشیاری راننده از یک سیستم خبره فازی^[۱۲۶] استفاده شده است. علت انتخاب سیستم خبره فازی به عنوان بخش تشخیص کاهش هوشیاری، استفاده از دانش بشری در قالب سیستم هوشمند و وجود عدم قطعیت در اطلاعات استخراج شده از تصاویر چهره و چشم است. سیستم‏های خبره فازی می‏توانند دانش بشری را به شکلی مناسب برای تصمیم‏ گیری در مورد اطلاعات غیرقطعی استفاده کنند.
سیستم خبره فازی
یک سیستم خبره فازی شامل سه بخش اصلی است: فازی‏ساز^[۱۲۷] داده‏های ورودی، موتور استنتاج فازی^[۱۲۸] و غیرفازی‏ساز^[۱۲۹] داده‏های خروجی. شمای کلی سیستم خبره فازی در شکل ‏۳‑۱۴ نشان داده شده است. انتخاب روش‏های فازی‏سازی و غیرفازی‏سازی معمولا با بهره گرفتن از روش آزمون و خطا و بر اساس نوع کاربرد و ماهیت داده‏های ورودی و خروجی تعیین می‏گردد. همان‏گونه که در شکل مشاهده می‏شود، موتور استنتاج فازی از یک پایگاه قوانین فازی^[۱۳۰] استفاده می‏کند. این قوانین فازی، تعدادی قانون اگر-آنگاه^[۱۳۱] می‏باشد که توسط فرد خبره تعیین می‏گردد. در واقع سیستم خبره فازی، هوشمندی خود را بر اساس قوانینی بدست می‏آورد که فرد خبره آنها را تعیین می‏کند. در قوانین فازی از متغیر‏های زبانی^[۱۳۲] استفاده می‏شود [۶۸].
فازی‏ساز
غیرفازی‏ساز
موتور استنتاج فازی
پایگاه قوانین فازی
شکل ‏۳‑۱۴: مدل کلی سیستم خبره فازی
این سیستم چهار ورودی و دو خروجی دارد.
ورودی‏های سیستم خبره فازی عبارتند از:
درصد بسته بودن چشم (PERCLOS)
نرخ پلک زدن (CLOSNO)
میزان تغییرات فاصله بین پلک‏ها نسبت به حالت طبیعی (ELDC)
میانگین چرخش سر (ROT)
خروجی‏های سیستم عبارتند از: