📢 فرصت پری‌داک (Pre-Doc) در معماری و برنامه‌ریزی شهری – اتریش ۲۰۲۶🎓 پوزیشن: Project Assistant (Prae…

🔹فراخوان شماره یکبرنامه مشترک پسادکتری فناوری (دانش‌بنیان)"بر اساس آیین‌نامه جذب و بکارگیری پژوهشگران پسادکتری مصوب کمیسیون دائمی شورای عالی عتف مورخ ۱۴۰۱/۱۲/۰۷"معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری در قالب تفاهم‌نامه سه جانبه مورخ ۱۴۰۴/۰۶/۰۳ با دبیرخانه شورای عالی علوم، تحقیقات و فناوری(عتف) و صندوق نوآوری و شکوفایی و با هدف توسعه فناوری، حفظ و اشتغال نخبگان و پیوند علم با صنعت، از کلیه شرکت‌های دانش‌بنیان واجد شرایط و دانش‌آموختگان مقطع دکتری تخصصی دعوت به عمل می‌آورد تا در فراخوان «جذب و به­کارگیری پژوهشگران پسادکتری فناوری در شرکت­‌های دانش‌بنیان» مشارکت فعال داشته باشند.این برنامه به منظور جذب و فعالیت پژوهشگر پسادکتری در شرکت‌­های دانش‌بنیان است که ضمن حضور تمام‌وقت پژوهشگران پسادکتری در محیط فناورانه شرکت‌­های دانش‌­بنیان، فرصتی برای شرکت‌ها جهت بهره‌گیری از دانش و خلاقیت نیروهای متخصص برای حل چالش‌های فناورانه و توسعه محصولات جدید فراهم می‌آورد.📆 مهلت ثبت‌نام: ۲۰ مرداد الی ۲۰ شهریورماه🔗 اطلاعات تکمیلی📖شیوه نامه اجرایی برنامه مشترک پسا دکتری فناوری (دانش بنیان)📖آیین نامه جذب و به کارگیری محققان پسادکتری وزارت علوم، تحقیقات و فناوری____ 🌐 کانال شارنامه 🆔 @shaarnameh

✅  آموزش Python در GIS در این ویدیو ادامه مسیر GIS + Python + هوش مصنوعی را می‌بینیم:📌 جلسه ششم ـ ۶ Python, Creat Contour, TIN, View Shade#Arc_GIS #Python___🌐 کانال مدل ها و تکنیک ها در مطالعات شهری🆔 @modelinggeo

✅ معرفی تکنیک جدید CORASO : رویکرد نوین رتبه‌بندی گزینه‌ها 🔸روش CORASO (یک روش تصمیم‌گیری چندمعیاره) یک متد جدید در حوزه رتبه‌بندی گزینه‌هاست که ایده اصلی آن بر اساس نزدیکی به راه‌حل ایده‌آل (بهترین) و فاصله از راه‌حل ضدایده‌آل (بدترین) استوار است. این روش توسط Adis Puška (2025) ارائه شد. برخلاف روش‌های سنتی که صرفاً بر اساس فاصله از بهترین حالت تصمیم‌گیری می‌کنند، CORASO هر دو سوی طیف (هم بهترین و هم بدترین وضعیت) را در محاسبات خود لحاظ می‌کند و دیدی جامع‌تر به تصمیم‌گیرنده می‌دهد. این روش به‌طور مشخص در دسته روش‌های تصمیم‌گیری چندمعیاره (MCDM) برای اولویت‌بندی گزینه‌ها قرار می‌گیرد و با ساختار ریاضی ساده خود، جایگزینی کارآمد برای روش‌های پیچیده‌تر محسوب می‌شود.🔹یکی از نکات کلیدی در پیاده‌سازی این روش، توجه به کیفیت داده‌های ورودی است. تحقیقات نشان می‌دهد که وجود مقادیر صفر در معیارهای هزینه‌ای (Cost) و یا اعداد منفی در ماتریس تصمیم، می‌تواند فرآیند نرمال‌سازی را با اختلال مواجه کند. روش CORASO با ارائه دو رابطه مجزا برای نرمال‌سازی معیارهای سود (بیشتر بهتر) و هزینه (کمتر بهتر)، این چالش را مدیریت کرده و دقت محاسبات را افزایش می‌دهد.✅ مراحل کامل روش CORASO1️⃣ گام اول: تشکیل ماتریس تصمیم و نرمال‌سازیدر این مرحله، گزینه‌ها در برابر معیارها قرار می‌گیرند. سپس داده‌ها با استفاده از دو فرمول مجزا نرمال‌سازی می‌شوند:▫️فرمول مخصوص معیارهای سود (مثبت)▫️فرمول مخصوص معیارهای هزینه (منفی)⚠️ توجه: مقادیر نباید منفی باشند و در معیارهای هزینه‌ای، مقدار صفر مجاز نیست (تا از خطای تقسیم بر صفر جلوگیری شود).2️⃣ گام دوم: وزن‌دهی و محاسبه مقدار تجمعی (Sj)پس از نرمال‌سازی، معیارها بر اساس نظر خبرگان وزن‌دهی می‌شوند. سپس برای هر گزینه، مقدار تجمعی (Sj) از جمع وزنی مقادیر نرمال‌شده محاسبه می‌گردد که نشان‌دهنده وضعیت کلی هر گزینه است.3️⃣ گام سوم: محاسبه انحراف از راه‌حل‌های ایده‌آلدر این گام، فاصله هر گزینه از بهترین وضعیت ممکن (ایده‌آل مثبت) و بدترین وضعیت ممکن (ایده‌آل منفی) محاسبه می‌شود. این ویژگی باعث می‌شود تا گزینه‌ای انتخاب شود که هم به ایده‌آل نزدیک‌تر و هم از ضدایده‌آل دورتر باشد.4️⃣ گام چهارم: محاسبه شاخص نهایی (Q) و رتبه‌بندیدر نهایت، شاخص نهایی CORASO (Q) با تلفیق انحرافات محاسبه شده و گزینه‌ها بر اساس مقدار Q رتبه‌بندی می‌شوند. هرچه مقدار Q بالاتر باشد، نشان‌دهنده کیفیت و مطلوبیت بیشتر آن گزینه است.🔸مزایای روش CORASO▫️روش CORASO دارای مزایای متعددی است، از جمله:▫️در نظر گرفتن هم‌زمان بهترین و بدترین سناریو برای انتخاب دقیق‌تر▫️ساختار ریاضی شفاف و گام‌های محاسباتی ساده▫️قابلیت استفاده برای داده‌های کمی و کیفی (با تبدیل مناسب)▫️ارائه هشدارهای دقیق برای جلوگیری از خطاهای عددی (مانند صفر در معیارهای هزینه)▫️مناسب برای مسائل با معیارهای متعدد در حوزه مدیریت، مهندسی و اقتصاد📌 چنانچه نیازمند مشاوره و تحلیل پروژه خود با این روش هستید، می‌توانید با ما در ارتباط باشید. 🆔 @shaaarnameh👩‍💻مناسب همه گرایش‎ها#CORASO🌐 کانال مدل ها و تکنیک ها در مطالعات شهری🆔 @modelinggeo

✅ معرفی مدل راهبردی نوین NOISE - راه‌حل‌محور، آینده‌نگر و اقدام‌گرا 🎯 یک مدل پیشرفته و راه‌حل‌محور برای برنامه‌ریزی استراتژیک، تحلیل مسائل پیچیده و تدوین برنامه‌های عملیاتی، که جایگزینی مدرن و کارآمد برای مدل سنتی SWOT محسوب می‌شود. 🔍 مؤلفه‌های تحلیلی مدل:✅ Needs (نیازها) – شناسایی شکاف‌ها، کاستی‌ها و الزامات اساسی✅ Opportunities (فرصت‌ها) – شناسایی ظرفیت‌ها، منابع و بسترهای موجود برای تغییر✅ Improvements (بهبودها) – تدوین راهکارهای عملیاتی برای ارتقای وضع موجود✅ Strengths (نقاط قوت) – شناسایی داشته‌ها، توانمندی‌ها و مزیت‌های رقابتی✅ Exceptions (استثناها) – شناسایی رویه‌ها و موفقیت‌های موجود قابل تکرار و گسترش 🎯 مناسب برای:👨‍🎓 دانشجویان دکتری و کارشناسی ارشد در رشته‌های جغرافیا، شهرسازی، گردشگری، مدیریت، برنامه‌ریزی، سیاست‌گذاری و علوم اجتماعی👩‍🔬 پژوهشگران حوزه توسعه، حکمرانی و مطالعات راهبردی🏛 مشاوران و مدیران سازمان‌های دولتی و خصوصی📚 نویسندگان مقالات علمی، پایان‌نامه‌ها و طرح‌های پژوهشی⚖️ تحلیل‌گران سیاست‌گذاری و برنامه‌ریزی استراتژیک 📌 حوزه کاربرد: برنامه‌ریزی راهبردی، توسعه شهری و منطقه‌ای، آینده پژوهی، سیاست‌گذاری عمومی، مدیریت سازمانی، تحلیل مسائل پیچیده و تدوین برنامه‌های عملیاتیبرای مشاوره، پیاده‌سازی مدل NOISE در پروژه‌های دانشگاهی و پژوهشی، تحلیل راهبردی یا نگارش مقالات و پایان‌نامه‌ها، از طریق آیدی زیر در ارتباط باشید:🔴 ارتباط (سفارش_پروژه) : 🆔 @shaaarnameh____🌐 کانال مدل ها و تکنیک ها در مطالعات شهری🆔 @modelinggeo

📚 عنوان: کتاب آموزش مکس‌کیودا (MAXQDA)عنوان اصلی: Analyzing Qualitative Data with MAXQDAنویسندگان: یودو کاکارتز و استیفن رادیکرناشر: اسپرینگرمحتوا: تمام متن ۳۰۰ صفحهفرمت فایل: PDFزبان: انگلیسی#MAXQDA___🌐 کانال مدل‌ها و تکنیک‌ها در مطالعات شهری🆔 @modelinggeo