logo
دوره 2، شماره 8 - ( 6-1398 )                   جلد 2 شماره 8 صفحات 96-73 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Prioritizing Organizational Projects with Fuzzy Data Envelopment Analysis Approach (Case Study of Educational Research Plans). Journal title 2019; 2 (8) :73-96
URL: http://jde.khu.ac.ir/article-1-110-fa.html
خاتمی فیروزآبادی سید محمدعلی، منصوری محمد ابادی سلیمان، بینشیان ملیحه. اولویت بندی پروژه‌های سازمان با رویکرد تحلیل پوششی داده‌های فازی (مورد مطالعه طرح‌های تحقیقاتی آموزش و پرورش). عنوان نشریه. 1398; 2 (8) :73-96

URL: http://jde.khu.ac.ir/article-1-110-fa.html


دانشگاه علامه طباطبائی
چکیده:   (1606 مشاهده)
انتخاب صحیح طرح‌های پژوهشی از مهم‌ترین راهکارهای مؤثر در افزایش بهره‌وری طرح‌های پژوهشی و تخصیص صحیح منابع است. آموزش‌وپرورش به‌عنوان مهم‌ترین نهاد در راستای تربیت دانش آموزان و آینده‌سازان کشور عمل می‌کند. با توجه به محدود بودن منابع این سازمان و از طرفی گسترگی طرح‌های پژوهشی، اولویت‌بندی طرح‌های پژوهشی امری ضروری است. در این پژوهش داده ‌غیرقطعی هستند. لذا با بهره‌گیری از تحلیل پوششی داده‌های فازی به اولویت‌بندی طرح‌های پژوهشی پرداخته‌ایم. با بررسی ادبیات و پیشینه تحقیق، اولویت‌بندی طرح‌های تحقیقاتی براساس معیارهای هزینه، زمان، ریسک، کیفیت پروژه و عملکرد در ارتقا سطح کلان کشوری که به ترتیب در دو گروه داده‌ها و ستاده‌ها در نظر گرفته شد. مقادیر عددی و کلامی شاخص‌های طرح‌ها با بهره‌گیری ازنظرات خبرگان گرداوری شده است. نتایج تحقیق بیانگر این است که طرح "بررسی ویژگی‌های نظام پرداخت به معلمان و ارزیابی آن بر اساس معیار شایستگی و رویکرد رقابتی و ارائه الگو" در صدر اولویت‌ها بوده و لازم است بیش از سایر طرح‌ها  موردتوجه قرار گیرد.

 
متن کامل [PDF 373 kb]   (643 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/2/20 | پذیرش: 1398/4/26 | انتشار: 1398/6/23

فهرست منابع
1. Archer، N. P.، & Ghasemzadeh، F. (1999). An integrated framework for project portfolio selection. International Journal of Project Management، 17(4)، 207-216. [DOI:10.1016/S0263-7863(98)00032-5]
2. Amiri, M., & Golozari, F.(2011). Application of fuzzy multi-attribute decision making in determining the critical path by using time, cost. risk and quality criteria. Manuf Technoal, 393-401. [DOI:10.1007/s00170-010-2928-4]
3. Anderson, P., & Peterson, N.(1993). Aprocedure for ranking efficient units in data envelopment analysis. management science, 1078-1093.
4. Atkinson, R. (1999). project management : cost, time and Quality, two best guesses and a phenomenon, its time to accept other succes criterja. project management, 337-342. [DOI:10.1016/S0263-7863(98)00069-6]
5. banker, R., charnes, A., & cooper, W.(1984). some models for estimating technical and scale inefficies in data envelopment. management science, 1078-1093. [DOI:10.1287/mnsc.30.9.1078]
6. Barros de Oliveira, M., Costa, H., Figueiredo, F. V., & Rocha, A. R. C. (2014). Scaling up a Project Portfolio Selection Technique by using Multiobjective Genetic Optimization. iSys-Revista Brasileira de Sistemas de Informação, 7(4), 60-74.
7. Badiezadeh, T., Farzipoor, R., & Samavati, T. (2017) Assessing sustainability of supply chains by double frontier network DEA: A big data approach, In Computers & Operations Research, 0305-0548. [DOI:10.1016/j.cor.2017.06.003]
8. Bhattacharyya, R., Kumar, P., & Kar, S. (2011). Fuzzy R&D portfolio selection of interdependent projects. Computers & Mathematics with Applications, 62(10), 3857-387. [DOI:10.1016/j.camwa.2011.09.036]
9. Beach, R., Muhlemann, A., Price, D., Paterson, A., & Sharp, J. (2000). A review of manufacturing flexibility. European journal of operational research, 41-57. [DOI:10.1016/S0377-2217(99)00062-4]
10. Charnes, A., Cooper, W., & Rhodes, E.(1978). Measuring the efficiency of decision making units. Europen journal of operational research, 429-444. [DOI:10.1016/0377-2217(78)90138-8]
11. Cooper، R. G.، Edgett، S. J.، & Kleinschmidt، E. J. (1998). Best practices for managing R&D portfolios. Research technology management، 41(4)، 20. [DOI:10.1080/08956308.1998.11671219]
12. Dyer, J., & Sarin, R.(1979). Measurable multi-attribute value functions. Operations Research, 810-822. [DOI:10.1287/opre.27.4.810]
13. Englund, R. L., & Graham, R. J. (1999). From experience: linking projects to strategy. Journal of Product Innovation Management, 16(1), 52-64. [DOI:10.1111/1540-5885.1610052]
14. Farrell, M.(1957).the measurement of productive efficiency. journal of the royal statstical society, 253-290. [DOI:10.2307/2343100]
15. Hsiao, W., Lin, H., & Chang, T.(2007). Fuzzy consensus measure on verbal opinions. Expert systems With Applications. [DOI:10.1016/j.eswa.2007.07.040]
16. Jafarzadeh, M., Tareghian, H. R., Rahbarnia, F., & Ghanbari, R. (2015). Optimal selection of project portfolios using reinvestment strategy within a flexible time horizon. European Journal of Operational Research, 243(2), 658-664. [DOI:10.1016/j.ejor.2014.12.013]
17. Kolahi A,Tahmooreszadeh Sh, Gachkar L, Mardani M (2008). Research priority setting of shaheed Beheshti Medical University Infections Diseaes and Tropical Medicine Research center in 2007. Iran J Clin Infect Dis.
18. Kwon, H.B., Marvel, J.H. and Roh, J.J, (2016) "Three-stage per-formance modeling using DEA-BPNN for better practice benchmarking", Expert Systems With Applica-tions [DOI:10.1016/j.eswa.2016.11.009]
19. Liu, S. S., & Wang, C. J. (2011). Optimizing project selection and scheduling problems with time-dependent resource constraints. Automation in Construction, 20(8), 1110-1119. [DOI:10.1016/j.autcon.2011.04.012]
20. Malekafzali H, Bahreini FS, Alaedini F, Forouzan AS (2007). Health system priorities based on needs assessment and stakeholders participation in I.R.
21. Petrović , M., Bojković1, N., Stamenković, M., & Anić, I., (2018). A Sensitivity Analysis of ELECTRE Based Stepwise Benchmarking for Policy: the Case of EU Digital Agenda, Journal of Sustainable Business and Management Solutions in Emerging Economies. [DOI:10.7595/management.fon.2018.0003]
22. PMBoK, A. (2012). A Guide to the project Management body of knowledge (Fifth Edition). Project Management Institute, Pennsylvania USA.
23. PMI standards, C. (1996). A guide to the project. Project Management.
24. Saati, S& Menarani, A (2005). Reducing weight flexibility in fuzzy DEA. Applied Mathematics and Computation. [DOI:10.1016/j.amc.2003.12.052]
25. Soleimani damaneh , M. Jahanshahloo,G. Abbasbandy , S (2006). Computational and theoretical pitfalls in some current performance measurement techniques and a new approach. Applied Mathematics and Computation. [DOI:10.1016/j.amc.2006.01.085]
26. Tavana، M.، Khalili-Damghani، K.، & Sadi-Nezhad، S. (2013). A fuzzy group data envelopment analysis model for high-technology project selection: A case study at NASA. Computers & Industrial Engineering، 66(1)، 10-23. [DOI:10.1016/j.cie.2013.06.002]
27. Turner, J. R. (2014). The handbook of project-based management (Vol. 92). McGraw-hill.
28. Tola, V., Lillo, F., Gallegati, M., & Mantegna, R. N. (2008). Cluster analysis for portfolio optimization. Journal of Economic Dynamics and Control, 32(1), 235-258. [DOI:10.1016/j.jedc.2007.01.034]
29. Witzel, M. (2002). A short history of efficiency. business strategy review, 38-47. [DOI:10.1111/1467-8616.00232]
30. Xue, Q., Wang, Z., Liu, S., & Zhao, D. (2014). An improved portfolio optimization model for oil and gas investment selection. Petroleum Science, 11(1), 181-188. [DOI:10.1007/s12182-014-0331-8]
31. Zadeh, L. (1965). fuzzy sets. Information and control, 338-353. [DOI:10.1016/S0019-9958(65)90241-X]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.