(۵۰.۳)

 

 

 

 

 

۲.۵.۳- نتایج:
شکل ۱۷.۳.الف و ۱۷.۳.ب نشاندهندهی افزایش ضخامت لایهی مرزی با زمان می باشند. از طرفی با توجه به معادلهی (۴۳.۳) واضح است که افزایش  منجر به افزایش هدایت حرارتی سیال میگردد. افزایش هدایت حرارتی سیال به انتشار بهتر انرژی بین لایه های سیال کمک کرده و در نتیجه توزیع دمای سیال درون لایهی مرزی افزایش مییابد. این مساله در شکل ۱۸.۳.ب قابل مشاهده است که با افزایش  توزیع دمای سیال نیز افزایش مییابد. افزایش توزیع دمای سیال منجر به افزایش نیروی بویانسی شده که این امر نیز به افزایش سرعت کمک میکند. این مساله نیز در شکل ۱۸.۳.الف آورده شده است که با افزایش  توزیع سرعت نیز افزایش مییابد. در شکل ۱۹.۳.الف چون گرادیان سرعت در  های بالاتر بیشتر است پس ضریب برش دیواره با افزایش هدایت حرارتی افزایش مییابد اما در مقابل با افزایش هدایت حرارتی نرخ انتقال حرارت دیواره کاهش مییابد که این مساله در شکل ۱۹.۳.ب نشان داده شده است و به علت کاهش گرادیان دما با افزایش هدایت حرارتی میباشد. شکل ۲۰.۳.الف و ۲۰.۳.ب نشان میدهد که با افزایش زاویه از نقطهی سکون ضریب برش دیواره و نرخ انتقال حرارت دیواره کاهش پیدا میکند و در نقطهی سکون حداکثر مقدار خود را دارد. علت این مساله هم حداکثر بودن گرادیان دما و سرعت در نزدیکی نقطهی سکون است. از طرفی با توجه به جدول ۱۲.۳ و ۱۳.۳ افزایش هدایت میزان پایین زنی در نرخ انتقال حرارت را افزایش میدهد اما میزان بالازنی در ضریب برش دیواره تغییر نمیدهد.
۶.۳- بررسی اثر لزجت و هدایت حرارتی متغیر با دما بر جریان جابجایی آزاد گذرا بر روی کره دما ثابت
اگر مساله به صورت فیزیکیتر بررسی شود، جریان سیال هم دارای ویسکوزیتهی متغیر میباشد و هم دارای هدایت حرارتی متغیر با دما میباشد. بنابراین اثرات ویسکوزیتهی متغیر و هدایت حرارتی متغیر با دما بر جریان جابجایی آزاد گذرا در اطراف کرهی همدما مورد بررسی قرار گرفته شده است.

۱.۶.۳- مدلسازی ریاضی جریان:
فرضیاتی که در این بخش به فرضیات جریان گذرا اضافه شده است

 

 

• خواص سیال را بجز لزجت و هدایت حرارتی ثابت در نظر گرفته شده است.

 

 

تابع تغییر لزجت و هدایت حرارتی را مطابق با معادلات (۳۵.۳) و (۴۳.۳) در نظر گرفته شده است؛ به عبارت دیگر تابع تغییرات لزجت را معکوس خطی با دما و تابع تغییرات هدایت حرارتی را به صورت خطی با دما در نظر گرفته شده است.
با توجه به فرضیات مذکور معادلهی مومنتم و انرژی بدین صورت تعریف میشود:

 

 

(۵۱.۳)

 

 

 

 

 

(۵۲.۳)

 

 

 

 

 

و شرایط مرزی و اولیهی آن به صورت معادلهی (۴.۳) است. پس با توجه به معادلات (۵.۳)، (۶.۳)، (۳۵.۳) و (۴۳.۳) داریم :

 

 

(۵۳.۳)

 

 

 

 

 

(۵۴.۳)

 

 

 

 

 

که معادلهی ساده شدهی آن بدین صورت است:

 

 

(۵۵.۳)

 

 

 

 

 

(۵۶.۳)

 

 

 

 

همانطور که ملاحظه می شود رشته علوم انسانی با ۶۱٫۳ درصد بیشترین فراوانی را به خود اختصاص داده است، همچنین رشته علوم تجربی با درصد فراوانی ۱۶٫۹ در جایگاه دوم قرار دارد.
۴-۲-۵ رتبه شغلی
پس از جمع آوری پرسشنامه رتبه شغلی پاسخگویان مورد بررسی قرار گرفته و نتایج حاصله در جدول (۴-۵) گزارش گردید.
جدول (۴-۵) رتبه شغلی پاسخگویان در نمونه مورد مطالعه

 

رشته تحصیلی	فراوانی	درصد فراوانی	درصد فراوانی تجمعی
آموزشی	۱۶۳	۰٫۷۲	۰٫۷۲
مدیر میانی یا کارشناس	۶۲	۰٫۲۸	۱۰۰
جمع	۲۲۵	۱۰۰٫۰	—

بر این اساس بیشترین میزان فراوانی مربوط به پرسنل آموزشی با تعداد ۱۶۳ نفر می باشد بر این اساس ۷۲% پاسخگویان در این گروه قرار دارند. همچنین در اولویت دوم مدیران میانی با تعداد ۶۲ نفر قرار دارند که ۲۸% حجم نمونه را به خود اختصاص داده اند.
۴-۳ تحلیل عاملی اکتشافی داده ها
تحلیلی اساساً برای کاهش داده ها یا شناسایی ساختار به کار می رود هدف از کاهش داده ها حذف متغیرهای اضافی از فایل داده ها می باشد و هدف از شناسایی ساختار بررسی روابط پنهان بین متغیرها می باشد. تحلیل عاملی نامی است عمومی برای برخی از روش های چند متغیره که هدف اصلی آن خلاصه کردن داده ها است. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آنها را در قالب عاملهای محدودی دسته بندی کرده تبیین می کند. همانطور که در اکثر کتب آماری قابل مشاهده است،تحلیل عاملی به دو صورت تحلیل عاملی اکتشافی و تحلیل عامل تأییدی قابل اجراء است. در این تحقیق، به منظور شناسایی متغیرهای مکنون و اطمینان از صحت مدل های اندازه گیری از تحلیل عاملی اکتشافی و تأییدی استفاده شده است. در تحلیل عاملی اکتشافی محقق در صدد کشف ساختار زیر بنایی مجموعه نسبتاً بزرگی از متغیرها می باشد و پیش فرض اولیه تحقیق آن است که هر متغیری ممکن است با هر عاملی ارتباط داشته باشد. در این تحقیق از تحلیل عاملی اکتشافی در جهت سنجش روایی از نوع واگرا استفاده نمودیم. به عبارتی تحلیل عاملی می تواند ساختار ساز و مدل ساز باشد. همچنین جهت آزمودن مدل های اندازه گیری و اطمینان از صحت آن از تحلیل عاملی تأییدی(روایی همگرا) استفاده شده است. در تحلیل عاملی تأییدی پژوهشگر به دنبال تهیه مدلی است که فرض می شود داده های تجربی را بر پایه پارامتر بسیار اندک،توصیف،تبیین یا توجیح می کند.

تحلیل عاملی از طریق دو نرم افزار spss ،Lisrel قابل محاسبه است که کمی با یکدیگر تفاوت دارند. لازم به ذکر است که به منظور کاهش متغیرها و در نظر گرفتن آنها به عنوان یک متغیرمکنون، بار عاملی به دست آمده باید بیشتر از ۰٫۳ باشد(مومنی و فعال قیوم،۱۳۸۹)که در این تحقیق بارهای عاملی بالاتر از ۰٫۵ شناسایی و مد نظر قرار داده شده اند.
۴-۳-۱تحلیل عاملی اکتشافی متغیر منابع قدرت مدیران
خروجی اول به ترتیب شامل شاخص KMO، مقدار آماره آزمون بارتلت، درجه آزادی و sig آزمون می باشد. بر این اساس با توجه به نتایج مشاهده شده مقدار شاخص KMO برابر ۰٫۷۵۷ می باشد.نتیجتاً تعداد نمونه مناسب مورد استفاده کافی می باشد. همچنین مقدار sig آزمون بارتلت۰٫۰۰۰، کوچکتر از ۵ % است که نشان می دهد نتایج تحلیل عاملی مورد پذیرش می باشد و فرض شناخته شده بودن ماتریس همبستگی رد می شود.

 

جدول(۴-۶): KMO and Bartlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.		.۷۵۷
Bartlett’s Test of Sphericity

جدول۳-۴ عبارات که حاوی کلمات عامیانه هستند. با انجام پیش پردازش، عبارات اصلاح شده و به فرم قابل مشاهده در جدول تبدیل می‌شوند.

 

عبارت حاوی کلمات عامیانه و فاصله‌های نامنظم	عبارت پیش پردازش شده با تنظیم فاصله‌ها و تبدیل کلمات به فرم رسمی
آخرین ایرادی که این گوشی داره حافظه ی داخلیه کمیه که داره	آخرین ایرادی که این گوشی دارد حافظه‌ی داخلی کمی هست که دارد
افتضاس	افتضاح است
یه کم سنگینه	یک کم سنگین است

روش پیشنهادی شامل پنج فاز اصلی می‌باشد، که در شکل (۱) قابل مشاهده هستند. همانطور که در شکل مشخص شده، ورودی تحلیلگر احساس مجموعه‌ای از اسناد هستند، در ابتدا همه اسناد پیش‌پردازش می‌شوند تا به قالب مناسب برای تحلیل در فازهای بعدی تبدیل شوند. پس از انجام پیش‌پردازش‌ها با بهره‌گیری از کتابخانه Persian POS Tagger برچسب POS کلمات را به متن اضافه می‌کنیم. در فاز دوم روش پیشنهادی، خصیصه‌های مورد نیاز از متن استخراج می‌شوند، سپس با ترکیب کردن خصیصه‌ها، بردار خصیصه‌های را تشکیل می‌دهیم، با داشتن بردار خصیصه‌ها باید هر سند را بصورت یک بردار خصیصه نمایش دهیم. در پایان نیز خصیصه‌های سودمند را انتخاب می‌کنیم و عملیات طبقه‌بندی را انجام می‌دهیم.

شکل۳-۸ شمای کلی روش پیشنهادی.
 

• •  

 

 

 

• • • • 1. 1. ریشه یابی و برچسب‌گذاری نقش کلمات

         

         

     

     

 

برای ریشه‌یابی و برچسب‌گذاری نقش کلمات از نرم افزار برچسب گذاری نقش کلمات فارسی دانشگاه فردوسی مشهد^[۳۰] استفاده ‌شده‌است. این نرم افزار توسط تیم پردازش زبان طبیعی دانشگاه فردوسی مشهد طراحی و پیاده‌سازی شد. شکل۳-۹ یک مثال از عملکرد این نرم افزار را نشان می دهد.
ریشه یاب و برچسب گذار نقش کلمات فارسی
البته<ADV> تنها<ADV> بدی<N> که<SUBR> داشت<V> که<SUBR> البته<ADV> دی<N> کالا<N> هم<ADV> به<PREP> آن<PREM> اشاره<N> کرد<V> یک<PRENUM> کیفیت<N> پایین<ADJ> فیلم<N> آن <PR> است<V>
شکل۳-۹ برچسب گذار زبان فارسی: در این شکل یک مثال از عملکرد ریشه‌یابی و برچسب‌گذاری کلمات فارسی را می‌بینیم، خروجی به این شکل تولید می‌شود: ابتدا ریشه هر کلمه مشخص می‌شود سپس به هر کلمه نقش سخن آن اضافه شده و کلمه-POS مطابق شکل تولید می‌شود.
البته تنها بدی‌هایی که دارد که البته دیجی کالا هم به آن‌ها اشاره کرده یکی کیفیت پایین فیلمبرداری آن است . . .
تعداد زیاد خصیصه‌ها در متون از جمله مشکلات مطرح در تحلیل احساسات و عقاید موجود درمتن برای همه زبان‌ها است، با ریشه‌یابی کلمات می‌توانیم تعداد خصیصه‌ها را کاهش دهیم. در این تحقیق ابتدا ریشه‌ی کلمات استخراج شد ، و در مرحله بعد برچسب نقش کلمات به متن اضافه شد.