شناسایی و اولویت بندی شاخص های سیاست گذاری توسعه صنعت نزم افزار ایزان

الموضوعات :

Hossien Rofoogar ¹ (M.A in Industrial Management, Tehran Central Branch, Islamic Azad University, Tehran, Iran)
Mehdi Faghiehi ² (PhD Student in Governmental Management, Science and Research Branch, Islamic Azad University, Tehran, Iran)

تاريخ الإرسال : 23 الأربعاء , ربيع الثاني, 1439 تاريخ التأكيد : 23 الأربعاء , ربيع الثاني, 1439 تاريخ الإصدار : 08 الجمعة , صفر, 1434

الکلمات المفتاحية: اولویت بندی, نرمافزار» ایران» سیاست گذاری,

ملخص المقالة :

صنعت نرم‌اقزار یکی از محورهای مهمتوسعه در صنعت فناوری اطلاعاتبه شمار می رود. این صنعت در ایران علیرغم وجود ظرفیت‌هایبالقوهشکوفایی و سودآورینتوانسته در حدی کهشایسته است رشد نماید و بناً به دلایلی که در این مقالهبه آنآشاره خواهد شد. سهم ایران از مجموع حجم جهانی تجارت اینصنعت ناچیز است. هدف از اینمقالهء در گام اول شناسایی و سپس اولویت بندی خط مشی ها و راهکارهایتوسعه صنعت رم افزار در ایران میباشد. با بررسیپیشینه تحقیق و انجام مصاحبه دقیقبا خبرگان راهکارهایتوسعه صنعت نرم افزار در ایران شناسایی ودسته بندی شد؛ شاخص ها بر اساس نظر اعضای جامعهتحقیق شامل ۳۳نفر از صاحب نظران حوزه نرم افزار در بخش های صنعتی, دانشگاهی و سیاست گذاری, اولویت بندی شد. اساسفرآیند این پژوهش بدینترتیب است. از منظرفلسفی این پژوهش از پارادایم تفسیری-اثبات گرایی پیروی می کند. جهت گیری پژوهش, کاربردی و رویکرد آناستقرابی است؛صبفه پژوهش, کمی- کیفی است و نوع آن میدانی می باشد؛ استراتژی های اینتحقیق از نوعهمبستگی و مطالعه موردی است و در نهایت, اهداف اصلی پژوهش,تبیین اکتشاف و توصیف می باشد.شیوه گردآوری داده ها,مصاحبه و پرسش نامه بودهو تحلیل این داده هاتوسط نرم افزار آماری 5۳55 و آزمون فریدمن صورتگرفته است. پژوهشبه ایننتیجه رسیده است که تعیین متولی واحد در حوزه نرم افزار دربین راهکارهای راهبردی, رعایت قوانین کپی‌رایت و حق مالکیت معنوی در بین راهکارهایسیاستی و بازنگری در نحوه آموزش دانشجویانرشته مهندسی نرم‌افزار از بین راهکارهای زیرساختی دارای بیشترین اولویت استکهتوجهبه این عوامل و همچنین اولویت آنها برایتوسعه صنعت نرم افزار اهمیت فراوانی دارد.اولویت بندی, نرمافزار ایران سیاست گذاری.

المصادر:

Supplier Selection Problem in a supply chain. International Journal of Industrial Eng. &
Production Research,19(4):1-8.
2. Azaiez M.N. & Al Sharif S.S. (2005). A 0-1 goal programming model for nurse
scheduling . Computers & Operations Research, 32,491-507.
3. Chang, C. T. (2008). Revised multi-choice goal programming. Applied Mathematical
Modeling, 32, 2587–2595.
4. Chen, C. T., Lin, C. T., & Huang, S. F. (2006). A fuzzy approach for suppler evaluation
and selection in supply chain management. International Journal of Production
Economics, 102, 289–301.
5. Chen Z. and Yang W. (2011). An MAGDM based on constrained FAHP and FTOPSIS
and its application to supplier selection. Mathematical and Computer Modeling, 54, 2802–
2815.
6. Chou, C.C. (2003). The canonical representation of multiplication operation on triangular
fuzzy numbers. International Journal of Computers and Mathematics with Applications,
45,1601-1610.
7. Dalalah D., Hayajneh M. and Batieha, F. (2011). A fuzzy multi-criteria decision making
model for supplier selection. Expert Systems with Applications, 38, 8384–8391.
8. Dickson, G. W. (1966). An analysis of supplier selection system and decision. Journal of
Purchasing, 2(1), 5–17.
9. Ellram, L. (1990). The supplier selection decision in strategic partnerships. Journal of
Purchasing and Material Management, 26(1), 8–14.
10. Evans, R. H. (1980). Choice criteria revisited. Journal of Marketing, 44(1): 55–56.
11. Faeza, F., Ghodsypour, S. H., & O’Brien C. )2009(. Vendor selection and order allocation
using an integrated fuzzy case-based reasoning and mathematical programming model .
Int. J. Production Economics, 121, 395–408.
12. Famuyiwa O., Monplaisir L., & Nepal, B. (2008). An integrated fuzzy-goalprogramming-based framework for selecting suppliers in strategic alliance formation , Int.
J. Production Economics,113, 862–875.
13. Ghosypour S.H. & O’Brien, C. (1998). A decision support system for supplier selection
using an integrated analytic hierarchy process and linear programming. International
Journal of Production Economics, 199-212:56-7.
14. Jadidi O., Hong T.S., Firouzi F., Yusuf, R. M. & Zulkifli, N. (2008). TOPSIS and fuzzy
multi-objective model integration for supplier selection problem. Journal of Achievements
in Materials, 31(2).
15. Liao S.N. & Kao H.P. (2011). An integrated fuzzy TOPSIS and MCGP approach to
supplier selection in supply chain management. Expert Systems with Applications, 38
,10803–10811.
16. Lin, H. T., & Chang, W. L. (2008). Order selection and pricing methods using flexible
quantity and fuzzy approach for buyer evaluation. European Journal of operational
Research, 187(2), 415–428.
17. Montazer G.A., Saremi H.Q. & Ramezani M. (2009). Design a new mixed expert decision
aiding system using fuzzy ELECTRE III method for vendor selection. Expert Systems
with Applications, 36, 10837–10847.
18. Ozgen D. , Onut S., Gulsun B., Rıfat U.and Tuzkaya G. (2008). A two-phase possibility
linear programming methodology for multi-objective supplier evaluation and order
allocation problems. Information Sciences, 178 ,485–500
19. Shahanaghi K. abd Yazdian S.A. (2009). Vendor Selection Using a New Fuzzy Group
TOPSIS Approach. Journal of Uncertain Systems, 3(3), 221-231.
20. Ustun O. and DemirtasE.A. (2008). An integrated multi-objective decision-making
process for multi-period lot-sizing with supplier selection .the int. Journal of management
science- Omega, 36, 509 – 521.
21. Wang G., Hang S.H. and Dismukes J.P.(2004). Product-driven supply chain selection
using integrated multi-criteria decision making methodology. International Journal of
Production Economics, 91 1-15.
22. Weber, C. L., Current, J. R., & Benton, W. C. (1991). Vendor selection criteria and
methods. European Journal of Operational Research, 50(1), 2–18.
23. Xu J. and Yan F. (2011). A multi-objective decision making model for the vendor
selection problem in a bi fuzzy environment. Expert Systems with Applications, 38,
9684–9695.
24. Yang J.L., Chiu H.N., Tzeng G.H. & Yeh R.H. (2008). Vendor selection by integrated
fuzzy MCDM techniques with independent and interdependent relationships. Information

_||_

Naseri, A., Afsar, A.(2011), Developing a Model to Select Clients in Software Projects,
Information Technology Management, No. 9, Tehran University Pub., Tehran, Iran.
2. Rofoogar Astaneh, Hussein. (2009), Diagnosis of Software industry in Iran, Majlis
Research Center Pub., Tehran, Iran.
3. Danaee Far, H., Alvani, M., Azar, A. (2008), Quaintly Methodology in Management, 2th
Ed., Saffar Pub., Tehran, Iran.
4. Heeks, Richard. (1996) India's Software Industry: State Policy, Liberalization and
Industrial Development, Sage Pub., 428.
5. Heeks, Richard. (2010). Technology Policy Making as a Social & Political Process:
Liberalizing India’s Software Policy, Technology Analysis & Strategic Management, pp.
275 – 291.
6. Balasubramanyam, V., A. Balasubramanyam. (2008), The software cluster in Bangalore, in
Dunning (ed.), Regions, Globalization and the knowledge-based Economy, Oxford
University Press, 147-149.
7. L. Press, Software Export from Developing Nations. (2009). IEEE Computer, No. 26, pp
62–67.
8. Akella, R., R. Dossani. (2009), a report on the software value chain: the Indian suppliers
during the downturn, Working Paper, Asia-Pacific Research Center, Stanford University,
67-93.
9. Condon, Jennifer. (2009). Strategy for the Software Sector, Presentation to the Irish
Software Association Executive Council.
10. C.H.C. Duarte and C.E.C. Branco. (2008), Social and Economic Impacts of the Brazilian
Policy for Information Technologies, Revista do BNDES, 8(15), 125–145.
11. R.L. La Rovere, S.E. Goodman, (2009), Computing in the Brazilian Amazon, 35(4), 21–
24.
12. Cebit IT Eurasia. (2009), Information Technologies, Tuyap Congress and Fair Center,
Istanbul, Turkey.
13. Towards a Globalized Software Industry. (2009). Hannu Jaakkola, Acta
Polytechnica Hungarica. 6(5), 43-57.
13. Dinesh B. Saparamadu. (2006). Overview Of the Sri Lankan IT Industry, Serilanka
14. Bulgarian State Agency for Information Technology and Communications.