بخش بندی مراجعین کتابخانه های عمومی بر مبنای نیازهایشان با استفاده از شبکه عصبی مصنوعی، تحلیل سلسله مراتبی و مدل کانو

امروزه مراجعین به عامل بسیار مهم و حیاتی در هدایت کتابخانه های عمومی مبدل گشته اند. به همین دلیل کتابخانه های عمومی نیاز دارند مراجعین خود را بشناسند و برای کسب رضایت و تامین نیازهای آنها برنامه ریزی کنند. این پژوهش یک الگوی تلفیقی از روش های خوشه بندی به کمک شبکه عصبی، تحلیل سلسله مراتبی و مدل کانو ارائه می نماید تا به وسیله بخش بندی مراجعین کتابخانه های عمومی و به دست آوردن ارزش هر بخش، خدمات مناسب در جهت جلب رضایت آنها ارائه شود. جامعه آماری این پژوهش شامل تمام مراجعین کتابخانه های عمومی استان فارس می باشد و یک نمونه 180 تایی به روش تصادفی ساده از آن انتخاب شده است. ابزار پژوهش پرسشنامه محقق ساخته ای است که بر اساس مدل کانو و مدلی که شاخص های آن طبق نظر خبرگان و متخصصان کتابداری تعیین شده، طراحی گردیده است. بعد از جمع آوری داده ها از میان معماری های ممکن برای شبکه، معماری شبکه خودسازمان ده با بالاترین کیفیت برای بخش بندی یا خوشه بندی مراجعین برگزیده شد و پس از استفاده از نرم افزار MATLAB تعداد چهار خوشه برای مراجعین کتابخانه های عمومی استان فارس تعیین گردید. سپس با استفاده از روش تحلیل سلسله مراتبی خوشه ها اولویت بندی شده و در نهایت با استفاده از مدل کانو، نیازهای هر خوشه تعیین و خدمات مناسب هر خوشه پیشنهاد شد. با استفاده از نتایج پژوهش کتابخانه های عمومی می توانند با بخش بندی و شناسایی مراجعین و کسب رضایت آنها، در امر خدمت رسانی موفق تر باشند.