فصلنامه علمی رسانه‌های دیداری و شنیداری

فصلنامه علمی رسانه‌های دیداری و شنیداری

طراحی الگوی مدیریت هوشمند جدول پخش تلویزیون جمهوری اسلامی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان
علیرضا توحیدی 1
داود نعمتی انارکی 2
علی اکبر فرهنگی 3
1 دانشجوی دکتری مدیریت رسانه، گروه مدیریت رسانه، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 دانشیار گروه ژورنالیسم و خبر، دانشکده ارتباطات و رسانه، دانشگاه صداوسیما، تهران، ایران. استاد مدعو گروه مدیریت رسانه، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. (نویسنده مسئول).
3 استاد گروه مدیریت رسانه، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
10.22085/javm.2022.343420.1931
چکیده
افزایش رقابت، تمایز، تکثیر رسانه‌ها، هم‌چنین بخش‌بندی فزاینده مخاطبان موجب نیاز به تغییر شیوه مدیریت جدول پخش تلویزیون صدا و سیمای جمهوری اسلامی ایران، به‌کارگیری فناوری در مدیریت پخش، برنامه‌ریزی، تصمیم‌گیری، تخصیص بهینه منابع مبتنی بر هوش مصنوعی، یادگیری ماشینی جهت  دستیابی به اهداف و جذب مخاطبان شده است. هدف این پژوهش، چگونگی طراحی الگوی مدیریت هوشمند جدول پخش تلویزیون ایران، با اتکا به شناخت ابعاد، مؤلفه‌ها و شاخص‌ها است، روش تحقیق ترکیبی است، داده‌های کیفی از مطالعه کتابخانه، اسنادی، مصاحبه نیمه‌ساختاریافته با خبرگان(نمونه‌گیری هدفمند) به دست آمده‌است. شیوه و مؤلفه‌های مدیریت هوشمند جدول پخش استخراج و الگوی اولیه پیشنهاد شده و تأیید الگو نهایی از داده‌های کمّی پرسش‌نامه شیوه دلفی بهره برده‌است. مدیریت هوشمند از هوش مصنوعی، زمان‌بندی و برنامه‌ریزی خودکار، سیستم‌های پشتیبانی تصمیم‌گیری هوشمند جهت حل بهینه مسائل چندمعیاری و چندهدفی چینش جدول پخش تلویزیون  ایران استفاده خواهد کرد. یادگیری ماشینی، الگوریتم‌های با نظارت، یادگیری تقویتی و سامانه توصیه‌گر پالایش گروهی برای تنظیم داده‌ها، اطلاعات رسانه، در برنامه‌ها و جدول پخش استفاده می‌شود. شاخصه­های انتخاب و تناسب برنامه‌های مجاور، نحوه چینش،  توالی، تکرار برنامه و بازخورد صریح، ضمنی  و تجربی،  برای مدیریت هوشمند جدول پخش بکار می‌رود. ابعاد الگوی مدیریت هوشمند جدول پخش تلویزیون ایران، شامل تنظیم هوشمند داده‌های ورودی(مدیریت منابع)، برنامه‌ریزی هوشمند(تصمیم‌گیری هوشمند) پیش‌بینی، تخصیص بهینه منابع و ارزیابی هوشمند در این پژوهش، شناسایی و معرفی شده­اند.
کلیدواژه‌ها
مدیریت هوشمند
جدول پخش تلویزیون
هوش مصنوعی
یادگیری ماشینی

عنوان مقاله English

Designing Smart Management Model for the Broadcast Schedule of IRIB TV

نویسندگان English

Ali Reza Towhidi 1
Davood Nematianaraki 2
Aliakbar Farhangi 3
1 Ph.D. Student in Media Management, Department of Media Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran,iran.
2 Associate Professor, Department of Journalism and News, Communication and Media Faculty, IRIB University, Tehran,iran. Invitated Associate professor of media management department, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, IRAN .(Corresponding Author).
3 Professor, Department of Media Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University,Tehran, Iran.
چکیده English

The increase in competition, differentiation, and proliferation of media, and the increasing segmentation of the audiences, have necessitated a change in the way the broadcast schedule of the IRIB is managed, using the technology in broadcast management, planning, decision-making, optimal allocation of resources based on artificial intelligence, and machine learning to achieve the goals and attract the audiences. The purpose of this research is to design a model of smart management for the Islamic Republic of Iran Broadcasting (IRIB) broadcast schedule, according to the recognition of such a management’s dimensions, parameters, and indicators. The research method in this article is mixed. The qualitative data was obtained from library study, document analysis, and semi-structured interviews with the experts (using targeted sampling). Then, the parameters of smart management of the broadcast schedule have been extracted and the initial model was proposed. Final confirmation of the model has been done through the Dlephi method and via quantitative data. Smart management includes artificial intelligence, automatic scheduling and planning, and intelligent decision-making support systems to optimally solve multi-criteria and multi-objective issues used in arranging the IRIB TV’s broadcast schedule. Machine learning, supervised algorithms, reinforcement learning, and collaborative filtering recommender systems are used to adjust the data and media information in the programs and the playlist. The indicators of selection and suitability of adjacent programs, quality of the arrangement, sequence, program repetition, and explicit, implicit, and experiential feedback are used for smart management of the broadcast schedule. Dimensions of the smart management model of the IRIB TV’s broadcast schedule including smart adjustment of the input data (resources management), smart planning (smart decision-making), prediction, optimal allocation of resources, and smart evaluation have been identified and introduced in this research.

کلیدواژه‌ها English

Smart Management
TV Broadcast Schedule
Artificial Intelligence
Machine Learning
 
باتلر، جرمی (1388).تلویزیون، کاربرد و شیوه های نقد.مهدی رحیمیان. انتشارات دانشکده
صداوسیما
پارسا کردآسیابی،طنانه، شریفی آرش، طاولی رضا، (1394). بهبود زمان‌بندی در محاسبات ابری با استفاده از روش چندهدفه هوش انبوه .هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش . https://civilica.com/doc/388748/
پیرایش، رضا و مقدم زرندی، مهشید، (1395)"تصمیم‌گیری هوشمند در جهان در حال توسعه"،چهارمین کنفرانس بین المللی پژوهشهای کاربردی  در مدیریت و حسابداری، تهران.
https://civilica.com/doc/567999
پیرهادی،فاطمه(1398) راهبردهای زمان بندی پخش برنامه های تلویزیونی. نشر مرکز طرح، برنامه صداوسیما . تهران
توکلی، مجتبی (1392) ارزیـابی جدول پخش پـخش شـبــکه‌های یـک، دو، سـه و چـهار سیـمای جمهـوری اسـلامی ایـران در فـصل پـاییـز سـال1392. پایان نامه ارشد دانشگاه صداوسیما .
شهبازی، محمد (1398).مدیریت نظام پخش (تحلیل جدول پخش).ناشر اداره سنجش افکار سیما
گیلانی نیا، شهرام. (1394)."هوش مصنوعی و الگوریتم ترکیبی مناسب برای افزایش دقت پیش‌بینی‌های مدیریتی". مجله مدیریت فناوری. شماره 4.ص157-174
عباس فام، هوشنگ،1392، "روشهای پیش بینی در مدیریت و مطالعات آینده پژوهی"، دومین همایش ملی آینده پژوهی، تهران. ،https://civilica.com/doc/242252
یونگهاگن ،سون ، هنریک‌سی‌جی لیندروث(2003).مدیریت هوشمند در اقتصاد دانایی محور، مترجم عباس منوریان. مرکز مدارک علمی و انتشارات سازمان مدیریت و برنامه‌ریزی کشور.
 
-Chan-Olmsted Sylvia M.(2019). A Review of Artificial Intelligence Adoptions in the Media Industry.Pages 193-215 International Journal on Media Management.doi.org/10.1080/14241277.2019.1695619
-Chang Na, Mhd Irvanb, Takao Teran(2013) TV program recommender framework. Tokyo Institute of Technology, 4259-J2-52 Nagatsuda-Cho, Midori-ku, Yokohama, 226-8502, Japan.
-Chang Jui-Hung · Chin-Feng Lai · Ming-Shi Wang(2014). A fair scheduler using cloud computing for digital TV programre commendation system. Telecommun System DOI 10.1007/s11235-014-9921-4.© Springer Science+Business Media New York 2014
-Chernov Alexey  (2019). ARTIFICIAL INTELLIGENCE IN MANAGEMENT: CHALLENGES AND OPPORTUNITIES. Conference: 38th International Scientific Conference on Economic and Social Development.
 
Cortellessa Gabriella,Alfonso Emilio ,Gerevini,Daniele Magazzeni,Ivan Serina. Automated planning and scheduling. Intelligenza Artificiale 8 (2014): 55–56. doi:10.3233/IA-140060..
 
- Ferreira,Deborah.Rozanova,Julia,.Krishna,Dubba. Zhang Dell.(2020). On the Evaluation of Intelligence Process Automation. The University of Manchester. https://www.researchgate.net/publication/338476584
 
 Idowu Samuel;  Strübe Daniel r;  Berger Thorsten, "Asset Management in Machine Learning: A Survey," 2021 IEEE/ACM 43rd International Conference on Software Engineering: Software Engineering in Practice (ICSE-SEIP), 2021, pp. 51-60, doi: 10.1109/ICSE-SEIP52600.2021.00014.
 
-Jelonek D. Mesjasz-Lech A. Stępniak C.Turek T.Ziora L.(2020)The Artificial Intelligence Application in the Management of Contemporary Organization: Theoretical Assumptions, Current Practices and Research Review.
 
Jardine, Bryony & Romaniuk, Jenni & Dawes, John & Beal, Virginia. (2016). Retaining the primetime television audience. European Journal of Marketing. 50. 1290-1307. 10.1108/EJM-03-2015-0137.
-Murshida Aishath, Chaithra, Nishmitha, P B Pallavi , Raghavendra, Mahesh Prasanna .(2019). Survey on Artificial Intelligence .International Journal of Computer Sciences and Engineering Open Access .Survey Paper Vol.-7, Issue-5, May 2019 E-ISSN: 2347-2693 , India *DOI: https://doi.org/10.26438/ijcse/v7i5.17781790 |
-
-Napoli Philip M (2016) Special Issue Introduction: Big Data and Media Management, Rutgers University, USA.International Journal on Media Management, 18:1, 1-7, DOI: 10.1080/14241277.2016.1185888
-Nelson Jacob L. & James G. Webster (2016): Audience Currencies in the Age of Big Data, Northwestern University, USA. International Journal on Media Management, DOI: 10.1080/14241277.2016.1166430
 -Lee S, Lee D (2018) A personalizedchannel recommendation and scheduling systemconsidering both section video clips and full videoclips. PLoS ONE 13(7): e0199748. https://doi.org/10.1371/journal.pone.0199748
-Lupo Toni,( 2014)Non‐dominated “trade‐off” solutions in television scheduling optimization
INTERNATIONAL TRANSACTIONS INOPERATIONAL RESEARCH 00 (2014) 1–2. https://doi.org/10.1111/itor.12137
-Reddy Srinivas K, Jay E. Aronson and Antonie Stam .1998.Scheduling Programs Optimally for Television.SPOT: Management Science .Vol. 44, No. 1 (Jan., 1998), pp. 83-102 .Published by: INFORMS .https://www.jstor.org/stable/2634428 .Page Count: 20
-Report  ITU-R  BT.2447-0 (2019). Radio communication Sector . Artificial intelligence systems for programme production and exchange .http://www.itu.int/ITU-R/go/patents/en.http://www.itu.int/publ/R-
-
-Suzuki Yasuhisa.   Itaru Nishioka.   Wemer M. Wee(2019). TV Advertisement Scheduling by Learning Expert Intentions.International Conference on Knowledge Discovery & Data MiningJuly 2019 Pages 3071–3081https://doi.org/10.1145/3292500.3330768
- TylerEastman. susan   Douglas A. Ferguson. (2013). Media Programming: Strategies and Practices 9th Edition, Kindle Edition.
-Vahab Samandi.Debajyoti Mukhopadhyay.(2017).Proposing an Architecture for Scientific Workflow Management System in Cloud. india
-Wren. Gloria Phillips- Manuel Mora.Guisseppi A. Forgionne.Jatinder N. D. Gupta.(2009) An integrative evaluation framework for intelligent decision support systems. European Journal of Operational Research.Volume 195, Issue 3, 16 June 2009, Pages 642-652. https://doi.org/10.1016/j.ejor.2007.11.001Get rights and content