عدم نیاز به مدل­سازی و ذخیره مدل کامل و دقیق محیط
محاسبات و تاخیر کمتر میان عمل و ادراک
نسبت به رویکرد سلسله مراتبی مقاوم­ترو قابل اطمینان­تر می­باشد. از این لحاظ که در هنگام خطای یکی از واحدهای رفتاری، سایر واحدها به انجام وظایف خود ادامه می­ دهند.
معایب معماری مبتنی بر رفتار عبارتند از:
مساله تلفیق رفتارهای مجزا: تعامل میان سامانه ناوبری و محیط مشکل و کمتر قابل پیش ­بینی می­باشد.
رفتارها در سطح پایین هستند و رفتارهای سطح بالا را انعکاس نمی­دهند.
نبود ماژول تصمیم ­گیری می ­تواند برای بعضی مسایل پیچیده مناسب نباشد.

روش ترکیبی
علی رغم اینکه معماری مبتنی بر رفتار چهارچوب موفقی برای ناوبری ربات­های متحرک فراهم می ­آورد، هنوز برخی مشکلات در مواجه با محیط­های پویا و ناشناخته وجود دارند. یک رویکرد برای حل این مشکلات، ترکیب معماری­های سلسله مراتبی و مبتنی بر رفتار می­باشد. روش­های ترکیبی می توانند به سه دسته کلی طبقه بندی شوند [۱۶]: مدیریتی^[۲۱]، سلسله مراتب حالت­ها^[۲۲] و مدل گرا^[۲۳]. در نوع مدیریتی [۲۱-۲۵] ماژول سلسله مراتبی مسئول تصمیم ­گیری در سطح بالاتر است. سپس تصمیمات برای پیاده­سازی به سطح پایین­تر که ماژول مبتنی بر رفتار است فرستاده می­شوند. هر ماژول سعی می­ کند مسایل را به تنهایی اصلاح و حل کند ولی چنانچه امکان پذیر نبود به ماژول بالادست خود ارجاع می­دهد. نوع سلسله مراتب حالت­ها [۲۶, ۲۷] دانش مربوط به حالت­های گذشته، حال و آینده ربات را به کار می­گیرد. لایه سلسله مراتبی برای پیش ­بینی آینده (طرح مسیر) نیازمند حالت گذشته ربات (کارهای انجام شده در گذشته) می­باشد. لایه مبتنی بر رفتار در حال عمل می­ کند (خود آگاهی) و مسئول انجام فرامین لایه سلسله مراتبی و تولید حرکت ربات می­باشد. نوع مدل گرا [۲۸] بیشتر بر مدل سراسری محیط تمرکز می­ کند و بیشتر مشابه روش سلسله مراتبی است. با این حال، لایه مبتنی بر رفتار فوراً از مدل سراسری به روز شده محیط استفاده می­ کند تا زمان پردازش کاهش یابد [۲۹].
روش­های ترکیبی معمول از سه لایه تشکیل می­شوند (شکل(‏۲‑۵)): سلسله مراتبی، تلفیق کننده و مبتنی بر رفتار. لایه سلسله مراتبی برای مسایل سطح بالا به کار می­رود تا طرح بهینه را تولید کند. محدودیت­های سطح بالا تشکیل شده اند از: ترکیب داده های حسگرها، ساخت نقشه و تصمیم ­گیری. سپس دستورات بهینه از سطح بالاتر به لایه مبتنی بر رفتار برای تولید عمل ارسال می­شوند. لایه تلفیق کننده مسئول نظارت میان تعامل لایه­ های سطح پایین و سطح بالا می­باشد [۳۰]. اجتماع مشخصه­های مختلف دو معماری سلسله مراتبی و مبتنی بر رفتار در روش ترکیبی معماری مقاوم و انعطاف­پذیر نوینی را تشکیل می­دهد.

شکل(‏۲‑۵): معماری ترکیبی جهت ناوبری ربات [۳]

مطالعات مرتبط
منطق فازی به دلیل خصوصیات موثر خود از قبیل عدم نیاز به مدل دقیق محیط، پایداری نسبت به داده ­های غیر قطعی و نویزی، پاسخ سریع و پیاده سازی آسان، ابزاری کارآمد برای حل مساله­ی ناوبری ربات خودمختار به شمار می­رود [۳۱-۳۴]. پارامترهای سامانه استنباط فازی گاهاً به طور غیربرخط تنظیم می­شوند. عموماً این تنظیم بر اساس دانش نخبه یا فرایند سعی و خطا انجام می­ شود، که در مورد موقعیت­های پیش ­بینی نشده کافی نمی ­باشد. برای حل این مشکل و طراحی سامانه تصمیم ­گیری فازی وفق پذیر با رویدادهای پیش ­بینی نشده، به کارگیری الگوریتم­های یادگیری ضروری به نظر می­رسد.
روش­های یادگیری را می توان در دو دسته­بندی کلی بامربی و بدون­مربی قرار داد. مشکل رویکردهای یادگیری بامربی، نظیر شبکه ­های عصبی، فراهم کردن داده ­های دقیق آموزشی است، که در مورد ناوبری خودمختار معمولاً در دسترس نیستند. حتی اگر این داده ها فراهم باشند، ممکن است فرایند یادگیری زمان­بر و پرهزینه باشد [۳۴-۳۶]. یکی از الگوریتم­های کارآمد یادگیری بدون­مربی، یادگیری تشدیدی [۳۷, ۳۸] است. برخلاف یادگیری بامربی که مقدار خروجی صحیح برای هر الگوی ورودی به منظور یادگیری در دسترس است، مساله­ی یادگیری تشدیدی به جای اطلاعات آموزشی از پیش آماده شده برای یادگیری، تنها دارای اطلاعات بسیار ساده­ی جریمه یا پاداش است. مهم­ترین دسته­ی الگوریتم­های یادگیری تشدیدی، مبتنی بر تخمین مقدار توابع ارزش جفت­های عمل-حالت هستند. این توابع ارزش تخمین می­زنند انجام عملی معلوم در حالتی معلوم چه پاداشی به همراه خواهد داشت. یادگیری Q یک روش پیاده­سازی یادگیری تشدیدی است، که در آن توابع ارزش جفت­های عمل-حالت، با نام Q شناخته می­­شوند. همیشه حالت­های مخفی­ای در محیط وجود دارد، که در مرحله­ یادگیری Q (مخصوصاً در صورت گسسته بودن حالت­ها) مشاهده نمی­شوند. بنابراین، الگوریتمی که تنها مبتنی بر یادگیری Q باشد، حتی در مواجه با تغییرات کوچک محیط قادر به یافتن استراتژی بهینه نیست. بنابراین، تعمیم مساله­ی مهمی در یادگیری تشدیدی محسوب می­ شود. یک راه حل این است که محیط به صورت مجموعه ­ای از حالات فازی مدل شود. به علت خاصیت تعمیم­پذیری فازی، بیان فازی حالات به طور موثر و بدون از دست رفتن اطلاعات تعداد حالات را کاهش می­دهد. با توجه به نکات بیان شده، به نظر می­رسد ترکیب الگوریتم فازی و یادگیری تشدیدی رویکردی مناسب جهت ناوبری ربات­های خودمختار باشد. الگوریتم فازی قابلیت پیاده­سازی رفتارهای مجزای ساده و به عبارتی نگاشت حالات به عمل­ها را داراست. لیکن در تشخیص خودکار اینکه کدام رفتار (عمل) در هر حالت بایستی اتخاذ شود، نیازمند به کارگیری الگوریتم یادگیری است. از طرفی، در صورت نگاشت مناسب حالات به عمل­ها، یادگیری Q در فعال­سازی رفتار مناسب، عملکرد مطلوبی دارد.
یادگیری Q داری ساختار بدون مربی و پویا، ساده و قابل پیاده سازی آسان می­باشد، که ابزاری کارآمد جهت تنظیم برخط سامانه استنباط فازی است [۳۷-۳۹]. استفاده از یادگیری Q برای تنظیم سامانه تصمیم ­گیری و پاسخ به محیط­ها و وقایع مختلف در واقع به نوعی یک روش ترکیبی است که بیشتر در دسته سلسله مراتب حالت­ها قرار می­گیرد و نیازمند مدل­سازی نیست. لایه سلسله مراتبی همان رویه اتخاذ شده در یادگیری Q (نحوه اعمال پاداش یا جریمه) می­باشد. ترکیب بین رفتارها در لایه سطح بالاتر و با در نظر گرفتن اهداف تاکتیکی با بهره گرفتن از یادگیری Q انجام می­ شود. ترکیب یادگیری Q و قوانین فازی در ادبیات به عنوان یادگیری Q فازی^[۲۴] شناخته می­ شود [۳۹-۴۱]. به عنوان مثال، در مرجع [۴۱] تعدادی قانون فازی توسط منطق انسان به صورت غیربرخط طرح شدند، سپس یادگیری Q برای تنظیم قوانین فازی به صورت برخط به کار گرفته شد. بهترین خروجی­ها­ برای هر قانون فازی از میان تعدادی گزینه، توسط یادگیری Q انتخاب شدند. هدف الگوریتم ارائه شده در در مرجع [۴۱]، یافتن یک مجموعه قانون فازی بهینه پس از یک مرحله یادگیری می­باشد. این مجموعه قانون بهینه، سپس در آزمایش­ها به کار گرفته می­ شود. شناسایی ساختار مجموعه قوانین فازی، از قبیل تقسیم ­بندی فازی فضای ورودی و خروجی و تعیین تعداد قوانین فازی به صورت غیربرخط انجام می­ شود.
مسایل اساسی مرتبط با توانایی­های یادگیری سامانه استنباط فازی عبارتند از: ۱) تخمین پارامترهای توابع عضویت ورودی و خروجی و ۲) شناسایی ساختار مجموعه قوانین فازی که مربوط به تقسیم ­بندی فازی فضای ورودی و خروجی و تعیین تعداد قوانین فازی برای یک عملکرد مشخص است. مرجع [۴۰] یادگیریQ فازی پویایی^[۲۵]، جهت رفتار تعقیب دیوار توسط ربات، ارائه می­ کند. روش ارائه شده در مرجع [۴۰]، توانایی تنظیم برخط سامانه­های استنباط فازی را داراست. شناسایی ساختار و پارامترها به طور خودکار و همزمان، تنها براساس یادگیری Q انجام می­شوند. کنترل­ کننده فازی اولیه، که از تجربیات شهودی یک فرد راننده استنباط می­ شود، می ­تواند به عملی امکان پذیر ولی دور از بهینه منجر شود. بنابراین، یادگیری تشدیدی برای تنطیم برخط کنترل­ کننده فازی به کار گرفته شد. چون قوانین فازی اولیه­ای تولید شده و به عنوان نقاط شروع استفاده می­شوند، می­توان پارامترهای بهینه را بدون تکرارهای بسیار زیاد به دست آورد. همچنین، ربات حتی در طول یادگیری می ­تواند با ایمنی قابل قبولی حرکت کند. همانگونه که در مرجع [۴۰] اشاره شد، دقت روش DFQL (ارائه شده در مرجع [۴۰]) از روش FQL (ارائه شده در مرجع [۴۱]) بالاتر است، ولی واضح است که پیچیدگی و زمان پردازش به علت تولید برخط قوانین و تعداد بیشتر آنها افزایش یافته است.
همچنین روش­های FQL و DFQL نیازمند به کارگیری یک مرحله یادگیری یا اکتشافی برای یافتن سامانه استنباط فازی بهینه می­باشند. به کارگیری این مرحله یادگیری مستلزم طراحی یک محیط یادگیری مناسب برای مواجه با محیط­های آزمایش شناخته می­باشد. بدیهی است طراحی چنین محیطی که منجر به تولید قوانین با خروجی ثابت و بهینه شود، بسیار در عملکرد سامانه تاثیرگذار است. طراحی مناسب محیط یادگیری، امری مشکل است علی­الخصوص که محیط­های آزمایش گستره‌ی وسیعی از پیچیدگی را از لحاظ تعداد، اندازه و شکل موانع شامل شوند. انگیزه­ روش پیشنهادی طرح الگوریتمی کارآمد و در عین حال ساده برای ناوبری موفق و خودمختار ربات در انواع محیط­های ساده تا پیچیده می­باشد. برای این منظور و ایجاد قابلیت انعطاف و وفق­پذیری در سامانه استنباط فازی مرحله یادگیری (اکتشافی) حذف شده است. هدف الگوریتم پیشنهادی، یافتن یک مجموعه قانون فازی ثابت و بهینه نیست. زیرا همانگونه که انتظار می­رود و در آزمایش­ها نیز تایید شده است، یک مجموعه قانون فازی ثابت (با خروجی ثابت) وفق­پذیری کافی برای مواجه با گستره­ی وسیع محیط­های آزمایش را ندارد. در روش پیشنهادی، یادگیری Q بدون هیچ مرحله یادگیری یا اکتشافی پیش از آزمایش الگوریتم به کار گرفته شده است. . بدین معنی که مقادیر q در هر آزمایش بدون پیش­فرض و از مقدار اولیه صفر شروع می­شوند، لذا محیط یادگیری جهت مقداردهی اولیه به مقادیر q وجود ندارد. دقت و کارایی یادگیری Q توسط تعریف مناسب سیگنال تشدیدی بهبود یافته است. پارامترهای کلیدی مجموعه فازی و یادگیری Q، شامل پارامترهای توابع عضویت ورودی فازی و همچنین مقدار عامل فراموشی یادگیری Q، توسط بهینه­سازی کلونی زنبور مصنوعی به صورت غیربرخط، پیش از قرار گرفتن ربات در محیط­های آزمایش، به دست آمده­اند. محیط بهینه­سازی شامل موانعی است که انتظار می‌رود خود یا ترکیبی از آنها در محیط­های آزمایش دیده شوند.
نتیجه گیری
از میان سه دسته­بندی کلی روش­های ناوبری ربات، روش سلسله مراتبی در سطح بالا برای به دست آوردن مسیر بهینه به سمت هدف مناسب است. با این حال، این روش در محیط­های پویا و یا ناشناخته شکست می­خورد. روش مبتنی بر رفتار برای دوری از موانع عملکرد بهتری در مواجه با عدم قطعیت­های محیط­های پویا و ناشناخته داراست. برای دستیابی به یک ناوبری جامع و کارآمد، ربات به قابلیت­هایی بیش از توانایی­های روش­های سلسله مراتبی و مبتنی بر رفتار به تنهایی احتیاج دارد. ربات نیازمند به کارگیری قابلیت ­های زیر به طور توامان می باشد: قابلیت درک و نمایش محیط برای جمع­آوری و پردازش اطلاعات و عکس­العمل سریع برای دوری از موانع ایستا یا پویا، قابلیت مکان­ یابی خود نسبت به محیط، قابلیت استنباط و تصمیم ­گیری برای اتخاذ تصمیمات مورد اطمینان بر اساس اطلاعات مشخص. بنابراین، روش­های سلسله مراتبی و مبتنی بر رفتار ترکیب شدند و روش ترکیبی را تشکیل دادند، که سازگاری بهتری با مسایل ناوبری ربات در محیط های پویا و ناشناخته دارا می­باشد. جدول(۲-۱) روش­های ذکر شده را از نظر معیارهای مورد توجه در ناوبری ربات به طور کیفی با یکدیگر مقایسه می­نماید. جدول(۲-۲) به تعریف این معیارها می ­پردازد.
جدول(‏۲‑۱): مقایسه خصوصیات معماری­های مختلف [۳]

مبانی نظری وپیشینه تحقیق

۲ـ۱ـ مرور برادبیات تحقیق

۲ـ۲ـ پیشینه تحقیق

بررسی نتایج پژوهش­های مرتبط داخلی و خارجی در هر پژوهشی مقدم بر اجرای آن است. بررسی­های پژوهشی در مورد موضوع «بی­رمقی اجتماعی»و«بی ­تفاوتی اجتماعی»درایران ورویکردهای مرتبط با آن، نشان می­دهد که پژوهشی که به طور دقیق منطبق با موضوع این پژوهش انجام گرفته باشد انجام نشده، اما با توجه به بررسی­ها و پژوهش­های که در زمینه ­های مشابه صورت گرفته است می­توان نوعی پیشینه پژوهشی را ملحوظ نظر داشت که عمدتاً در برخی از مطالعات به گونه کلی و یا صرفاً به جنبه­ های خاصی از آن پرداخته شده است.

۲-۲-۱- تحقیقات خارجی

۱ـ ساروس(۱۹۸۸) تحلیل رفتگی(بی رمقی)شغلی مدیران آموزش را در کانادا بررسی کرد. یافته­های تحقیق او نشان داد که بی رمقی(تحلیل رفتگی) شغلی در بین مدیران آموزشی کمتر از حد متوسطه بود. میزان مسخ شخصیت در مدیران آموزشی مرد بیش از مدیران زن بود.همچنین میزان بی رمقی(تحلیل ر فتگی) در مدیرانی که سابقه مدیریت آنان بیش از شانزده سال بود بیش از مدیرانی بود که سابقه مدیریت آنان کمتر از ده سال بوده است.
۲ـ مارتین (۱۹۸۹) در پژوهشی سطوح بی رمقی"تحلیل رفتگی” شغلی مدیران آموزشی مدارس دولتی ایالت نیوهمشایر” را بررسی کرد و به این نتیجه رسید که مدیران آموزش بی رمقی(تحلیل رفتگی) کم و متوسطی را در سه بعد تحلیل عاطفی، مسخ شخصیت و فقدان موفقیت فرد داشتند. در این پژوهش شغل مدیریت مدارس، شغلی توأم با ابهام شناخته شده بود و متغیرهای جنس، سابقه مدیریت، رضایت شغلی و عوامل سازمانی در تحلیل رفتگی(بی رمقی)شغلی مدیران تأثیر داشت.
۳-گنس^[۱۰] (۱۹۹۲) در پژوهشی با عنوان«بررسی رابطه میان مشارکتسیاسی و بی ­تفاوتی در ایالات متحده» پرداخته و با توجه به کاهش علاقه افراد به پیگیری مسائل جامعه خود، بی ­تفاوتی را به عنوان مسأله­ای مهم در این کشور معرفی کرده است. وی مسائل بی ­تفاوتی را در ارتباط با متغیرهای مهمی مانند احساس ناتوانی، بیگانگی اجتماعی، نارضایتی از نظام اجتماعی، تقلیل تعلق اجتماعی و انگیزه­ های فردی و مواردی از این قبیل قرار داده و معتقد است بی ­تفاوتی اجتماعی زمانی بروز و شیوع بیشتری می­یابد که متغیرهای یاد شده، فراوانی کمی و کیفی بیشتری داشته باشد.
۴ـ ون اسنینبیرگ وشیپرر^[۱۱](۱۹۹۱) درپژوهشی با عنوان«طبقه اجتماعی و رفتار سیاسی در خلال یک دوره رکود اقتصادی: بی تفاوتی و رادیکالیسم»نیز افزایش بی ­تفاوتی اجتماعی در هلند سال ۱۹۸۵ را به ازای اعتراض سیاسی عظیم طبقاتی دانسته ­اند که به شدت از رکود اقتصادی ضربه خورده اند، به همین دلیل، الگوی را برای تبیین بی ­تفاوتی سیاسی در میان افراد طبقات پایین در اواسط دهۀ(۱۹۸۰) دارند طراحی کردند. در عین حال به طراحی یک الگوی تبینی برای انگیزه های آنها که در خلال این دوره رکود هنوز به رفتار سیاسی متمایل بودند اقدام نموده ­اند. در این مطالعه، نتایج تحلیل شاخصی که نشانگر یک طبقه محروم بوده احتمال آنومی بیشتری را افزایش می­داد. همچنین، آنومی موجب بی ­تفاوتی سیاسی بالاتری شده و از سوی دیگر این پژوهش نشان می­دهد که آموزش باعث کاهش بی تفاوتی سیاسی شده است.

۵ـ المیز حاجی(۲۰۰۱) در پژوهشی تحت عنوان «بررسی رابطه میان بوروکراسی در کشور عربستان سعودی» انجام شد، محقق مسأله بی ­تفاوتی عمومی را به عنوان مانعی در جهت برنامه ­های توسعه این کشور مورد تحلیل و تبیین قرارداد.نمونه این پژوهش ۴۶۶ نفر به صورت تصادفی بوده که از آن، اطلاعات لازم جمع آوری شده و به طور توصیفی و تحلیلی آزمون شده و در نتیجه نهایی فرضیه وجود بی ­تفاوتی عمومی در شهروندان این کشور تأیید شد. محقق در پایان سعی کرده از پیشنهادهای پژوهش را به عنوان ثروتمندترین کشور در جهان سوم، انواع خدمات عمومی در سطوح فردی و اجتماعی را به شهروندان عرضه کند (بیمارستان رایگان، مدارس، دانشگاهها، بزرگراهها و …) بسنجد؛ ولی بی تفاوتی شهروندان به طورکلی، واقعیتی است که به عنوان مانعی در راه تمام تلاش­ های عرضه شده بوسیله نظام اداری و دولتی برای توسعه در این کشور عمل کرده است. زمینه اصلی این پژوهش این بود که شهروندان عربستان سعودی نسبت به خدمات عمومی بوروکراتیک دولتی بی تفاوت نیستند که در پایان، خلاف این فرضیه استنتاج شده است.
۶ـ چن و زانگ^[۱۲](۱۹۹۹) در پژوهش با عنوان «سنجش بی ­تفاوتی سیاسی مردم شهر پکن عوامل مؤثر بر آن»نتایج حاصله نشانگر آن بود که رابطه معنی­داری میان متغیرهای مستقل با وابسته برقرار بوده است. بی ­تفاوتی سیاسی با بهره­ گیری از شاخص­ هایی همچون میزان علاقه به مباحث سیاسی، توجه کردن به مسائل ملی و تمرکز و توجه به مسائل شهری سنجیده شد. و اثر متغیرهای گوناگون زمینه­ای مستقل مانند رضایت اجتماعی، احساس اثر بخشی، موقعیت اجتماعی ـ شغلی ـ وابستگی حزبی ـ سیاسی بر روی بی تفاوتی سیاسی مورد بررسی قرار گرفت. نتایج حاصله حاکی از وجود رابطۀ معنی­دار میان این متغیرها بوده است
۷- گانز(۱۳۵۲) در پژوهشی تحت عنوان «تحلیل رابطه بین مشارکت سیاسی و بی ­تفاوتی» انجام شده است. در این پژوهش با اشاره به اهمییت بی ­تفاوتی، وجود آن را در جامعه آمریکا به عنوان یکی از مسایل مهم ارزیابی قرار داده و کاهش علاقه افراد را نسبت به موضوعات سیاسی با اهمیت عنوان کرده است. نتایج تحقیق مذکور حکایت از آن دارد که نمود بی تفاوتی در بین افراد جامعه در نتیجه ظهور و بروز احساس ناتوانی و نهایتاً و بیگانگی افراد، فقدان انگیزه وعلاقه لازم، نبود رضایت کافی از نظام اجتماعی حاکم، فاصله اجتماعی موجود در بین افراد و نبود کارکرد مناسب و مشخص این افراد در جامعه عنوان شده (,۱۹۵۲: ۱۸۷-۱۹۰)^[۱۳].
۸- دوایت دین(۱۹۶۰) در پژوهشی تحت عنوان"بررسی رابطه بین بیگانگی و بی ­تفاوتی سیاسی"به اهمیت پدیده­ بیگانگی در جامعه و توجه اندیشمندان علوم سیاسی واجتماعی به رابطه این پدیده و بی ­تفاوتی در جامعه، به بررسی ارتباط بین بیگانگی و بی ­تفاوتی سیاسی پرداخته است. نتایج حاصله حکایت دارد که ارتباط معنی­داری بین بی تفاوتی در رأی گیری و متغیر مستقل بیگانگی احساس بی­قدرتی و بی هنجاری در سطح قابل قبولی می­باشد (۱۹۶۰:۱۸۵-۱۸۹)^[۱۴].
۹-سیلان وکایناک(۲۰۱۰)در پژوهشی تحت عنوان"بیگانگی شغلی به عنوان یک واسطه و ارتباطی بین بی­ عدالتی سازمانی و تعهد سازمانی"را بررسی کرد.به این نتیجه دست یافتند که بی عدالتی توزیعی و رویه ای با احساس بیگانگی شغلی رابطه مثبت با تعهد سازمانی رابطه معکوس دارد.

۲-۲-۲- تحقیقات داخلی

۱ـ مستغاثی(۱۳۷۷) در پژوهشی تحت عنوان «بررسی بی­رمقی(تحلیل رفتگی) ناشی از کار در کارکنان بیمارستان دکتر شریعتی اصفهان» با توجه به متغیرهای شخصی پرداخت. نتایج پژوهش حاکی از این بود که اکثر پاسخ گویان درجه­ های بالایی از تحلیل عاطفی، فقدان موفقیت شخصی و منع شخصیت را دارا بودند. تحلیل رفتگی شغلی در بین کارکنان این بیمارستان در حدی بود که مداخله درمانی را می طلبید.
۲-بختیاری(۱۳۷۸) در پژوهشی تحت عنوان"بررسی ارتباط عوامل انگیزشی – بهداشتی و تحلیل رفتگی(بی رمقی) شغلی کارشناسان تربیت بدنی مرد و زن"پرداخت که نتایج زیر به دست آمد.بررسی تفاوت بین میزان تحلیل رفتگی زنان ومردان مورد مطالعه نشان داد که بین فرسودگی عاطفی زنان و مردان مورد مطالعه تفاوت معنی داری وجود نداشت.بین مسخ شخصیت در زنان و مردان تفاوت معنی داری وجود نداشت.این پژوهش نشان داد که بین عامل انگیزشی و فرسودگی عاطفی آزمودنیها ارتباط معناداروجود داشت.همچنین، بین عامل انگیزشی و فقدان موفقیت فردی ارتباط معنادار وجود داشت.این پژوهش نشان داد، عامل بهداشتی فقط با بعد فقدان موفقیت فردی آزمونی­ها ارتباط معنادار داشت.
۳-کلانتری و همکاران(۱۳۸۶) در پژوهش با عنوان «بررسی بی تفاوتی و نوع دوستی در جامعه شهری ایران و عوامل مؤثر بر آن» هدف کار خود را در پژوهش علی- مقایسه ای، بررسی ارتباط بی تفاوتی اجتماعی با متغیرهای همدلی، مسئولیت پذیری هزینه– پاداش عادی قرار دادند.
نتایج حاصله نشان داد در مواجه با حالت­های اضطراری۳/۷۵ درصد از شهروندان، نوعدوست و ۷/۲۴ درصد بی­تفاوت دارای همدلی بیشتر، مسئولیت پذیری بیشتر، و تحلیل هزینه پاداش کمتر است.
۴- حبیب زاده(۱۳۸۴) نتایج یک پژوهش اسنادی- میدانی با عنوان"بی تفاوتی سیاسی کارگران و تأثیر آن در کاهش مشارکت سیاسی آنان در جمهوری اسلامی"، نشان داد که این بی ­تفاوتی در سطحی نبوده که نا امیدی کامل آنان را در پی داشته باشد و یا خود را فاقد تأثیر در حوزه ­های سیاسی و اجتماعی بیابند اما باعث بی ­تفاوتی آنان در حیات سیاسی شده است. بررسی پیشینه پژوهش یاد شده دامنه وسیعی از آراء و دیدگاه­ های را در بر می­گیرد که از منظرهای گوناگون به مسأله بی ­تفاوتی پرداخته اند. از این رو، در مقیاس سازی و شاخص­ های عملیاتی متغیرها، نکته های مفیدی را در اختیار این مطالعه قرارداد تا به اتکای آنها با دقت بیشتری عمل نمود.
۵ـ مسعودنیا(۱۳۸۰: ۱۶۵ـ۱۵۲) در پژوهش اسنادی با عنوان«تبیین جامعه شناختی بی ­تفاوتی شهروندان در حیات اجتماعی و سیاسی»، به کاوشی نظری در مطالعه این مفهوم پرداخته و با تعریف مفهومی بی تفاوتی اجتماعی، و به عوامل مؤثر بر این پدیده اجتماعی و آراء و نظریه­ های مرتبط با آن پرداخته و از تکثیر چند ملیتی آن سخن رانده است. وی بی ­تفاوتی اجتماعی را به عنوان عدم مشارکت فعال و بی­مشارکت در فعالیتهای اجتماعی ـ سیاسی تعریف کرده و بیان داشته است که بی ­تفاوتی اجتماعی اگرچه پدیده­ای جدید تلقی نمی­ شود ولی به نظر می­رسد که با تحولات اجتماعی، سیاسی و اقتصادی در عصر نو، به طور چشمگیری افزایش یافته است. وی با بررسی آراء و نظریه­ های مرتبط، تبیین خاص هر یک از نظریه­پردازان را در مورد موضوع بی ­تفاوتی اجتماعی مطرح کرده است که هر کدام اشاره به متغیر ویژه در رویکرد خود داشته اند.
۶ـ محسن تبریزی(۱۳۸۱) در مقاله­ای با عنوان «بیگانگی؛ مانعی برای مشارکت و توسعه ملی:بررسی رابطه میان بیگانگی و مشارکت اجتماعی ـ سیاسی»،«مفهوم بیگانگی اجتماعی ـ سیاسی» را برای توضیح انفعال و بی علاقگی اجتماعی به منزله جدایی از واقعیت­های پیرامونی و عدم پیوند«ذهنی ـ شناختی» و«عینی ـ کنشی» با برخی صور واقعیت­های اجتماعی و فرهنگی مدنظر قرار داده و در آراء جامعه ­شناسی که در این معنا به مطالعه بیگانگی اجتماعی پرداخته­اند، نمود کرده است.
۷ـ مجتبی صداقتی فرد و محسن تبریزی(۱۳۹۰) در پژوهشی تحت عنوان«پژوهش درباره بی ­تفاوتی اجتماعی در ایران»(مورد پژوهش: شهروندان تهرانی) پرداخت. نتایج نهایی استفاده از رگرسیون چندگانه نشان داده حدود۴۰% تغییرات در بی ­تفاوتی اجتماعی به وسیله مجموع متغیرهای مستقل قابل تبیین است. نتایج آزمون تحلیل واریانس فرض وجود رابطه بین متغیرهای مستقل و متغیر وابسته را در سطح معنی داری بیش از ۹۹% اطمینان تأیید می­ کند.
۸-علی حسن توفیقیان فر)۱۳۹۰(در پژوهشی تحت عنوان “بررسی میزان بیگانگی اجتماعی جوانان و عوامل مرتبط با آن “( مطالعه موردی: شهر یاسوج) که روش آن پژوهش از لحاظ نوع، پیمایشی و از لحاظ هدف، کاربردی بوده و برای تجزیه و تحلیل داده ها از آمار توصیفی، آمار استنباطی(همبستگی پیرسون،آزمونtمستقل، آزمون تحلیل واریانس)وتحلیل رگرسیون استفاده شده است، به این نتایج دست یافته است: بین متغیرهای مسقل(اعتماد اجتماعی، گرایشات مذهبی جمعی، میزان همنوایی اجتماعی و میزان رضایت از زندگی) و متغیر وابسته یعنی بیگانگی اجتماعی رابطه معناداری وجوددارد و قویترین رابطه(همبستگی)، مربوط به متغیر اعتماد اجتماعی بوده است. همچنین از یافته های تحقیق ملاحظه گردید که بین جوانان مجرد، متأهل، مطلقه و همسر فوتی در زمینه میزان بیگانگی اجتماعی تفاوت معناداری وجود دارد.
۹- نعامی و شکرکن(۱۳۸۳) در پژوهشی تحت عنوان"روابط ساده وچند گانه عدالت سازمانی با خشنودی شغلی"را مورد بررسی قرار دادند. نتایج این تحقیق نشان داد،عدالت سازمانی کلی با خشنودی شغلی رابطه دارد.علاوه بر آن عدالت سازمانی کلی و حیطه های آن با حیطه های مختلف خشنودی، حقوق، کار و سرپرستی، همکاران و خشنودی از ترفیع همبستگی مثبت و معنادار داشتند، همچنین بین سه نوع عدالت سازمانی با خشنودی شغلی کلی و حیطه های آن همبستگی چند گانه معنادارمشاهده شد.
۱۰- دهقان، عمرانی فر، حسینی وفتحی(۱۳۹۱) در تحقیقی تحت “عنوان بررسی رابطه بین رعایت عدالت سازمانی و رضایت شغلی کارکنان(مورد مطالعه یک سازمان نظامی)” به روش توصیفی– همبستگی پرداختند. که یافته های تحقیق حاکی از آن است که بین عدالت سازمانی(توزیعی، رویه ای، تعاملی) و رضایت شغلی رابطه معنادار و قوی وجود دارد.

۲ـ۲ـ۳ـ جمع بندی پایه­ های تجربی

واضح است پژوهشگران یاد شده سعی کرده ­اند به یک یا چند بعد خاص از مسائل مربوط به بی رمقی و بی ­تفاوتی اجتماعی توجه کنند. از بین پژوهش­های خارجی؛ نتایج جی چن و زانگ(۱۹۹۹) گویایی آن است متغیرهای سن، سطح درآمد، احساس اثربخشی، رضایت اجتماعی و وضعیت محل سکونت بر بی ­تفاوتی سیاسی اثرگذاراست. یافته­های پژوهش هربرت گانز(۱۹۵۲) بیانگر این است که احساس بی قدرتی و نارضایتی تأثیرگذار بر بی ­تفاوتی است. مهمترین تحقیق دوایت دین(۱۹۶۰) این است که متغیرهای بی قدرتی، بی­هنجاری، انزوای اجتماعی، بر بی ­تفاوتی سیاسی تأثیرگذار است.
نتایج پژوهش حبیب­زاده(۱۳۸۴)بیانگر آن است که بی ­تفاوتی کارگران باعث کاهش میزان مشارکت سیاسی آنان شده است.
پژوهش کلانتری و همکاران(۱۳۸۶)، با زمینه­ای از روانشناسی اجتماعی به عنوان مصداقی از بی تفاوتی اجتماعی بیشترین هّم خود را برعدم کمک رسانی و نوع دوستی به دیگران نهاده است. به همین صورت، پژوهش­هایی هم اجرا شده ­اند که صرفاً به بعد مشارکت اجتماعی/سیاسی توجه تام و تمام نشان داده­اند و از بررسی جنبه مالی که مربوط به ارتباط افراد با همنوعان است غافل شده ­اند(مانند پژوهش­هایی که بر مقوله بیگانگی در جامعه بیشتر متمرکز شده اند).
نکات فایده­مند پیشینه مذکور آن است تا با تلفیق و در کنار هم نهادن نظریه­ های مرتبط بتوان الگویی نظری/ تحلیلی را طراحی نمود. ضمن آنکه نتایج آماری و روش­های متنوع پژوهشی بکار رفته در این پژوهش­ها می ­تواند در تحلیل مفاهیم این پژوهش راهگشا باشد و زوایای ارزنده ای را در بررسی مسأله بی رمقی و بی تفاوتی اجتماعی پیشرو بگذارد.
از نکات قوت پژوهش­های داخلی و خارجی مذکور، جمع آوری اطلاعات موضوعات و مقیاس­های اندازه ­گیری آنها می­باشد که بسترهای مناسب و مفیدی را برای اجرای بهتر تحقیق را آشکار می سازد، بنابراین پیشینه­ های مطرح شده، هم از نظر موضوعی هم از نظر محتوایی زمینه­ ها و زاویه­ های دید مناسب را برای اجرای بهتر تحقیق فراهم می­ کنند. اما از نکات ضعف پیشینه­ های تجربی این است که اکثر پژوهش­ها بی رمقی از بعد فردی و بی ­تفاوتی را فقط از بعد سیاسی مورد توجه قرار داده­اند. اما به طورکلی در مورد مطالعات مطرح شده در این بخش می­توان گفت که هیچ یک از این مطالعات چه داخلی و خارجی به طور مستقیم به بحث بی ­تفاوتی و تحلیل رفتگی(بی­رمقی) و رابطه آن به عوامل اجتماعینپرداخته­اند و این خلأ در پژوهش­های داخلی بیشتر به چشم می­خورد به همین جهت تحقیق حاضر قصد دارد این خلأ پژوهش را در داخل کشور پر کند.

۲ـ۳ـ بی تفاوتی

اصطلاح بی ­تفاوتی معادل کلمه«Apathy» انگلیسی است که از ریشه apathia یونانی گرفته شده است. این عبارت که هم­زمان با فلسفه رم در زمان مارکوس ارولیوس^[۱۵] توسعه پیدا کرده است بعدها توسط سنکا^[۱۶] عمومی و سپس این عبارت از زبان فرانسه با عنوان apathie، به زبان انگلیسی وارد شد.
در حوزه علوم سیاسی بی ­تفاوتی را معادل بی­میلی^[۱۷] در رابطه با مشارکت و درگیری^[۱۸] فعال در فرآیندهای سیاسی به کار برده­اند که در نظام­های دموکرات لیبرال، این بی­میلی می ­تواند به اشکال مختلف ظاهر شود که از اشکال رایج آن می­توان به بی­تمایلی شهروندان جهت شرکت در انتخابات و رأی دادن به کاندیداها اشاره کرد. همچنین این اصطلاح در دمکراسی آتنی^[۱۹] متضاد و برخلاف مفهوم دمکراسی و شهروند دمکراتیک به کار رفته است. مشارکت در فرآیندهای اجتماعی به اندازه­ای اهمیت دارد که آن را نقطه مقابل دمکراسی توصیف می­ کنند و همواره اندیشمندان علوم سیاسی سلامت جامعه و سلامت اجتماعی را در رابطه با میزان بی ­تفاوتی و عدم درگیری شهروندان مورد ارزیابی قرار می­ دهند(لغت نامه، ۲۰۰۱: ۱۲ـ۱۰).
هربرت گانز بی ­تفاوتی را به عنوان یک مفهوم اخلاقی تعریف می­ کند که در درون خود وی واقعیتی است که کمی علاقه و یا نبود آن را به عنوان یک پدیده مهم جامعه شناختی که بخشی از زندگی ما وجود دارد، نشان می دهد(گانز، ۱۹۵۲: ۱۸۵).
بی ­تفاوتی در نظر دوایت دین و ابعاد آن شامل بی تفاوتی در علاقمندی^[۲۰]، بی تفاوتی در رفتار^[۲۱]، بی تفاوتی در رأی گیری^[۲۲](دین، ۱۹۶۰: ۱۸۸).
بی ­تفاوتی ترجمه های گوناگونی را در حوزه ­های مختلف علمی زبان فارسی یافته است.
بی­علاقگی و خونسردی(ابراهیم زاده،۱۳۵۱)بی­دردی(فاطمی،۱۳۶۴)بی ­تفاوتی (مسعودنیا،۱۳۸۰: ۱۵۳) دلمردگی، بی­علاقگی(بریجانیان،۱۳۸۰: ۴۸) از جمله این گونه مفهوم سازی­ها در برگردان این واژه به فارسی هستند. هارولد کاپلان^[۲۳] و بنیامین سادوک^[۲۴] آن را «حالتی از نبود احساس درونی و عاطفه، عدم علاقه و درگیری هیجانی نسبت به محیط خود» تعریف نموده ­اند که به گفته آنان در انواع خاصی از اسکیزوفرنی و افسردگی مشاهده می­ شود(کاپلان و دیگران، ۱۳۷۵: ۲۹).
افزودن پسوند«اجتماعی» به واژه«بی تفاوتی»، اصطلاحی مهم در ادبیات علوم اجتماعی را با عنوان بی ­تفاوتی اجتماعی می­سازد که ترجمه فارسی اصطلاح انگلیسی«social apathy» است. البته به لحاظ واژگانی در زبان علمی کشورمان، ترجمه­های گوناگونی از این اصطلاح شده است، چنان که دادگران این اصطلاح را«بی قیدی اجتماعی» ترجمه کرده است.(روشبلاو و بورونیون، ۱۳۷۱؛ نقل از صداقتی فرد، ۱۳۹۲).
فیروز بخت و بیگی(۱۳۸۹، ۴۳) این واژه را«بی احساسی»، «بی هیجانی»، «بی­علاقگی» ترجمه کرده و در روانشناختی آن گنجانده­اند. ساروخانی(۱۳۷۰: ۳۹) نیز در ترجمه این اصطلاح، آن را معادل«بی­حالی» یا«بی­عاطفگی اجتماعی» بیان کرده و به عنوان یکی از مظاهر و مسائل خاص جامعه جدید شهری شناخته است.
در تعریف جامعه­شناختی«بی ­تفاوتی»،برخی نویسندگان از مفاهیم مقابل آن مانند یعنی «مشارکت»^[۲۵] و درگیری^[۲۶] استفاده کرده ­اند. از این رو بی ­تفاوتی یعنی عزلت گزیدن و فقدان مشارکت در حد انتظار، مشارکت ممکن است از صرف داشتن یک انگیزه سیاسی و شرکت در انتخابات و رأی دادن، مناصب حزبی را شامل می­ شود(مسعودنیا، ۱۳۸۰: ۱۵۲).

۲ـ۳ـ۱ـ تاریخچه

در اوایل ظهور آئین مسیح، مسیحیان اصطلاح بی تفاوتی را انتخاب کردند تا بی اعتنایی خود به همه نگرانی های دنیوی، حالت ریاضت، را ابراز کنند، همانطور که در دین مسیحیت توصیه شده است.
بنابراین، این واژه از آن زمان در میان نویسندگان مذهبی تری مورد استفاده بوده است. به ویژه کلمنس الکساندرینوس، این اصطلاح را همانطور که باب شده بود در حد بسیار گسترده ای به کار می برد، فکر می کرد از این طریق می تواند فلاسفه را به سوی گرایش به مسیحیت سوق دهد، که سودای رسیدن به حد متعالی پرهیزگاری را در سر داشتند.

۲ـ۳ـ۲ـ بی تفاوتی در اصطلاحات مذهبی و رایج

برخلاف عقیده رایج، تشخیص بالینی” بی تفاوتی” اثری از کاهلی نشان نمی­دهد ولی در استفاده متداول همبستگی تقریبا مطلق است.

 ۹۸
) 99
فهرست جدول­ها
عنوان صفحه
جدول ۲-۱: انرژی فاصله ترازهای برخی از فتوکاتالیست های بررسی شده در برخی مقالات ۱۳
جدول ۲-۲: خصوصیات آناتاز و روتایل ۱۷
جدول۲-۳: یون­های فلزی افزوده شده به اکسید تیتانیوم و اثر آن­ها ۳۵
جدول۲-۴: تاثیر سرعت واکنش­های کندانسیون و هیدرولیز بر سل حاصله ۴۳
جدول ۳-۱: فهرست مواد اولیه مورد استفاده ۴۷
جدول ۳-۲: شرایط بهینه تهیه سل ۴۸
جدول ۳-۳: کدگذاری نمونه­ها ۵۰
جدول ۳-۴: درصد عناصر در نمونه­های تک جزئی ۵۱
جدول ۳-۵: درصد عناصر در نمونه­های دو جزئی ۵۱
جدول ۳-۶: مشخصات آلاینده رنگی ۵۹
جدول ۴-۱: خواص فیزیکی و پارامترهای سل­های مورد استفاده ۶۴
جدول ۴-۲: مشخصات نمونه­های تیتانیای دوپ شده با درصدهای مختلف سریم کلسینه شده در دمای C˚۴۷۵ ۶۹
جدول ۴-۳: مشخصات نمونه­های تیتانیای دوپ شده با درصدهای مختلف قلع کلسینه شده در دمای C˚۴۷۵ ۷۱
جدول ۴-۴: مشخصات نمونه­های تیتانیا با دوپ همزمان قلع و سریم کلسینه شده در دمای C˚۴۷۵ ۷۴
) - کلسینه شده در دماهای مختلف به­مدت h1 78
) - کلسینه شده در دماهای مختلف به­مدت h2 81
جدول ۴-۷: مشخصات طیف­های UV-Vis و محاسبه­ی انرژی باند ممنوعه ۸۳
فصل اول
مقدمه
۱-۱ پیشگفتار
افزایش روز افزون آلاینده­های گازی و آبی در سال­های اخیر، منجر به توسعه زمینه ­های مطالعاتی و کاربردی فتوکاتالیست­ها شده است. فتوکاتالیست­ها جزء آن دسته از کاتالیست­هایی هستند که با تابش نور فعال شده و آلاینده­های موجود در هوا یا آب را به مواد کم ضرر مانند آب و دی­اکسید کربن تبدیل می­ کنند. در میان تمامی فتوکاتالیست­های موجود، اکسید تیتانیوم (TiO₂) به­ دلیل خواص منحصر به فردی چون پایداری شیمیایی و نوری، قیمت ارزان، عدم انحلال در آب، غیر سمی بودن و … بسیار مورد توجه می­باشد.
با این حال به­ دلیل قرار گرفتن گاف انرژی آن در محدوده فرابنفش کاربرد آن محدود می شود. برای غلبه بر این محدودیت، مطالعات اخیر روی افزایش بازدهی آن با بهره گرفتن از کامپوزیت­های اکسید تیتانیوم- نانو فلز، کاتالیست های الکتروشیمی، اکسید تیتانیوم ذوب شده یا کامپوزیت­های سرامیکی متخلخل معطوف شده است.

۱-۲ تاریخچه فتوکاتالیست
هر ماده­ای که قادر باشد در تماس با واکنش­گرهای یک واکنش شیمیایی، که از نظر ترمودینامیکی قابل انجام ولی از لحاظ سینتیکی به کندی انجام می­ شود را از مسیری با انرژی اکتیواسیون کم­تر سرعت بخشد، کاتالیست نامیده می­­شود. روش­های گوناگونی برای انجام این عمل وجود دارد که از آن جمله می­توان به فتوکاتالیست، کاتالیست گرمایی، کاتالیست­های پایه اسیدی، کاتالیست ردوکس و کاتالیست­های آنزیمی اشاره کرد [۱].
اخیراً فتوکاتالیست بخش عمده­ای از تحقیقات در حوزه ­های علمی از قبیل فیزیک، شیمی، مهندسی سطح را از آن خود کرده است و امید آن می­رود که بتوان برای رفع مشکلات مختلف زیست محیطی راه حل­های مناسبی به­ کمک این علم به­دست آورد.
واژه فتوکاتالیست از دهه ۱۹۲۰ مورد استفاده بوده است. اگرچه خود لغت فتوکاتالیست به غلط مفهومی را با مضمون فعال­سازی واکنش کاتالیستی توسط نور را می­رساند اما در واقع فتوکاتالیست ماده­ای است که باعث سرعت بخشیدن به یک واکنش نوری می­گردد. در اواسط دهه ۱۹۲۰ نیمه­هادی­هایی چون اکسید روی مورد توجه قرار گرفت زیرا این اکسید قادر به تجزیه مواد نوری در یک واکنش نوری بود. طولی نکشید که اکسید تیتانیوم برای انجام این عمل به­جای اکسید روی معرفی گردید [۲].
اکثر کارهای ابتدایی در حوزه نیمه­هادی­های حساس به نور در دهه ۱۹۶۰ انجام گرفت. که نهایتا منجر به ساخت اولین سلول فوتوشیمیایی برای تجزیه آب با الکترود­های پوشانده شده با پلاتین و اکسید تیتانیوم در اوایل دهه ۱۹۷۰ شد. در اوایل دهه ۱۹۸۰ اکسید تیتانیوم برای اولین بار برای رسوب دهی ماده آلی خاص و از پیش تعیین شده به کمک پرتوتابی مورد استفاده قرار گرفت. از آن زمان تاکنون تحقیقات در بخش فتوکاتالیست روی اکسیداسیون مواد آلی در آب، توسط این ماده متمرکز شده است. همچنین افزایش
چشم­گیری در تحقیقات در زمینه اکسیداسیون باکتری­ ها و مواد آلی شیمیایی فرار جهت تصفیه و پاکسازی هوا به ­وجود آمده است [۳].
در طی سالیان دراز چندین نیمه­هادی با خواص فتوکاتالیست مورد بررسی قرار گرفته­اند که از آن جمله
می توان به TiO₂ (۳٫۲eV), SrTiO₃ (۳٫۴eV), Fe₂O₃ (۲٫۲eV), CdS (2.5eV), WO₃ (۲٫۸eV), ZnS (3.6eV) FeTiO₃ (۲٫۸eV),V₂ (۲٫۸eV), Nb₂O₅ (۳٫۴eV), ZrO₂ (۵eV), اشاره کرد. از میان این فتوکاتالیست­ها اکسید تیتانیوم برتری خود را در زمینه تحقیقات، بهینه­سازی و کاربرد به اثبات رسانده است. دلیل این موفقیت را
می­توان در خصوصیاتی چون غیر سمی بودن، سطح ویژه بالا، قیمت ارزان، قابلیت بازیافت، روش­های مختلف ساخت و پایداری شیمیایی نوری بالای اکسید تیتانیوم جستجو کرد. همچنین باید این نکته را مد نظر قرار داد که اکسید تیتانیوم جزو ۵۰ ترکیب شیمیایی قابل دسترس می­باشد که این امر موجب می­گردد تا مدت زیادی به وفور و با قیمت مناسب بتوان از آن استفاده کرد.
محلول فتوکاتالیستی قادر است باکتری، آلاینده­های شیمیایی و بیولوژیکی، مواد سمی، بوهای بد و کپک را تجزیه کند. هنگامی­که TiO₂ به­عنوان یک فتوکاتالیست در برابر پرتوهای ماورا بنفش قرار می­گیرد تولید اکسیژن فعال از اکسیژن و آب موجود در هوا می­نماید. به­خاطر خواص طبیعی فتوکاتالیست در هنگام این واکنش شیمیایی تغییراتی در خواص فتوکاتالیست پدید نمی­آید. در واقع سطوح در معرض پرتو، با اکسیژن موجود در هوا واکنش داده و با خواص فتوکاتالیستی خود را مجددا باز می­یابند. در واقع فتوکاتالیست دی­اکسید تیتانیوم قادر است هر ترکیب آلی و مضر برای سلامت انسان را به دو جزء آب و دی­اکسید کربن تجزیه کند و در نتیجه محیطی تمیزتر و ایمن­تر برای سلامت انسان مهیا سازد.
در مقابل مزایای نسبتاً مناسب اکسید تیتانیوم معایبی نیز وجود دارد. اکسید تیتانیوم دارای یک فاز پایدار با نام روتایل (ساختار تتراگونال) و دو فاز نیمه پایدار با نام­های آناتاز (تتراگونال) و بروکیت (ارتورومبیک) می­باشد. اگرچه روتایل کاربرد عمده­ای در صنایع رنگدانه دارد اما فاز آناتاز اکسید تیتانیوم با باند ممنوعه ۲/۳ فعال­ترین ساختار کریستالی اکسید تیتانیوم محسوب می­ شود که این ویژگی به­ دلیل انرژی باند ممنوعه مناسب و سطح ویژه بالای این فاز است. با توجه به انرژی باند ممنوعه اکسید تیتانیوم پرتوهای با طول موج کمتر از ۳۸۵ نانومتر قادر به فعال سازی این اکسید می­باشند. در نتیجه اکسید تیتانیوم به صورت خالص را در پرتوهای فرابنفش
می­توان به­عنوان فتوکاتالیست استفاده کرد. این امر موجب می­گردد بازده اکسید تیتانیوم در امواج مرئی
(نور خورشید) که بیش­ترین توجه بازار به این بخش فتوکاتالیست معطوف می­باشد را کاهش دهد. زیرا تنها (%۵-۵/۳) امواج خورشید حاوی پرتوهای فرابنفش است. بنابراین در حالی­که فاز آناتاز اکسید تیتانیوم به­عنوان فتوکاتالیست بازده مناسبی در امواج فرابنفش دارد اما در کاربردهای با امواج مرئی کاملا ناتوان است. در نتیجه با اضافه کردن عناصر فلزی واسطه نظیر آهن، کبالت، نیکل و فلزات دیگر، همچنین با توجه به دو پارامتر قیمت و در دسترس بودن می­توان طیف جذب TiO₂ را به سمت امواج مرئی هدایت کرد و پوشش­هایی با بازده بالا در امواج مرئی تولید نمود.
۱-۳ دلایل تولید فتوکاتالیست جهت کاربرد در امواج مرئی
آلودگی محیط زیست در مقیاس جهانی دانشمندان را با مشکلات جدی در قرن بیست و یکم مواجه خواهد کرد در نتیجه تعداد زیادی از دانشمندان به دنبال یک فتوکاتالیست ایده­آل برای رفع این مشکل هستند. فرایند فتوکاتالیست تغییر نخواهد کرد بلکه نسل جدیدی از فتوکاتالیست­ها که بتوانند از نور مرئی خورشید به­جای امواج محدود فرا­بنفش استفاده کنند باید تولید گردند. با نگاهی اجمالی به مقالات و کتب و کنفرانس­ها و کاربردهای ارائه شده به بازار می­توان دریافت، این پدیده موضوع تحقیقات علمی در چندین دهه گذشته بوده است.
فتوکاتالیست مورد کاربرد در امواج مرئی در سراسر جهان در حال بررسی است و بررسی­های گروه ­های تحقیقاتی از کشورهای مختلفی چون ژاپن، چین، فرانسه، کره جنوبی، ایالات متحده امریکا، انگلستان، آلمان، کانادا، ایتالیا، تایوان از میان بقیه حائز اهمیت­تر است. اگرچه موفقیت این نوع فتوکاتالیست محدود بوده است اما کاربرد فوری و بلند مدت آن، این بحث را حائز اهمیت نگه داشته است. در ذیل این ویژگی­ها بررسی می­ شود.
۱-۳-۱ توانایی فعال شدن با پرتوهای مرئی
محدوده نور مرئی در امواج الکترومغناطیس از طول موج حدود ۴۰۰ نانومتر شروع و به ۷۰۰ نانومتر ختم
می­گردد. برای کاربردهای خورشیدی حتی اکسید تیتانیوم خالص بازده چندانی ندارد زیرا تنها (%۵-۵/۳) نور خورشید حاوی امواج فرابنفش با طول موجی بین ۳۰۰ الی ۳۸۰ نانومتر است. اگر باند ممنوعه اکسید تیتانیوم یا هر فتوکاتالیست دیگری را بتوان کاهش داد فوتون­هایی با انرژی کم­تر و طول موج بلندتر توسط فتوکاتالیست قابل جذب هستند. محدودیت­های تئوری باتوجه به ترازهای ردوکس موجود وجود دارد. و این­که انرژی را تا
چه حد می­توان کاهش داد مادامی­که بازده فتوکاتالیست کاهش نیابد. برای مثال باند والانس نیمه­هادی­های فتوکاتالیست باید انرژی کافی برای تحریک واکنش اکسیداسیون برای تولید رادیکال­های آزاد را داشته باشد. اگر باند ممنوعه از مقدار تعیین شده­ای کم­تر باشد انرژی مورد نیاز واکنش فتوکاتالیست تامین نخواهد شد، اگرچه نیمه­هادی مذکور دارای خاصیت جذب نور مرئی باشد. نتیجه این­که باند ممنوعه یک فتوکاتالیست ایده­آل دارای یک حد بحرانی است که برای از دست ندادن بازده فرایند فتوکاتالیست نباید از این حد پایین­تر رفت.
۱-۳-۲ پایداری خاصیت فتوکاتالیستی
پایداری یک فاکتور بحرانی در واکنش­های فتوکاتالیست است. به­عنوان مثال نیمه­هادی حاوی سولفید فلزات اگرچه باند ممنوعه کوچکی دارد اما با توجه به موقعیت باند والانسشان در خطر خوردگی فوتوآندیک هستند. در نتیجه عمر فتوکاتالیستی این نیمه­هادی­ها بسیار پایین است. البته عمر دقیق آن­ها به محیط واکنش نیز مرتبط است. دیگر کاتالیست­ها از قبیل اکسید روی فتوکاتالیست مناسبی برای کاربردهای نورهای فرابنفش هستند اما این فتوکاتالیست­ها نیز در محیط آبی دچار خوردگی فوتوآندی می­گردند که این امر موجب عدم گسترش آن­ها گشته است. یک فتوکاتالیست ایده­آل باید به­ صورت فوتوشیمیایی پایدار باشد یعنی در تمام محیط­های واکنش در برابر خوردگی مقاوم باشد.

شرط سوم

۱۲۶

شرط چهارم

۳۴

شرط پنجم

۶۱

شرط ششم

۷۱

شرط هفتم

۷۳

مانده

۱۱۰

۳-۸- نحوه جمع­آوری داده ­ها

روش‌های مختلفی برای جمع آوری اطلاعات از جامعه مورد مطالعه وجود دارد از جمله پرسشنامه، مصاحبه، مشاهده و روش بررسی اسناد و مدارک. در این پژوهش برای جمع‌ آوری داده‌های مورد نیاز از نرم‌افزار ره‌آوردنوین و صورت‌های مالی شرکت‌های عضو نمونه استفاده می‌شود. پس از گردآوری، داده‌ها از طریق نرم افزارهای اکسل و اکسس تلخیص، کدگذاری و طبقه‌بندی و در نهایت با بهره گرفتن از نرم افزار آماری EVIEWS مورد تجزیه و تحلیل قرار خواهند گرفت.

۳-۹- روش‌شناسی پژوهش

موفقیت هر تحلیل اقتصادسنجی در گرو دسترسی به داده‌های مناسب است. برای هر تحلیل تجربی، ممکن است سه نوع داده وجود داشته باشد. داده‌های سری‌های زمانی، مقطعی و ترکیبی (ترکیبی از سری‌های زمانی و مقطعی).
داده‌های سری‌ زمانی^[۷۶]: در طول زمان جمع‌ آوری می‌شوند، از قبیل داده‌های مربوط به اشتغال، بیکاری، و حجم پول. این داده‌ها ممکن است در فاصله زمانی مشخص جمع‌ آوری شوند- روزانه (مثلاً، قیمت سهام)، هفتگی (مثلاً، حجم پول)، ماهیانه (مثلاً، نرخ بیکاری) و یا سالیانه (مثلاً بودجه دولت). این داده‌ها ممکن است ماهیتاً کمی باشند (از قبیل، قیمت، درآمد) و یا کیفی باشند (از قبیل، شاغل و یا بیکار، مجرد و یا بیکار).
داده‌های مقطعی^[۷۷]:داده‌هائی هستند که در آن اطلاعات یک یا چندین متغیر در نقطه‌ای از زمان جمع‌ آوری شده‌اند، از قبیل آمار نفوس و مسکن که آماری از جمعیت است که توسط اداره سرشماری ایالات متحده هر ده سال یک بار جمع‌ آوری می‌شود.
داده‌های ترکیبی^[۷۸]:در داده ‌های ترکیبی عناصر سری زمانی و مقطعی وجود دارند. به عنوان مثال، اگر آمار نرخ بیکاری برای ۱۰ کشور به مدت ۲۰ سال جمع‌ آوری بکنیم، داده تولید شده یک مثال از نوع ترکیبی خواهد بود- داده‌های نرخ بیکاری به مدت ۲۰ سال از نوع سری زمانی هستند، در حالی که نرخ بیکاری برای ۱۰ کشور از نوع مقطعی است زیرا فقط برای یک سال است. در داده ‌های ترکیبی ۲۰۰ مشاهده خواهیم داشت- ۲۰ مشاهده سالانه برای هر یک از ۱۰ کشور.
یک نوع داده مخصوص وجود دارد به نام پانل دیتا^[۷۹]، که لانگیتیودینال^[۸۰] یامایکروپانل دیتا^[۸۱]نیز نامیده می‌شود، که در آن یک واحد مقطعی، مثلاً، یک بنگاه و یا یک خانوار در طول زمان مورد مطالعه قرار می‌گیرد. به عنوان مثال، وزارت بازرگانی ایالات متحده آماری از مسکن در زمان‌های مشخص جمع‌ آوری می‌کند. در فاصله زمانی مشخص با همان خانوار (یا کسی که در آن جای مشخص زندگی می‌کند) مصاحبه می‌شود تا بینند که آیا تغییراتی در وضعیت مسکن و یا وضعیت مالی خانوار از زمان آمارگیری قبلی اتفاق افتاده است. پانل دیتا که از مصاحبه‌های مکرر با خانوار مشخصی که در فواصل زمانی معین صورت می‌گیرد تولید می‌شود اطلاعات بسیار مفیدی در خصوص رفتار خانوار و دگرگونی آن را بدست می‌دهد (گجراتی و پورتر، ۱۳۹۰).
در پژوهش حاضر، داده‌ها از نوع داده‌های ترکیبی است و در ادامه مدل‌ داده‌های ترکیبی تشریح می‌شود.

۳-۹-۱- داده‌های ترکیبی

داده های ترکیبی، محیطی بسیار مناسب برای گسترش روش‌های تخمین و نتایج نظری فراهم می‌سازند، به طوری که پژوهشگران قادر به استفاده از داده های مقطعی و سری‌های زمانی برای بررسی مسایلی می شوند که امکان مطالعه‌ی آن‌ ها در محیط‌های فقط مقطعی یا فقط سری زمانی وجود ندارد. مزیت این روش در این است که معمولاًروش‌های سنتی اقتصاد سنجی بر سری‌های زمانی و داده های مقطعی، ناهماهنگی‌ها در روش داده های ترکیبی در نظر گرفته می شوند و نتایج دارای ریسک تورش دار (اریب بودن، احتمال وجود اشتباه در نتایج)، بودن است. در بسیاری از مطالعات اخیر از مجموعه داده های ترکیبی جهت تحلیل‌ها استفاده گردیده است. بدین ترتیب که چند بنگاه، خانوار، کشور و … را در طول زمان مورد بررسی و تجزیه و تحلیل قرار داده‌اند. در تجزیه و تحلیل داده های ترکیبی یک محیط بسیار غنی از اطلاعات برای گسترش تکنیک‌های تخمین و نتایج قابل تحلیل فراهم می گردد. در بسیاری موارد، پژوهشگران می‌توانند از داده های ترکیبی برای مواردی که نمی‌توان به صورت فقط سری زمان یا فقط به صورت مقطعی بررسی کرد، بهره بگیرد.
به طور کلی از داده‏های ترکیبی، می‏توان برای برآورد معادلاتی به شکل زیر استفاده نمود:

• وابستگی^[۳۲]: هر عنصر سلسله ­مراتبی می ­تواند به عنصر سطح بالاتر خود وابسته باشد و این وابستگی می ­تواند به صورت خطی تا بالاترین سطح ادامه داشته باشد.

• انتظارات^[۳۳] : هرگاه تغییری در ساختمان سلسله ­مراتبی رخ دهد، پروسه ارزیابی باید مجدداً انجام شود (قدسی­پور، ۱۳۸۶).

مراحل کار در AHP به صورت کامل در فصل چهارم توضیح داده خواهد شد.
۲-۵-۱- ویژگی­های فرایند تحلیل سلسله مراتبی
تصمیم ­گیری سلسله مراتبی به دلیل امکانات و ویژگی­های متعدد، یکی از پرکاربردترین روش­های حل مسائل تصمیم ­گیری چند شاخصه(MCDM)^[34]است. برخی از این ویژگی­ها عبارتند از:

• تجزیه مسائل بزرگ و پیچیده به سطوح و عناصر مختلف از طریق ساختار رده­ای

• سادگی مدل و در واقع عدم نیاز به دانش مهندسی پیشرفته

• عدم نیاز به تهیه و تشکیل ماتریس تصمیم ­گیری(اندازه ­گیری شاخص ­ها)

• مدل کردن توأمان معیار­های کیفی و کمی

• به کارگیری احساسات و افکار تصمیم­گیرنده(DM)^[35]و …

۲-۵-۲- فرایند تحلیل سلسله مراتبی گروهی
ممکن است در یک تصمیم ­گیری به جای یک تصمیم­گیرنده، چندین تصمیم­گیرنده باشند که نظر­های همگی آن­ها باید در ماتریس مقایسه لحاظ شود، در این موارد برای تصمیم ­گیری گروهی می­توان از میانگین هندسی برای عناصر ماتریس مقایسه استفاده کرد; که روش کامل آن را در فصل سوم توضیح خواهیم داد.

۲-۶- مفهوم خوشه­بندی
جین، مورتی و فیلین(۱۹۹۹)، در خصوص کاربرد خوشه­بندی بیان می­ کنند که خوشه­بندی برای انواع الگو­های تحلیل اکتشافی، گروه­بندی و تصمیم ­گیری، و موقعیت­های فراگیری ماشینی، شامل: داده ­کاوی، بازیابی مدارک، بخش­بندی تصاویر، و طرح رده­بندی سودمند است. نویل و همکاران(۲۰۰۳)، خوشه­بندی را یک فعالیت توصیفی می­دانند که شناسایی گروه­بندی طبیعی داده ­ها را مورد کاوش قرار می­دهد. جیونیز(۲۰۰۴)، خوشه­بندی را یک مرحله مهم از فرایند پردازش تحلیل داده ­ها، همرا با کاربردهای آن در حوزه ­های متعدد، معرفی می­ کند و اظهار می­دارد که براساس تعریفی ساده و اولیه، خوشه­بندی به عنوان مقوله بخش­بندی داده ­ها درون گروه­ ها یا خوشه ­ها تعریف شده، که این داده ­های موضوعی در همان گروه مشابه مرتبط هستند; در صورتی که، این عناصر، در گروه ­های مختلف دارای مشابهت نیستند. کراسکف و دیگران(۲۰۰۵)، اظهار می­دارند که مقصود از خوشه­بندی، جداسازی عناصر درون دسته­هایی است که صرفاً در بردار مشخصه- مجموعه ­ای از اجزا و ویژگی­ها - به کار می رود. روسل(۲۰۰۶)، هدف خوشه­بندی را بخش­بندی یک مجموعه ساختار نیافته از عناصر، درون خوشه ­ها یا گروه ­های مشخص معرفی می­ کند و شرح می­دهد که شخص اغلب می­خواهد اجزای خرد را به عنوان عوامل مشترک در همان خوشه-ای قرار دهد که دارای صفات یکسان هستند; و عناصر غیر مشترک را، تا حد ممکن، در خوشه­ای جای دهد که به آن تعلق دارد. وی همچنین بیان می­ کند که خوشه­بندی در بسیاری از حوزه ­های موضوعی به کار گرفته شده و انواع زیادی از الگوریتم­های خوشه­بندی برای مقاصد و موقعیت­های متفاوت وجود دارد.
کوالکی(۱۹۹۷)، با طرح کاربرد خوشه­بندی در کتابخانه ­ها و مراکز اطلاع رسانی، هدف اصلی فرایند خوشه­بندی را یاری رساندن به کاربرد در تشخیص محل دقیق اطلاعات می­داند. در مجموع، با بیان نظر متخصصان درباره مفهوم خوشه­بندی می­توان اظهار کرد که خوشه­بندی عبارت است از: مرتب کردن واژه ­ها یا مدارک شبیه به هم در یک رده با عنوان کلی. از لحاظ کاربردی، خوشه­بندی سبب بهینه­سازی فعالیت جستجوی اطلاعات شده و زمان جستجوی کاربر را کاهش می­دهد. در یک کاوش نظام­مند و برمبنای استفاده از پرس و جوهای مبتنی بر راهبردهای کاوش، خوشه­بندی سبب ایجاد ارتباط میان خوشه­های مختلف شده و در مجموع به نتایج سودمندی منجر می­ شود. از سوی دیگر خوشه­بندی سبب شده تا گروهی از موضوعات مشابه در زیر یک رده، با عنوان کلی سازماندهی شوند. این فعالیت، در دستیابی به اطلاعات مرتبط با موضوع خواسته شده تاثیر بسزایی دارد و باعث دسترسی مطلوب به اطلاعات هم موضوع می­ شود.
۲-۶-۱- روش تحلیل خوشه­ای
تجزیه و تحلیل خوشه­ای، یک روش آماری برای گروه­بندی داده ­ها یا مشاهدات، با توجه به شباهت یا درجه نزدیکی آن­ها است. از طریق تجزیه و تحلیل خوشه­ای داده ­ها یا مشاهدات به دسته­های همگن و متمایز از هم تقسیم می­شوند. از این روش برای بخش­بندی کردن مشتریان بر مبنای شباهت­هایشان استفاده می-شود. غالباً در تحلیل خوشه­ای، تصمیم-گیری درباره تعداد خوشه ­ها بر مبنای ملاک بیزی و ملاک آکائیکه گرفته می­ شود. جوابی در سطح حد اقل ملاک بیزی و ملاک آکائیکه به دست می ­آید، می ­تواند معرف بهترین تعادل موجود بین دقت و پیچیدگی باشد که مهم­ترین تاثیرات را در نظر بگیرد و اهمیت آن-ها را کم نشان ندهد. همچنین، راه دیگر برای تصمیم-گیری در زمینه تعداد خوشه ­ها، استفاده از نسبت فاصله می-باشد. بهینه­ترین تعداد خوشه ­ها هنگامی است که تغییری بزرگ در نسبت فاصله مشاهده می-گردد.
اصطلاح تحلیل خوشه­ای اولین بار توسط Tryon در سال ۱۹۳۹ برای روش­های گروه­بندی اشیائی که شبیه بودند مورد استفاده قرار گرفت. تجزیه خوشه­ای ابزار میانبر تحلیل داده ­ها­ست که هدف آن نظم دادن به اشیا مختلف به گروه­هایی که درجه ارتباط بین دو شی اگر آن­ها به یک گروه تعلق داشته باشند حداکثر و در غیر این صورت حداقل است. به عبارت دیگر تحلیل خوشه­ای ساختار داده ­ها را بدون توضیح اینکه چه وجود دارد را نشان می­دهد.
تحلیل خوشه­ای یک ابزار اکتشاف است و نتایج آن ممکن است:

• در تعریف یک طرح طبقه ­بندی مانند رده­بندی حیوانات، حشرات یا گیاهان مفید باشد.

• قواعدی برای اختصاص موارد جدید به طبقه­ها به منظور شناسایی و تشخیص به دست دهد.

• حدود تعریف، اندازه و تنوغ و تعریف برای آنچه قبلا به شکل مفاهیم وسیعی بوده است، فراهم آورد.

• نمونه­هایی برای معرفی طبقه­ها بیاید.

• مدل آماری برای توصیف جامعه ارائه دهد.

مفاهیم فاصله و تشابه از مفاهیم اساسی تحلیل خوشه­ای است. فاصله اندازه‌ای است که نشان می­دهد دو مشاهده تا چه حد جدا از یکدیگرند. در حالی­که تشابه شاخص نزدیکی آن­ها با یکدیگر است. پژوهشگر قبل از تحلیل، نخست باید یک مقیاس کمی را که بر پایه همخوانی(تشابه) بین مشاهده­‌ها اندازه گرفته می­ شود را انتخاب کند. این شاخص ­ها با توجه به الگوریتم تشکیل خوشه، ماهیت متغیر ها(پیوسته، گسسته یا دو ارزشی) و مقیاس اندازه ­گیری انتخاب می­شوند. در این پژوهش طبقه ­بندی شرکت­های بورس اوراق بهادار تهران از لحاظ شاخص-های دهگانه پژوهش مورد تحلیل قرار می­گیرد. خوشه‌بندی را می‌توان به عنوان مهم­ترین مسئله در یادگیری بدون نظارت در نظر گرفت. خوشه‌بندی با یافتن یک ساختار درون یک مجموعه از داده‌­های بدون برچسب درگیر است. خوشه‌ به مجموعه‌ای از داده‌ها گفته می‌شود که به هم شباهت داشته باشند. در خوشه­‌بندی سعی می‌شود تا داده ­ها به خوشه‌هایی تقسیم شوند که شباهت بین داده ­های درون هر خوشه حداکثر و شباهت بین داده‌های درون خوشه‌های متفاوت حداقل شود. درون خوشه­بندی هیچ دسته­ای از قبل وجود ندارد و در واقع متغیرها به صورت مستقل و وابسته تقسیم نمی­شوند. بلکه ما در اینجا بدنبال گروه­هایی از داده ­ها هستیم که به هم شباهت دارند و با کشف این شباهت­ها می توان رفتارها را بهتر شناسایی کرد و بر مبنای آن­ها طوری عمل کرد که نتیجه بهتری حاصل شود.

شکل ۲-۱: نمونه ­ای از اعمال خوشه­بندی روی مجموعه ­ای از داده ­ها
۲-۶-۲- هدف تجزیه و تحلیل خوشه­ای
به طور کلی هدف از تجزیه و تحلیل خوشه­ای را می­توان به صورت زیر خلاصه کرد:

• گروه­بندی آزمودنی­ها از لحاظ p صفت صورت می­گیرد، به طوری که افراد هم گروه از لحاظ P صفت بسیار شبیه هم و افراد غیر هم گروه بسیار به هم ناشبیه هستند.

• هدف، قرار دادن افراد در گروه ­های مختلف است.

• هدف، رسیدن به گروه ­های واقعی است.

• کاهش حجم داده ­ها

۲-۶-۳- انواع روش­های خوشه­بندی
روش­های خوش­بندی را به طور کلی به دو گروه روش­های طبقه ­بندی ذهنی(Subjective) و عینی (Objective) تقسیم می­ کنند. در طبقه ­بندی زیر انواع روش­های خوشه­بندی به صورت مشخص نمایش داده شده است.
شکل ۲-۲:انواع روش­های خوشه­بندی
روش­های ذهنی خوشه­بندی
روش­های ذهنی از جمله روش­هایی هستند که تنها برای داده ­های اکولوژیکی(اجتماع گیاهی) قابل کاربرد هستند. ولی روش­های عینی بسیار متنوع بوده و در بسیاری از علوم به کار می-روند و استفاده از آن­ها در علوم محیطی نتایج قابل تفسیرتری و عینی­تری را نسبت به روش­های ذهنی ارائه می­ دهند(گودال، ۱۹۵۴). در این پژوهش به دلیل عدم کاربرد روش­های ذهنی از توضیح بیشتر آن اجتناب می­کنیم.