مٰؤسسه آموزش عالی فردوس اکتشاف و پردازش هوشمند دانش 2783-3607 6 20 2026 05 22 The effect of digital marketing literacy and entrepreneurship education on entrepreneurial intention through entrepreneurial self-efficacy تأثیر سواد بازاریابی دیجیتال و آموزش کارآفرینی بر قصد کارآفرینی ازطریق خودکارآمدی کارآفرینی 244600 10.30508/kdip.2026.583382.1183 FA عباس براتی گلخندان دانشجو سعیده باباجانی محمدی استادیار گروه مدیریت، موسسه آموزش عالی فردوس، مشهد، ایران 0000-0003-1649-5354 Journal Article 2026 05 26 The effect of digital marketing literacy and entrepreneurship education on entrepreneurial intention through entrepreneurial self-efficacy Abstract The aim of this study was to examine the impact of digital marketing literacy and entrepreneurship education on entrepreneurial intention with the mediating role of entrepreneurial self-efficacy. The research method was applied and descriptive-survey in nature. The statistical population of this study consisted of undergraduate management students at Ferdowsi University of Mashhad. A convenience random sampling method was employed, and according to the Krejcie and Morgan table, a total of 205 participants were surveyed. The data collection tool was a standardized questionnaire adapted from theoretical literature using a five-point Likert scale. In this study, face validity of all questionnaires was confirmed through the opinions of academic experts, content validity was assessed using the convergent validity index with average variance extracted, discriminant validity was evaluated using the Fornell and Larcker test, and construct validity was examined through factor loadings. Reliability was also measured using Cronbach's alpha and composite reliability, both of which were confirmed. The final analysis results were obtained using structural equation modeling with SmartPLS3 and SPSS24 software in descriptive and inferential sections, showing that all research hypotheses were supported and that entrepreneurial self-efficacy mediates the impact of digital marketing literacy and entrepreneurship education on entrepreneurial intention. هدف این تحقیق تأثیر سواد بازاریابی دیجیتال و آموزش کارآفرینی بر قصد کارآفرینی با میانجی‌گری خودکارآمدی کارآفرینی بوده است. روش تحقیق از نوع کاربردی و توصیفی-پیمایشی بود. جامعه آماری این تحقیق را دانشجویان مقطع کارشناسی رشته مدیریت در دانشگاه فردوسی مشهد تشکیل داده است. روش نمونه‌گیری تصادفی در دسترس بکار گرفته شده و براساس جدول کرجسی و مورگان، در مجموع از 205 نفر نظرسنجی شد. ابزار گرداوری اطلاعات پرسشنامه استاندارد اقتباس از مبانی نظری در مقیاس پنج گزینه‌ای لیکرت بوده است. در این تحقیق روایی صوری تمامی پرسشنامه‌ها با استفاده از نظرات خبرگان دانشگاهی، روایی محتوایی از طریق شاخص‌ همگرا با میانگین واریانس استخراج شده و روایی واگرا با آزمون فورنل و لاکر و روایی سازه از طریق بارهای عاملی سنجیده شده است. پایایی نیز با استفاده از ضریب آلفای کرونباخ و پایایی ترکیبی سنجیده شد و مورد تایید قرار گرفت. نتایج تحلیل نهایی با استفاده از روش مدلسازی معادلات ساختاری و نرم افزارهای اسمارت پی‌ال‌اس 3 و اس‌پی‌اس‌اس 24 در دو بخش توصیفی و استنباطی نشان داد که کلیه فضیه‌های تحقیق مورد تایید بوده و خودکارآمدی کارآفرینی در تأثیر سواد بازاریابی دیجیتال و آموزش کارآفرینی بر قصد کارآفرینی نقش میانجی گری دارد.

مٰؤسسه آموزش عالی فردوس اکتشاف و پردازش هوشمند دانش 2783-3607 6 20 2026 05 22 Designing the RCEI Reliability Index and Applying a Data Compression Algorithm Based on Polynomial Series to Optimize Energy Consumption in Cognitive Wireless Sensor Networks طراحی شاخص اتکاپذیری RCEI و به‌ کارگیری الگوریتم فشرده‌سازی داده مبتنی بر سری‌های چندجمله‌ای برای بهینه‌سازی مصرف انرژی در شبکه‌های حسگر بی‌سیم شناختی 248424 10.30508/kdip.2026.547213.1155 FA مجید شجاعی انور دانشگاه آزاد اسلامی همدان دانشکده فنی مهندسی Journal Article 2025 09 15 With the increasing expansion of the Internet of Things (IoT) in applications such as environmental monitoring, agriculture, and smart cities, wireless sensor networks (WSNs) have become the main data collection tools. Energy constraints and spectrum interference are important challenges for these networks. Combining cognitive radio (CR) with WSNs has led to the formation of cognitive wireless sensor networks (CR-WSNs) that have higher spectral efficiency, but due to spectrum sensing and channel selection, they face higher energy consumption and latency. Also, the large volume of sensor data increases traffic and reduces network lifetime. To solve these problems, the present study introduces a composite index called RCEI that combines criteria such as packet delivery rate, residual energy, link stability, spectrum availability, and latency in a weighted manner. The main innovation is the integration of this index with data compression based on polynomial series. Simulation results show that the proposed method increases the network lifetime, reduces energy consumption, and improves communication stability compared to reference methods. The aim of this combination is to increase the network lifetime, improve communication stability, and optimize energy consumption in CR-WSN. Simulation results show that the proposed method achieves significant improvements in network lifetime, reduces energy consumption, increases packet delivery rate, and reduces end-to-end delay compared to reference methods. با گسترش روزافزون اینترنت اشیاء (IoT) در کاربردهایی چون پایش محیطی، کشاورزی و شهرهای هوشمند، شبکه‌های حسگر بی‌سیم (WSN) به ابزار اصلی جمع‌آوری داده تبدیل شده‌اند. محدودیت انرژی و تداخل طیفی از چالش‌های مهم این شبکه‌هاست. ترکیب رادیوی شناختی (CR) با WSN منجر به شکل‌گیری شبکه‌های حسگر بی‌سیم شناختی (CR-WSN) شده که بهره‌وری طیفی بالاتری دارند، اما به دلیل حس‌کردن طیف و انتخاب کانال، با مصرف انرژی و تأخیر بیشتری روبه‌رو می‌شوند. همچنین حجم بالای داده‌های حسگرها موجب افزایش ترافیک و کاهش طول عمر شبکه می‌گردد. برای حل این مشکلات، پژوهش حاضر شاخصی ترکیبی به نام RCEI معرفی می‌کند که معیارهایی چون نرخ تحویل بسته، انرژی باقی‌مانده، پایداری لینک، دسترسی طیف و تأخیر را به‌صورت وزن‌دار ترکیب می‌نماید. نوآوری اصلی، ادغام این شاخص با فشرده‌سازی داده مبتنی بر سری‌های چندجمله‌ای است. نتایج شبیه‌سازی نشان می‌دهد روش پیشنهادی در مقایسه با روش‌های مرجع باعث افزایش طول عمر شبکه، کاهش مصرف انرژی و بهبود پایداری ارتباطات می‌کند

مٰؤسسه آموزش عالی فردوس اکتشاف و پردازش هوشمند دانش 2783-3607 6 20 2026 05 22 Providing a decentralized trust management framework for IoT networks ارائه چارچوب مدیریت اعتماد غیرمتمرکز برای شبکه‌های اینترنت اشیا 248425 10.30508/kdip.2026.562921.1170 FA علی احمدی رشادت خیابان ولیعصر پشت مترو مهدیه خیابان محلوجی قمی پلاک ۱۰۵ واحد یک 0009-0002-9999-5855 حمیدرضا غفاری دانشگاه آزاد واحد فردوس Journal Article 2025 11 29 in the modern Internet of Things (IoT) paradigm, the future vision of communication networks is based on the extensive interconnection of diverse computing devices with the aim of forming an integrated network infrastructure called the Internet of Things. Through the provision of a wide range of intelligent applications and tools with remote control capabilities, IoT holds significant potential to facilitate various aspects of human life. However, security in IoT networks, due to the intrinsic characteristics of this ecosystem—particularly the heterogeneity of nodes in terms of resources and capabilities—poses a considerable technical challenge [1]. Trust management, relying on mechanisms for computing and analyzing the mutual trust level between nodes, plays a pivotal role in enabling secure and reliable communications within these networks and allows network nodes to make informed, trust-based decisions. The main objective of distributed trust management systems is to predict the future behavior of nodes based on their past behavioral records. In this paper, a novel event-driven distributed trust management approach for IoT networks is presented. The proposed method consists of a four-component system that leverages hybrid trust evaluation, machine learning-based prediction, dynamic trust adjustment and updating, and secure dissemination of trust information. This approach calculates the trust level between IoT entities using a combination of direct experiences, neighborhood recommendations, and behavior prediction. Simulation results indicate that, compared to the DDTMS method, the proposed approach achieves faster convergence, requires fewer transactions to identify malicious nodes, and exhibits better resilience against on-off attacks and slander attacks. Keywords: Internet of Things, Trust Management, Distributed Trust Management, Trust Evaluation. در رویکرد نوین اینترنت اشیا (IoT)، چشم‌انداز آتی شبکه‌های ارتباطی بر پایه اتصال گسترده دستگاه‌های محاسباتی متنوع با هدف تشکیل یک زیرساخت شبکه‌ای یکپارچه به نام اینترنت اشیا ترسیم گردیده است. اینترنت اشیا، از طریق ارائه طیف وسیعی از برنامه‌ها و ابزارهای هوشمند با قابلیت کنترل از راه دور، پتانسیل چشمگیری در راستای تسهیل جنبه‌های گوناگون زندگی بشری دارا می‌باشد. با این حال، امنیت در شبکه‌های اینترنت اشیا، به‌واسطه ویژگی‌های ذاتی این اکوسیستم، به‌ویژه ناهمگونی گره‌ها از منظر منابع و قابلیت‌ها، به عنوان یک چالش فنی قابل توجه مطرح است [1]. مدیریت اعتماد، با اتکا به ساز و کارهای محاسبه و تحلیل سطح اعتماد متقابل بین گره‌ها، نقش محوری در تسهیل ارتباطات امن و معتبر در این شبکه‌ها ایفا می‌کند و امکان اتخاذ تصمیمات آگاهانه و مبتنی بر اعتماد را برای گره‌های شبکه فراهم می‌سازد. هدف اصلی سیستم‌های مدیریت اعتماد توزیع‌شده، پیش‌بینی رفتارهای آتی گره‌ها بر مبنای سوابق رفتاری پیشین آن‌ها است. در این مقاله، یک روش نوین مدیریت اعتماد توزیع‌شده و رویداد محور برای شبکه‌های اینترنت اشیا ارائه شده است. روش پیشنهادی شامل یک سامانه چهار جزئی است که از ارزیابی اعتماد هیبرید، پیش‌بینی مبتنی بر یادگیری ماشین، تنظیم پویا و به‌روزرسانی اعتماد و انتشار امن اطلاعات اعتماد بهره می‌برد. این روش، سطح اعتماد بین اشیا را با استفاده از ترکیبی از تجربیات مستقیم، توصیه‌های همسایگی و پیش‌بینی رفتار محاسبه می‌کند. نتایج حاصل از شبیه‌سازی، حاکی از آن است که روش پیشنهادی در مقایسه با روش DDTMS، از سرعت همگرایی بالاتر و تعداد تراکنش‌های کمتری جهت شناسایی گره‌های مخرب برخوردار بوده و همچنین، در برابر حملات روشن-خاموش و بدگویی، از سطح مقاومت مطلوب‌تری بهره‌مند است. کلیدواژه‌ها: اینترنت اشیا، مدیریت اعتماد، مدیریت اعتماد توزیع‌شده، ارزیابی اعتماد.

مٰؤسسه آموزش عالی فردوس اکتشاف و پردازش هوشمند دانش 2783-3607 6 20 2026 05 22 Explanation the Psychological Dimensions of Employees’ Trust in Collaborating with Artificial Intelligence: A Document-Based Grounded Theory Study تبیین ابعاد روان‌شناختی اعتماد کارکنان به هوش مصنوعی در محیط کار و پیامدهای آن بر عملکرد شغلی: یک مطالعه نظریه داده‌بنیاد مبتنی بر اسناد 253246 10.30508/kdip.2026.592053.1188 FA هادی کجباف نژاد گروه روانشناسی ،موسسه آموزش عالی زند شیراز، شیراز ،ایران 0009-0007-8068-9854 Journal Article 2026 07 15 The rapid expansion of artificial intelligence (AI) in work environments has transformed patterns of interaction between humans and technology. The successful implementation of intelligent systems in organizations depends not only on the technical capabilities of AI but also on the extent to which employees trust AI. Employee trust in AI is a complex and multidimensional phenomenon encompassing cognitive, affective, behavioral, and ethical dimensions. The present study aimed to explain the psychological dimensions of employees’ trust in AI, identify the factors influencing its development, examine strategies for fostering trust, and explore its consequences for job performance. This qualitative study employed a document-based grounded theory approach. Scientific sources published in the fields of trust in AI and human–AI interaction between 2020 and 2025 were examined. In the initial stage, 18 articles were identified. Of these, 13 articles were published between 2020 and 2025, while 5 articles published prior to 2020 were also reviewed. The findings indicated that employees’ trust in AI comprises four main dimensions: cognitive trust, affective trust, behavioral trust, and ethical trust. Factors such as AI literacy, technological self-efficacy, experience with technology, system accuracy and reliability, organizational support, and a culture of innovation were identified as influential factors in the development of trust. Strategies for fostering trust included employee training, involving employees in the implementation process of AI, preserving human agency, establishing psychological safety, and developing ethical frameworks. The consequences of trust included improved job performance, increased productivity, enhanced decision-making quality, reduced resistance to technology, and strengthened organizational innovation. Overall, employees’ trust in AI is not merely a technological construct but rather a psychological–organizational process shaped by the interaction of individual, organizational, and technological factors. گسترش سریع هوش مصنوعی در محیط‌های کاری، الگوهای تعامل انسان و فناوری را دگرگون کرده است. موفقیت استقرار سامانه‌های هوشمند در سازمان‌ها تنها به قابلیت‌های فنی این فناوری وابسته نیست، بلکه به میزان اعتماد کارکنان به هوش مصنوعی نیز بستگی دارد. اعتماد کارکنان به هوش مصنوعی پدیده‌ای پیچیده و چندبعدی است که ابعاد شناختی، هیجانی، رفتاری و اخلاقی را دربرمی‌گیرد. پژوهش حاضر با هدف تبیین ابعاد روان‌شناختی اعتماد کارکنان به هوش مصنوعی، شناسایی عوامل مؤثر بر شکل‌گیری آن، راهبردهای توسعه اعتماد و پیامدهای آن بر عملکرد شغلی انجام شد. این پژوهش با رویکرد کیفی و با استفاده از روش نظریه داده‌بنیاد مبتنی بر اسناد انجام شد. منابع علمی منتشرشده در حوزه اعتماد به هوش مصنوعی، تعامل انسان–هوش مصنوعی، در بازه زمانی 2020 تا 2025 بررسی شد. در مرحله اولیه، 18 مقاله شناسایی گردید. از میان این منابع، 13 مقاله در بازه زمانی 2020 تا 2025 و 5 مقاله پیش از سال 2020 منتشر شده بودند مورد بررسی قرار گرفتند. نتایج تحلیل نشان داد که اعتماد کارکنان به هوش مصنوعی دارای چهار بعد اصلی شامل اعتماد شناختی، اعتماد عاطفی، اعتماد رفتاری و اعتماد اخلاقی است. همچنین عواملی مانند سواد هوش مصنوعی، خودکارآمدی فناورانه، تجربه استفاده از فناوری، دقت و قابلیت اتکای سیستم، حمایت سازمانی و فرهنگ نوآوری به‌عنوان عوامل مؤثر بر شکل‌گیری اعتماد شناسایی شدند. راهبردهای توسعه اعتماد شامل آموزش کارکنان، مشارکت دادن آنان در فرایند استقرار هوش مصنوعی، حفظ عاملیت انسانی، ایجاد امنیت روان‌شناختی و تدوین چارچوب‌های اخلاقی بود. پیامدهای اعتماد نیز شامل بهبود عملکرد شغلی، افزایش بهره‌وری، ارتقای کیفیت تصمیم‌گیری، کاهش مقاومت در برابر فناوری و تقویت نوآوری سازمانی گزارش شد. اعتماد کارکنان به هوش مصنوعی یک سازه صرفاً فناورانه نیست، بلکه فرایندی روان‌شناختی–سازمانی است که از تعامل ویژگی‌های فردی، سازمانی و فناورانه شکل می‌گیرد.

مٰؤسسه آموزش عالی فردوس اکتشاف و پردازش هوشمند دانش 2783-3607 6 20 2026 05 22 Designing a Model for Applying Artificial Intelligence in the Iranian Sports Management System: A Qualitative Study Based on Content Analysis طراحی الگوی به‌کارگیری هوش مصنوعی در نظام مدیریت ورزش ایران: یک مطالعه کیفی مبتنی بر تحلیل مضمون 253247 10.30508/kdip.2026.593985.1189 FA محمد سعید کیانی دکتری گروه مدیریت ورزشی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران 0000-0001-8882-1097 لیلا نظری دانشجوی دکتری،مدیریت ورزشی دانشگاه کردستان،سنندج،ایران 0000-0001-9870-4396 Journal Article 2026 07 26 Artificial intelligence, as one of the most important transformative technologies of the present era, has a high capacity to improve management processes, increase decision-making accuracy, improve productivity, and develop intelligent systems in sports organizations. However, the effective use of this technology in the Iranian sports management system is accompanied by numerous challenges and requirements. Therefore, the aim of the present study was to design a model for using artificial intelligence in the Iranian sports management system using the content analysis approach. This study was conducted based on content analysis in terms of its applied purpose, qualitative in nature, and method. The research community consisted of experts in the field of sports management, artificial intelligence specialists, executive managers, and faculty members familiar with the subject, who were selected as participants using purposive sampling until theoretical saturation was reached. Data were collected through semi-structured interviews and analyzed using a systematic content analysis process. The research findings led to the extraction of 45 sub-themes, which were conceptually integrated into 12 organizing themes and finally categorized into 5 main themes including “empowering platforms”, “smart leadership and governance”, “human capital and organizational culture”, “smart management processes”, and “synergy and sustainable development”. The results showed that the successful deployment of artificial intelligence in the Iranian sports management system requires the simultaneous development of technological infrastructure, the formulation of governance and policy frameworks, the empowerment of human capital, the establishment of data-based decision-making processes, the development of a culture of innovation, and the strengthening of cooperation among stakeholders. Accordingly, the presented conceptual model can be used as a comprehensive framework for planning, policy-making, and the implementation of digital transformation strategies in sports organizations and pave the way for improving the efficiency, transparency, innovation, organizational agility, and sustainable development of the Iranian sports management system. هوش مصنوعی به‌عنوان یکی از مهم‌ترین فناوری‌های تحول‌آفرین عصر حاضر، ظرفیت بالایی برای بهبود فرآیندهای مدیریتی، افزایش دقت تصمیم‌گیری، ارتقای بهره‌وری و توسعه نظام‌های هوشمند در سازمان‌های ورزشی دارد. با وجود این، بهره‌گیری مؤثر از این فناوری در نظام مدیریت ورزش ایران با چالش‌ها و الزامات متعددی همراه است. ازاین‌رو، هدف پژوهش حاضر طراحی الگوی به‌کارگیری هوش مصنوعی در نظام مدیریت ورزش ایران با استفاده از رویکرد تحلیل مضمون بود. این پژوهش از نظر هدف کاربردی، از نظر ماهیت کیفی و از حیث روش، مبتنی بر تحلیل مضمون انجام شد. جامعه پژوهش را خبرگان حوزه مدیریت ورزش، متخصصان هوش مصنوعی، مدیران اجرایی و اعضای هیئت علمی آشنا با موضوع تشکیل دادند که با استفاده از نمونه‌گیری هدفمند و تا رسیدن به اشباع نظری، ۲۲ نفر به‌عنوان مشارکت‌کننده انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری و با بهره‌گیری از فرآیند نظام‌مند تحلیل مضمون مورد تجزیه و تحلیل قرار گرفت. یافته‌های پژوهش منجر به استخراج ۴۵ مضمون فرعی شد که پس از ادغام مفهومی در قالب ۱۲ مضمون سازمان‌دهنده و در نهایت ۵ مضمون اصلی شامل «بسترهای توانمندساز»، «رهبری و حکمرانی هوشمند»، «سرمایه انسانی و فرهنگ سازمانی»، «فرایندهای هوشمند مدیریتی» و «هم‌افزایی و توسعه پایدار» طبقه‌بندی شدند. نتایج نشان داد که استقرار موفق هوش مصنوعی در نظام مدیریت ورزش ایران نیازمند توسعه هم‌زمان زیرساخت‌های فناورانه، تدوین چارچوب‌های حکمرانی و سیاست‌گذاری، توانمندسازی سرمایه انسانی، استقرار فرآیندهای تصمیم‌گیری مبتنی بر داده، توسعه فرهنگ نوآوری و تقویت همکاری میان ذی‌نفعان است. بر این اساس، مدل مفهومی ارائه‌شده می‌تواند به‌عنوان چارچوبی جامع برای برنامه‌ریزی، سیاست‌گذاری و اجرای راهبردهای تحول دیجیتال در سازمان‌های ورزشی مورد استفاده قرار گیرد و زمینه ارتقای کارآمدی، شفافیت، نوآوری، چابکی سازمانی و توسعه پایدار نظام مدیریت ورزش ایران را فراهم سازد.