چکیده:
هدف: هدف پژوهش حاضر بخشبندی مراجعهکنندگان کتابخانههای عمومی استان فارس بر مبنای نیازهایشان است.
روش: در این پژوهش از تلفیقی از روشهای خوشهبندی به کمک شبکۀ عصبی، تحلیل سلسلهمراتبی و مدل کانو استفاده میشود تا به وسیلۀ بخشبندی مراجعهکنندگان کتابخانههای عمومی و بهدست آوردن ارزش هر بخش، خدمات مناسب در جهت جلب رضایت مراجعهکنندگان ارائه گردد. جامعۀ آماری این پژوهش شامل تمام مراجعهکنندگان کتابخانههای عمومی استان فارس است که نمونهای به حجم 180 نفر به روش تصادفی ساده از آن انتخاب شده است. ابزار پژوهش نیز پرسشنامهای است که بر مبنای مدل کانو و شاخصهای رضایت مراجعهکنندگان طراحی گردیده است.
یافتهها: بعد از جمعآوری دادهها، شبکۀ خودسازمانده با بالاترین کیفیت برای بخشبندی یا خوشهبندی مراجعهکنندگان برگزیده شد و پس از استفاده از نرمافزار MATLAB، چهار خوشه برای مراجعهکنندگان کتابخانههای عمومی استان فارس تعیین گردید. سپس با استفاده از روش تحلیل سلسلهمراتبی در نرمافزار Expert Choice، خوشهها اولویتبندی شدند؛ به این ترتیب که خوشۀ با اولویت اول شامل مراجعهکنندگانی است که طبق مدل کانو بیشتر نیازهای جذاب و انگیزشی دارند و با روشهای جدید و نوین در زمینههای ساختمان و موقعیت، نیروی انسانی، منابع، شرایط بهرهگیری از خدمات، خدمات جانبی کتابخانه و غیره میتوان در جهت افزایش رضایت آنها کوشید. به همین ترتیب نیازهای مراجعهکنندگان سایر خوشهها نیز بررسی شده و پیشنهادهایی جهت بهبود امر خدمترسانی ارائه میگردد.
اصالت/ارزش: در این پژوهش با بخشبندی مراجعهکنندگان کتابخانههای عمومی بر اساس نیازهایشان، مدلی طراحی گردید که پس از خوشهبندی مراجعهکنندگان، اولویتبندی خوشهها و تعیین نوع نیازهای مراجعهکنندگان هر خوشه، کتابخانههای عمومی را در جهت خدمترسانی مطلوب یاری مینماید.
Purpose: Clients are crucial factors in the success of public libraries and each of them has different needs. So public libraries should know their clients and plan to meet their needs in order to ensure satisfaction.
Methodology: In this research a hybrid model based on clustering method which uses the Neural Network, Analytical Hierarchy Process (AHP) and Kano model is used in order to segment public library clients and obtain the value of each segment to provide the services that will satisfy them. The statistical population of this research consists of all public library clients in the Fars province and a sample group of 180 is chosen via simple random sampling. The research tool is a questionnaire based on both the Kano model and the parameters of clients' satisfaction model.
Findings: After data gathering, the Self-Organizing Map (SOM) is chosen for segmenting or clustering clients with the highest quality and four clusters are identified for public library clients in Fars province using MATLAB. Then clusters are prioritized using the Analytical Hierarchy Process in the Expert Choice software package. This means that the cluster with the first priority includes clients who have attractive needs.Novel methods need to be employed to increase the satisfaction of these clients where the building and its location, human resources, material resources, service conditions, the library's peripheral services, etc. Client needs in other clusters are similarly identified, and suggestions for improvement in services are proposed.
Originality/value: In this study through segmenting public library clients based on their needs a model was designed which helps public libraries to best serve the community by clustering clients, prioritizing these clusters and determining the needs of the clients in each cluster.