کاربردهای مهندسی هستی شناسی در سامانه های مراقبت های بهداشتی و مدیریت نیروی کار ۲۰۱۷
Ontology Engineering Applications in Healthcare and Workforce Management Systems 2017

با نگاهی فراتر از افق فناوری های ارتباطی و پیش بینی تقاضای شغلی آتی در حوزه های تخصصی، این کتاب با ادغام دو هستی شناسی رایانه ای از حوزه های متفاوت، ارزیابی ای از بهبودهای مطلوب در سیستم های اطلاعاتی ارائه می دهد. این کتاب رویکردی نوین برای حل مسائل بر اساس مدل سازی پویا و مشارکت های روش شناختی در توسعه سیستم های ارتباطی فلسفی و یاری رسان در حوزه بهداشت و درمان، در اختیار خوانندگان قرار می دهد و به نیاز به هوشمندی در تقاضا و نیز پشتیبانی از محیط کار عملی می پردازد.

سرعت تغییر در بازتعریف نیازهای منابع انسانی ویژه مشاغل، بی امان بوده و همچنان در حال شتاب گرفتن است. و رشد تصاعدی در تقاضا برای ارائه خدمات بهداشتی و درمانی نیز به همان نسبت دلهره آور است. از این رو، بخش های دولتی و خصوصی با چالش حفظ هوشمندی معتبر و مرتبط در تقاضا و شیوه های استخدام روبرو هستند، در حالی که یکپارچه سازی، گسترش و غنی سازی هستی شناسی هایی که ظاهراً بی ارتباط هستند، مسائل کلیدی در تحقیق و توسعه را تشکیل می دهند.

Looking beyond the communications technology horizon and projecting future competency-specific employment demand, this book presents an evaluation of desirable information systems enhancements by integrating two disparate-domain computer ontologies. It provides readers a fresh solutions approach based on dynamic modeling and methodological contributions to philosophical and assistive communications system development in healthcare, addressing the need for both demand intelligence and practical work environment support.
The pace of change in redefining occupation-specific employee resourcing needs is unrelenting and continues to accelerate. And the exponential growth in the demand for healthcare service delivery is correspondingly daunting. As such, the public and private sectors are faced with the challenge of sustaining credible relevant demand intelligence and recruitment practices, while integration, expansion and enrichment of ostensibly unconnected ontologies represent key R&D issues.