يهدف البحث الى توضيح وتحديد اثر الانماط القيادية المختلفة في ادارة التغيير التنظيمي بشركة الخطوط الجوية الليبية بمدينة طرابلس، حيث تم التركيز في هذا البحث على عرض مفهوم القيادة الادارية واهميتها، وانماطها، مكما تم التعرض لمفهوم التغيير التنظيمي واهميته واسبابه واهدافه، واخيرا تم توضيح دور الانماط القيادية في ادارة التغيير التنظيمي وقد اعتمد البحث على المصادر الاولية والثانوية للحصول على البيانات المطلوبة، بالاعتماد على المراجع والكتب التي امكن الوصول اليها، وكذلك الدراسات السابقة التي تناولت موضوع البحث، وخلص البحث بالاعتماد على تحليل وتفسير البيانات الاولية التي تم جمعها وتحليلها باستخدام بعض الاساليب الاحصاء الوصفي والاستنتاجي، الى مجموعة من النتائج اهمها ما يلي: ان ممارسة الانماط القيادية (النمط القيادي الديموقراطي، والنمط القيادي الاوتوقراطي، والنمط القادي الحر، والنمط القيادي التحويلي) تتم بدرجات متفاوتة، في حين ان التغيير التنظيمي الذي تقوم به الشركة محل البحث يسهل نظام الاتصال بين المستويات الادارية المختلفة بالشركة ويعمل على اعادة توزيع الاختصاصات والمهام وفقاً للتغيير المستحدث، وان التغيير التكنولوجي يتيح للشركة استخدام تكنولوجيا المعلومات بشكل اوسع واشمل ويعمل على تبسيط الادارات بها، وان ذلك يتم من خلال نبمي افكار ومبادرات من مستويات تنظيمية ادنى كما ان الانماط القيادية السائدة لها دور ايجابي ومباشر في ادارة التغيير التنظيمي من خلال النمط القيادي التحويلي والنمط القيادي الحر. وفي هذا الصدد قدم الباحثان مجموعة من التوصيات نذكر منها: العمل على تنمية المهارات القيادية لدى العاملين، وتدريبهم على ممارسة الانماط القيادية الاكثر ملائمة لعملية التغيير التنظيمي ومتطلبات القيادة الادارية، وكذلك العمل على تطوير النمط القيادي السائد بالشركة محل البحث، من خلال الاتجاه نحو بناء واعداد القيادات االشابة او ما يعرف بقيادات الصف الثاني، والتي يقع على عاتقها مهمة ادارة التغيير بهذه الشركة بعقلية متفتحة وواعية لحاجات التغيير وضرورياته ومستوعبة لاساليبه وادواته ومتوقعه لنتائجه ومردوداته.
جمال محمد اندير, صالح المبروك المداح(9-2021)

Abstract Biological studies of Nezara viridula (L.) (Heteroptera:Pentatomidae) and its parasitoid Trissolcus basalis (Wollaston)(Scelionidae: Hymenoptera) collected from Libya were conducted in a rearing room at 25 ± 5°C, 65 ± 10 % R.H. and 16:8 LD photoperiod.During the course of rearing of N. viridula the eggs incubation periodvaried between 4-7 days. The newly emerged nymphs and the 5th stage had the highest mortality in comparison with 1st, 2nd, 3rd and 4thstages .studies on T. basalis included: SEM, development time, parasitoid mating behavior and oviposition behavior, functionalresponse and fecundity. The development time was 4 to 10 days underthe laboratory condition. Adult males lived longer than females.Mating time took from 12.2 to 19.5 seconds. In case of ovipositionbehavior serial of behaviors were observed and recorded. The egg selection period was 0: 00: 08 - 0: 00: 25 min, oviposition period was 0: 01: 04 - 0: 01: 41 min. Egg marking period was 0: 00: 11 - 0: 00: 25 min. The longest period was the oviposition period followed by egg marking period followed by egg selection period.In functional response study was found a highly positive correlation ( r = 0.974 ) number of egg masses exposed and the number of parasitoid emerged. Fecundity experiments showed that the daily ii production of progeny by female of T. basalis during 6-10 dayslifetime showed that female progeny production was higher than male progeny production. The maximum period offspring production was 6-10 days. There was a highly negative correlation ( r = - 0.900 ) between the number of eggs parasitized and parasitoid age . Also there is a highly signifcant difference between the fecundity of T. basalis newly emerged of 24 h and after 7 days after emergence from N. viridula eggs. The number of mature eggs in the ovary were less in 24h aged female and the fecundity increased over the next 7 days.
عايدة عادل عبد الرحيم بادي (2008)

لهذه الدراسة هدفان مهمان وهما: أولاً: توضيح فكرة بناء الشبكات؛ العصبية المقترحة ثانياً: مقارنة هذه الطرق بالإدراك الجيد لنماذج السلاسل الزمنية (ARIMA) باستعمال المعيار MSE، وهو المعيار الأول لتدريب الشبكة العصبية والثاني لحساب آلية توقعات نماذج الشبكات العصبية. باستخدام بعض الأمثلة الخاصة اتضح أن الإجراءات حول نموذج الشبكات العصبية وجدت بأنها تقدم توقعات أفضل من نماذج السلاسل الزمنية، وأن نماذج الشبكات العصبية قد تستعمل في التنبؤ ببيانات السلاسل الزمنية بتعديل بعض الأوزان التى تعتبر معالم نماذج الشبكات العصبية والتى يمكن أن تقدر خلال عملية تدريب الشبكة، ودقة التوقعات مقدرة بالدالة المناسبة التى تستعمل في عملية تدريب الشبكة. إن مشكلة تنبؤ النماذج شائعة في التحليلات الإحصائية، وفى الغالب الطرق مستعملة للتعامل مع تنبؤ نموذج الانحدار والسلاسل الزمنية بالرغم من أن هذه الطرق قد لاتكون دقيقة في العينات الصغيرة و النتائج المتحصل عليها في هذا البحث حسبت بفصل مجموعة البيانات إلى مجموعتين جزئيتين أو أكثر، استعملنا الجزء الأول لملائمة النموذج والجزء الأخير لبناء التوقع باستخدام المعيار MSE كأداة للمقارنة بين النماذج, وكلما كانت قيمة هذا المعيار صغيرة كان النموذج أفضل. Abstract This study has two objectives. First, presenting artificial neural networks (ANN) second, comparing the proposed method with the well known ARIMA model, the accuracy of the neural network forecasts is compared with the corresponding ARIMA models by using the mean square error (MSE). By using the proposed (MSE) measures the artificial neural networks (ANN) were found deliver a better forecasts than the ARIMA model. A class of artificial neural networks (ANN) may be used in forecasting time series data. It may be used to approximate unknown expectation function of future observation given past values , thus the weights of these ANN can be viewed as parameters, which can be estimated through the network training. Then the model is used for forecasting. The accuracy of the forecasts is evaluated by suitable function. The problem of forecasting model is common in statistical analysis. One of the mostly used approach to deal with forecasting model is regression and time series. Although, approaches may not accurate in small sample. In an effort to forecast daily flow waters to the three important dams such as Ejdabia, Sirt, Benghazi, we will training to a take new tool if forecasting model which known as neural network model. This tool deal with testing data after made as partition of the original series into two sets first is called training set, were used to fit the model, while the second is called testing sets, were used to make forecasting. In this work the MSE is well known as tool for comparing between the models, further more when the MSE is less, the value of this model is a better than other models.
ساميه محمد ميره (2010)