کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص های کلان علم و فناوری
نویسندگان
1 استادیار مدیریت صنعتی - زیرگروه مدیریت فناوری اطلاعات دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی
2 دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات،دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی،تهران،ایران
doi
10.22104/jtdm.2019.2841.1960چکیده
ارزیابی تحقیق و توسعه و ارتباط بین تولید علم و تکنولوژی در سطح کلان کشورها به دلیل حجم بالای اطلاعات و تغییر و تحولات سریع در این حوزه محدود بوده است. این پژوهش با هدف درک ارتباط و عملکرد توسعه فناوری در رابطه با فعالیتهای تولید علم در سطح کشورها صورت پذیرفته است که از نوع تحقیقات توصیفی-کاربردی میباشد. هدف ساخت مدلی با استفاده از الگوریتم های پیشرفته است که توانایی پیشبینی شاخص فناوری را بر مبنای تولید علم در کشورها داشته باشد. همچنین، تاثیر هر یک از شاخصهای علمی بر شاخص فناوری با استفاده از روش آنالیز حساسیت شبکه عصبی تعیین گردید. روش تحقیق دراین پژوهش CRISP-DM بوده و دادهها از پایگاه SJCRو سازمان جهانی مالکیت فکری (WIPO) و در بازه زمانی سالهای 2001 تا 2015 استخراج گردید. طبق نتایج تحقیق، شبکه عصبی نسبت به رگرسیون از دقت و توانایی بیشتری جهت مدلسازی برخوردار بود و نتایج تحلیل حساسیت نشان داد که مهمترین پارامتر علمسنجی جهت پیشبینی شاخص فناوری پارامتر اچایندکس و روند ارجاعدهی به مقالات بینالمللی میباشد. سیاست-گذاران میتوانند از نتایج پژوهش جهت شناسایی متغیرهای تاثیرگذار تولید علم که به ایجاد فناوری منجر میشوند بهره گیرند.