یک سیستم شاخص ارزیابی برای ارزیابی سرمایه فکری بر اساس یادگیری ماشینی

در حال حاضر هنوز یک سیستم شاخص ارزیابی کامل سرمایه فکری در میان شرکت ها وجود ندارد. فقدان چنین سیستمی مانع از تبدیل ملایم سرمایه به ارزش شرکت می شود. بنابراین، این مقاله تلاش می کند تا یک سیستم شاخص ارزیابی موثر و عینی برای سرمایه فکری ایجاد کند. اولا داده های مربوط به سرمایه فکری برخی شرکت ها، از بازار سرمایه گذاری رشد (GEM) جمع آوری شد. سپس داده های اصلی در ۱۷۷۰ بخش موثر داده پیش پردازش شدند. بر این اساس، ۱۳ شاخص از سه بعد سرمایه فکری (به عنوان مثال سرمایه انسانی، سرمایه ساختاری و سرمایه ارتباطی) انتخاب شدند و یک سیستم شاخص ارزیابی را تشکیل دادند. پس از آن، سیستم شاخص ارزیابی با دو الگوریتم یادگیری ماشینی (ML)، یعنی روش جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) تایید شد. نتایج نشان می دهد که سیستم شاخص ارزیابی ما می تواند طبقه بندی سرمایه فکری شرکت ها را بهینه کند و از نقص های ذهنی در ارزیابی کیفی جلوگیری نماید. نتایج این تحقیق شفافیت جدیدی را در تصمیم گیری و مدیریت علمی شرکت ها ایجاد می کند.