حسین وظیفه دوست - استاد گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
معصومه مترصد - استاد گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران دانشجوی دکتری کارآفرینی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

هدف از این مطالعه کشف یک مدل تحلیلی پیشرفته است که به طور دقیق نوآوری کارآفرینی را پیش بینی می کند. بدین منظور، مدلی برای پیش بینی نوآوری کارآفرینی با استفاده از یادگیری ماشین ارائه می شود که یک رویکرد علم داده است. جهت ساخت مدل پیش بینی، از ۸۸۴۹۳ داده از ۲۰ کشور دیده بان جهانی کارآفرینی (GEM) در فاصله سالهای ۲۰۰۸ تا ۲۰۱۸ استفاده شده است. بر اساس مجموعه داده متشکل از ۲۹ متغیر توضیحی، دو مدل پیش بینی با استفاده از الگوریتم XGBoost برای ویژگی های کارآفرین و ویژگی های محصول/ بازار ساخته شد. برای ارزیابی عملکرد مدل از شاخص هایی مانند دقت، صحت و حساسیت استفاده می شود. در نتیجه تجزیه و تحلیل، هر دو مدل مبتنی بر یادگیری ماشین عملکرد بهینه ای داشتند و نتایج برازش هر دو مدل نیز بالای ۹۰% بود. متغیرهایی که سهم بالایی در پیش بینی نوآوری کارآفرینانه از طریق XG Boost دارند، در مجموعه داده ویژگی کارآفرین، متغیرهای قصد کارآفرین، تحصیلات، شغل، سن و نوع فرصت و در مجموعه داده ویژگی محصول/بازار، آشنایی مشتری با محصول، فناوری محصول، گسترش بازار و صادرات محصول است که نشان می دهد علاوه بر عوامل فردی و ادراکی کارآفرین، مشارکت مشتری و نوع محصول و بازار و گسترش مرزهای جغرافیایی در پیش بینی نوآوری موثرند. این مطالعه از این جهت حائز اهمیت است که با پیشنهاد یک مدل پیش بینی کننده جدید با استفاده از یادگیری ماشین، یک روش تحلیل پیشرفته، دامنه تحقیقات کارآفرینی را گسترش داد.

یادگیری ماشین، نوآوری کارآفرینی، دیده بان جهانی کارآفرینی