پیش بینی تاثیرگذاری پژوهش های علمی حوزه زیست فناوری با استفاده از الگوریتم های یادگیری ماشین

هدف: مطالعه حاضر قصد دارد رابطه هر یک از متغیرهای مختلف اثرگذاری بروندادهای علمی را بر همدیگر موردسنجش قرار داده و نیز بررسی کند کدا م یک از الگوریتم های ماشین می توانند اثرگذاری علمی، اجتماعی و اقتصادی بروندادهای علمی را پیش بینی کنند.روش شناسی: پژوهش حاضر ازنظر هدف، کاربردی و ازلحاظ روش، توصیفی بوده و با رویکرد علم سنجی انجام شده است. جامعه پژوهش، بروندادهای حوزه زیست فناوری ایران است که در پایگاه اسکوپوس در بازه ۲۰۰۳-۲۰۲۴ نمایه شده اند. برای استخراج داده ها از پایگاه تحلیلی سایول استفاده شد. در این پژوهش از ضریب همبستگی پیرسون و از بسته نرم افزاری R به منظور تعیین رابطه بین شاخص های موردمطالعه استفاده شد و رگرسیون خطی چندگانه، نزدیک ترین همسایه، درخت های تصمیم گیری، جنگل های تصادفی و تقویت گرادیان نیز به عنوان مدل های پیش بینی کننده، مورد و ارزیابی قرار گرفت. به منظور انجام آزمون ها و الگوریتم ها از زبان برنامه نویسی پایتون استفاده شد.یافته ها: در عرصه اثرگذاری خروجی های علمی موردمطالعه، حجم استنادها با شاخص های متعددی رابطه مثبت و معنی داری داشته است. در حوزه تاثیرگذاری اقتصادی نیز این نتیجه حاصل شد که تعداد استنادات ثبت اختراع به عنوان یکی از شاخص های معرف این نوع تاثیر، با موارد متعددی رابطه مثبت و معنی داری داشته است. در مورد تاثیرگذاری اجتماعی نیز تعداد بازدیدها رابطه مثبت و معنی داری با بسیاری از شاخص ها دارد. بر اساس نتایج حاصل شده، رگرسیون خطی چند متغیره با نمره صحت بالاتر و نمره انحراف معیار پایین تر، بهتر توانست میزان اثرگذاری علمی، فناورانه و اجتماعی بروندادهای علمی ایران در حوزه زیست فناوری را پیش بینی کند.نتیجه گیری: مهم ترین عامل موثر بر کیفیت مقالات ازجمله در بعد استنادها، بازدیدها و کاربردی بودن، همکاری بین المللی بوده که در این زمینه لازم است تدابیری اندیشه شود. پیشنهاد می شود هنگام ارزیابی کمی و کیفی مقالات، از شاخص های متنوعی استفاده گردد تا تصویر شفاف تری از اثرگذاری پژوهش ها حاصل شود.