کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص های کلان علم و فناوری

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 فعالیت های تولید علم در سطح کشور ها صورت پذیرفته است که از نوع تحقیقات توصیفی-کاربردی می باشد. هدف ساخت مدلی با استفاده از الگوریتم های پیشرفته است که توانایی پیش بینی شاخص فناوری را بر مبنای تولید علم در کشورها داشته باشد. همچنین، تاثیر هر یک از شاخص های علمی بر شاخص فناوری با استفاده از روش آنالیز حساسیت شبکه عصبی تعیین گردید. روش تحقیق دراین پژوهش CRISP-DM بوده و داده ها از پایگاه SJCRو سازمان جهانی مالکیت فکری (WIPO) و در بازه زمانی سال های 2001 تا 2015 استخراج گردید. طبق نتایج تحقیق، شبکه عصبی نسبت به رگرسیون از دقت و توانایی بیشتری جهت مدل سازی برخوردار بود و نتایج تحلیل حساسیت نشان داد که مهم ترین پارامتر علم سنجی جهت پیش بینی شاخص فناوری پارامتر اچ ایندکس و روند ارجاع دهی به مقالات بین المللی می باشد. سیاست-گذاران می توانند از نتایج پژوهش جهت شناسایی متغیرهای تاثیرگذار تولید علم که به ایجاد فناوری منجر می شوند بهره گیرند.

کلیدواژه ها:

شاخص فناوری ، شاخص علم سنجی ، شبکه عصبی مصنوعی ، آنالیز حساسیت ، داده کاوی