چکیده:
اقتصاد دانشبنیان، جدیدترین الگوی تولید در عصر حاضر بوده و تاکنون، دستاوردهای کمنظیری برای طیف گستردهای از کشورهای مختلف به همراه داشته است. هدف این مقاله، طبقهبندی استانهای ایران از منظر اقتصاد دانشبنیان میباشد. طبقهبندی استانها بر اساس میزان تشابه آنها در دستیابی به الگوی تولید دانشبنیان، نخستین گام برای یک برنامهریزی صحیح و واقعبینانه است. از نسخۀ یکسانی برای استانهای با وضعیت متفاوت، نمیتوان استفاده کرد. شاخص اقتصاد دانشبنیان منطقهای در سه محور اصلی آموزش، نوآوری و فنّاوری اطلاعات و ارتباطات و بر اساس 15 زیرشاخص، تعریف، و طبقهبندی، بر اساس تکنیک خوشهبندی- یکی از شاخههای یادگیری بدون نظارت- انجام، و برای این منظور، دو الگوریتم k-means و c-means فازی بهطور همزمان به کار گرفته شده است تا مقایسه نتایج آنها امکانپذیر شود. تعداد خوشه بهینه نیز از طریق ضریب سیلوئیت[1] محاسبه شده است. این ضریب، همچنین میزان درستی نتایج خوشهبندی را نشان میدهد. خوشهبندی بر اساس الگوریتم c-means فازی و در حالت 6 خوشه با ضریب سیلوئیت 77/ 0 مناسبترین طبقهبندی برای هدف پژوهش است. نتایج نشان میدهد، ناهمگونی مشهودی بین استانهای مختلف از نظر اقتصاد دانشبنیان وجود دارد. تهران و البرز در خوشههای جداگانه و جزء طبقات پیشرو نسبت به سایرین قرار دارند؛ در حالی که بیش از نیمی از استانها در خوشۀ انتهایی طبقهبندی میشوند.
The knowledge-based economy is the newest pattern of production in the current era. So far, this pattern has resulted in unique achievements for a wide range of countries. This study aims to classify the provinces of Iran in terms of Knowledge-based economy. The classification of provinces based on their similarity in achieving the knowledge-based production pattern is the first step for correct and realistic planning. The same version cannot be used for different provinces. The regional knowledge-based economy index is defined in three dimensions: education, innovation, and information and communication technology, based on 15 sub-indices. The classification is based on the clustering technique, which is one of the branches of unsupervised learning. To do this, k-means and fuzzy c-means algorithms are used simultaneously to compare their results. The optimal number of clusters is calculated through the Silhouette coefficient. This coefficient also indicates the accuracy of the clustering results. Clustering based on the fuzzy c-means algorithm in 6-cluster case with a Silhouette coefficient of 0.77 is the most appropriate classification for research purposes. The results show that there is a clear discrepancy between different provinces in the context of knowledge-based economy. Tehran and Alborz are in separate clusters and are among the leading classes compared to others, while more than half of the provinces belong to backward cluster.
خلاصه ماشینی:
فصلنامه پژوهشهای اقتصادی (رشد و توسعه پایدار) ـ سال بیست و یکم ـ شماره اول ـ بهار ١٤٠٠ ـ صفحات ١٤٦-١١٧ طبقه بندی استان های ایران از منظر شاخص اقتصاد دانش بنیان منطقه ای با استفاده از الگوریتم خوشه بندی k-means و c-means فازی 1 زهرا علینژاد 2 سیدمحمدباقر نجفی 3 جمال فتح اللهی 4 نادر زالی تاریخ دریافت : ١٣٩٩/٥/٢٢ تاریخ پذیرش : ١٣٩٩/٧/٢٦ چکیده اقتصاد دانش بنیان ، جدیدترین الگوی تولید در عصر حاضر بوده و تاکنون ، دستاوردهای کم نظیری برای طیف گسترده ای از کشورهای مختلف به همراه داشته است .
شاخص اقتصاد دانش بنیان منطقه ای در سه محور اصلی آموزش ، نوآوری و فناوری اطلاعات و ارتباطات و بر اساس ١٥ زیرشاخص ، تعریف ، و طبقه بندی، بر اساس تکنیک خوشه بندی- یکی از شاخه های یادگیری بدون نظارت - انجام ، و برای این منظور، دو الگوریتم k-means و -c means فازی به طور همزمان به کار گرفته شده است تا مقایسه نتایج آنها امکان پذیر شود.
تکنیک خوشه بندی، یکی از شاخه های یادگیری بدون نظارت است که برای استخراج الگو در میان چنین داده هایی به کار گرفته میشود؛ زیرا این روش ها، در صورت فقدان هر نوع دانش قبلی در ارتباط با اینکه طبقه ها ممکن است به چه شکلی باشند، مناسب هستند (٢٠٠٧ ,Wu &Gan, Ma ;١٩٩٩ ,Flynn &Jain, Murty ).