این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های رشد و توسعه پایدار، جلد ۲۱، شماره ۱، صفحات ۱۱۷-۱۴۶
عنوان فارسی طبقه‌بندی استان‌های ایران از منظر شاخص اقتصاد دانش‌بنیان منطقه‌ای با استفاده از الگوریتم خوشه‌بندی k-means و c-means فازی
چکیده فارسی مقاله 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.   [1]. Silhouette Coefficient
کلیدواژه‌های فارسی مقاله اقتصاد دانش‌بنیان، شاخص اقتصاد دانش‌بنیان منطقه‌ای، خوشه‌بندی، الگوریتمc-means فازی، الگوریتم k-means
عنوان انگلیسی Classification of Iran's Provinces in Terms of Regional Knowledge-Based Economy Index Using K-Means and Fuzzy C-Means Clustering Algorithms
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله Knowledge-based economy, regional Knowledge-based economy index, Clustering, fuzzy c-means algorithm, k-means algorithm
نویسندگان مقاله زهرا علی نژاد | Zahra Alinezhad
Department of Economics, Faculty of Social Sciences, Razi University, Kermanshah, Iran
دانشجوی دکتری گروه اقتصاد، دانشکده علوم اجتماعی، دانشگاه رازی، کرمانشاه، ایران

سیدمحمدباقر نجفی | Sayed Mohammad Bagher najafi
Department of Economics, Faculty of Social Sciences, Razi University, Kermanshah, Iran
استادیار گروه اقتصاد، دانشکده علوم اجتماعی، دانشگاه رازی، کرمانشاه، ایران

جمال فتح اللهی | Jamal Fathollahi
Assistant Professor, Department of Economics, Faculty of Social Sciences, Razi University, Kermanshah, Iran
استادیار گروه اقتصاد، دانشکده علوم اجتماعی، دانشگاه رازی، کرمانشاه، ایران

نادر زالی | nader zali
Department of Urban Planning & Design, Faculty of Art and Architecture, University of Guilan, Guilan, Iran
گروه شهرسازی، دانشکده هنر و معماری، دانشگاه گیلان، گیلان، ایران

نشانی اینترنتی http://ecor.modares.ac.ir/browse.php?a_code=A-10-57335-1&slc_lang=fa&sid=18
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات