Estimation of global innovation index scores with machine learning

[ X ]

Tarih

2024

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

Günümüzün dinamik küresel ekonomisinde inovasyon, büyüme ve başarıyı yönlendirmede hayati bir rol oynamaktadır. İnovasyonu ölçmek zor bir süreçtir, ancak Küresel İnovasyon Endeksi (KİE), inovasyonun temel göstergelerini belirleyen değerli bir araç olarak öne çıkmaktadır. Ancak, KİE'yi hesaplama süreci karmaşık ve zaman alıcıdır, bu da önemli bir zorluk teşkil etmektedir. Bu çalışmada, KİE'yi hesaplamak için gereken parametre sayısını azaltmak amacıyla bir özellik seçme yöntemi kullanılmıştır. 2012-2022 yılları arasında 125 ülkenin KİE puanlarını tahmin etmek için yapay sinir ağı (YSA) yöntemleri ve çeşitli regresyon teknikleri uygulanmıştır. Bulgular, seçilen 38 parametrenin KİE puanını doğru bir şekilde hesaplamak için yeterli olduğunu ve YSA modelinin en başarılı tahminleme yöntemi olduğunu göstermektedir. KİE puanlarını tahmin etmek için bir prototip arayüz tasarlanmış ve bu da tahmin sürecini daha kolay ve verimli hale getirmiştir. Bu çalışma, parametre sayısını azaltarak ve tahmin doğruluğunu artırarak araştırma literatürüne önemli bir katkı sağlamaktadır; bu da KİE'yi hesaplama sürecini basitleştirerek dünya genelindeki kuruluşlar ve politika yapıcılar için daha erişilebilir hale getirebilir.
In today's dynamic global economy, innovation plays a critical role in driving growth and success. Measuring innovation is challenging, but the Global Innovation Index (GII) is a valuable tool identifying essential indicators of innovation. However, the process of calculating the GII is complex and time-consuming, which poses a significant challenge. To streamline the process, this study focused on reducing the number of parameters required to calculate the GII using a feature selection method. The study used an artificial neural network (ANN) methods and various regression methods to estimate GII scores for 125 countries from 2012-2022. The study's findings suggest that the selected 38 parameters were sufficient to accurately calculate the GII score, and the ANN model was the most precise method. A prototype interface was designed to predict GII scores, allowing for easier and more efficient estimation. This study makes an important contribution to the research literature by reducing the parameter count and improving estimation accuracy, which could simplify the process of calculating the GII and make it more accessible to organizations and policymakers worldwide.

Açıklama

Lisansüstü Eğitim Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı, Endüstri Mühendisliği Bilim Dalı

Anahtar Kelimeler

Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering

Kaynak

WoS Q Değeri

Scopus Q Değeri

Cilt

Sayı

Künye