شناسایی و تحلیل عامل‌های مهم در برونداد علمی دانشگاه‌ها با استفاده از شبکه عصبی

نویسندگان

دانشگاه تهران

چکیده

رای تحقق نظام پژوهشی مطلوب، سیاستگذاری و برنامه‌ریزی کلان ضرورت دارد. یکی از اصلی‌ترین بروندادهای این پژوهش دانش استخراج‌شده از داده‌های موجود در رابطه با نظام پژوهشی کشور است که پیش‌نیاز سیاست‌گذاری علم و فناوری در دانشگاه‌ها است. هدف اصلی پژوهش حاضر شناسایی و تحلیل عامل‌های مهم در برونداد علمی دانشگاه‌هاست. جامعه پژوهش حاضر شامل دانشگاه‌های وابسته به وزارت علوم، تحقیقات و فناوری است، و داده‌های مورد نیاز پژوهش از گزارش‌های پایگاه ارزیابی خرد علم و فناوری و آموزش عالی هیئت نظارت و ارزیابی فرهنگی(سامانه رصد علمی) استخراج شده است. برای تحلیل داده‌ها از خوارزمیک‌های طبقه‌بندی شبکه عصبی چندلایه پرسپترون و شبکه عصبی شعاع مبنا استفاده شده است. یافته‌های پژوهش نشان داد که در میان 15 شاخص مورد بررسی، شاخص‌ تعداد اعضای هیئت‌علمی تمام وقت، تعداد پایان‌نامه‌های دفاع شده، بودجه پژوهشی و تعداد اعضای هیئت ‌علمی بورسیه و طرح سربازی به ترتیب اهمیت بیشتری نسبت به سایر شاخص‌ها داشته‌اند. در میان چهار بُعد مورد مطالعه نیز عامل نیروی انسانی بیشترین اهمیت را در تولید علم دانشگاه‌های کشور داشته است. پس‌ازآن عامل آموزشی به لحاظ اهمیت در تولید علم دانشگاه‌ها در جایگاه دوم قرار دارد. عامل مالی در رتبه سوم و نهایتاً عامل ساختاری در رتبه چهارم قرار گرفتند.

کلیدواژه‌ها


عنوان مقاله [English]

Identifying and analyzing the most important factors in universities scientific output using neural network

نویسندگان [English]

  • Sajjad Mohammadian
  • Mohamad Reza Esmaeili Givi
  • Nader Naghshineh
چکیده [English]

For achieving to ideal research system is necessary to have policy and plan. The main aims of this research are knowledge extracted from the existing data gathered by the country research system. This Knowledge is prerequisite for science and technology policy. Population of the present descriptive research includes Universities of the Ministry of Science, Research & Technology. Data is extracted from database of monitoring of science and technology system. Classification algorithms Multilayer Preceptor neural network and neural network-based radius are used for data analysis. This research results showed that among the 15 indicators studied in this research, full-time faculty members, the number of theses, research funding and number of scholarships have more importance than other indicators. Among the four factors studied, the human resource factor is in the first place and has most importance in the scholarly productions. The education factor, financial factor and Structural factor is in the second to fourth rate.

کلیدواژه‌ها [English]

  • scientific output
  • University
  • Neural network
  • Science policy
  • Scientometrics