SavedAdd your journal

Journals / İktisadi İdari ve Siyasal Araştırmalar Dergisi / 2026 / Sayı: 29

Objective Analysis of the Global Innovation Race with Multi-Criteria Decision-Making Methods

Küresel İnovasyon Yarışında Çok Kriterli Karar Verme Yöntemleriyle Nesnel Analiz

Şule Bayazit Bedirhanoğlu(BİTLİS EREN ÜNİVERSİTESİ)0000-0001-7545-7222
Pages
896–918
Publication Date
2026-10-13
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Türkiye ranks last both overall and in all seven criteria, with the largest score gaps relative to the leaders’ average in institutions, business sophistication, and knowledge and technology outputs.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study compares the innovation performance of the top 10 countries in the Global Innovation Index (GII) 2023 and Türkiye using multi-criteria decision-making (MCDM) methods to determine Türkiye’s position and its strengths and weaknesses.
📊
Key Findings & Data:The weights of the five input and two output criteria were calculated with the LOPCOW and MEREC methods and combined through a multiplicative approach; the countries were ranked with the MARCOS method, and the results were tested through sensitivity, comparative and rank reversal analyses.
💡
Conclusion & Impact:Türkiye ranks last both overall and in all seven criteria, with the largest score gaps relative to the leaders’ average in institutions, business sophistication, and knowledge and technology outputs.
🔬Design:Araştırma Makalesi
📍Scope:2023 Verileri
⚙️Variables:ÇKKV · LOPCOW · MEREC

Abstract

This study compares the innovation performance of the top 10 countries in the Global Innovation Index (GII) 2023 and Türkiye using multi-criteria decision-making (MCDM) methods to determine Türkiye’s position and its strengths and weaknesses. The weights of the five input and two output criteria were calculated with the LOPCOW and MEREC methods and combined through a multiplicative approach; the countries were ranked with the MARCOS method, and the results were tested through sensitivity, comparative and rank reversal analyses. The knowledge and technology outputs and business sophistication criteria have the highest, practically equal weights, while the creative outputs criterion has the lowest weight. Sweden, Switzerland and Singapore rank in the top three. Türkiye ranks last both overall and in all seven criteria, with the largest score gaps relative to the leaders’ average in institutions, business sophistication, and knowledge and technology outputs. The ranking is largely consistent with the GII, shows low sensitivity to weight changes, remains unchanged when alternatives are removed, and is largely unaffected by the choice of ranking method. Türkiye’s innovation policies should therefore prioritise these three areas.

Özet

Bu çalışmada, Küresel İnovasyon Endeksi (KİE) 2023'te ilk 10 sırada yer alan ülkeler ile Türkiye’nin inovasyon performansları çok kriterli karar verme (ÇKKV) yöntemleriyle karşılaştırılarak Türkiye’nin bu ülkeler karşısındaki konumu ile güçlü ve zayıf yönleri belirlenmiştir. KİE’nin beş girdi ve iki çıktı kriterinin ağırlıkları LOPCOW ve MEREC yöntemleriyle hesaplanıp çarpım tabanlı yaklaşımla birleştirilmiş, ülkeler MARCOS yöntemiyle sıralanmış ve sonuçlar duyarlılık, karşılaştırma ve sıra değişimi analizleriyle sınanmıştır. Entegre ağırlıklara göre bilgi ve teknoloji çıktıları ile iş gelişmişliği kriterleri pratikte eşit düzeyde en yüksek, yaratıcı çıktılar kriteri ise en düşük ağırlığa sahiptir. MARCOS sıralamasında İsveç, İsviçre ve Singapur ilk üç sırada yer almıştır. Türkiye hem genel sıralamada hem de yedi kriterin tamamında son sıradadır; öncü ülkelerin ortalamasıyla en büyük puan farkları kurumlar, iş gelişmişliği ile bilgi ve teknoloji çıktıları kriterlerinde görülmektedir. Sıralama KİE ile büyük ölçüde uyumludur; kriter ağırlıklarındaki değişimlere düşük düzeyde duyarlıdır, alternatiflerin çıkarılmasıyla değişmemekte ve sıralama yönteminin seçiminden büyük ölçüde etkilenmemektedir. Bulgular, Türkiye’nin inovasyon politikalarında puan farkının en büyük olduğu bu üç alana öncelik verilmesi gerektiğine işaret etmektedir.

🔖

Cite This Article

Bedirhanoğlu, Ş. B. (2026). Objective Analysis of the Global Innovation Race with Multi-Criteria Decision-Making Methods. İktisadi İdari ve Siyasal Araştırmalar Dergisi, Sayı: 29, 896–918. https://doi.org/10.25204/iktisad.1834208

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (55)

  1. Abacıoğlu, S., Ayan, B., & Pamucar, D. (2025). The race to sustainability: Decoding green university rankings through a comparative analysis (2018–2022). Innovative Higher Education, 50(1), 241–275. https://doi.org/10.1007/s10755-024-09734-4
  2. Akçomak, İ. S., & Kalaycı, E. (2016). Ar-Ge ve yeniliğin ölçümü ve Ar-Ge ve yenilik anketi verilerinin araştırmada kullanılması (TEKPOL Working Paper Series, STPS-WP-16/03). ODTÜ Bilim ve Teknoloji Politikaları Araştırma Merkezi. https://open.metu.edu.tr/handle/11511/85426
  3. Altıntaş, F. F. (2021). Karadeniz Ekonomik İşbirliği Örgütü’ne üye ülkelerin inovasyon performanslarının CRITIC tabanlı gri ilişkisel analiz yöntemi ile incelenmesi. Karadeniz Araştırmaları, 18(71), 547–570. https://izlik.org/JA67UY39SS
  4. Ay Türkmen, M., & Aynaoğlu, Y. (2017). Küresel rekabet endeksi göstergelerinin küresel inovasyon endeksi üzerindeki etkisi. Business and Management Studies: An International Journal, 5(4), 257–282. https://doi.org/10.15295/bmij.v5i4.187
  5. Aydın Ünal, E. (2025). Kasko üretimi yapan sigorta şirketlerinin performansının hibrit ÇKKV modeli ile değerlendirilmesi. Verimlilik Dergisi, 59(1), 77–100. https://doi.org/10.51551/verimlilik.1530339
  6. Aytekin, A. (2022). Çok kriterli karar analizi. Nobel Bilimsel Eserler.
  7. Aytekin, A., Ecer, F., Korucuk, S., & Karamaşa, Ç. (2022). Global innovation efficiency assessment of EU member and candidate countries via DEA-EATWIOS multi-criteria methodology. Technology in Society, 68, Makale 101896. https://doi.org/10.1016/j.techsoc.2022.101896
  8. Bakır, S., & Çakır, S. (2021). Seçilmiş ülkelerin yenilik performanslarının çok kriterli karar verme teknikleriyle ölçümü. Uluslararası Yönetim İktisat ve İşletme Dergisi, 17(4), 971-992. https://doi.org/10.17130/ijmeb.810999
  9. Baykul, A. (2022). İnovasyonun belirleyicileri: Küresel İnovasyon Endeksi üzerinde bir araştırma. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 7(1), 52–66. https://doi.org/10.29106/fesa.1052116
  10. Çakın, E., & Özdemir, A. (2021). Ülkelerin inovasyon performansının ölçülmesinde yapay sinir ağları, bulanık DEMATEL tabanlı analitik ağ süreci ve ağırlık kısıtlı veri zarflama analizi yaklaşımlarının bütünleşik olarak kullanılması ve bir uygulama. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 21(2), 287–314. https://doi.org/10.24889/ifede.839778
  11. Çobanoğulları, G., Daldıran, K., & Daldıran, B. (2026). Analysis of innovation performance of South-Eastern European countries in transition economies: An application of the entropy-based ARTASI method. Spectrum of Operational Research, 3(1), 193-214. https://doi.org/10.31181/sor31202642
  12. Demir, G., Riaz, M., & Almalki, Y. (2023). Multi-criteria decision making in evaluation of open government data indicators: An application in G20 countries. AIMS Mathematics, 8(8), 18408–18434. https://doi.org/10.3934/math.2023936
  13. Duan, Y., Liu, S., Cheng, H., Chin, T., & Luo, X. (2021). The moderating effect of absorptive capacity on transnational knowledge spillover and the innovation quality of high-tech industries in host countries: Evidence from the Chinese manufacturing industry. International Journal of Production Economics, 233, Makale 108019. https://doi.org/10.1016/j.ijpe.2020.108019
  14. Dutta, S. (Ed.). (2011). The global innovation index 2011: Accelerating growth and development. INSEAD.
  15. Ecer, F. (2021). Sustainability assessment of existing onshore wind plants in the context of triple bottom line: A best–worst method (BWM)-based MCDM framework. Environmental Science and Pollution Research, 28(16), 19677–19693. https://doi.org/10.1007/s11356-020-11940-4
  16. Ecer, F. (2022). An extended MAIRCA method using intuitionistic fuzzy sets for coronavirus vaccine selection in the age of COVID-19. Neural Computing and Applications, 34, 5603–5623. https://doi.org/10.1007/s00521-021-06728-7
  17. Ecer, F., & Aycin, E. (2023). Novel comprehensive MEREC weighting-based score aggregation model for measuring innovation performance: The case of G7 countries. Informatica, 34(1), 53–83. https://doi.org/10.15388/22-INFOR494
  18. Ecer, F., & Pamucar, D. (2022). A novel LOPCOW–DOBI multi-criteria sustainability performance assessment methodology: An application in developing country banking sector. Omega, 112, 102690. https://doi.org/10.1016/j.omega.2022.102690
  19. Ecer, F., Ögel, İ. Y., Krishankumar, R., & Tirkolaee, E. B. (2023). The q-rung fuzzy LOPCOW–VIKOR model to assess the role of unmanned aerial vehicles for precision agriculture realization in the Agri-Food 4.0 era. Artificial Intelligence Review, 56(11), 13373–13406. https://doi.org/10.1007/s10462-023-10476-6
  20. Ecer, F., Pamucar, D., Zolfani, S. H., & Eshkalag, M. K. (2019). Sustainability assessment of OPEC countries: Application of a multiple attribute decision-making tool. Journal of Cleaner Production, 241, 118324. https://doi.org/10.1016/j.jclepro.2019.118324
  21. Ecer, F., Tanrıverdi, G., Yaşar, M., & Görçün, Ö. F. (2025). Sustainable aviation fuel supplier evaluation for airlines through LOPCOW and MARCOS approaches with interval-valued fuzzy neutrosophic information. Journal of Air Transport Management, 123, 102705. https://doi.org/10.1016/j.jairtraman.2024.102705
  22. Ersoy, N. (2022). OECD ve AB üyesi ülkelerin inovasyon performanslarının MEREC–Marcos bütünleşik modeli ile ölçümü. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24(3), 1039–1063. https://doi.org/10.16953/deusosbil.1106249
  23. Giunchiglia, F. (2013). Innovazione sociale - La nuova frontiera (Technical Report No. DISI-13-035). Department of Information Engineering and Computer Science, University of Trento. https://hdl.handle.net/11572/359243
  24. Gloet, M., & Terziovski, M. (2004). Exploring the relationship between knowledge management practices and innovation performance. Journal of Manufacturing Technology Management, 15(5), 402–409. https://doi.org/10.1108/17410380410540390
  25. Göksoy Sevinçli, B., Bayazit Bedirhanoğlu, Ş., & Karamaşa, Ç. (2025). Van Gölü Havzası kentlerinin su ve atıksu altyapı performanslarının LOPCOW-CRADIS bütünleşik ÇKKV yöntemi ile değerlendirilmesi. Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (Van Gölü Havzası Özel Sayısı), 186-207. https://doi.org/10.53568/yyusbed.1678830
  26. Gür, B. (2020). The effect of foreign trade on innovation: The case of BRICS-T countries. Journal of Social, Humanities and Administrative Sciences, 6(27), 819-830. https://doi.org/10.31589/JOSHAS.333
  27. Haq, R. S. U., Saeed, M., Mateen, N., Siddiqui, F., Naqvi, M., Yi, J. B., & Ahmed, S. (2022). Sustainable material selection with crisp and ambiguous data using single-valued neutrosophic–MEREC–MARCOS framework. Applied Soft Computing, 128, 109546. https://doi.org/10.1016/j.asoc.2022.109546
  28. Kahreman, Y. (2024). D8 ülkelerinin ekonomik performanslarının CRITIC/LOPCOW–CoCoSo modeli ile değerlendirilmesi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(1), 534–559. https://doi.org/10.53443/anadoluibfd.1340466
  29. Karahan, M., & Duran, S. (2023). Küresel inovasyon endeksi verilerine göre Türk devletleri teşkilatına üye ülkelerin inovasyon performanslarının analizi. Beykoz Akademi Dergisi, 11(1), 51-70. https://doi.org/10.14514/beykozad.1179838
  30. Karahan, M., Yıldırım, Z., & Yıldırım, T. (2025). Comparative analysis of Turkey’s environmental performance with Eastern European countries according to international EPI 2022 data. Green Technologies and Sustainability, 3(1), 100116. https://doi.org/10.1016/j.grets.2024.100116
  31. Katrancı, A., Kundakcı, N., & Pamucar, D. (2025). Financial performance evaluation of firms in BIST 100 index with ITARA and COBRA methods. Financial Innovation, 11(1), 1–28. https://doi.org/10.1186/s40854-024-00704-5
  32. Keleş, N. (2023). LOPCOW ve CRADIS yöntemleriyle G7 ülkelerinin ve Türkiye’nin yaşanabilir güç merkezi şehirlerinin değerlendirilmesi. Ömer Halisdemir Üniversitesi İİBF Dergisi, 16(3), 727–747. https://doi.org/10.25287/ohuiibf.1239201
  33. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2021). Determination of objective weights using a new method based on the removal effects of criteria (MEREC). Symmetry, 13(4), 525. https://doi.org/10.3390/sym13040525
  34. Koca, G., & Bingöl, M. S. (2022). Hayat dışı sigorta şirketlerinin performanslarının CRITIC tabanlı MARCOS yöntemi ile değerlendirilmesi. Bilecik Şeyh Edebali Üniversitesi Sosyal Bilimler Dergisi, 7(1), 70–83. https://doi.org/10.33905/bseusbed.1106188
  35. Meral, İ. G. (2023). BRICS-T ülkelerinin inovasyon performanslarının MEREC–MARCOS yöntemi ile değerlendirilmesi. Kastamonu Üniversitesi İİBF Dergisi, 25(2), 550–571. https://doi.org/10.21180/iibfdkastamonu.1344363
  36. Namazi, M., & Mohammadi, E. (2018). Natural resource dependence and economic growth: A TOPSIS/DEA analysis of innovation efficiency. Resources Policy, 59, 544–552. https://doi.org/10.1016/j.resourpol.2018.09.015
  37. Nasir, M. H., & Zhang, S. (2024). Evaluating innovative factors of the global innovation index: A panel data approach. Innovation and Green Development, 3(1), 100096. https://doi.org/10.1016/j.igd.2023.100096
  38. Niu, W., Rong, Y., Yu, L., & Huang, L. (2022). A novel hybrid group decision-making approach based on EDAS and regret theory under a Fermatean cubic fuzzy environment. Mathematics, 10(17), 3116. https://doi.org/10.3390/math10173116
  39. Özekenci, E. K. (2025). Evaluation of the logistics performance index of OECD countries based on hybrid MCDM methods. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 47(1), 47–76. https://doi.org/10.14780/muiibd.1469898
  40. Öztaş, T., & Öztaş, G. Z. (2024). Innovation performance analysis of G20 countries: A novel integrated LOPCOW-MAIRCA MCDM approach including the COVID-19 period. Verimlilik Dergisi, (Özel Sayı), 1-20. https://doi.org/10.51551/verimlilik.1320794
  41. Satı, Z. E. (2024). Comparison of the criteria affecting the digital innovation performance of the European Union member and candidate countries with the entropy weight–TOPSIS method and investigation of its importance for SMEs. Technological Forecasting and Social Change, 200, Makale 123094. https://doi.org/10.1016/j.techfore.2023.123094
  42. Silva, M. D. C., Gomes Costa, H., & Simões Gomes, C. F. (2020). Multicriteria decision choices for investment in innovative upper-middle income countries. Innovation & Management Review, 17(3), 321–347. https://doi.org/10.1108/INMR-02-2019-0016
  43. Simic, V., Dabic-Miletic, S., Tirkolaee, E. B., Stević, Ž., Ala, A., & Amirteimoori, A. (2023). Neutrosophic LOPCOW–ARAS model for prioritizing Industry 4.0-based material handling technologies in smart and sustainable warehouse management systems. Applied Soft Computing, 143, Makale 110400. https://doi.org/10.1016/j.asoc.2023.110400
  44. Stević, Ž., Pamucar, D., Puška, A., & Chatterjee, P. (2020). Sustainable supplier selection in healthcare industries using a new MCDM method: Measurement of alternatives and ranking according to compromise solution (MARCOS). Computers & Industrial Engineering, 140, Makale 106231. https://doi.org/10.1016/j.cie.2019.106231
  45. Štilić, A., Puška, A., Božanić, D., & Đurić, A. (2024). Ranking European countries using hybrid MEREC–MARCOS MCDA based on travel and tourism development index. Tourism: An International Interdisciplinary Journal, 72(4), 592–608. https://doi.org/10.37741/t.72.4.6
  46. Süygün, M. S., & Kaplan, F. (2021). İnovasyonun ihracat üzerindeki etkisi: Bir panel veri analizi. Journal of Entrepreneurship and Innovation Management, 10(2), 73–86. https://doi.org/10.15659/jeim.10.2.004
  47. Tanrıverdi, G., Merkert, R., Karamaşa, Ç., & Asker, V. (2023). Using multi-criteria performance measurement models to evaluate the financial, operational and environmental sustainability of airlines. Journal of Air Transport Management, 112, Makale 102456. https://doi.org/10.1016/j.jairtraman.2023.102456
  48. Toslak, M., Aktürk, B., & Ulutaş, A. (2022). MEREC ve WEDBA yöntemleri ile bir lojistik firmasının yıllara göre performansının değerlendirilmesi. Avrupa Bilim ve Teknoloji Dergisi, (33), 363–372. https://doi.org/10.31590/ejosat.1041106
  49. Trung, D. D., Dudic, B., Huong, D. M., Tham, N. T., & Ašonja, A. (2026). Evaluating innovation levels based on standard deviation of parameters and MCDM methods. Spectrum of Engineering and Management Sciences, 4(1), 77-97. https://doi.org/10.31181/sems41202666
  50. Ulutaş, A., Balo, F., & Topal, A. (2023). Identifying the most efficient natural fibre for commercial building insulation with an integrated PSI–MEREC–LOPCOW–MCRAT model. Polymers, 15(6), Makale 1500. https://doi.org/10.3390/polym15061500
  51. Ulutaş, A., Topal, A., Görçün, Ö. F., & Ecer, F. (2024). Evaluation of third-party logistics service providers for car manufacturing firms using a novel integrated grey LOPCOW–PSI–MACONT model. Expert Systems with Applications, 241, Makale 122680. https://doi.org/10.1016/j.eswa.2023.122680
  52. World Intellectual Property Organization. (2023). Global Innovation Index 2023: Innovation in the face of uncertainty (16th ed.). https://doi.org/10.34667/tind.48220
  53. Yalman, İ. N., Koşaroğlu, Ş. M., & Işık, Ö. (2023). 2000–2020 döneminde Türkiye ekonomisinin makroekonomik performansının MEREC–LOPCOW–MARCOS modeliyle değerlendirilmesi. Finans Politik & Ekonomik Yorumlar, 60(664), 57–86. https://www.ekonomikyorumlar.com.tr/files/articles/1688377764.pdf
  54. Yürüyen, A., & Ulutaş, A. (2024). Assessing the urban competitiveness of European cities using LOPCOW–RAWEC methodologies. International Journal of Knowledge and Innovation Studies, 2(3), 179–189. https://doi.org/10.56578/ijkis020305
  55. Zonon, B. I. P. (2026). A novel hybrid decision framework for national innovation performance assessment through an integrated SITDE–RATGOS method. Journal of Computational Socio-Economic Decisions, 1(1), 55–77. https://doi.org/10.71350/jcsed.4