SavedAdd your journal

Journals / Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi / 2022 / Cilt: 12 - Sayı: 3

ÜLKELERİN İNOVASYON PERFORMANSINA GÖRE KÜMELENMESİ; ENTROPI, COPRAS VE ARAS YÖNTEMLERİYLE DEĞERLENDİRİLMESİ

Hande EREN
Emel GELMEZ
Pages
1546–1565
Publication Date
2022-10-02
DOI
—
🏛️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)

Aynı zamanda bu ülkelerin WEKA programı ile yapılan kümeleme analizi sonrasında 8 kümeye ayrıldığı tespit edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Hızla değişen ve teknolojinin günden güne önemini artırdığı küresel rekabet ortamında ülkelerin rekabet gücünü artırabilmeleri ve sürdürebilmelerinde yenilik önemli bir faktör olarak değerlendirilmektedir.
📊
Key Findings & Data:Yenilik ve AR-Ge faaliyetlerine yapılan yatırımlar ve iyileştirmeler ülkelerin kalkınmaları üzerinde de etkin bir rol oynamaktadır.
💡
Conclusion & Impact:Aynı zamanda bu ülkelerin WEKA programı ile yapılan kümeleme analizi sonrasında 8 kümeye ayrıldığı tespit edilmiştir.
🔬Design:Research Article
📍Scope:2021 Verileri
⚙️Variables:Yenilik Performansı · ENTROPİ Yöntemi · COPRAS Yöntemi

Özet

Hızla değişen ve teknolojinin günden güne önemini artırdığı küresel rekabet ortamında ülkelerin rekabet gücünü artırabilmeleri ve sürdürebilmelerinde yenilik önemli bir faktör olarak değerlendirilmektedir. Yenilik ve AR-Ge faaliyetlerine yapılan yatırımlar ve iyileştirmeler ülkelerin kalkınmaları üzerinde de etkin bir rol oynamaktadır. Bu yüzden gerek mikro ve gerekse makro düzeyde yenilik performansı ölçümü önem arz etmektedir. Bu bağlamda bu çalışmada Küresel İnovasyon İndeksi (Kİİ) (2021)’nde yer alan 132 ülke 7 kritere göre COPRAS ve ARAS yöntemlerine göre sıralanmıştır. Yenilik performansına göre ülkelerin sıralanmasında öncelikle ENTROPİ ağırlıklandırma yönteminden faydalanılmıştır. Yenilik performansı sıralamasının ardından indekste yer alan 132 ülke inovasyon göstergeleri açısından kümelere ayrılmıştır. Kümeleme analizi WEKA programı aracılığı ile gerçekleştirilmiştir. Yapılan analizler doğrultusunda COPRAS ve ARAS yöntemlerine göre inovasyon göstergeleri açısından en iyi sıralamaya sahip ülkeler İsviçre, İsveç ve ABD olurken son sırada yer alan ülkeler ise Benin, Gine ve Angola olarak tespit edilmiştir. Aynı zamanda bu ülkelerin WEKA programı ile yapılan kümeleme analizi sonrasında 8 kümeye ayrıldığı tespit edilmiştir.

🔖

Cite This Article

EREN, H., GELMEZ, E. (2022). ÜLKELERİN İNOVASYON PERFORMANSINA GÖRE KÜMELENMESİ; ENTROPI, COPRAS VE ARAS YÖNTEMLERİYLE DEĞERLENDİRİLMESİ. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, Cilt: 12 - Sayı: 3, 1546–1565. https://ajindex.com/articles/693824

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Aksoy, E., Ömürbek, N., & Karaatlı, M. (2015). AHP temelli MULTIMOORA ve COPRAS yöntemi ile Türkiye Kömür İşletmeleri’nin performans değerlendirmesi. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 33(4), 1-28.
  2. Ayçin, E., & Çakın, E. (2019). Ülkelerin inovasyon performanslarının ölçümünde Entropi ve MABAC çok kriterli karar verme yöntemlerinin bütünleşik olarak kullanılması. Akdeniz İktiadi ve İdari Bilimler Fakültesi Dergisi, 19(2), 326-351.
  3. 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.
  4. Barak, S., & Mokfi, T. (2019). Evaluation and selection of clustering methods using a hybrid group MCDM. Expert Systems with Applications, 138, 1-12.
  5. Berkhin, P. (2006). A survey of clustering data mining techniques. In grouping multidimensional data. (pp. 25-71).
  6. Springer, Berlin, Heidelberg. Biswas, T. K., Chaki, S., & Das, M. C. (2019). MCDM technique application to the selection of an Indian institute of technology. Operational Research in Engineering Sciences: Theory and Applications, 2(3), 65-76.
  7. Chatterjee, P., Athawale, V. M. & Chakraborty, S. (2011). Materials selection using complex proportional assessment and evaluation of mixed data methods. Materials & Design, 32(2), 851-860.
  8. Chodha, V., Dubey, R., Kumar, R., Singh, S., & Kaur, S. (2022). Selection of industrial arc welding robot with TOPSIS and Entropy MCDM techniques. Materials Today: Proceedings, 50, 709-715.
  9. Dahooie, H., J., Kazimieras Zavadskas, E., Abolhasani, M., Vanaki, A., & Turskis, Z. (2018). A novel approach for evaluation of projects using an interval–valued fuzzy additive ratio assessment (ARAS) method: a case study of oil and gas well drilling projects. Symmetry, 10(2), 45. Esen Kazaz, N.M. (2019). Veri madenciliğinde kümeleme analizi yöntemlerinin incelenmesi ve sağlık bilimleri alanındaki uygulamaları [Yüksek lisans tezi, İstanbul Üniversitesi]. Ulusal Tez Merkezi. Everitt, B. (1974). Cluster analysis. Heinemann Educational Books. Frades, I., & Matthiesen, R. (2010). Overview on techniques in cluster analysis. Bioinformatics Methods in Clinical Research, 81-107.
  10. Gorgij, A. D., Kisi, O., Moghaddam, A. A., & Taghipour, A. (2017). Groundwater quality ranking for drinking purposes, using the entropy method and the spatial autocorrelation index. Environmental earth sciences, 76(7), 1-9.
  11. Gürtuna, F., & POLAT, U. (2020). Küresel inovasyon i