| داده کاوی روابط بین شاخص های صادرات کشورهای جهان بر اساس داده های 2023 با استفاده از الگوریتم های هوش مصنوعی |
| کد مقاله : 1087-ICM |
| نویسندگان |
|
علیرضا سلیمانی پور *1، عزت اله اصغری زاده2 1دانشجوی دکتری، گروه مدیریت صنعتی، دانشکدگان مدیریت، دانشگاه تهران، کیش،ایران 2استاد، گروه مدیریت صنعتی، دانشکدگان مدیریت ، دانشگاه تهران، تهران، ایران |
| چکیده مقاله |
| این پژوهش با هدف ترسیم تیپشناسی چندبعدی صادرات کشورها بر پایه ترکیب کالا–خدمات و پاسخ به پرسشهای رابطهای میان بخشهای کلیدی (سفر، حملونقل، فناوریبالا، سوخت، غذا و مواد خام) انجام شد و از آغاز تا پایان با تأکید بر پیوستگی، انسجام و تفکر انتقادی پیش رفت. پس از پاکسازی و استانداردسازی دادهها، کنترلهای آماری و ترسیمهای تشخیصی در Minitab تکمیل و مدلسازی درPython اجرا شد. برای کشف ساختار، توسط رویکرد خوشهبندی K-Means بهکار رفت و روابط کلیدی با همبستگی و رگرسیون بررسی شد؛ گزینش راهحل نهایی بر مبنای پایداری خوشهها، سازگاری نتایج میان روشها و «قابلیت تفسیر اقتصادی» انجام گرفت. نتایج نشان داد چهار تیپ متمایز در سطح کشورها قابل شناسایی است: «گردشگریمحور»، «لجستیکمحور»، «فناوریمحور» و «منابعمحور». شواهد رابطهای بیانگر گرایش معکوس میان سهم صادرات سوخت و صادرات فناوریبالا و همحرکتی معنادار میان خدمات سفر و خدمات حملونقل است؛ همچنین ترکیب شاخصهای صادراتی امکان پیشبینی قابلقبول منطقه جغرافیایی کشورها را فراهم میکند. دلالتهای مدیریتی عبارتاند از پرهیز از سیاستهای میانگینمحور، تمرکز بر مزیت نسبی هر تیپ و طراحی مداخلههای هدفمند، تنوعبخشی در اقتصادهای منابعمحور، تعمیق پیوند خدمات مکمل در گردشگری/لجستیکمحورها و تقویت قابلیتهای دانشی در فناوریمحورها. ارزش افزوده پژوهش در ترکیب همزمان چند الگوریتم خوشهبندی با ارزیابی چندمعیاره و بهرهگیری موازی از Python وMinitab است که تصویری متوازن و کمک کننده در تصمیم گیری های کلان از الگوهای صادراتی ارائه میدهد. |
| کلیدواژه ها |
| صادرات،الگوریتم هوش مصنوعی،خوشه بندی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |