palette
طراحي مدل اندازه‌گيري نوآوري سازمان با رويکرد تحليل پوششي داده‌هاي شبکه‌اي پويا (مورد مطالعه: دانشگاه‌های سطح یک کشور)
علی حسین غریب, عادل آذر, عباس مقبل باعرض, محمود دهقان نیری

چکیده

امروزه ارزيابي عملکرد بر مبناي کارآيي در سيستم‌هاي چندبخشي- چنددوره‌اي بطور فزاينده‌اي در اخذ تصميمات مديريتي و سرمايه‌گذاري داراي اهميت شده است. در اين مقاله رويکرد فرموله‌سازي جديدي براي تحليل پوششي داده‌هاي شبکه‌اي پويا بر مبناي تفکر سيستمي ارائه شده که به دنبال اندازه‌گيري و تجزيه کارآيي کل سيستم‌هاي چندبخشي- چنددوره‌اي است.

اگرچه مدل‌هاي سنتي تحليل پوششي داده‌ها براي ارزيابي کارآيي در شرايط چندين ورودي و چندين خروجي ايده مدل‌سازي پيشرفته‌اي را ارائه مي‌دهد اما در خصوص فرآیند انتقال پوياي سيستم‌هاي چندبخشي- چنددوره‌ای واحدهاي تصميم‌گيرنده با محدوديت مواجه بوده و شاخص‌هايي به صورت جعبه سياه براي امتيازات کارآيي آنها ارائه مي‌دهد که با نادیده گرفتن اطلاعات مربوط به عمليات‌هاي دروني سيستم باعث می‌گردند تا امتيازات کارآيي واحدها بصورت نادرست تخمين زده شوند.

اين پژوهش بعنوان يك مطالعه موردي با در نظر گرفتن فرایند نوآوری به عنوان یک سیستم چند بخشی شامل دو زیر فرایند تحقیق و توسعه و بکاریری نتایج، مدل معرفي شده را براي اندازه‌گیری این فرآیند در دانشگاه‌های سطح یک کشور در بازه زمانی سال‌های 93 تا 95 بکار برده است و میزان نوآوری را با توجه به هر بخش، هر دوره زمانی و همچنین نوآوری کل اندازه‌گیری نموده است.
واژگان کلیدی
تحليل پوششي داده‌ها- تحليل پوششي داده‌هاي شبکه‌ای پویا- نوآوری- ارزيابي نوآوری- دانشگاه

منابع و مآخذ مقاله

فقيه، ن.؛ عسکري‌فر، ک. (1393). رتبه‌بندي کشورهاي منتخب در خصوص بهبود ظرفيت ملي نوآوري با استفاده از تحليل پوششي داده‌ها. توسعه کارآفريني، 1 (7)، 16-1.

صالح‌زاده، س. ج.؛ حجازي، س. ر.؛ اركان، ع.؛ حسيني، س. (1390). ارائۀ روش تلفيقي اندازه‌گيري كارايي ساختارهاي شبكه‌اي شامل دور و لينك تخصيصي. مجله علمي- پژوهشي مديريت توليد و عمليات، 2 (1)، 60-47.

Chen, K. & Guan, J. (2011). Mapping the functionality of China's regional innovation systems: A structural approach. China Economic Review, 22, 11-27.

Chen, K. H. & Guan, J. C. (2012). Measuring China’s regional innovation systems: an application of a relational network DEA. Regional Studies, 46(3), 355-370.

Cook, W. D.; Zhu, J.; Bi, G. B. & Yang, F. (2010). Network DEA: additive efficiency decomposition. European Journal of Operational Research, 207(2), 1122–1129.

Färe, R. & Grosskopf, S. (1996a). Intertemporal production Frontiers: with dynamic DEA. Norwell: Kluwer.

Färe, R, & Grosskopf, S. (1996b). Productivity and intermediate products: A frontier approach. Economics Letters. 50(1), 65–70.

Färe, R, & Grosskopf, S. (2000). Network DEA. Socio-Economic Planning Sciences. 34, 35–49.

Färe, R. & Whittaker, G. (1995). An intermediate input model of dairy production using complex survey data. Journal of Agricultural Economics, 46(2), 201–213.

Furman, J. L.; Porter, M. E., & Stern, S. (2002). The determinants of national innovative capacity. Research Policy, 31, 899–933.

Galanakis, K. (2006). Innovation process, make sense using systems thinking. Technovation, 26, 1222–1232.

Guan, J. C. & Chen, K. H. (2010). Measuring the innovation production process: a cross-region empirical study of China’s high-tech innovations. Technovation, 30(5), 348–358.

Guan, J. C. & Chen, K. H. (2012). Modeling the relative efficiency of national innovation systems. Research Policy, 41(1), 102–115.

Hollanders, H. & Celikel-Esser, F. (2007). Measuring innovation efficiency. INNO Metrics 2007 report. European Commission. Brussels: DG Enterprise INNO Metrics 2007 report.

Kao, C. (2009). Efficiency decomposition in network data envelopment analysis: a relational model. European Journal of Operational Research, 192(3), 949–962.

Kao, C. (2014). Network data envelopment analysis: a review. European Journal of Operational Research, 239(1), 1–16.

Kao, C. & Hwang, S. N. (2008). Efficiency decomposition in two-stage data envelopment analysis: an application to non-life insurance companies in Taiwan. European Journal of Operational Research, 185(1), 418–429.

Kou, M.; Chen, K.; Wang, Sh. & Shao, Y. (2016). Measuring efficiencies of multi-period and multi-division system associated with DEA: An application to OECD countries’ national innovation systems. Expert systems whit applications, 46, 494–510.

Liu, J. S. & Lu, W. M. (2009). DEA and ranking with the network-based approach: a case of R&D performance. Omega, 38(6), 453-464.

Lu, W. M. & Hung, S. W. (2010). Exploring the operating efficiency of Technology Development Programs by an intellectual capital perspective- A case study of Taiwan. Technovation, 31 (8), 374-383.

Nemoto, J. & Goto, M. (1999). Dynamic data envelopment analysis modeling intertemporal behavior of a firm in the presence of productive inefficiencies. Economic Letters, 64 (1), 51-56.

Park, K. S. & Park, K. (2009). Measurement of multiperiod aggregative efficiency. European Journal of Operational Research, 193 (2), 567-580.

Sueyoshi, T. & Sekitani, K. (2005). Returns to scale in dynamic DEA. European Journal of Operational Research, 161(2), 536-544.

Tone, K. & Tsutsui, M. (2010). Dynamic DEA: a slacks-basedmeasure approach. Omega. The International Journal of Management Science, 38(3), 145–156.

Wang, E. C. & Huang, W. C. (2007). Relative efficiency of R&D activities: A cross-country study accounting for environmental factors in the DEA approach. Research Policy, 36(2), 260–273.


ارجاعات
  • در حال حاضر ارجاعی نیست.