طراحی مدل اندازه گیری نوآوری سازمان با رویکرد تحلیل پوششی داده های شبکه ای پویا و اعمال محدودیت های فازی برای کنترل اوزان و یافتن اوزان عمومی (مورد مطالعه: دانشگاه های سطح یک کشور)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMJT-12-3_001

تاریخ نمایه سازی: 10 بهمن 1400

چکیده مقاله:

هدف: ارزیابی کارآیی نوآوری کمک می کند تا بهترین دست اندرکاران نوآوری را به منظور الگوگیری مورد شناسایی قرار داده و روش های بهبود کارآیی را از طریق روشن نمودن نقاط ضعف مشخص نمود. در این مقاله رویکرد فرموله سازی جدیدی برای تحلیل پوششی داده های شبکه ای پویا ارائه شده است تا ضمن کنترل اوزان انتخابی، کارآیی کلی سیستم های چندبخشی- چند دوره ای (MPMDS) را مورد ارزیابی قرار دهد. روش: به منظور ممانعت از روبرو شدن با جعبه سیاه فرآیند نوآوری، در ابتدا یک مدل مفهومی از ساختار شبکه‎ای پویای نوآوری دانشگاه‎ها طراحی شده و سپس مدل تحلیل پوششی داده‎های شبکه‎ای پویای ارائه شده در این تحقیق، مورد استفاده قرار گرفته شده است. یافته ها: از ۱۳ دانشگاه مورد مطالعه، تعداد ۱ دانشگاه (معادل ۷ درصد) در فرآیند نوآوری کل کارآ شناخته شدند و میانگین کارایی برابر ۸۲/۰ برای دانشگاه ها بدست آمد. در هر دو زیرفرآیند تحقیق و توسعه و بکارگیری نتایج نیز ۱ دانشگاه (معادل ۷ درصد) کارآ شناخته شد و میانگین کارآیی به ترتیب برابر با ۸۵/۰ و ۴۶/۰ بدست آمد که نشان دهنده عملکرد ضعیف دانشگاه ها در زمینه بکارگیری نتایج و پیاده سازی و تجاری سازی ایده ها می باشد. همچنین روند تغییرات میانگین کارآیی در زیرفرآیند بکارگیری نتایج، کاملا برعکس زیرفرآیند تحقیق و توسعه بود. نتیجه گیری: نتایج حاصل نشان دهنده آن است که مدل ارائه شده در این تحقیق با کنترل وزن ها و محدود کردن آنها و توانایی اعمال اوزان مورد نظر مدیریت، علاوه بر حل مشکلات مدل های متعارف تحلیل پوششی داده‎ها در عدم کنترل اوزان، قابلیت تفکیک کنندگی واحدهای کارآ و ناکارآ را بهبود می‎بخشد.

کلیدواژه ها:

تحلیل پوششی داده های شبکه ای پویا ، فرآیند نوآوری ، کنترل اوزان ، مجموعه عمومی اوزان

نویسندگان

علی حسین غریب

دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.

عادل آذر

استاد، گروه مدیریت، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.

محمود دهقان نیری

استادیار، گروه مدیریت، دانشکده مدیریت، دانشگاه تربیت مدرس، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سلیمانی دامنه، رضا (۱۳۹۸). ارزیابی ساختارهای دومرحله‎ای متوالی: رویکرد تحلیل ...
  • شهریاری، سلطانعلی؛ لاهیجی، ساینا (۱۳۹۶). ارزیابی کارایی نظام ملی نوآوری ...
  • صادقی مقدم، محمدرضا؛ غریب، علی‎حسین (۱۳۹۲). ارزیابی کارایی با استفاده ...
  • غریب، علی حسین؛ آذر، عادل؛ مقبل باعرض؛ دهقان نیری، محمود ...
  • کاظمی، مصطفی؛ فائضی راد، محمدعلی (۱۳۹۷). پیش بینی کارآیی به ...
  • ReferencesAn, Q., Meng, F., Xiong, B., Wang, Z., & Chen, ...
  • Anderson, T. R., Daim, T. U., & Lavoie, F. F. ...
  • Avkiran, N. K. (۲۰۱۵). An illustration of dynamic network DEA ...
  • Bogetoft, P., Färe, R., Grosskopf, S., Hayes, K., & Taylor, ...
  • Canto, J. G. D., & Gonzalez, I. S. (۱۹۹۹). A ...
  • Chao, C. M., Yu, M. M., & Wu, H. N. ...
  • Charnes, A., Cooper, W. W., Huang, Z. M., & Sun, ...
  • Chen, Y., Cook, W. D., Li, N., & Zhu, J. ...
  • Chen, K. H., & Guan, J. C. (۲۰۱۲). Measuring China’s ...
  • Chen, K. H., & Kou, M. T. (۲۰۱۴). Staged efficiency ...
  • Cook, W. D., Zhu, J., Bi, G. B. & Yang, ...
  • Cron, W., & Sobol, M. (۱۹۸۳). The relationship between compurerization ...
  • Färe, R., & Grosskopf, S. (۲۰۰۰). Network DEA. Socio-Economic Planning ...
  • Fukuyama, H., & Weber, W. L. (۲۰۱۳). A dynamic network ...
  • Fukuyama, H., Weber, W. L., & Xia, Y., (۲۰۱۶). Time ...
  • Guan, J. C., & Chen, K. H. (۲۰۱۰). Measuring the ...
  • Guan, J. C., & Chen, K. H. (۲۰۱۲). Modeling the ...
  • Halkos, G. E., & Tzeremes, N. G. (۲۰۱۳). Modelling the ...
  • Hashimoto, A., & Haneda, S. (۲۰۰۸). Measuring the change in ...
  • Hollanders, H., & Celikel-Esser, F. (۲۰۰۷). Measuring innovation efficiency. INNO ...
  • Jyoti, Banwet, D. K., & Deshmukh, S. G. (۲۰۰۸). Evaluating ...
  • Kao, C., & Hwang, S. N. (۲۰۰۸). Efficiency decomposition in ...
  • Kao, C. (۲۰۰۹). Efficiency decomposition in network data envelopment analysis: ...
  • Kao, C., & Hwang, S. N. (۲۰۱۰). Efficiency measurement for ...
  • Kao, C. (۲۰۱۳). Dynamic data envelopment analysis: A relational analysis. ...
  • Kazemi, M., Faezirad, M. (۲۰۱۸). Efficiency Estimation using Nonlinear Influences ...
  • Kordrostami, S., & Azmayandeh, O. H. (۲۰۱۳). The dynamic effect ...
  • Kou, M., Chen, K., Wang, Sh., & Shao, Y. (۲۰۱۶). ...
  • Lee, H., Park, Y., & Choi, H. (۲۰۰۹). Comparative evaluation ...
  • Park, K. S., & Park, K. (۲۰۰۹). Measurement of multiperiod ...
  • Roll, Y., Cook, W., & Golany, B. (۱۹۹۱). Controlling Weights ...
  • Sadeghi moghaddam, M. R., Gharib, A. H. (۲۰۱۳). Measuring efficiency ...
  • Thompson, R. G., Langemeier, L. N., Lee, C. T., Lee, ...
  • Tone, K., & Tsutsui, M. (۲۰۱۰). Dynamic DEA: A slacks-basedmeasure ...
  • Tone, K., & Tsutsui, M., (۲۰۱۴). Dynamic DEA with network ...
  • Wang, E. C., & Huang, W. C. (۲۰۰۷). Relative efficiency ...
  • Xiao- Bail & Reeves, G. R, (۱۹۹۷). Theory and Methodology: ...
  • Zhang, T., Chiu, Y-H., Li, Y., & Lin, T-Y. (۲۰۱۸). ...
  • Zhang, L. (۲۰۱۹). Dynamic network data envelopment analysis based upon ...
  • نمایش کامل مراجع