تحلیل سبک های یادگیری و نوآوری در کشورهای در حال توسعه (مطالعه موردی بخش فاوا ایران)
محل انتشار: مجله سیاست علم و فناوری، دوره: 10، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 121
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSTP-10-1_004
تاریخ نمایه سازی: 10 مرداد 1402
چکیده مقاله:
در پیشینه مدیریت نوآوری، دو سبک متمایز و غالب "نوآوری و یادگیری از طریق علم، فناوری و نوآوری(STI)"و "یادگیری از طریق انجام، استفاده و تعامل(DUI)" وجود دارد. یکی از تفاوت های نظام های نوآوری کشورها، تفاوت در سبک غالب نوآوری آنها است. ماهیت نوآوری و یادگیری فناورانه نیز در کشورهای توسعه یافته و در حال توسعه متفاوت است. شاخص های مورد استفاده پژوهش های گذشته در تحلیل سبک های یادگیری، بیشتر متناسب با شرایط کشورهای توسعه یافته بوده است. در این پژوهش به منظور تحلیل دقیق تر سبک یادگیری و نوآوری از ۱۴ شاخص مناسب شرایط کشورهای در حال توسعه و روش تجزیه و تحلیل کلاس پنهان، اطلاعات مربوط به ۱۳۸ شرکت حوزه فناوری اطلاعات و Latent Gold استفاده شده است. با استفاده از نرم افزار( ضعیف، ۳ STI ۲) یادگیری ،STI+DUI ارتباطات کشور مورد تحلیل قرار گرفت و مشخص شد که چهار سبک یادگیری و نوآوری: ۱) یادگیری ترکیبی یادگیری تجربی و تعاملی و نهایتا ۴) یادگیری تعاملی ضعیف و یا فاقد یادگیری، در این شرکت ها وجود دارد. با تحلیل شاخص های عملکردی (رشد گردش مالی، داشتن نوآوری و همچنین گستردگی منطقه عرضه کالا) شرکت ها از طریق روش رگرسیون لجستیک ترتیبی، مشخص شد که سبک مناسب یادگیری، سبک بیشترین رشد گردش مالی را دارند. STI+DUI اول بوده و شرکت های با یادگیری ترکیبی
کلیدواژه ها:
Technological Learning ، Modes of learning and innovation ، Developing countries ، Empirical and interactive learning
نویسندگان
مهدی محمدی
M.A of Technology Management, University of Tehran, Iran
ناصر باقری مقدم
Assistant Professor, National Research Institute for Science Policy, Tehran, Iran
آرش شجاعی چرمینه
- M.A of Technology Management, University of Tehran, Iran
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 :