رتبه بندی کشورهای منتخب از لحاظ کارایی نهادهای پژوهشی و بخش صنعت در تولید فناوری‌های پیشرفته

محورهای موضوعی : مدیریت بازرگانی- بازرگانی

کتایون اعلامی ¹ ( دانشجوی دکتری گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران )
محمد علی کرامتی ² ( دانشیارگروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران(نویسندۀ مسؤول) )
قاسم توحیدی ³ ( دانشیارگروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران )

تاریخ دریافت : 1402/03/17 تاریخ پذیرش : 1402/06/14 تاریخ انتشار : 1402/06/26

کلید واژه: نوآوری, موفقیت تحصیلی, تولید فناوری‌های پیشرفته, نهادهای پژوهشی, هوش ملی و سرمایه انسانی,

چکیده مقاله :

این پژوهش به دنبال ارزیابی کارایی کشورهای دارای ضریب هوش ملی بالای 85 در تولید فناوری های پیشرفته، باتوجه‌به قابلیت‌هایی است که پایه و اساس آن ها سرمایۀ انسانی است؛ مانند نوآوری، موفقیت تحصیلی و هوش ملی. پژوهش حاضر از نظر روش، کمی و توصیفی و از نوع کاربردی است. از لحاظ افق زمانی مقطعی و از منظر شیوۀ گردآوری داده‌ها به صورت کتابخانه‌ای و از طریق مراجعه به درگاه‌های رسمی بین المللی مانند بانک جهانی است. به جهت رتبه بندی کشورها، شناسایی کشورهای ابرکارا و بهبود کارایی تولید فناوری های پیشرفته، با استفاده از روش تحلیل پوششی داده‌های شبکه، یک زنجیرۀ دومرحله‌ای برای تولید فناوری پیشرفته در نظر گرفته شده است. در مرحلة اول این زنجیره، نهاد های پژوهشی با ورودی‌های تعداد محقق تحقیق و توسعه (شاخص سرمایۀ انسانی) و میزان هزینه‌کرد برای تحقیق و توسعه و در مرحلۀ دوم آن، بخش صنعت با ورودی‌های سرمایه‌گذاری مستقیم خارجی، تعداد درخواست های ثبت اختراع (شاخص نوآوری) و تعداد مقالات علمی (شاخص موفقیت تحصیلی) هر کشور قرار دارد. یافته‌ها نشان می‌دهند که 12 کشور از 56 کشور در تولید فناوری‌های پیشرفته کارا و 3 کشور آمریکا، انگلیس و روسیه در هر دو بخش صنعت و پژوهش ابرکارا هستند.

چکیده انگلیسی:

The production of high technology is particularly attractive for countries due to the added value it creates. The research institution and the industry sector are among the sectors that have an impact on the production of high technology, and measuring their efficiency is very important. This research seeks to evaluate the efficiency of countries with a national IQ above 85 in the production of high technology, considering the capabilities that are based on human capital, such as innovation, educational attainment, and national intelligence. The current research is quantitative and descriptive in terms of method and applied. In terms of the time horizon, it is cross-sectional and in terms of the method of data collection, it is library-based and by referring to official international portals such as the World Bank. In order to rank countries, identify super-efficient countries and improve the efficiency of high technology production, a two-stage chain for the production of high technology has been considered by using the network data coverage analysis method. In the first stage of this chain, the research institution with the inputs of the number of research and development researchers (human capital index) and the amount spent on research and development, and in the second stage, there is the industry sector with foreign direct investment inputs, the number of patent applications (innovation index) and the number of scientific articles (educational attainment index) of each country. The findings show that 12 countries out of 56 countries are efficient in the production of high technology. 

منابع و مأخذ:

- حمیدی فراهانی، امیرحسین؛ عباسی، حامد. (2022). بررسی اثر تأمین مالی، سرمایۀ انسانی و تحقیق و توسعه بر ارزش‌افزوده صنایع کارخانه‌ای ایران با استفاده از رویکرد پانل کوانتایل. فصلنامۀ علمی پژوهش‌های اقتصاد صنعتی، 6(20)، 15 – 25.
- رادفر، رضا؛ خمسه، عباس. (1394). مدیریت تکنولوژی نگرشی جامع بر تکنولوژی، نوآوری و تجاری¬سازی، انتشارات علمی و فرهنگی.
- فتحی اجیرلو، شهروز؛ امیرتیموری، علیرضا؛ کرد رستمی، سهراب. (1399). اندازه¬گیری کارایی هزینه در تحلیل پوششی داده‌های شبکه‌ای. پژوهش‌های نوین در ریاضی، 6(27)، 154-141.
- محمودزاده، ابراهیم؛ باقری، ابوالفضل؛ دهقان پیر، علی. (2015). تأثیر ابعاد فناوری برتر بر عملکرد بازار محصولات جدید. فصلنامۀ مدیریت توسعۀ فناوری، 3(2)، 31 – 62.
- میرزا محمدی، س؛ ارغند، ح. (1395). تأثیر سرمایه¬گذاری مستقیم خارجی بر روی نوآوری در کشورهای منتخب: رهیافت پانل دیتا. جویشگر علمی فارسی (علم نت).

- Azam, S. (2017). A cross-country empirical test of cognitive abilities and innovation nexus. International Journal of Educational Development, 53, 128-136.
- Charutawephonnukoon, P., Jermsittiparsert, K., & Chienwattanasook, K. (2021). Impact of high technology exports, patent applications and research and development expenditure on economic growth: evidence from ASEAN countries. Psychology and Education, 58(2), 1956-1972.
- D’Angelo, A. (2012). Innovation and export performance: a study of Italian high-tech SMEs. Journal of management & governance, 16, 393-423.
- Diebolt, C., Hippe, R., Diebolt, C., & Hippe, R. (2022). The long-run impact of human capital on innovation and economic growth in the regions of Europe. Human capital and regional development in Europe: A long-run comparative view, 85-115.
- Domazet, I., Marjanović, D., Ahmetagić, D., & Bugarčić, M. (2021). The impact of innovation indicators on increasing exports of high technology products. Ekonomika preduzeća, 69(1-2), 31-40.
- Erkan, B., & Yildirimci, E. (2015). Economic complexity and export competitiveness: The case of Turkey. Procedia-Social and Behavioral Sciences, 195, 524-533.
- Gelade, G. A. (2008). IQ, cultural values, and the technological achievement of nations. Intelligence, 36(6), 711-718.
- Hausmann, R., Hidalgo, C. A., Bustos, S., Coscia, M., & Simoes, A. (2014). The atlas of economic complexity: Mapping paths to prosperity. Mit Press. https://doi.org/10.7551/mitpress/9647.001.0001.
- Kirkegaard, E. O. (2021). Solid numbers, missed opportunities: Review of The intelligence of nations.
- kolossovski, E. (2019). What makes a great high-tech product? Eleanor kolossovski 2019—Google Search.
- Kucharčíková, A. (2011). Human Capital–Definitions and Approaches. Human Resources Management & Ergonomics, 5(2), 60-70 - Google Search.
- Landry, R., Amara, N., & Lamari, M. (2002). Does social capital determine innovation? To what extent?. Technological forecasting and social change, 69(7), 681-701.
- Lapatinas, A., & Litina, A. (2019). Intelligence and economic sophistication. Empirical Economics, 57, 1731-1750.
- Lu, W. M., Kweh, Q. L., Nourani, M., & Huang, F. W. (2016). Evaluating the efficiency of dual-use technology development programs from the R&D and socio-economic perspectives. Omega, 62, 82-92.
- Lynn, R., & Mikk, J. (2007). National differences in intelligence and educational attainment. Intelligence, 35(2), 115–121.
- Medase, K. (2020). The Impact of the Heterogeneity of Employees’ Qualifications on Firm-Level Innovation Evidence from Nigerian Firms.
- Meisenberg, G. (2014). Cognitive human capital and economic growth in the 21st century. Economic Growth in the 21st Century: Perspectives, Role of Governmental Policies, Potential and Constraints, 49-106.
- OECD. “Education Attainment.” Text. Accessed November 6, 2020. https://www.oecd- ilibrary.org/education/education-attainment/indicator-group/english_025421e5-en.
- Örkcü, H. H., Özsoy, V. S., Örkcü, M., & Bal, H. (2019). A neutral cross efficiency approach for basic two stage production systems. Expert systems with applications, 125, 333-344.
- Rindermann, H. (2012). Intellectual classes, technological progress and economic development: The rise of cognitive capitalism. Personality and Individual Differences, 53(2), 108-113.
- Sánchez, A. M., & Perez, M. P. (2002). R&D project efficiency management in the Spanish industry. International Journal of Project Management, 20(7), 545-560.
- Sun, X., Li, H., & Ghosal, V. (2020). Firm-level human capital and innovation: Evidence from China. China Economic Review, 59, 101388.
- Tan, J., Zhang, Y., & Cao, H. (2022). The FDI-spawned technological spillover effects on innovation quality of local enterprises: evidence from industrial firms and the patents in China. Applied Economics, 1-16.
- Tavassoli, M., Saen, R. F., & Zanjirani, D. M. (2020). Assessing sustainability of suppliers: A novel stochastic-fuzzy DEA model. Sustainable production and consumption, 21, 78-91.
- Torres-Samuel, M., Vásquez, C. L., Luna, M., Bucci, N., Viloria, A., Crissien, T., & Manosalva, J. (2020). Performance of education and research in Latin American countries through data envelopment analysis (DEA). Procedia computer science, 170, 1023-1028.
- Usman, M. (2019). Relationship between R&D investment and high-tech exports: Empirical study from Pakistan. Journal on Innovation and Sustainability RISUS, 10(1), 110-123.
- Viglioni, M. T. D., & Calegario, C. L. L. (2020). Home country innovation performance: Moderating the local knowledge and inward foreign direct investment. Global Business Review, 0972150920920778.
- Yue, L., Huang, C., & Cao, Y. (2022). The impact of FDI technology spillover on the innovation quality of Chinese enterprises: A microperspective based on geographic proximity. European Journal of Innovation Management, (ahead-of-print).
- Zhong, L. (2017). Innovation as determinants of economic growth in US counties. Journal of Applied Business and Economics, 19(4), 107-116.