توسعه و ارزیابی یک مدل هیبریدی برای پیش‌بینی بلوغ سرمایه فکری مبتنی بر شبکه عصبی مصنوعی و الگوریتم های ژنتیک و کرم شب‌تاب

چکیده

در عصر حاضر که سرعت نوآوری سرسام‌آور است، مدیریت دارایی‌های فکری و سنجش میزان بلوغ آن‌ها، نقشی تعیین‌کننده در کسب برتری رقابتی، خلق ارزش و دستیابی به کامیابی سازمانی ایفا می‌کند. از این رو، پژوهش حاضر با هدف ارائه یک مدل پیش‌بینی‌کننده بلوغ سرمایه فکری در شرکت‌های دانش‌بنیان مستقر در شهرک‌های صنعتی صورت گرفته است. این مدل، از یک رویکرد ترکیبی بهره می‌برد که در آن، شبکه عصبی مصنوعی (MLP) با الگوریتم‌های فراابتکاری ژنتیک و کرم شب‌تاب تلفیق شده است. این تحقیق از نظر هدف، کاربردی-توسعه‌ای، از نظر روش، توصیفی-مدلسازی و از نظر نوع داده، آمیخته (کیفی و کمی) است. در بخش کیفی، نمونه آماری شامل ۱۲ نفر از متخصصان و خبرگان بود که با روش نمونه‌گیری گلوله برفی انتخاب شدند. در بخش کمی نیز، ۲۱۲ شرکت دانش‌بنیان به روش تصادفی طبقه‌ای انتخاب شدند. ابزار گردآوری داده‌ها شامل بررسی متون علمی، مصاحبه‌های تخصصی و پرسشنامه‌های استاندارد بود. پس از بررسی روایی و پایایی پرسشنامه‌ها، داده‌ها با استفاده از روش دلفی، تحلیل عاملی تاییدی، شبکه عصبی MLP و ترکیبات آن با الگوریتم‌های ژنتیک و کرم شب تاب مورد تجزیه و تحلیل قرار گرفتند. برای این منظور از نرم‌افزارهای SPSS، PLS و Python استفاده شد. نتایج به دست آمده نشان داد که تمامی مدل‌های مورد بررسی، توانایی پیش‌بینی سطح بلوغ سرمایه فکری را دارند. با این حال، مدل ترکیبی شبکه عصبی با الگوریتم کرم شب‌تاب، با کسب معیارهای ارزیابی95/35%  Accuracy=،94/35%  Precision=،95/35%  Recall=،  94/41%=F₁-core و0/996  AUC=، عملکردی به مراتب بهتر و دقیق‌تر در پیش‌بینی سطح بلوغ سرمایه فکری از خود نشان داد.