ترجمه مقاله یک سیستم شاخص ارزیابی برای ارزیابی سرمایه فکری بر اساس یادگیری ماشینی - نشریه الزویر

ترجمه مقاله یک سیستم شاخص ارزیابی برای ارزیابی سرمایه فکری بر اساس یادگیری ماشینی - نشریه الزویر
قیمت خرید این محصول
۵۷,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
یک سیستم شاخص ارزیابی برای ارزیابی سرمایه فکری بر اساس یادگیری ماشینی
عنوان انگلیسی
An evaluation index system for intellectual capital evaluation based on machine learning
صفحات مقاله فارسی
13
صفحات مقاله انگلیسی
6
سال انتشار
2021
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
4.384 در سال 2020
شاخص H_index مجله
58 در سال 2021
شاخص SJR مجله
0.584 در سال 2020
شناسه ISSN مجله
1110-0168
شاخص Q یا Quartile (چارک)
Q1 در سال 2020
کد محصول
11920
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
ضمیمه
ندارد ☓
بیس
است ✓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
دارد ✓
فرضیه
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مدیریت، مدیریت کسب و کار، سیستم اطلاعاتی پیشرفته
مجله
مجله مهندسی اسکندریه - Alexandria Engineering Journal
دانشگاه
ایستگاه تحقیقاتی فوق دکتری بانک هاربین ، چین
کلمات کلیدی
سرمایه فکری؛ یادگیری ماشینی (ML)؛ روش جنگل تصادفی (RF)؛ ماشین بردار پشتیبان (‏SVM)
کلمات کلیدی انگلیسی
Intellectual capital - Machine learning (ML) - Random forest (RF) - Support vector machine (SVM)
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.aej.2020.11.006
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. روش شناسی
2.1 طراحی سیستم شاخص ارزیابی
2.2 پیش پردازش داده ها
2.3 طبقه بندی RF
3. نتیجه گیری
منابع

 

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
نمونه چکیده متن اصلی انگلیسی
Abstract

Currently, there is not yet a mature evaluation index system of intellectual capital among enterprises. The lack of such a system hinders the smooth transform of capital to enterprise value. Therefore, this paper attempts to set up an effective and objective evaluation index system for intellectual capital. First, the data on intellectual capital were collected from some enterprises from the Growth Enterprise Market (GEM). Next, the original data were preprocessed into 1770 effective pieces of data. On this basis, 13 indices were selected from three dimensions (e.g. human capital, structural capital, and relationship capital) of intellectual capital, forming an evaluation index system. After that, the evaluation index system was verified with two machine learning (ML) algorithms, namely, random forest (RF), and support vector machine (SVM). The results show that our evaluation index system can optimize the intellectual capital classification of enterprises, avoiding the subjective defects in qualitative evaluation. The research results shed important new light on the decision-making and scientific management of enterprises.

1. Introduction

Intellectual capital, such as patents, enables knowledge-based enterprises to remain competitive and encourages them to pursue innovation, thereby promoting the value creation of such enterprises [1]. Besides, intellectual capital is the basis for enterprises to formulate effective strategies against emergencies. For example, relational capital and structural capital, two important dimensions of intellectual capital, can be utilized to mitigate the risks arising from the unpredictable changes of the environment, and to respond to the complex and stochastic business affairs. Moreover, the competition between enterprises is essentially the competition of talents. To remain competitive, an enterprise must fully leverage human capital, an active driver of intellectual capital, and effectively combine capital, management, and innovation.

نمونه چکیده ترجمه متن فارسی
چکیده

در حال حاضر هنوز یک سیستم شاخص ارزیابی کامل سرمایه فکری در میان شرکت ها وجود ندارد. فقدان چنین سیستمی مانع از تبدیل ملایم سرمایه به ارزش شرکت می شود. بنابراین، این مقاله تلاش می کند تا یک سیستم شاخص ارزیابی موثر و عینی برای سرمایه فکری ایجاد کند. اولا داده های مربوط به سرمایه فکری برخی شرکت ها، از بازار سرمایه گذاری رشد (‏GEM) جمع آوری شد. سپس داده های اصلی در ۱۷۷۰ بخش موثر داده پیش پردازش شدند. بر این اساس، ۱۳ شاخص از سه بعد سرمایه فکری (‏به عنوان مثال سرمایه انسانی، سرمایه ساختاری و سرمایه ارتباطی) ‏انتخاب شدند و یک سیستم شاخص ارزیابی را تشکیل دادند. پس از آن، سیستم شاخص ارزیابی با دو الگوریتم یادگیری ماشینی (‏ML)‏، یعنی روش جنگل تصادفی (‏RF)‏ و ماشین بردار پشتیبان (‏SVM) ‏تایید شد. نتایج نشان می دهد که سیستم شاخص ارزیابی ما می تواند طبقه بندی سرمایه فکری شرکت ها را بهینه کند و از نقص های ذهنی در ارزیابی کیفی جلوگیری نماید. نتایج این تحقیق شفافیت جدیدی را در تصمیم گیری و مدیریت علمی شرکت ها ایجاد می کند.

1. مقدمه

سرمایه فکری مانند حق ثبت اختراع، شرکت های دانش بنیان را قادر می سازد تا رقابتی باقی بمانند و آن ها را تشویق می کند تا نوآوری را دنبال کنند و در نتیجه ارزش آفرینی چنین شرکت هایی را ارتقا دهند [‏1]‏. علاوه بر این، سرمایه فکری پایه و اساس شرکت ها برای تدوین استراتژی های موثر در برابر شرایط اضطراری است. به عنوان مثال سرمایه رابطه ای و سرمایه ساختاری، دو بعد مهم سرمایه فکری هستند که می توانند برای کاهش ریسک های ناشی از تغییرات غیرقابل پیش بینی محیط و پاسخ به امور تجاری پیچیده و تصادفی مورد استفاده قرار گیرند. علاوه بر این، رقابت بین شرکت ها اساسا رقابت استعدادها است. یک شرکت برای باقی ماندن در رقابت باید از سرمایه انسانی، یک محرک فعال سرمایه فکری و ترکیب موثر سرمایه، مدیریت و نوآوری استفاده کند.


بدون دیدگاه