پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 657 |
| تعداد مقالات | 9,639 |
| تعداد مشاهده مقاله | 68,645,575 |
| تعداد دریافت فایل اصل مقاله | 48,117,542 |
تحلیل داده آماری از شاخص رفاه لگاتوم و ارائه مدل‌های پیش‌بینی از فرآیند داده‌کاوی | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 مهر 1404 | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.34932.2714 | ||
| نویسندگان | ||
| علی نقاش اسدی* ؛ امین مستوری‌نژاد؛ رومینا عقیلی | ||
| گروه مهندسی کامپیوتر، دانشکده فنی فومن، دانشکدگان فنی دانشگاه تهران، تهران، ایران | ||
| تاریخ دریافت: 12 مرداد 1403، تاریخ بازنگری: 13 خرداد 1404، تاریخ پذیرش: 03 شهریور 1404 | ||
| چکیده | ||
| داده‌کاوی، فرآیندی برای کشف الگوها از مجموعه‌ای از داده‌ها بوده و می‌تواند نقش مهمی در درک جنبه‌های چندوجهی توسعه و شکوفایی در مقیاس جهانی ایفا کند. با شناسایی عوامل کلیدی تعیین‌کننده رفاه و روابط متقابل آنها، سیاست‌گذاران و محققان می‌توانند استراتژی‌های مؤثرتری را برای تقویت توسعه پایدار تدوین کنند و میزان تاثیر هر شاخص بر شاخص‌های دیگر را دریافت کنند. در این مقاله، ابتدا 12 شاخص توسعه و رفاه ارائه‌شده توسط موسسه لگاتوم معرفی می‌شود. سپس مقادیر این شاخص‌ها برای 167 کشور جمع‌آوری شده و تحلیل‌های آماری از آنها ارائه می‌شود. در ادامه، نقشه حرارتی از تاثیر متقابل شاخص‌ها نسبت به هم ارائه می‌شود که نشان‌دهنده میزان تاثیرگذاری هر شاخص بر شاخص‌های دیگر است. در انتها با استفاده از روش‌های رگرسیون و شبکه عصبی، برای هر شاخص، مدل‌های پیش‌بینی ارائه می‌شود و بر اساس معیارهای ارزیابی مختلف، مورد ارزیابی قرار خواهند گرفت. مقادیر معیارهای ارزیابی نشان می‌دهند که نتایج حاصل از مدل‌های پیش‌بینی در بهترین شرایط تا 98 درصد با نتایج واقعی مشابهت داشتند؛ بنابراین با استفاده از مدل‌های پیش‌بینی ارائه‌شده می‌توان دریافت که با بهبود یک شاخص در یک کشور، سایر شاخص‌ها به چه میزانی تغییر خواهند کرد و بر همین اساس، سیاست‌گذاران و محققان می‌توانند برای بهبود وضعیت شاخص‌ها، برنامه‌ریزی و اولویت‌بندی کنند. | ||
| کلیدواژه‌ها | ||
| تحلیل داده آماری؛ شاخص رفاه لگاتوم؛ مدل‌های پیش‌بینی؛ شبکه عصبی؛ رگرسیون | ||
| عنوان مقاله [English] | ||
| Statistical Data Analysis of Legatum Prosperity Index and Presentation of Prediction Models from Data Mining Process | ||
| نویسندگان [English] | ||
| Ali Naghash Asadi؛ Amin Mastourinejad؛ Romina Aghili | ||
| Department of Computer Engineering, Fouman Faculty of Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Data mining is a process to discover patterns from a dataset and it can play an important role in understanding the multifaceted aspects of development on a global scale. Policymakers and researchers can formulate more effective strategies to promote sustainable development by identifying key indexes of prosperity, their interrelationships, and the impact of each index on other indexes. In this paper, first, 12 indexes of prosperity provided by Legatum institute are introduced. Then the values of these indexes are collected for 167 countries and statistical analyzes are presented. In the following, a heat map of the mutual influence of indexes is presented, which shows the influence of each index on other indexes. Finally, prediction models are presented for each index using regression and neural network methods, and they will be evaluated based on different measures. The values of the evaluation measures prove that the results from the prediction models were up to 98% similar to the actual results in the best conditions. Therefore, prediction models can determine how much other indexes will change with the improvement of one index. Based on this, policymakers and researchers can plan and prioritize to improve the status of indexes. | ||
| کلیدواژه‌ها [English] | ||
| Statistical Data Analysis, Legatum Prosperity Index, Prediction Models, Neural Network, Regression | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1 |
||