سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,764
تعداد مشاهده مقاله115,192,058
تعداد دریافت فایل اصل مقاله89,940,077
رضوی, سید مصطفی, شهریاری, سلطانعلی, احمدپور داریانی, محمود. (1394). ارزیابی عملکرد نوآورانۀ شرکت‌های دانش‌بنیان با استفاده از تحلیل پوششی داده‌های شبکه‌ای-رویکرد تئوری بازی. , 7(4), 721-742. doi: 10.22059/imj.2015.57423
سید مصطفی رضوی; سلطانعلی شهریاری; محمود احمدپور داریانی. "ارزیابی عملکرد نوآورانۀ شرکت‌های دانش‌بنیان با استفاده از تحلیل پوششی داده‌های شبکه‌ای-رویکرد تئوری بازی". , 7, 4, 1394, 721-742. doi: 10.22059/imj.2015.57423
رضوی, سید مصطفی, شهریاری, سلطانعلی, احمدپور داریانی, محمود. (1394). 'ارزیابی عملکرد نوآورانۀ شرکت‌های دانش‌بنیان با استفاده از تحلیل پوششی داده‌های شبکه‌ای-رویکرد تئوری بازی', , 7(4), pp. 721-742. doi: 10.22059/imj.2015.57423
رضوی, سید مصطفی, شهریاری, سلطانعلی, احمدپور داریانی, محمود. ارزیابی عملکرد نوآورانۀ شرکت‌های دانش‌بنیان با استفاده از تحلیل پوششی داده‌های شبکه‌ای-رویکرد تئوری بازی. , 1394; 7(4): 721-742. doi: 10.22059/imj.2015.57423

ارزیابی عملکرد نوآورانۀ شرکت‌های دانش‌بنیان با استفاده از تحلیل پوششی داده‌های شبکه‌ای-رویکرد تئوری بازی

مدیریت صنعتی
مقاله 4، دوره 7، شماره 4، دی 1394، صفحه 721-742    اصل مقاله (356.91 K)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/imj.2015.57423
نویسندگان
سید مصطفی رضوی1؛ سلطانعلی شهریاری* 2؛ محمود احمدپور داریانی3
1دانشیار گروه مدیریت صنعتی دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران
2استادیار مدیریت کسب و کار، دانشگاه خوارزمی، تهران، ایران
3دانشیار، دانشکدۀ کارآفرینی، دانشگاه تهران، تهران، ایران
چکیده
 ارزیابی عملکرد و اندازه‌گیری کارایی شرکت‌های تولیدکنندۀ نرم‌افزار به‌عنوان مجموعه‌ای از شرکت‌های دانش‌بنیان و مقایسۀ آن‌ها با توجه به نامشخص بودن فرایندهای درونی و مراحل مشترک بین آن‌ها و نادیده انگاشتن این فرایندها به‌وسیلۀ مدل‌های مرسوم تحلیل پوششی داده‌ها و نیز چگونگی در نظر گرفتن این فرایندها در محاسبۀ کارایی از مسائلی هستند که این مقاله در پی بررسی آن‌هاست. هدف تعیین مراحل و فرایندهای درونی مشترک اجرای فعالیت‌های نوآورانه در این شرکت‌ها و سنجش کارایی مراحل و کارایی کل هر شرکت در یک دورۀ چهارساله است. از بررسی ادبیات و مصاحبه با خبرگان مشخص شد که همۀ شرکت‌ها دارای دو مرحلۀ متوالی تولید دانش و بهره‌برداری از آن هستند. برای تعیین کارایی ‌کل و مراحل، از تحلیل پوششی داده‌های شبکه‌ای-رویکرد نظریۀ بازی استفاده شده است. مدل‌سازی با روش رهبر- پیرو (بازی استاکل‌برگ) انجام گرفت. پس از حل نتایج نشان می‌دهد کارایی‌کل همۀ شرکت‌ها کمتر از یک است و در مرحلۀ اول فقط دو شرکت از سی‌وهشت شرکت بررسی‌شده و در مرحلۀ دوم فقط سه شرکت کاملاً کارا هستند.
کلیدواژه‌ها
بازی استاکل‌برگ؛ تحلیل پوششی داده‌های شبکه‌ای؛ کارایی کل؛ کارایی مراحل؛ نظریۀ بازی
عنوان مقاله [English]
Evaluation of Innovative Performance of Knowledge based Company by Network Data Envelopment Analysis-Game Theory Approach
نویسندگان [English]
Sayed Mostafa Razavi1؛ Soltanali Shahriari2؛ Mahmod Ahmadpor Dariani3
1Associate Prof., Faculty of Management University of Tehran, Iran
2Ph.D., Industrial Management, University of Tehran, Iran
3Associate Prof., Faculty of Entrepreneurship University of Tehran, Iran
چکیده [English]
The performance evaluation and efficiency measurement of software companies and compare them together as a set of knowledge-based activities due to the unknown of internal processes and stages common to these companies and ignoring these processes in performance evaluation by data envelopment analysis models and how to consider these processes and procedures for calculating efficiency of each stage and overall efficiency of each company are the issues that this article effort to study them. The main objects of this study are determination the common stages and processes of innovation activities in software companies and measurement of the innovation efficiency of each stages and the overall efficiency of each company over a period of four years. The literature review and experts interviews revealed that each company has two series stages of knowledge production and exploitation processes. To determine the efficiency of each stage and the overall efficiency we used network data envelopment analysis- game theory approach. The modeling is done by the leader-follower method or Stackelberg game for two stages and their solved using GAMS software. The results show that the overall efficiency of all companies is less than one and in the first stage, only two of the 38 companies and in the second stage, only three of them are full efficient. It is suggested that inefficient firms at every stage follow its determined benchmarks to improve their operations.
کلیدواژه‌ها [English]
Network Data Envelopment Analysis, Game theory, Stackelberg game, Stage efficiency, Overall efficiency
مراجع
  1. Anand, N., Gardner, H.,Morris, T.(2007).Knowledge-based innovation: emergence and embedding of new practice areas in management consulting firms. Academy of Management Journal,50(2): 406-428.‌
  2. Baregheh, A., Rowley, J., & Sambrook, S. (2009). Towards a multi-disciplinary definition of innovation. Mang.Decision, 47(8):23-39.‌
  3. Carlsson, B., Jacobsson, S., Holmén, M., & Rickne, A. (2002). Innovation systems: analytical and methodological issues. Research policy, 31(2): 233-245.
  4. Chen, C., & Yan, H. (2011). Network DEA model for supply chain performance evaluation.Euro. J. of Operational Res,213(1): 147-155.‌
  5. Chen, Y., Cook, W. D., Kao, C., & Zhu, J. (2013). Network DEA pitfalls: Divisional efficiency and frontier projection under general network structures.Euro. J. of Operational Research, 226(3): 507-515.
  6. Cook, W. D., Zhu, J., Bi, G., & Yang, F. (2010). Network DEA: Additive efficiency decomposition. European Journal of Operational Research, 207(2): 1122-1129.
  7. Cook, W., Zhu, G., F. Yang (2010). Network DEA: Additive efficiency decomposition. Euro.J.of Operational Res., 207(2): 1122–1129.
  8. Cooper, W., M. Seiford, and K. Tone (2007). Introduction to data envelopment analysis and its uses: with DEA-solver software. Springer.
  9. Costa, R. (2012). Assessing intellectual capital efficiency and productivity: An application to the Italian yacht manufacturing sector. Expert Systems with Applications, 39(8): 7255–7261.
  10. Du, J., Liang, L., Chen, Y., Cook, W., & Zhu, J. (2011). A bargaining game model for measuring performance of two-stage network structures. Euro. J. of Operational Research, 210(2): 390-397.‌
  11. Dutta, S., O. Narasimhan, and S. Rajiv (2005). Conceptualizing and measuring capabilities: Methodology and empirical application. Strategic Management Journal, 26(3): 277–285.
  12. Färe, R. & S. Grosskopf (2000). Network DEA. Socio-Economic Planning Sciences, 34(1):35–49.
  13. Färe, R., S. Grosskopf, and G. Whittaker (2007). Network DEAin Modeling data irregularities and structural complexities in data envelopment analysis, 209–240. Springer.
  14. Fukuyama, H. and S. Mirdehghan (2012). Identifying the efficiency status in network DEA. Euro. J. of Operational Res., 220(1): 85–92.
  15. Guan, J., & Chen, K. (2012). Modeling the relative efficiency of national innovation systems. Research Policy, 41(1): 102-115.
  16. Holt, D.(1992). Entrepreneurship: New venture creation. Prentice Hall.‌
  17. Kao, C. (2009b). Efficiency measurement for parallel production systems. Euro. J. of Operational Research, 196(3): 1107–1112.
  18. Kao, C., & Hwang, S. N. (2008). Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. Euro.J. of Operational Res., 185(1): 418-429.‌
  19. Kao,C.(2009a). Efficiency decomposition in network DEA: A relational model. Euro. J. of Operational Res., 192(3): 949–962.
  20. Kravtsova, V., & Radosevic, S. (2012). Are systems of innovation in Eastern Europe efficient?. Economic Systems, 36(1): 109-126.
  21. Li, Y., Y. Chen, L. Liang, and J. Xie (2012). DEA models for extended two-stage network structures. Omega, 40(5): 611–618.
    1. Liang, L., Cook, W. D., & Zhu, J. (2008). DEA models for two‐stage processes: Game approach and efficiency decomposition. Naval Research Logistics (NRL),55(7): 643-653.‌
    2. Liu, X., & Buck, T. (2007). Innovation performance and channels for international technology spillovers: Evidence from Chinese high-tech industries.Research Policy, 36(3): 355-366.‌
    3. Löthgren, M., & Tambour, M. (1999). Productivity and customer satisfaction in Swedish pharmacies: A DEA network model. European Journal of Operational Research, 115(3): 449-458.‌
    4. Seiford, L. M., & Zhu, J. (1999). Profitability and marketability of the top 55 US commercial banks. Management science, 45(9): 1270-1288.
    5. Sexton, T. & H. Lewis (2003). "Two-Stage DEA: An Application to Major League Baseball." Productivity Analysis,19(2-3): 227-249.
    6. Shahriari, S.(2013). A Network Data Envelopment Analysis (NDEA) Model to evaluate firm’s Strategic Entrepreneurship.(Unpublished doctoral dissertation). Tehran University, Tehran, Iran. (in Persian)
      1. Shahriari, S., Razavi, M. & Asgharizadeh, A.(2013), Fuzzy DEA and new approach FIEP / AHP units for the full ranking decision makers: A Case Study of Humanities Faculty of Tehran University, Industrial Management Journal, 5(1): 21-42. (in Persian)
      2. Sharif, N. (2006). Emergence and development of the National Innovation Systems concept. Research policy, 35(5): 745-766.
      3. Teece, D. (2000). Strategies for managing knowledge: the role of firm structure and industrial context. Long range planning, 33(1): 35-54.‌
      4. Tone, K. and M. Tsutsui (2009). Network DEA: a slacks-based measure approach. . Euro.J. of Operational Res.,197(1): 243–252.
      5. Von Hippel, E. (2007). The sources of innovation. Gabler.‌
      6. Wacker, J. G. (1998). "A definition of theory: research guidelines for different theory-building research methods in operations management." Journal of Operations Management, 16(4): 361-385.
      7. Yu, M., & Lin, T. (2008). Efficiency and effectiveness in railway performance using multi-activity network DEA. Omega, 36(6): 5-17.‌
آمار
تعداد مشاهده مقاله: 2,576
تعداد دریافت فایل اصل مقاله: 1,727


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب