|
|
|
|
نظریۀ شبکه های نوآوری؛ رویکرد تحلیلی به روابط اجتماعی - اقتصادی
|
|
|
|
|
|
|
|
نویسنده
|
کارگرشهامت بهمن
|
|
منبع
|
سياست نامه علم و فناوري - 1397 - دوره : 8 - شماره : 2 - صفحه:71 -102
|
|
|
|
|
چکیده
|
یکی از مهمترین مفاهیمی که از دهۀ 1970 بر اساس فهم ساختارهای اقتصادی اجتماعی ساخته شده نظریۀ شبکه های اجتماعی است. اگرچه علم شبکه به صورت یک پارادایم مفهومیِ قدرتمند در علم و مهندسی ظهور پیدا کرده، به نظر می رسد امروزه سازه ها و پدیده هایی نظیر شبکه های به هم پیوسته و تصادفی در گستره ای از ادبیات تحقیق شبکه های اجتماعی چندعاملی قرار دارند. این توجه بی سابقه به علم شبکه دو علت اصلی دارد: از یک طرف تعدد علوم بین رشته ای برای رسیدن به درکی عمیق از نقش تعاملاتِ بین عناصر در بازی قابلیت جمعی از سیستم های چندلایه، و ازطرف دیگر، پیشرفت فناوری و توانایی تجزیۀ شبکه در سیستم های پیچیدۀ عامل بنیان. فرض اساسی در علم شبکه این است که در سطح سیستم، ساختار و صفات شبکه به صورت ویژگی های دینامیکی به نمایش گذاشته می شوند و نفوذ می یابند. در این تحقیق، با مروری بر ادبیات نظریۀ شبکه سازی و شبکه های اجتماعی، تلاش شده تا خاستگاه، ویژگی ها، الزامات و کارکردهای شبکه های نوآوری برای فهم نظام های اقتصادی اجتماعی با رویکردی تحلیلی از برساخت اجتماعی رفتار فردی و سازمانی و روابط بازیگران تبیین شود. این فرایند در قالب نظریۀ شبکه های نوآوری مطرح شده است.
|
|
کلیدواژه
|
نظام های اقتصادی - اجتماعی، نظریۀ شبکه سازی، شبکه های اجتماعی، نظریۀ شبکه های نوآوری
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد آستارا, گروه مدیریت, ایران
|
|
پست الکترونیکی
|
b.k.shahamat@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
The theory of innovation networks; An analytical approach to social - economic relations
|
|
|
|
|
Authors
|
Kargar Shahamat Bahman
|
|
Abstract
|
The main purpose of this Article is to describe the methodology of complex social systems with focused on analysis of innovation systems. At this paper, we analyze innovation system as a complex system and then, try to describe the best methodology for analyzing this systems. Agent based modeling is the main approach that define in this article that combine some concept such as game theory, complex systems, emergent property, computational social science, multyagent systems and monte Carlo to provide a convergence logic for understanding complex systems. Our result shows that understanding and analysis of a innovation system need to application of methodologies that fit with this systems and the best theoretical approach for analyzing this systems is a agent based modeling and uses of simulating dynamics of knowledge exchange on innovation networks.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|