ارائه رویکرد تلفیقی مبتنی بر علم‌سنجی و هوش مصنوعی در استخراج الگوی ارزیابی تاب‌آوری زنجیره‌تامین

به دلیل ذات و ماهیت پیچیده و چندجانبۀ تا‌ب‌آوری در زنجیره‌های تامین، تاکنون طرحی جامع، کامل و همه‌جانبه که اجماع غالب پژوهشگران در این حوزه را دربر داشته باشد، ارائه نشده است. در راستای تلاش برای دستیابی به چنین طرحی، تحقیق حاضر با هدف تشکیل مدل جامع ارزیابی تاب‌آوری زنجیره تامین با استفاده از رویکرد تلفیقی مبتنی بر علم‌سنجی و روش‌های مختلف هوش مصنوعی بر پایه استخراج دانش از متن انجام گردید. جامعه آماری شامل تمامی مقالات نمایه شده مرتبط با تاب‌آوری زنجیره تامین در دو پایگاه‌ اطلاعات علمی scopus و wos طی سال‌های 2002 تا 2020 میلادی است. در طی انجام سه مرحله پالایش اسناد با رویکرد مرور نظام‌مند، اطلاعات علم‌سنجی و متن کامل مربوط به 346 مقاله استخراج‌ و در فرایند تجزیه‌وتحلیل مورداستفاده قرار گرفت. بهره‌گیری از رویکردی تلفیقی بر پایه علم‌سنجی و کلان‌دادۀ استخراج‌شده از پایگاه‌های اطلاعات علمی، همراه با ابزارهای هوش مصنوعی در استخراج الگوی ارزیابی تاب‌آوری زنجیره تامین به‌عنوان جنبه نوآوری اصلی این تحقیق می‌باشد که شناخت و تحلیلی سامانمند،‌ دقیق و بدون سوگیری از مبانی نظری تحقیقات در حوزه ارزیابی تاب‌آوری زنجیره تامین را امکان‌پذیر ساخته است. نهایتاً الگوی ارزیابی تاب‌آوری زنجیره تامین شامل 4 ساختار اصلی و 25 ساختار فرعی از اسناد مرتبط علمی استخراج گردید.

An integrated approach based on scientometrics and artificial intelligence for extracting the supply chain resilience assessment model

Due to the complex and multifaceted nature of supply chain resilience, hasn’t yet been proposed a comprehensive, concrete, and aggregative model that includes the prevailing consensus of researchers in this field. In order to try to achieve that, the present study was conducted with the aim of forming a comprehensive model for supply chain resilience assessment using an integrated approach based on scientometrics and various artificial intelligence methods based on knowledge extraction from the text. The statistical population includes all indexed articles related to supply chain resilience from 2002 to 2020 in the two scientific databases Scopus and WOS. During the three stages of document refinement with a systematic review approach, scientometric information, and the full text of 346 articles were extracted and used in the analysis process. Utilizing an integrated approach based on the fusion of scientometrics of related metadata, and artificial intelligence tools to extraction of supply chain resilience assessment tool obtain the main innovation of this research which makes feasible establishing an evaluation model without interfering with researcher source biases. Finally, the supply chain resilience evaluation model including 4 main structures and 25 substructures was extracted from related scientific documents.