ارزیابی سطح دیجیتالی بودن فرایند نوآوری با رویکرد هوش مصنوعی در تحول دیجیتال شرکت های دانش بنیان

هدف این پژوهش، طراحی مدلی برای ارزیابی سطح دیجیتالی شدن فرآیند نوآوری با محوریت هوش مصنوعی در شرکت‌های دانش بنیان می‌باشد، تا بتوان از این طریق بلوغ دیجیتال فرایند نوآوری در یک سازمان را سنجید. نتایج 188 شاخص در قالب پرسشنامه لیکرت 5 نقطه‌ای و به روش دلفی در دو مرتبه بین 18 خبره در این زمینه توزیع شد. نتیجه کار 5 مولفه به عنوان ورودی مدل بود که در قالب پرسشنامه برای 230 شرکت دانش بنیان پارک فناوری پردیس ارسال شد. 198 شرکت آن را تکمیل و مجدداً ارسال کردند. از این تعداد نمونه، 150 داده برای داده‌های آموزشی و 48 داده به عنوان آزمون مدل بر اساس یک تابع تصادفی جدا شد. در مرحله آخر یعنی مدل سازی، از روش استنتاج عصبی- فازی تطبیقی برای مدل استفاده شد. از روش جداسازی شبکه یا جدول جستجو (pg) در نرم افزار متلب 2023 برای ارزیابی عملکرد مدل با استفاده از ریشه میانگین مربع، خطای (rmse) و خطای نسبی (e) استفاده گردید. این تحقیق توانست مدلی هوشمند را با خطای بسیار کم ارائه دهد. در نتیجه توانست به شاخص‌های موثر در میزان دیجیتالی شدن فرآیند نوآوری دست یابد.

evaluating the level of digitalization of the innovation process with artificial intelligence approach in the digital transformation of knowledge-based companies

the purpose of this research is to design a model to evaluate the level of digitization of the innovation process centered on artificial intelligence in knowledge-based companies, so that the digital maturity of the innovation process in an organization can be measured. the results of 188 indicators were distributed in the form of a 5-point likert questionnaire and by delphi method in two times among 18 experts in this field. the result of the work was 5 components as input to the model, which was sent in the form of a questionnaire to 230 knowledge-based companies of pardis technology park. 198 companies completed it and sent it back. from this number of samples, 150 data were separated for training data and 48 data as model test based on a random function. in the last stage, i.e. modeling, the adaptive neural-fuzzy inference method was used for the model. the method of grid separation or lookup table (pg) in matlab 2023 software was used to evaluate the performance of the model using root mean square, error (rmse) and relative error (e). this research was able to provide an intelligent model with a very low error. as a result, it was able to achieve effective indicators in the degree of digitization of the innovation process.