کاربرد تئوری پیچیدگی اقتصادی در سیاست گذاری صنعتی

پیچیدگی اقتصادی ابزاری قدرتمند  و محبوب را برای درک مسائل کلیدی اقتصادی، اجتماعی  و چالش‌های مرتبط با آنان  ارایه می‌دهد . ایده اساسی این است که رشد و توسعه اقتصادی ،پایداری محیط زیست، نابرابری درآمدی و نابرابری فضایی نتایج مشهود روابط سیستمیک پنهان هستند. مطالعه پیچیدگی اقتصادی به دنبال درک ساختار این تعاملات و چگونگی شکل دادن فرآیندهای اجتماعی - اقتصادی مختلف است. این زمینه نوظهور به شدت به تکنیک‌های یادگیری ماشین و علم شبکه تکیه دارد. هدف این مقاله مروری بر کاربردهای پیچیدگی اقتصادی جهت کاربرد آن در زمینه های مختلف به ویژه سیاست گذاری صنعتی می باشد. در این راستا یک تحلیل موضوعی در مورد مقالات جمع آوری شده انجام گرفت. نتایج این برسی نشان داد که در دهه‌ی اخیر علی رغم برخی انتقادات، تکنیک‌های اندازه گیری پیچیدگی اقتصادی و شاخص‌های مرتبط با آن تکامل یافته و به یک روش معروف برای سیاست گذاری صنعتی در سطح بین الملل، کشورها و درون کشورها(ایالتی و شهری) تبدیل شده است.

application of economic complexity theory in industrial policy making

complex economics provides a powerful and universal tool for understanding key economic and social issues and related challenges. the basic idea is that economic growth and development, environmental sustainability, income inequality and spatial inequality are visible outcomes of latent systemic relationships. the study of economic complexity aims to understand the structure of these interactions and how various socioeconomic processes are formed. this emerging field relies heavily on machine learning and network science techniques. the purpose of this article is to examine the applications of economic complexity to its application in various fields, including industrial policy. the results of this survey show that over the past decade, despite some criticism, techniques for measuring economic complexity and related indicators have evolved into a well-known method for planning industrial policy at the international and national levels (states and cities).