메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
차석기 (한국과학기술정보연구원) Kyunghwan Park (KIRAMS)
저널정보
아시아기술혁신학회 Asian Journal of Innovation and Policy Asian Journal of Innovation and Policy Vol.13 No.1
발행연도
2024.4
수록면
1 - 28 (28page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Enhancing the efficiency of research and development (R&D) is crucial for organizations to remain competitive and generate innovative solutions. Data Envelopment Analysis (DEA) has emerged as a powerful tool for evaluating R&D efficiency. However, traditional DEA models heavily rely on the selection of input and output variables, which can limit their effectiveness. To overcome this dependency and improve the robustness of DEA, this study proposes a novel methodology that integrates machine learning techniques with DEA for determining the most suitable input and output variables. The proposed approach is particularly relevant for specialized R&D fields, such as Radiation Emergency Medicine (REM). REM is a critical domain that deals with the medical and public health consequences of nuclear emergencies. The selection of REM as the focus of this study is motivated by several factors, including the unique challenges posed by the field, the potential for significant societal impact, and the need for efficient resource allocation in emergency situations. By leveraging machine learning algorithms, such as Support Vector Machines (SVM), the proposed methodology aims to identify the most relevant input and output variables for DEA in the context of REM. The integration of machine learning enables the DEA model to capture complex relationships and non-linearities in the data, leading to more accurate and reliable efficiency assessments. The effectiveness of the proposed methodology is demonstrated through a comprehensive evaluation using real-world REM data. The results highlight the superior performance of the machine learning-integrated DEA approach compared to traditional DEA models. This study contributes to the advancement of R&D efficiency assessment in specialized fields and provides valuable insights for decision-makers in REM and other critical domains.
#Data Envelopment Analysis #Machine Learning #Radiation Emergency Medicine #R& #D Efficiency #R& #D Management #Specialized Research Domain #Resource Allocation #Input and Output Parameters

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0