- Tytuł:
-
Zastosowanie metod uczenia maszynowego w badaniu czynników wzrostu przedsiębiorczości
The Use of Machine Learning in Research of Entrepreneurship Growth Factors - Autorzy:
-
Czyżewska, Marta
Mroczek, Teresa
Lewicki, Arkadiusz
Cwynar, Andrzej - Powiązania:
- https://bibliotekanauki.pl/articles/439389.pdf
- Data publikacji:
- 2017
- Wydawca:
- Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
- Tematy:
-
analiza wielowymiarowa;
inteligentna analiza danych;
przedsiębiorczość;
sieci bayesowskie;
wskaźniki dobrego rządzenia na świecie
Bayesian networks;
entrepreneurship;
Intelligent Data Analysis;
World Governance Indicators - Opis:
-
Przedsiębiorczość ma kluczowe znaczenie zarówno dla wzrostu gospodarczego, jak i rozumianego wielowymiarowo rozwoju, co znalazło odzwierciedlenie w przyjmowaniu jej za jeden z czynników produkcji przez niektóre teorie. Zarówno teoretyczne, jak i empiryczne badania przedsiębiorczości świadczą o tym, że jest ona kształtowana przez wiele różnorodnych czynników, będąc wyjątkowo złożonym zjawiskiem. Tradycyjne metody badawcze okazują się niewystarczające wobec wspomnianej złożoności zjawiska. Niniejszy artykuł prezentuje wyniki badania dotyczącego wpływu poszczególnych wskaźników opracowanych przez Bank Światowy w World Governance Indicators na wzrost przedsiębiorczości. Celem artykułu jest empiryczna weryfikacja przydatności metod uczenia maszynowego w selekcji czynników kluczowych dla przedsiębiorczości w sytuacji, gdy dokonuje się jej z wykorzystaniem dużych zbiorów wielowymiarowych i zmiennych danych. Zastosowana metoda wykazała istotne różnice pomiędzy kluczowymi czynnikami determinującymi wzrost przedsiębiorczości w pięciu grupach krajów, wydzielonych ze względu na wartość tego wzrostu mierzoną przyrostem nowo zakładanych przedsiębiorstw. Otrzymane wyniki świadczą o tym, że do badania istoty i determinant przedsiębiorczości mogą zostać zaprzęgnięte niestandardowe metody, rzucając nowe światło na to zjawisko.
Entrepreneurship is crucial both for economic growth and development which is reflected in the adoption of entrepreneurship as the factor of production in certain theories. Both theoretical and empirical research present entrepreneurship as a complex phenomenon shaped by a range of different factors. Traditional research methods are insufficient with respect to the complexity of the phenomenon. This article presents the results of research on the impact of the indicators developed by the World Bank in World Governance Indicators on the entrepreneurship growth. The aim of the article is the empirical verification of machine learning use in the selection of key factors for entrepreneurship in situations when applying large multidimensional and variable data. The applied method revealed significant differences between the key factors determining the growth of entrepreneurship in five groups of countries, categorized by the value of this growth measured by the growth in newly established enterprises. The results indicate that the applying unconventional methods to research on entrepreneurship determinants shed new light on this phenomenon. - Źródło:
-
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego; 2017, 31, 4; 169-186
2080-1653 - Pojawia się w:
- Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
- Dostawca treści:
- Biblioteka Nauki
Artykuł