Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Visualising components of regional innovation systems using self-organizing maps-Evidence from European regions
Autoři: Hájek Petr | Henriques Roberto | Hájková Veronika
Rok: 2014
Druh publikace: článek v odborném periodiku
Název zdroje: Technological Forecasting and Social Change
Název nakladatele: Elsevier Science Inc.
Místo vydání: New York
Strana od-do: 197-214
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Vizualizace komponent regionálních inovačních systémů pomocí samoorganizujících se map - důkaz z evropských regionů Regionální inovační systémy jsou komplexní systémy, ve kterých jsou jednotlivé komponenty navzájem silně závislé. Takové vztahy mají lineární i nelineární charakter. Jedním ze způsobů zkoumání struktury regionálních inovačních systémů je použití samoorganizujících se map čerpající z procesu učení bez učitele. V tomto článku jsme využili tuto proceduru k vizualizaci a studiu vzorů přítomných v jednotlivých komponentách evropských regionálních inovačních systémů. Naše zjištění naznačují, že v je v těchto komponentách podobná míra diverzity, a to díky silným vzájemným korelacím. Vizualizace komponent v geografických mapách dále ukazuje na pozitivní efekt znalostně intenzivních regionů na prostorově blízké dohánějící regiony. Konečně, ekonomický růst evropských regionů je možné přisoudit ekonomické integraci (pro zaostávající regiony) a úrovni inovační a podnikatelské aktivity (pro znalostně intenzivní regiony). regionální inovační systém; samoorganizující se mapa; ekonomický růst; výzkum a vývoj
eng Visualising components of regional innovation systems using self-organizing maps-Evidence from European regions Regional innovation systems are regarded as complex systems in which components are strongly dependent on each other. Such relationships can have both linear and nonlinear character. One of the ways to investigate the structure of regional innovation systems is to use a self-organizing map resulting from an unsupervised learning process. In this paper we employed this procedure to visualize and study the patterns present in the individual components of European regional innovation systems. Our findings suggest that there is a similar level of diversity in individual regional innovation systems' components due to their strong intercorrelations. Additionally, the visualisation of the components in geographical maps shows on a positive effect of the Knowledge intensive regions on the spatially close Catching up regions. Finally, the economic growth of the European regions appears to be associated to European economic integration (for lagging behind regions) and the level of innovative and entrepreneurial activity (for knowledge intensive regions). regional innovation system; self-organizing map; economic growth; research and development