حسین زارعیان؛ علیرضا الهی؛ نصراله سجادی؛ امین قاضی زاهدی
دوره 14، شماره 30 ، اسفند 1394، ، صفحه 37-54
چکیده
حسین زارعیان[1] علیرضا الهی[2] نصرالله سجادی[3] امین قاضی زاهدی[4] تاریخ دریافت مقاله: 1/11/1393 ...
بیشتر
حسین زارعیان[1] علیرضا الهی[2] نصرالله سجادی[3] امین قاضی زاهدی[4] تاریخ دریافت مقاله: 1/11/1393 تاریخ پذیرش مقاله:7/3/1394 پژوهش حاضر با هدف پیشبینی موفقیت کشورهای شرکت کننده در بازیهای المپیک 2016 ریودوژانیرو با استفاده از روش هوشمند MLP انجام شد. این پژوهش، در دو مرحله کیفی (تعیین شاخصها) و کمی (جمع آوری دادههای مربوط به کشورهای منتخب) صورت گرفت. در مرحله اول ، مصاحبههای کیفی نیمهساختارمند و عمیق با 28 نفر از نخبگان آگاه از موضوع پژوهش به صورت غیرتصادفی هدفمند تا حد اشباع نظری انجام شد. پس از شناسایی شاخصها، اطلاعات شاخصهای انتخاب شده - شاخصهای 22 گانه اقتصادی، سیاسی، اجتماعی و فرهنگی، فناوری و ورزشی (PEST+S)- برای 42 کشور منتخب به صورت غیرتصادفی در دسترس در بازه زمانی 40 ساله از بازیهای المپیک 1976 مونترال تا 2012 لندن جمعآوری گردید. در مرحله بعد، از آزمون مدل مفهومی شبکههای پرسپترون چندلایه (MLP) برای مقایسه شاخصهای 22 گانه ایران با مقادیر واقعی در سال 2012 استفاده شد. نتایج نشان داد در مقایسه مقادیر واقعی با مقادیر پیشبینی شده در سال 2012، روش MLP از خطای پایینی در پیشبینی شاخصهای 22 گانه برخوردار است. همچنین، در خصوص مقایسه رتبه واقعی و رتبه پیشبینی شده 42 کشور منتخب در سال 2012، روش MLP از ضریب خطای مطلق میانگین پایینی (4629/0) برخوردار بود. در مرحله نهایی، شاخصهای 22 گانه در سال 2016 تخمین زده شد و رتبه کشورهای منتخب در المپیک 2016 ریودوژانیرو پیشبینی شد. با استناد به نتایج تحقیق، کشورهای ایالات متحده آمریکا، چین و انگلستان در بازیهای المپیک 2016 در رتبه اول تا سوم قرار خواهند گرفت. همچنین ایران نیز در بین تیمهای شرکت کننده در جایگاه 21 قرار خواهد گرفت. به طور کلی، با استفاده از الگوی شبکههای عصبی، برای سیاستگذاران ورزش کشورها این امکان فراهم است تا از شاخصها و مولفههای شناسایی شده در برنامهریزیهای آتی خود جهت شرکت موفقتر در بازیهای المپیک استفاده نمایند.
