فهرست مطالب نویسنده:
mojtaba talafi
-
تحقیق حاضر در پی به کارگیری فرایند درس آموزی برای تحلیل سیاست های توسعه صنعت هوافضا در نه منطقه جهان و یادگیری از آن ها است. این تحلیل با به کارگیری روش متن کاوی روی اسناد سیاستی صنعت هوافضا و دو زیرحوزه سیاستی مرتبط یعنی علم، فناوری و نوآوری و دفاع انجام شده است و قلمرو آن مناطق اتحادیه اروپا، انگلستان، امریکا، برزیل، ترکیه، رژیم صهیونیستی، روسیه، ژاپن-کره جنوبی، و هند- پاکستان بوده است. پس از تحلیل فراوانی واژه ها، ترسیم شبکه هم رخدادی کلمات و خوشه بندی این شبکه برای مجموع اسناد سیاستی گردآوری شده، شبکه های هم رخدادی برای هریک از مناطق نه گانه به طور مجزا ترسیم و تحلیل شده اند و مهم ترین نکات سیاستی استخراج شده است. در نهایت مهم ترین درس آموخته ها برای سیاست گذاری در صنعت هوافضای جمهوری اسلامی ایران ارائه شده است. جهت گیری به سمت تحقیقات کاربردی و کاربردی کردن تحقیقات؛ ارتباط دولت، صنعت و دانشگاه؛ یکپارچه سازی سیاست ها و برنامه ها؛ استفاده از ظرفیت های دیپلماسی علم و فناوری؛ استفاده بهینه از منابع؛ برنامه ریزی دقیق و زمان مند برای نوآوری ها و فناوری های آینده؛ توسعه برنامه های مهارت آموزی؛ توجه ویژه و فراگیر به کاربردها و خدمات مشاهده زمین؛ ایجاد خوشه های تخصصی هوافضا و استفاده از ظرفیت های مناطق؛ تنوع بخشی به منابع تامین مالی؛ تلاش برای بومی سازی محصولات و سامانه های هوافضا در کشورهای در حال توسعه؛ و نگاه سیستمی به سیاست گذاری علم، فناوری و نوآوری درس هایی هستند که از اسناد سیاستی تحلیل شده در این تحقیق می توان آموخت.کلید واژگان: تحلیل سیاست, درس آموزی, متن کاوی, تحلیل هم واژگانی, صنعت هوافضاThe present study seeks to apply Lesson drawing process for analyzing aerospace industry (AI) policies in nine regions/countries and learning from them. This analysis has been carried out by applying the methodology of text mining to policy documents of AI and the two related policy areas, i.e. science, technology and innovation, and defense. The study comprises the regions/countries of the EU,UK,USA,Brazil,Turkey,the Zionist regime,Russia,Japan-Korea,and India-Pakistan. After analyzing the frequency of words, drawing the co-occurrence network of words and clustering this network for all policy documents, the co-occurrence networks for each of the nine countries/regions are separately mapped and analyzed; then the most important policy points are extracted. Finally, the most important lessons learned for AI policy Analysis in the Islamic Republic of Iran are presented. Orientation towards applied research and application of researches; the interaction of government, industry and universities; the integration of policies and programs; the application of science and technology diplomacy capacities; the optimal use of resources; accurate planning for future innovations and technologies; the development of training programs;special attention to space observation services; the creation of aerospace clusters and the use of regional capacities; the diversification of financing sources; the localization of products and systems in developing countries; and a systematic approach to science,Technology and Innovation policy are lessons learned from the analyzed policy documents in this study.Keywords: Policy Analysis, Lesson Drawing, Text Mining, Co-word Analysis, Aerospace Industry
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.