نوع مقاله : مقاله پژوهشی
نویسندگان
1 گروه علم اطلاعات و دانش شناسی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
هدف: هدف، طراحی و ارزیابی چارچوبی دانشمحور برای استخراج، بازنمایی، طبقهبندی و اولویتبندی دانش راهبردی مرتبط با قوتها، ضعفها، فرصتها و تهدیدهای صنعت دارو، از طریق تلفیق متنکاوی، یادگیری ماشین و فرایند تحلیل سلسلهمراتبی است.
روششناسی: رویکردی آمیخته اکتشافی به کار گرفته شد. تحلیل محتوای نظاممند ۶۲ منبع معتبر، ۱۷۰۴ عامل راهبردی شامل قوتها، ضعفها، فرصتها و تهدیدها و ۴۶۰ راهبرد ترکیبی را شناسایی کرد. این خروجیها با روش دلفی فازی سهدورهای با مشارکت ۲۰ خبره اعتبارسنجی شدند و به اجماع قوی رسیدند.گزارههای متنی با روش فراوانی واژه ـ معکوس فراوانی سند به ویژگیهای عددی تبدیل و با چهار الگوریتم طبقهبندی شدند. سپس فرایند تحلیل سلسلهمراتبی با نسبتهای ناسازگاری قابلقبول (کمتر از ۰.۱۰) برای وزندهی ابعاد SWOT و ده مؤلفه مدل به کار گرفته شد.
یافتهها: فرصتها بالاترین وزن (۰.۴۶۷) را کسب کردند و پس از آن قوت، تهدید و ضعف قرار گرفتند. از میان چهار الگوریتم، جنگل تصادفی با دقت ۸۱.۱۳% بهترین عملکرد را نشان داد. از میان ده مؤلفه اولویتبندیشده، تحول دیجیتال در نظام تدوین استراتژی رتبه نخست (۰.۲۳۳) و پس از آن هوشمندسازی تحلیل محیطی (۰.۱۷۷) و سیستمهای پشتیبان تصمیمگیری (۰.۱۵۵) را کسب کردند.
نتایج: چارچوب پیشنهادی شکاف میان دادههای خام متنی و تصمیمگیری را کاهش میدهد و تحلیل SWOT را از ابزاری ذهنی به فرایندی تکرارپذیر، دادهمحور و تصمیمیار تبدیل میکند.
اصالت و ارزش: ارزش اصلی در تلفیق تحلیل محتوای اعتبارسنجیشده خبرگانی، طبقهبندی راهبردها و تصمیمگیری چندمعیاره است که مسیری ساختاریافته از دانش پراکنده متنی تا استراتژی اولویتبندیشده و قابل اقدام برای شرکتهای دارویی فراهم میسازد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Knowledge-Based SWOT Modeling in the Pharmaceutical Industry: Integrating Text Mining, Machine Learning, and AHP
نویسندگان [English]
- Sedigheh Mohammadesmaeil 1
- Matin Ajam 2
1 Department of knowledge and Information Science, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Department of Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]
Purpose: This study aimed to design and evaluate a knowledge-based framework for extracting, representing, classifying, and prioritizing strategic knowledge related to the strengths, weaknesses, opportunities, and threats of the pharmaceutical industry through the integration of text mining, machine learning, and the Analytic Hierarchy Process.
Methodology: An exploratory mixed-methods approach was employed. A systematic content analysis of 62 valid sources identified 1,704 strategic factors, including strengths, weaknesses, opportunities, and threats, as well as 460 combined strategies. These outputs were validated through a three-round fuzzy Delphi process involving 20 experts, resulting in strong consensus. The textual statements were transformed into numerical features using term frequency–inverse document frequency and classified using four algorithms. The Analytic Hierarchy Process was then applied to weight the SWOT dimensions and ten model components, with acceptable consistency ratios below 0.10.
Findings: Opportunities received the highest weight (0.467), followed by strengths, threats, and weaknesses. Among the four algorithms, Random Forest achieved the best performance, with an accuracy of 81.13%. Among the ten prioritized components, digital transformation in the strategy formulation system ranked first (0.233), followed by intelligent environmental analysis (0.177) and decision support systems (0.155).
Conclusion: The proposed framework reduces the gap between raw textual data and decision-making and transforms SWOT analysis from a subjective tool into a repeatable, data-driven, and decision-support process.
Value: The main value lies in integrating expert-validated content analysis, strategy classification, and multi-criteria decision-making to provide a structured pathway from dispersed textual knowledge to prioritized and actionable strategies for pharmaceutical companies.
کلیدواژهها [English]
- SWOT
- Strategic decision-making
- Strategic Intelligence
- knowledge-based strategies
- fuzzy Delphi method
)