كليدواژه :
Asian Games , Macro variables , بازي‌هاي آسيايي , پيش‌بيني , متغيرهاي كلان , Prediction
چكيده فارسي :
چكيده
هدف: در اين پژوهش تلاش شده است تا موفقيت كشورها در بازي‌هاي آسيايي از طريق متغيرهاي كلان اقتصادي، سياسي، فرهنگي و اجتماعي پيش‌بيني شود.
روش شناسي: بدين منظور، اطلاعات كليه متغيرهاي جمعيت شهري، هزينه آموزش و پرورش، ساختار سني، توليد واقعي ناخالص داخلي، سرانه توليد ناخالص داخلي، بيكاري، جمعيت، ميزان تورّم، تعادل حساب جاري، اميد به زندگي و تراز بازرگاني كليه كشورهاي شركت كننده در بازي‌هاي آسيايي از سال 1970 تا 2006 براي طراحي مدل استفاده گرديد و مدل براي سال 2010 آزمايش شد. پيش‌بيني رتبه كشورها بر اساس مجموع مدال‌هاي كسب‌شده كشورها انجام شد. در اين تحقيق از نرم‌افزار WEKA كه يك نرم‌افزار ماشين يادگيري است استفاده شد.
يافته ها: ضريب همبستگي بين رتبه‌هاي پيش‌بيني شده و واقعي بر اساس مدل درختي 18/77 درصد، بر اساس مدل شبكه‌هاي عصبي 42/90 درصد و بر اساس الگوريتم k نزديك‌ترين همسايه 35/91 درصد مشاهده شد. بر اساس يافته‌هاي تحقيق الگوريتم k نزديك‌ترين همسايه، بهترين مدل در ميان سه مدل بود و اين مدل از 28 كشوري كه موفق به كسب مدال در بازي‌هاي آسيايي شدند، رتبه پيش‌بيني شده 23 كشور (14/82 درصد) را حداكثر با 3 اختلاف، 3 كشور (72/10 درصد) را حداكثر بين 4 تا 6 اختلاف و 2 كشور (14/7 درصد) را با بيش از 6 اختلاف به نسبت رتبه واقعي آن‌ها پيش‌بيني نمود. تحقيقات گذشته بيشتر بر تعداد محدودي متغير متمركز شده بود. اين سوال پيش مي آيد كه چرا تاثير عوامل سطح كلان بر موفقيت ورزشي كاهش يافته است؟ يافته‌هاي اين تحقيق نشان داد كه متغيرهاي سطح كلان همچنان اثرگذاري بالاي خود را بر موفقيت ورزشي حفظ كرده‌اند و اين كاهش در شدت اثرگذاري، ناشي از جابه‌جايي متغيرهاست.
نتيجه گيري: در اين تحقيق سعي شد تا متغيرهاي فرهنگي و اجتماعي -كه در تحقيقات گذشته به علت دشواري كمّي ساختن آن‌ها در طرح تحقيق گنجانده نمي‌شدند- در كنار متغيرهاي اقتصادي و سياسي قرار گيرند. البته نكته حايز اهميت اين است كه بسياري از متغيرها مي‌توانند داراي وزن‌هاي اقتصادي، سياسي، فرهنگي و اجتماعي به‌طور همزمان باشند، ولي آن‌ها وزن‌هاي متفاوتي در هر يك از اين حيطه‌ها دارند.
واژه هاي كليدي: پيش‌بيني، بازي‌هاي آسيايي، متغيرهاي كلان.
چكيده لاتين :
Abstract
Objective: This study was intended to predict the success of countries at the Asian Games through macro-economic, political, social and cultural variables.
Methodology: We used the information of all variables including urban population, education expenditures, age structure, GDP real growth rate, GDP per capita, unemployment rate, population, inflation average, current account balance, life expectancy at birth and merchandise trade of all the participating countries in Asian Games from 1970 to 2006 in order to build the model. This model was then tested by the information of variables in 2010. The prediction was based on the total number of medals received by in each country. In this study, we used WEKA software that is a popular suite of machine learning software written in Java.
Results: The value of correlation coefficient between the predicted and original ranks was 77.18% according to Tree model, 90.42% according to Neural Network model and 91.35% according to K-Nearest Neighbor Algorithm. Based on the analysis, K-Nearest Neighbor Algorithm had the highest correlation coefficient among the 3 models. This model, among 28 countries which won medals in Asian games, predicted the ranks of 23 countries with the maximum difference of 3 between predicted and original ranks, 3 countries with the maximum difference of 4 to 6 between predicted and original ranks and 2 countries with the maximum difference of more than 6 between predicted and original ranks. The previous studies have mostly focused on a small number of variables. The question is why the impact of macro level factors on sport success has been decreased. The results of this study indicated that the macro level variables still have a great impact on sport success and this reduction in impact proportion is due to the replacement of variables.
Conclusion: This study aimed to use cultural and social variables besides political and economic variables, because in previous studies due to quantification problems, they were not included in the research design. The point is that many variables can simultaneously have economic, political, cultural and social weights, but their weights can be different in each of these ranges.
Keywords: Prediction, Asian games, Macro variables.
