Comparison of Innovation Performances of BRICS Countries through CRITIC and GRA Methods

Year 2024, , 1561 - 1570, 24.10.2024

Rahmi Baki

https://doi.org/10.21547/jss.1368192

Abstract

BRICS countries’ recent investments in technology have attracted attention, and they have become a part of the nations that conduct research around the world. The European Innovation Scoreboard (EIS), accepted as an effective benchmarking tool for technology policies, provides a comparative analysis of the innovation performances of many countries, including BRICS. In the current research, the innovation performances of BRICS countries were compared through EIS data, one of the most adopted benchmarking tools in technology policy discussions. Thus, it was aimed to determine the importance levels of the criteria used in the EIS data and to analyze the innovation processes of the countries in question. In this study, an integrated framework using CRiteria Importance Through Intercriteria Correlation (CRITIC) and Grey Relational Analysis (GRA) methods is presented to compare the innovation performances of BRICS countries. In the first stage of the application, the importance levels of the criteria are obtained using the CRITIC method, while in the second stage, countries are ranked according to their innovation performance through GRA. Data are obtained by compiling statistics from the EIS database created by the Commission of the European Communities. The results obtained in the practical application of the model rank the criteria according to their weights as follows: higher education (0.249), international joint publications (0.176), medium and high technology exports (0.122), frequently cited publications (0.113), PCT patents (0.094), public-private joint publications (0.085), designs (0.083) and trademarks (0.078). In addition, the BRICS countries are ranked according to their innovation performance as China (0.76), Russia (0.6), South Africa (0.516), Brazil (0.426), and India (0.378).

Keywords

Innovation, Multi-criteria Analysis, BRICS, CRITIC, GRA

Comparison of Innovation Performances of BRICS Countries through CRITIC and GRA Methods

Abstract

BRICS ülkelerinin son dönemde teknolojiye yaptıkları yatırımlar dikkat çekmektedir ve bu ülkeler dünya çapında araştırma yapan ulusların bir parçası hâline gelmişlerdir. Teknoloji politikaları için etkili bir kıyaslama aracı olarak kabul edilen Avrupa İnovasyon Skor Tablosu (AİST), BRICS dâhil birçok ülkenin inovasyon performanslarının karşılaştırmalı analizini sağlamaktadır. Mevcut araştırmada BRICS ülkelerinin inovasyon performansları, teknoloji politikası tartışmalarında en çok benimsenen kıyaslama araçlarından biri olan AİST verileri aracılığıyla kıyaslanmıştır. Böylece AİST verilerinde kullanılan kriterlerin önem düzeylerinin tespit edilmesi ve söz konusu ülkelerin inovasyon süreçlerinin analiz edilmesi hedeflenmiştir. Bu çalışmada, BRICS ülkelerinin inovasyon performanslarını karşılaştırmak için CRiteria Importance Through Intercriteria Correlation (CRITIC) ve Grey Relational Analysis (GRA) yöntemlerini kullanan entegre bir çerçeve sunulmaktadır. Uygulamanın ilk aşamasında kriterlerin önem dereceleri CRITIC yöntemiyle elde edilirken, ikinci aşamada ülkeler GRA aracılığıyla inovasyon performanslarına göre sıralanmaktadır. Veriler, Avrupa Toplulukları Komisyonu tarafından oluşturulan AİST veri tabanından istatistikler derlenerek elde edilmiştir. Modelin uygulamasında elde edilen sonuçlara göre kriter ağırlıkları şu şekilde sıralamaktadır: yüksek öğrenim (0,249), uluslararası ortak yayınlar (0,176), orta ve yüksek teknoloji ihracatı (0,122), sık atıf yapılan yayınlar (0,113), PCT patentler (0,094), kamu-özel ortak yayınlar (0,085), tasarımlar (0,083) ve ticari markalar (0,078). Ayrıca BRICS ülkeleri inovasyon performanslarına göre Çin (0,76), Rusya (0,6), Güney Afrika (0,516), Brezilya (0,426) ve Hindistan (0,378) olarak sıralanmaktadır.

Keywords

İnovasyon, Çok-kriterli Analiz, BRICS, CRITIC, GRA

References

• Akman, G., Özcan, B., Hatipoğlu, T. (2015). Fuzzy multi criteria decision making approach to innovative strategies based on Miles and Snow typology. Journal of Intelligent Manufacturing, 26(3), 609-628.
• Aktas, A., Ecer, B., Kabak, M. (2022). A hybrid hesitant fuzzy model for healthcare systems ranking of European Countries. Systems, 10(6), 219.
• Almeida, F., Santos, J., Monteiro, J. (2017). A survey of innovation performance models and metrics. Journal of Applied Economic Sciences, 6(52), 1732-1750.
• Altıntaş, F. F. (2020). İnovasyon performanslarının ENTROPİ tabanlı gri ilişkisel analiz yöntemi ile değerlendirilmesi: G7 grubu ülkeleri örneği. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(2), 151-172.
• Altintas, F. F. (2021). Karadeniz Ekonomik İşbirliği Örgütü’ne üye ülkelerin inovasyon performanslarının CRITIC tabanlı Gri İlişkisel Analiz yöntemi ile incelenmesi. Karadeniz Araştırmaları, (71), 547-570.
• Ayçin, E., Çakin, E. (2019). Ülkelerin inovasyon performanslarının ölçümünde Entropi ve MABAC çok kriterli karar verme yöntemlerinin bütünleşik olarak kullanılması. Akdeniz İİBF Dergisi, 19(2), 326-351. https://doi.org/10.25294/auiibfd.649275
• Bornmann, L., Wagner, C., Leydesdorff, L. (2015). BRICS countries and scientific excellence: A bibliometric analysis of most frequently cited papers. Journal of the Association for Information Science and Technology, 66(7), 1507-1513.
• Detcharat, S., Pongpun, A., Tarathorn, K. (2013). A hybrid multi-criteria decision model for technological innovation capability assessment: Research on Thai automotive parts firms. International Journal of Engineering and Technology Innovation, 3(1), 20.
• Diakoulaki, D., Mavrotas, G., Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22(7), 763-770.
• Duran, Z. (2022). Yeni sanayileşen ülkelerde inovasyon performansının CRITIC tabanlı GİA yöntemiyle değerlendirilmesi. Uluslararası Yönetim Akademisi Dergisi, 5(1), 150-162.
• Enjolras, M., Camargo, M., Schmitt, C. (2020). Evaluating innovation and export capabilities of SMEs: Toward a multi-criteria decision-making methodology. Journal of Technology Management & Innovation, 15(3), 17-32.
• Europa (2022). European Innovation Scoreboard 2022-Database (EU and Global Competitors), https://ec.europa.eu/docsroom/documents/46534. Date of access: 22.05.2022.
• Gupta, H., Barua, M. K. (2016). Identifying enablers of technological innovation for Indian MSMEs using best–worst multi criteria decision making method. Technological Forecasting and Social Change, 107, 69-79.
• Ho, C. Y., Lin, Z. C. (2003). Analysis and application of grey relation and ANOVA in chemical–mechanical polishing process parameters. The International Journal of Advanced Manufacturing Technology, 21(1), 10-14.
• Julong, D. (1989). Introduction to grey system theory. The Journal of Grey System, 1(1), 1-24.
• Kabadurmuş, Ö., Kabadurmuş, F. N. K. (2019). Innovation in Eastern Europe & Central Asia: A multi-criteria decision-making approach. Business & Management Studies: An International Journal, 7(3), 98-121.
• Kao, P. S., Hocheng, H. (2003). Optimization of electrochemical polishing of stainless steel by grey relational analysis. Journal of Materials Processing Technology, 140(1-3), 255-259.
• Krishnan, A. R., Kasim, M. M., Hamid, R., Ghazali, M. F. (2021). A modified CRITIC method to estimate the objective weights of decision criteria. Symmetry, 13(6), 973-993.
• Kuo, Y., Yang, T., Huang, G. W. (2008). The use of grey relational analysis in solving multiple attribute decision-making problems. Computers & Industrial Engineering, 55(1), 80-93.
• Li, L. H., Mo, R. (2015). Production task queue optimization based on multi-attribute evaluation for complex product assembly workshop. Plos One, 10(9), 1-24.
• Musaad O, A. S., Zhuo, Z., Siyal, Z. A., Shaikh, G. M., Shah, S. A. A., Solangi, Y. A., Musaad O, A. O. (2020). An integrated multi-criteria decision support framework for the selection of suppliers in small and medium enterprises based on green innovation ability. Processes, 8(4), 418-441.
• Oralhan, B., Büyüktürk, M. A. (2019). Avrupa Birliği ülkeleri ve Türkiye’nin inovasyon performansının çok kriterli karar verme yöntemleriyle kıyaslanması. Avrupa Bilim ve Teknoloji Dergisi, (16), 471-484.
• Peng, X., Huang, H. (2020). Fuzzy decision making method based on CoCoSo with critic for financial risk evaluation. Technological and Economic Development of Economy, 26(4), 695-724.
• Pop, D. M., Pop, M. T. (2018). Measuring the innovation of economy throught global and European tools. In MATEC Web of Conferences, 184, 1-5.
• Radulescu, I. G., Panait, M., Voica, C. (2014). BRICS countries challenge to the world economy new trends. Procedia Economics and Finance, 8, 605-613.
• Rani, P., Mishra, A. R., Krishankumar, R., Ravichandran, K. S., Kar, S. (2021). Multi-criteria food waste treatment method selection using single-valued neutrosophic-CRITIC-MULTIMOORA framework. Applied Soft Computing, 111, 107657.
• Satıcı, S. (2021). Ülkelerin İnovasyon performansının CRITIC temelli WASPAS yöntemiyle değerlendirilmesi. Girişimcilik ve Kalkınma Dergisi, 16(2), 91-104.
• Schibany, A., Streicher, G. (2008). The European innovation scoreboard: Drowning by numbers?. Science and Public Policy, 35(10), 717-732.
• Ulutaş, A., Topal, A. (2020). Bütünleştirilmiş çok kriterli karar verme yöntemlerinin üretim sektörü uygulamaları. Akademisyen Kitabevi.
• Vijayakumar, N., Sridharan, P., Rao, K. C. S. (2010). Determinants of FDI in BRICS Countries: A panel analysis. International Journal of Business Science & Applied Management (IJBSAM), 5(3), 1-13.
• Wang, W. P. (2011). A multi-criteria evaluation incorporating linguistic computing for service innovation performance. World Academy of Science, Engineering and Technology, 59.
• Wang, Z., Zhu, L. I., Wu, J. H. (1996). Grey relational analysis of correlation of errors in measurement. Journal of Grey System, 8(1), 73-78.
• Zhu, Y., Tian, D., Yan, F. (2020). Effectiveness of entropy weight method in decision-making. Mathematical Problems in Engineering, 1-5.