Assessing the Digital Developments of the OECD Countries Under Uncertain Criteria Weights

Year 2024, EARLY VIEW, 1 - 1

Furkan Göktaş

https://doi.org/10.2339/politeknik.1447229

Abstract

Digitalization is the word of our age. This study aims to assess the digital development of nine OECD countries under uncertain criteria weights. In this context, a new multi-criteria decision-making (MCDM) method has been proposed by generalizing the simple additive weighting method (SAW) for uncertain criteria weights. The proposed method is called the simple additive weighting method with uncertain criteria weights (U-SAW). The study is based on the criteria determined by the OECD, and the latest OECD data is used. As a result of the analysis, the criterion with the highest weight is found to be as trust. The country with the highest digital development is Finland. It is concluded that U-SAW could be a good choice for analyses that require an objective perspective, such as sustainability and digital development analyses

Keywords

Weighted sum, uncertainty, multi-criteria decision-making, digitalization, convex optimization

Belirsiz Kriter Ağırlıkları Altında OECD Ülkelerinin Dijital Gelişimlerinin Değerlendirilmesi

Abstract

Dijitalleşme çağımızın kelimesidir. Bu çalışmanın amacı belirsiz kriter ağırlıkları altında dokuz OECD ülkesinin dijital gelişimlerinin değerlendirilmesidir. Bu kapsamda basit toplamlı ağırlıklandırma yöntemi (SAW) belirsiz kriter ağırlıkları için genelleştirilerek yeni bir çok kriterli karar verme (ÇKKV) yöntemi önerilmiştir. Önerilen yöntem belirsiz kriter ağırlıklarıyla basit toplamlı ağırlıklandırma yöntemi (U-SAW) olarak adlandırılmıştır. Çalışmada OECD’nin belirlediği kriterler baz alınmıştır ve en güncel OECD verileri kullanılmıştır. Yapılan analizin sonucunda ağırlığı en yüksek olan kriter, güven olarak bulunmuştur. Dijital gelişimi en yüksek olan ülke Finlandiya’dır. Sürdürülebilirlik, dijital gelişim gibi objektif bakış açısına ihtiyaç duyulan analizlerde U-SAW’ın iyi bir tercih olabileceği sonucuna varılmıştır.

Keywords

Ağırlıklı toplam, belirsizlik, çok kriterli karar verme, dijitalleşme, konveks optimizasyon.

References

• [1] OECD, “Going digital: Shaping policies, improving lives”, OECD Publishing, Paris, (2019).
• [2] OECD, “OECD digital economy outlook 2020”, OECD Publishing, Paris, (2020).
• [3] Marti L. and Puertas R., “Analysis of European competitiveness based on its innovative capacity and digitalization level”, Technology in Society, 72: 102206, (2023).
• [4] Brodny J. and Tutak M., “Assessing the level of digitalization and robotization in the enterprises of the European Union member states”, Plos One, 16(7): e0254993, (2021).
• [5] Balkan D. and Akyüz G.A., “Technological maturity of the OECD countries: A multi-criteria decision-making approach using PROMETHEE”, Cogent Engineering, 10(1): 2219097, (2023).
• [6] Brodny J. and Tutak M., “Assessing the level of innovativeness and digitalization of enterprises in the European Union states”, Journal of Open Innovation: Technology, Market, and Complexity, 10(1): 100210, (2024).
• [7] Stankovic J.J., Marjanovic I., Drezgic S. and Popovic Z., “The digital competitiveness of European countries: A multiple-criteria approach”, Journal of Competitiveness, 13(2): 117-134, (2021).
• [8] Pakhnenko O., Rubanov P., Hacar D., Yatsenko V. and Vida I., “Digitalization of financial services in European countries: Evaluation and comparative analysis”, Journal of International Studies, 14(2): 267-282, (2021).
• [9] Małkowska A., Urbaniec M. and Kosała M. “The impact of digital transformation on European countries: Insights from a comparative analysis”, Equilibrium. Quarterly Journal of Economics and Economic Policy, 16(2): 325-355, (2021).
• [10] Brodny J. and Tutak M., “Analyzing the level of digitalization among the enterprises of the European Union member states and their impact on economic growth”, Journal of Open Innovation: Technology, Market, and Complexity, 8(2): 70, (2022).
• [11] Brodny J. and Tutak M., “The level of digitization of small, medium and large enterprises in the central and eastern European countries and its relationship with economic parameters”, Journal of Open Innovation: Technology, Market, and Complexity, 8(3): 113, (2022).
• [12] Keles E.U. and Alptekin G.I., “Evaluation of the digitalization efficiency of countries using data envelopment analysis”, In IEEE 2023 Smart City Symposium Prague (SCSP), 1-15, (2023).
• [13] Bouslah K., Liern V., Ouenniche J. and Pérez‐Gladish B., “Ranking firms based on their financial and diversity performance using multiple‐stage unweighted TOPSIS”, International Transactions in Operational Research, 30(5): 2485-2505, (2023).
• [14] Liern V. and Pérez-Gladish B., “Multiple criteria ranking method based on functional proximity index: Un-weighted TOPSIS”, Annals of Operations Research, 311(2): 1099-1121, (2022).
• [15] López-García A., Liern V. and Pérez-Gladish B., “Determining the underlying role of corporate sustainability criteria in a ranking problem using UW-TOPSIS”, Annals of Operations Research, 1-24, (2023).
• [16] Taherdoost H., “Analysis of simple additive weighting method (SAW) as a multiattribute decision-making technique: A step-by-step guide”, Journal of Management Science & Engineering Research, 6(1): 21-24, (2023).
• [17] OECD, “Going digital toolkit”, https://goingdigital.oecd.org/, son erişim 15 Şubat (2024).
• [18] Vafaei N., Ribeiro R.A. and Camarinha-Matos L.M., “Assessing normalization techniques for simple additive weighting method”, Procedia Computer Science, 199: 1229-1236, (2022).
• [19] Trefethen L.N. and Bau D. “Numerical linear algebra”, Siam, Philadelphia, (1997).
• [20] Lutgens F. and Schotman P.C., “Robust portfolio optimisation with multiple experts”, Review of Finance, 14(2): 343-383, (2010).
• [21] Grant M.C. and Boyd S.P., “Graph implementations for nonsmooth convex programs”, In Recent advances in learning and control (pp. 95-110), Springer, London, (2008).
• [22] Li H., Cao Y. and Su L., “Pythagorean fuzzy multi-criteria decision-making approach based on Spearman rank correlation coefficient”, Soft Computing, 26(6): 3001-3012, (2022).
• [23] Hair J.F., Money A.H., Samouel P. and Page M., “Research methods for business”, Education+Training, 49(4): 336-337, (2007).
• [24] Özcan N.A., Bulut M., Özcan E.C. ve Eren T., “Enerji üretim yatırım alternatiflerinin değerlendirilmesinde çok kriterli karar verme yöntemlerinin istatistiksel ve analitik olarak karşılaştırması: Türkiye örneği”, Politeknik Dergisi, 25(2): 519-531, (2022).
• [25] Yegen N. ve Gül S., “Çevik proje yönetiminde scrum takımlarının başarı sınıflandırmasına yönelik bir ÇKKV modeli: AHS bütünleşik TOPSIS-Sort-B”, Politeknik Dergisi, 27(2): 731-748, (2024).
• [26] Yıldırım R. ve Karadöl İ., “Çok kriterli karar verme metodu kullanılarak biyogaz üretiminde kullanılacak en iyi enerji bitkisinin belirlenmesi ve belirlenen bu enerji bitkisinin Türkiye ölçeğindeki enerji potansiyelinin hesaplanması”, Politeknik Dergisi, baskıda.
• [27] Ustalı N.K., Tekin M., Toraman Y. ve Merdivenci F., “Küresel risk yönetim indeksi değerlendirmesi: Gri tabanlı TOPSİS yöntemi uygulaması”, Politeknik Dergisi, baskıda.
• [28] Göktaş F. ve Güçlü F., “Yeni bir çok kriterli karar verme yaklaşımı “olabilirlik değerlendirme sistemi”: Katılım fonları üzerine bir uygulama”, Black Sea Journal of Engineering and Science, 7(1): 1-8, (2024).
• [29] Göktaş F. ve Güçlü F., “Belirsiz kriter ağırlıkları altında yeni bir ÇKKV yöntemi: Yapay zekâ sohbet robotlarına (ChatGPT4, Copilot, Gemini) dayalı portföy seçimi üzerine bir uygulama”, Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26(Özel sayı): 68-80, (2024).