نظریه سیستمهای خاکستری؛ بازخوانی جهانی و کاربردهای میانرشتهای برای تصمیمگیری در دنیای نامطمئن: رویکرد علم سنجی | ||
| مطالعات کاربردی علم سنجی | ||
| مقاله 4، دوره 2، شماره 3 - شماره پیاپی 7، آبان 1404، صفحه 77-99 اصل مقاله (2.43 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/apss.2026.13886.1059 | ||
| نویسندگان | ||
| تورج کریمی* 1؛ علیرضا پایور2؛ سیدعلی درافشان3؛ ثریا بیرامی3 | ||
| 1دانشیار، گروه مدیریت صنعتی، دانشکدگان فارابی دانشگاه تهران، قم، ایران. | ||
| 2دانشجوی دکتری مدیریت صنعتی، دانشکدگان فارابی، دانشگاه تهران، قم، ایران | ||
| 3دانشجوی دکتری مدیریت صنعتی، دانشکدگان فارابی دانشگاه تهران، قم | ||
| چکیده | ||
| مقدمه: نظریه سیستمهای خاکستری نخستین بار توسط دِنگ در سال 1982 معرفی شد و از آن زمان بهعنوان یکی از چارچوبهای بنیادی برای مدلسازی عدمقطعیت و پشتیبانی از تصمیمگیری در شرایط دادههای ناقص، مبهم و محدود شناخته شده است. ایده اصلی این نظریه بر این فرض استوار است که واقعیتها نه کاملاً «سفید» و شناختهشده و نه کاملاً «سیاه» و ناشناختهاند، بلکه در طیفی «خاکستری» جای میگیرند که بخشی از اطلاعات در دسترس و بخش دیگر نامعلوم است. همین نگرش باعث شد تا سیستمهای خاکستری طی چهار دهه گذشته از یک ابزار تحلیلی به چارچوبی میانرشتهای و جهانی تبدیل شود که در حوزههای متنوعی چون مهندسی، اقتصاد، علوم محیطی، پزشکی، مدیریت و سیاستگذاری عمومی بهکار گرفته میشود. با وجود گسترش چشمگیر، مرورهای پیشین اغلب پراکنده بوده و فاقد تحلیلی جامع از مسیر تکاملی، شبکههای علمی و حوزههای نوظهور این نظریه بودهاند. پژوهش حاضر با رویکردی نظاممند و علمسنجی تلاش میکند این خلأ را پر کند. هدف: هدف اصلی این پژوهش ترسیم تصویری فراگیر از تحول نظریه سیستمهای خاکستری در بازه 1982 تا 2025 است. مطالعه حاضر میکوشد سیر تاریخی این نظریه را مستند کند، شبکههای علمی و همکاریهای بینالمللی را شناسایی نماید، خوشههای پژوهشی را آشکار سازد و حوزههای نوظهور را معرفی کند. روششناسی: این تحقیق بر پایه یک رویکرد علمسنجی جامع طراحی شده است. دادههای مورد نیاز از پایگاه اسکوپوس استخراج گردید و تحلیلها با بهرهگیری از بسته تحلیلی R Bibliometrix انجام شد. تمرکز اصلی بر تحلیل ارجاعات، همنویسندگی و همواژگانی بود. برای اطمینان از جامعیت دادهها، کوئریای طراحی شد که ترکیب گستردهای از واژگان کلیدی مرتبط با نظریه خاکستری را شامل میشد؛ از جمله «سیستمهای خاکستری»، «مدل خاکستری»، «پیشبینی خاکستری» و «تئوری خاکستری». چنین رویکردی امکان تولید نقشههای تماتیک، شناسایی نویسندگان و نشریات برجسته، و تحلیل شبکههای همکاری علمی در سطح بینالمللی را فراهم آورد. یافتهها: تحلیلها سه دوره متمایز در سیر تحول نظریه سیستمهای خاکستری را آشکار ساختند: 1. دوره بنیادین مفهومی (دهه 1980 و 1990): معرفی مفاهیم پایهای چون عدد و ماتریس خاکستری. 2. دوره گسترش الگوریتمی (2000–2015): توسعه مدلهای ترکیبی و تلفیق GST با منطق فازی، الگوریتمهای تکاملی و یادگیری ماشین. 3. دوره همگرایی جهانی (2016 تاکنون): برجسته شدن کاربردهای میانرشتهای در سیاستگذاری عمومی، سلامت جمعیت، انرژی پایدار، لجستیک دیجیتال و تحلیل سامانههای اجتماعی ـ فنی. تحلیل همواژگانی نشان داد حوزه پژوهش به دو خوشه اصلی تقسیم میشود: نخست، خوشهای فنی با تمرکز بر پیشبینی، بهینهسازی و تصمیمگیری چندمعیاره؛ دوم، خوشهای انسانمحور که بر کاربردهای نظریه در علوم اجتماعی و سلامت عمومی تأکید دارد. تحلیل استنادی نیز بار دیگر اهمیت مقاله کلاسیک دِنگ (1982) را بهعنوان شالوده فکری این حوزه برجسته کرد. از منظر جغرافیایی، چین همچنان قطب اصلی تولید علمی است و دانشگاههایی مانند نانجینگ، ووهان و چونگچینگ نقش محوری دارند. نتیجهگیری: این پژوهش مرزهای نوظهور نظریه خاکستری را در تعامل با علوم اجتماعی و فناوریهای نوین همچون هوش مصنوعی، کلانداده و دوقلوهای دیجیتال برجسته میسازد. چنین تلفیقی، نظریه را از یک ابزار محاسباتی به چارچوبی میانرشتهای برای فهم پیچیدگیهای قرن بیستویکم ارتقا میدهد. یافتهها نشان میدهند که نظریه خاکستری اکنون میتواند زبان مشترکی برای پژوهشگران، سیاستگذاران و مدیران فراهم آورد تا در مواجهه با مسائل پیچیده و چندبعدی جهانی به تصمیمسازی آگاهانهتر بپردازند. از نظر کاربردی، دلالتهای کلیدی شامل توسعه مدلهای ترکیبی خاکستری–هوش مصنوعی، گسترش همکاریهای علمی بینالمللی و بومیسازی مدلها برای حل مسائل محلی در حوزههایی چون مدیریت منابع، سلامت عمومی، تابآوری زنجیرهتأمین و مقابله با بحرانها است. افزونبر این، کاربردهای جدید در زمینه اقلیم و حکمرانی داده ظرفیتهای تازهای برای تصمیمسازی در شرایط عدمقطعیت ایجاد میکند. بدینترتیب، این مطالعه نخستین مرور نظاممند و جامع در حوزه نظریه سیستمهای خاکستری است که وضعیت کنونی را روشن میسازد. | ||
| کلیدواژهها | ||
| سیستمهای خاکستری؛ عدمقطعیت؛ تصمیمگیری؛ علمسنجی؛ نقشه تماتیک؛ اسکوپوس؛ همکاری بینالمللی | ||
| عنوان مقاله [English] | ||
| Grey Systems Theory: A Global Reappraisal and Interdisciplinary Applications for Decision-Making in an Uncertain World – A Scientometric Approach | ||
| نویسندگان [English] | ||
| Tooraj Karimi1؛ Alireza Payvar2؛ SeyedAli Doorafshan3؛ Soraya Birami3 | ||
| 1Associate Prof., Department of Industrial Management, College of Farabi, University of Tehran, Tehran, Iran. | ||
| 2Ph.D Candidate, Industrial Management, College of Farabi, University of Tehran, Qom, Iran | ||
| 3Ph.D Candidate, Industrial Management, College of Farabi, University of Tehran, Qom, Iran | ||
| چکیده [English] | ||
| Background: Grey Systems Theory (GST), introduced by Deng in 1982, is a foundational approach to modeling uncertainty and decision-making with incomplete data. GST views reality as a spectrum—neither fully known nor unknown—enabling its application across engineering, economics, environmental science, medicine, management, and public policy. Despite wide adoption, prior reviews remain fragmented, lacking comprehensive analysis of GST’s intellectual progress and current frontiers. This study addresses these gaps by providing an integrated, systematic scientometric analysis that clarifies GST’s development, structure, and emerging trends. Purpose: This study delivers a dynamic, holistic mapping of GST’s intellectual development from 1982 to 2025. It traces GST’s evolving trajectory, reveals global collaboration networks, pinpoints key thematic clusters, and spotlights emerging domains of application. Methodology: Driven by clear objectives, we adopted a comprehensive scientometric approach. We retrieved data from the Scopus database, analyzing it through the R package Bibliometrix to spotlight citation, co-authorship, and co-word networks. To ensure depth and reliability, our search query spanned diverse keywords: “grey systems,” “grey model,” “grey prediction,” and “grey theory.” Only peer-reviewed, finalized research articles qualified, guaranteeing academic rigor. With this methodology, we constructed thematic maps, identified leading authors and journals, and mapped international research collaborations. Findings: The analysis reveals three distinct phases in the evolution of GST: 1. Conceptual Foundation (1980s–1990s): This phase was marked by the development of core constructs such as grey numbers and grey matrices. 2. Building on these foundations, the next phase—Algorithmic Expansion (2000–2015)—saw the proliferation of hybrid models and the integration of GST with fuzzy logic, evolutionary algorithms, and machine learning. 3. In recent years, this trajectory has given way to Global Convergence (2016–present), marked by growing interdisciplinary applications in public policy, population health, sustainable energy, digital logistics, and socio-technical systems analysis. Complementing this evolutionary timeline, co-word analysis indicates two dominant research clusters: a technical cluster centered on forecasting, optimization, and multi-criteria decision-making, and a human-oriented cluster focusing on applications in the social sciences and public health. Citation analysis reconfirms the seminal role of Deng’s 1982 article as the intellectual cornerstone of the field. Geographically, China remains the epicenter of scientific production, with institutions such as Nanjing, Wuhan, and Chongqing universities playing central roles, while countries like the United States, the United Kingdom, and India contribute as complementary partners through international collaborations. Conclusion: As global challenges grow more complex, the integration of GST with social sciences and advanced technologies—such as artificial intelligence, big data, and digital twins—emerges as crucial. GST, once seen primarily as a computational tool, is now shifting to an interdisciplinary framework that empowers researchers to address twenty-first century problems. Through this evolution, researchers, policymakers, and managers gain a common language, which enables informed decision-making even in uncertain environments. Advancing hybrid grey–AI models, fostering international scientific collaborations, and localizing models to address specific challenges—including resource management, public health, supply chain resilience, and crisis response—are key implications. Moreover, novel applications in climate change and data governance further expand opportunities for decision-making under uncertainty. In sum, this study presents the first systematic and comprehensive scientometric review of over four decades of GST research, clarifying both the current status of the field and future trajectories. | ||
| کلیدواژهها [English] | ||
| Grey Systems Theory, Uncertainty, Decision-Making, Scientometrics, Thematic Mapping, Scopus, International Collaboration | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 71 تعداد دریافت فایل اصل مقاله: 59 |
||