چکیده:
بیش از 70 درصد از جمعیت ایران در سنین کار و فعالیت بوده و این کشور در حال حاضر در پنجره جمعیتی قرار دارد. با توجه به قرار گرفتن کشور ایران در دوره پنجره جمعیتی، افزایش میزان مشارکت نیروی کار میتواند بستری مناسب برای رشد و توسعه اقتصادی فراهم سازد. پیشبینی میزان مشارکت نیروی کار به واسطه تأثیر آن بر رشد اقتصادی در کشور میتواند نگرش عمیقتر و جامعتری نسبت به مقوله عرضه نیروی کار به منظور سیاست گذاری و برنامهریزی فراهم نماید. یقیناً دانش از بازخورد یک تصمیم در آینده و ارائه برنامهای جامع و هدفمند رشد و توسعه اقتصادی مطلوب را به همراه خواهد داشت. مقاله حاضر، با تکیه بر شبیهسازی مبتنی بر شبکههای عصبی به دنبال پیشبینی میزان مشارکت در نیروی کار زنان، مردان و کل جمعیت مربوط به سالهای 1397 تا سال 1407 در یک بازه 10 ساله متوالی میباشد. شبیه سازیها در نرم افزار متلب و بر پایه دادههای سازمان بین المللی کار انجام شده است. این داده ها مربوط به 27 سال متوالی از سال 1369 تا 1396 میباشد. نتایج روند نزولی در میزان مشارکت نیروی کار مردان، زنان و کل جمعیت تا سال 1407 را نشان میدهند. بر مبنای نتایج شبیه سازی میزان مشارکت نیروی کار مردان، زنان و جمعیت کل 15 تا 64 ساله از سال 1397 تا سال 1407 به ترتیب از حدود 5/74 به 5/73 درصد، از 16/0 به 14/0 درصد و از 5/46 به 5/44 درصد تغییر خواهند نمود. نتایج مقاله حاضر زنگ هشداری است برای برنامهریزان و سیاستگذارن در سطح کلان جهت توجه ویژه به برنامهریزیهای هدفمند در حوزه اشتغال و سرمایه گذاری تا بتوانند بهترین بهره برداری را از فرصت قرار گرفتن در پنجره جمعیتی برای کشور تأمین نمایند.
More than 70% of Iran's population are in working age and the country is currently placed in the demographic window period. Due to the fact that Iran is in the demographic window period, the high rate of labor force participation will be a platform for economic growth and development of the country. Due to the effect of the rate on economic growth, its prediction can provide a deeper and more comprehensive view of the supply of labor for future policy making and planning. Surely, the knowledge of the feedbacks of a decision will lead to the presentation of a more comprehensive and purposeful plan with the desired economic growth and development outputs. In this paper, relying on neural network-based simulations, we seek to predict the rate of labor force participation of women, men and the total population for the period 2018-2028. The simulations are carried out in MATLAB software using the data from International Labor Organization. These data are related to 27 consecutive years from 1990 to 2017. The results show a declining trend in the participation rate men, women and the total population until 2028. Based on the results, the rate of participation of men, women and the total population aged 15 to 64 years during 2018 to 2028 will change from 74.5 to 73.5, 0.16 to 0.14 and from 46.5 to 44.5 respectively. The results of this article are a wake-up call for planners and policy makers, at the macro level, to pay special attention to targeted planning in the field of employment and investment, programs that can make the best use of the opportunity of the demographic window of the country.
خلاصه ماشینی:
مقاله حاضر، با تکيه بر شبيه سازي مبتني بر شبکه هاي عصبي به دنبال پيش بيني ميزان مشارکت در نيروي کار زنان ، مردان و کل جمعيت مربوط به سال هاي ١٣٩٧ تا سال ١٤٠٧ در يک بازه ١٠ ساله متوالي ميباشد.
٢- روش و داده هاي پژوهش همانطور که در بخش مقدمه توضيح داده شد، در مقاله حاضر به منظور پيش بيني ميزان مشارکت نيروي کار مردان ، زنان و جمعيت کل کشور ايران براي ده سال متوالي (١٤٠٧-١٣٩٧) از روش مدل سازي شبکه عصبي استفاده خواهد شد.
٤-٢- پيش بيني ميزان مشارکت مردان واقع در سنين کار و فعاليت (٦٤-١٥ ساله ) کشور ايران از سال ١٣٩٧-١٤٠٧ در اين بخش پس از ساخت مدل آموزش ديده و همچنين تائيد اعتبار مدل شبکه عصبي ساخته شده که در بخش هاي قبل نشان داده شد، به پيش بيني ميزان مشارکت مردان ١٥ تا ٦٤ ساله براي يک بازه زماني ده ساله متوالي (١٤٠٧-١٣٩٨) بر اساس خروجي مدل شبيه سازي پرداخته 1.
,& A, Mason, (2005) Demographic Dividend and Prospects for Economic Development in China, Paper prepared for UN Expert Group Meeting on Social and Economic Implications of Changing Population Age Structures, Mexico City Fausett, L, (1994) Fundamentals of Neural Networks_ Architectures, Algorithms, and Applications, Prentice Hall, Englewood Cliffs, New Jersey.
, & N, Esmaeili, (2021) Application of neural-wavelet network in predicting the incidence of marriage and divorce in Iran, China Population and Development Studies, 4(4) 439-457.