مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 17 66 2026 2 26 Analyzing the Relationship between the Digital Economy and the GDP of Iran and Malaysia Using Long Short-Term Memory Neural Networks تحلیل ارتباط اقتصاد دیجیتال و تولید ناخالص داخلی برای کشورهای ایران و مالزی با استفاده از شبکه های عصبی کوتاه‌نگر بلندحافظه fa محمدکاظم صیادی دانشگاه علم و صنعت ایران 2025 9 30 <p>With the increasing growth of digital technologies, examining the role of the digital economy in the growth and structural changes of the macroeconomics has become one of the key policy issues. The main issue of the present study is to examine the effect of digitalization of the economy on the GDP of Iran and Malaysia, and it uses machine learning algorithms, especially neural networks with Multi-Level Long Short-term Memory layers, to model the behavior of GDP in these countries. In this regard, four separate model configurations have been designed and implemented: (1) a hybrid model including classical economic variables (capital and labor) and information and communication technology (ICT) indicators, (2) a model based solely on ICT indicators, (3) a model based solely on classical economic variables, and (4) a hybrid reduced model. The models were trained independently for each country, and loss function analysis, convergence point determination, and forecast accuracy measurement with an error threshold of 0.1 were used to evaluate their performance. The results showed that digitalization, especially through infrastructure such as fixed broadband internet, mobile network coverage, and international broadband usage, is significantly associated with GDP. The hybrid model that simultaneously uses conventional and digital variables performed best in Iran and Malaysia, indicating that digitalization by itself cannot replace conventional factors of production, but plays a complementary and reinforcing role in the growth process. Accordingly, policymakers seeking to increase economic growth and productivity should pursue the development of digital economy infrastructure alongside investment in human and physical capital.</p> <p>با رشد فزاینده فناوری&zwnj;های دیجیتال، بررسی نقش اقتصاد دیجیتال در رشد و تحولات ساختاری اقتصاد کلان به یکی از موضوعات کلیدی سیاست&zwnj;گذاری تبدیل شده است. مسئله اساسی پژوهش حاضر بررسی اثر دیجیتالی&zwnj;شدن اقتصاد بر تولید ناخالص داخلی کشورهای ایران و مالزی است و از الگوریتم&zwnj;های یادگیری ماشین، به&zwnj;ویژه شبکه&zwnj;های عصبی با لایه&zwnj;های کوتاه&zwnj;نگر بلندحافظه، برای مدل&zwnj;سازی رفتار تولید ناخالص داخلی در این دو کشور بهره گرفته است. در این راستا، چهار پیکربندی مجزای مدل طراحی و پیاده&zwnj;سازی شده&zwnj;اند: (۱) مدلی ترکیبی شامل متغیرهای اقتصادی متعارف (سرمایه و نیروی کار) و شاخص&zwnj;های فناوری اطلاعات و ارتباطات (فاوا)، (۲) مدلی صرفا مبتنی بر شاخص&zwnj;های فاوا، (۳) مدلی صرفا بر پایه متغیرهای اقتصادی متعارف، و (۴) مدل تقلیل&zwnj;یافته ترکیبی. آموزش مدل&zwnj;ها برای این دو کشور به&zwnj;طور مستقل انجام گرفته و از تحلیل توابع زیان، تعیین نقطه همگرایی، و سنجش دقت پیش&zwnj;بینی با آستانه خطای ۰٫۱ برای ارزیابی عملکرد آن&zwnj;ها استفاده شده است. نتایج نشان دادند که دیجیتالی&zwnj;شدن، به&zwnj;ویژه از طریق زیرساخت&zwnj;هایی مانند اینترنت پهن&zwnj;باند ثابت، پوشش شبکه&zwnj;های موبایل، و استفاده از پهنای باند بین&zwnj;المللی، با تولید ناخالص داخلی در ارتباط معناداری قرار دارد&zwnj;. مدل ترکیبی که همزمان از متغیرهای متعارف و دیجیتال بهره می&zwnj;برد، در ایران و مالزی بهترین عملکرد را داشت و این امر نشان داد که دیجیتالی&zwnj;شدن به&zwnj;خودی&zwnj;خود نمی&zwnj;تواند جایگزین عوامل تولید متعارف شود، اما نقشی مکمل و تقویت&zwnj;کننده در فرآیند رشد ایفا می&zwnj;کند&zwnj;. بر این اساس، سیاست&zwnj;گذاری که در پی افزایش رشد و بهره&zwnj;وری اقتصادی هست، باید توسعه زیرساخت&zwnj;های اقتصاد دیجیتال را در کنار سرمایه&zwnj;گذاری در سرمایه انسانی و فیزیکی دنبال کنند&zwnj;.</p> http://jour.aicti.ir/fa/Article/Download/51605