KÜRESEL İNOVASYON ENDEKSİ TEMELİNDE SEÇİLMİŞ BALKAN ÜLKELERİNİN İNOVASYON PERFORMANSININ ENTROPİ TABANLI TOPSIS ÇERÇEVESİYLE DEĞERLENDİRİLMESİ

Öz

İnovasyon, özellikle Balkan ve Batı Balkan ekonomileri açısından sürdürülebilir ekonomik büyümenin, verimlilik artışının ve Avrupa Birliği ile yapısal yakınsamanın temel belirleyicilerinden biridir. Bununla birlikte, bölge ülkelerinin inovasyon performansları arasında gözlenen belirgin farklılıklar, çok boyutlu ve karşılaştırmalı bir değerlendirme yaklaşımını gerekli kılmaktadır. Bu doğrultuda, çalışmada Küresel İnovasyon Endeksi (Global Innovation Index-GII) kapsamında yer alan yedi kriter esas alınarak on Balkan ülkesinin inovasyon performansı, Entropi tabanlı TOPSIS çok kriterli karar verme (ÇKKV) yöntemi kullanılarak değerlendirilmiştir. Entropi sonuçları, kriterlerin bilgi katkılarının önemli ölçüde farklılaştığını ortaya koymakta; özellikle Yaratıcı Çıktılar (Creative Outputs) ile Bilgi ve Teknoloji Çıktıları (Knowledge and Technology Outputs) kriterlerinin inovasyon performansını ayırt etmede en yüksek açıklayıcılığa sahip boyutlar olduğunu göstermektedir. Entropi tabanlı TOPSIS sıralamasına göre Bulgaristan, Yunanistan, Hırvatistan, Slovenya ve Romanya yüksek performans grubunda yer alırken; Karadağ, Sırbistan, Kuzey Makedonya, Arnavutluk ve Bosna-Hersek bölgesel ortalamanın altında kalmaktadır. Duyarlılık analizi, elde edilen sıralamaların kriter yapısındaki değişimlere karşı yüksek düzeyde sağlamlık sergilediğini doğrularken, karşılaştırmalı ve korelasyon analizleri Entropi tabanlı TOPSIS sonuçlarının yaygın olarak kullanılan diğer ÇKKV yöntemleriyle güçlü bir tutarlılık gösterdiğini ortaya koymaktadır. Elde edilen bulgular, bölgesel rekabet gücünün ve uzun dönemli ekonomik kalkınmanın artırılabilmesi için bilgi temelli, teknolojik ve yaratıcı çıktıları güçlendirmeye yönelik politikaların stratejik önemini vurgulamaktadır.

Anahtar Kelimeler

• Balkan Ülkeleri
• İnovasyon
• ÇKKV

INNOVATION PERFORMANCE ASSESSMENT OF SELECTED BALKAN COUNTRIES BASED ON THE GLOBAL INNOVATION INDEX USING AN ENTROPY-BASED TOPSIS FRAMEWORK

Öz

Innovation constitutes a fundamental driver of sustainable economic growth, productivity improvement, and structural convergence with the European Union, particularly for Balkan and Western Balkan economies. However, the considerable heterogeneity observed in innovation performance across the region necessitates a multidimensional and comparative evaluation framework. Accordingly, this study examines the innovation performance of ten Balkan countries by employing an Entropy-based TOPSIS multi-criteria decision-making (MCDM) approach based on seven criteria derived from the Global Innovation Index (GII). The Entropy results reveal substantial variation in the informational contribution of the criteria, indicating that Creative Outputs and Knowledge and Technology Outputs represent the most discriminative dimensions of innovation performance. The Entropy-based TOPSIS rankings show that Bulgaria, Greece, Croatia, Slovenia and Romania form the high-performance group, whereas Montenegro, Serbia, North Macedonia, Albania and Bosnia and Herzegovina remain below the regional average. Sensitivity analysis confirms the robustness of the rankings against structural changes in the criteria set, while comparative and correlation analyses demonstrate strong consistency between the Entropy-based TOPSIS outcomes and those obtained from other widely used MCDM methods. The findings highlight the importance of strengthening knowledge-based, technological, and creative outputs to enhance regional competitiveness and long-term economic development.

Anahtar Kelimeler

• Balkan Countries
• Innovation
• MCDM

Kaynakça

1. Aghion, P. & Howitt, P. (1992). A model of growth through creative destruction. Econometrica, 60(2), 323–351. https://doi.org/10.2307/2951599
2. Aghion, P., Antonin, C., Bunel, S. & Jaravel, X. (2020). What are the labor and product market effects of automation? New evidence from France (Sciences Po OFCE Working Paper, 01/2020, 1–41).
3. Aksakal, E. & Çalışkan, E. (2020). Olimpiyatlarda aday şehirlerin seçim sürecinde dikkate alınacak kriterlerin entropi yöntemi ile değerlendirilmesi. M. Kabak and Y. Çınar (eds.). In Çok kriterli karar verme yöntemleri: MS Excel Çözümlü Uygulamalar (171–172). Ankara: Nobel Yayınları.
4. Anes, V. & Abreu, A. (2025). An integrated TOPSIS-based decision support model for complex systems. Applied Sciences, 15(7), 1–21. https://doi.org/10.3390/app15074044
5. Atan, M. & Altan, Ş. (2020). Örnek uygulamalarla çok kriterli karar verme yöntemleri. Ankara: Gazi Kitapevi. Ayçin, E. (2019). Çok kriterli karar verme. Ankara: Nobel Yayınları.
6. Başdar, C. (2019). Finansal performans ve çok kriterli karar verme teknikleri. Bursa: Ekin Yayınevi.
7. Behzadian, M., Otaghsara, S. K., Yazdani, M. & Ignatius, J. (2012). A state-of-the-art survey of TOPSIS applications. Expert Systems with Applications, 39, 13051–13069. https://doi.org/10.1016/j.eswa.2012.05.056
8. Brynjolfsson, E. & McAfee, A. (2014). The second machine age. New York: W. W. Norton and Company.

9. Cvetanović, S. & Nedić, V. (2013). Innovation performance of Western Balkans. Međunarodni Problemi, 65(1), 68–84.
10. Cvetanović, S., Despotović, D., Mladenović, I. & Jovović, D. (2014). Innovation and competitiveness of the Western Balkan countries in 2012. Economic Research, 27(1), 830–846. https://doi.org/10.1080/1331677X.2014.974920
11. Çakar, T. (2020). Bulanık çok ölçütlü karar verme yöntemleri. İstanbul: İstanbul Gelişim Üniversitesi Yayınları.
12. Çelikbilek, Y. (2018). Çok kriterli karar verme yöntemleri: Açıklamalı ve karşılaştırmalı sağlık bilimleri uygulamaları ile. Ankara: Nobel Yayıncılık.
13. Çobanoğulları, G., Daldıran, K., & Daldıran, B. (2026). Analysis of innovation performance of south- eastern European countries in transition economies: An application of the entropy-based ARTASI method. Spectrum of Operational Research, 3(1), 193-214. https://doi.org/10.31181/sor31202642.
14. Demir, G. & Arslan, R. (2022). Sensitivity analysis in multi-criteria decision-making problems. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(3), 1025–1056. https://doi.org/10.26745/ahbvuibfd.1103531.
15. Demir, G., Özyalçın, A. T. & Bircan, H. (2021). Çok kriterli karar verme yöntemleri ve ÇKKV yazılımı ile problem çözümü. Ankara: Nobel Yayınları.
16. Demirci, A. (2020). Sağlık hizmetleri yönetiminde çok kriterli karar verme teknikleri. Ankara: Gazi Kitabevi.
17. Dinçer, S. E. (2019). Çok kriterli karar alma. Ankara: Gece Akademi.
18. Duarte, P. (2025). Is globalisation sufficient for innovation? A national systems of innovation approach in distinct levels of competitiveness. Innovation: The European Journal of Social Science Research, 38(2), 602–630. https://doi.org/10.1080/13511610.2023.2299965.
19. Ecer, F. (2020). Çok kriterli karar verme. Ankara: Seçkin Yayıncılık.
20. Erbey, A., Fidan, Ü. & Gündüz, C. (2025). A robust hybrid weighting scheme based on IQRBOW and entropy for MCDM: Stability and advantage criteria in the VIKOR framework. Entropy, 27(8), 1–18. https://doi.org/10.3390/e27080867.
21. Fedajev, A., Panić, M. & Živković, Ž. (2024). Western Balkan countries’ innovation as a determinant of future growth and development. Innovation: The European Journal of Social Science Research, 38(1), 1–28. https://doi.org/10.1080/13511610.2024.2339939
22. Freeman, C. (1987). Technology policy and economic performance: Lessons from Japan. London: Pinter Publishers.
23. Guo, C. & Zhu, Y. (2025). Comparative analysis of phytochemicals and antioxidant activities in seeds and sprouts of different varieties of radish (Raphanus sativus L.): TOPSIS–entropy weight method. Frontiers in Plant Science, 16, 1–16.
24. Hwang, C. L. & Yoon, K. (1981). Multiple attribute decision making. Berlin: Springer.
25. Hysaj, A. & Sulçaj, K. (2024). Impact of innovation on economic growth in Balkan countries. AGORA Journal of Economics, 18(1), 65–73. https://doi.org/10.15837/aijes.v18i1.6711
26. Ilieva, K. (2025). Extension of interval-valued hesitant Fermatean fuzzy TOPSIS for evaluating and benchmarking of generative AI chatbots. Electronics, 14(3), 1–21. https://doi.org/10.3390/electronics14030555
27. Kattel, R. & Mazzucato, M. (2018). Mission-oriented innovation policy and dynamic capabilities in the public sector. Policy and Society, 37, 164–178. https://doi.org/10.1093/icc/dty032.
28. Kaya, İ. & Karaşan, A. (2020). Çok kriterli karar verme. İzmit: Umuttepe Yayınları.
29. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z. & Antucheviciene, J. (2021). Determination of objective weights using a new method based on the removal effects of criteria (MEREC). Symmetry, 13(4), 1–21. https://doi.org/10.3390/sym13040525
30. Kütahya, C. K., Doğaner Duman, B. & Altuntaş, G. (2025). Multi-criteria evaluation of transportation management system (TMS) software: A Bayesian Best–Worst and TOPSIS approach. Sustainability, 17(7), 1–25. https://doi.org/10.3390/su17177691
31. Lee, C. C. & Chen, P. F. (2025). What affects national innovative capacity? The role of economic growth and trade openness. Economic Analysis and Policy, 86, 1099–1118. https://doi.org/10.1016/j.eap.2025.04.022
32. Lukić, R. (2024). FUCOM–CoCoSo based innovation ranking of Western Balkan countries. Working Paper, 39–65.
33. Mahmud, H., Islam, A. K. M. N. & Mitra, R. K. (2023). What drives managers towards algorithm aversion and how to overcome it? Mitigating the impact of innovation resistance through technology readiness. Technological Forecasting and Social Change, 193, 1–16. https://doi.org/10.1016/j.techfore.2023.122641.
34. Martí, L. & Puertas, R. (2023). Analysis of European competitiveness based on its innovative capacity and digitalization level. Technology in Society, 72, 1–10. https://doi.org/10.1016/j.techsoc.2023.102206
35. Mtar, K. & Belazreg, W. (2021). Causal nexus between innovation, financial development, and economic growth: The case of OECD countries. Journal of the Knowledge Economy, 12(1), 310–341. https://doi.org/10.1007/s13132-020-00628-2
36. Ndou, V. & Hysa, A. (2018). Digital transformation experiences in the Balkan countries. The Electronic Journal of Information Systems in Developing Countries, 89(8), 1–5. https://doi.org/10.1002/isd2.12262
37. Nelson, R. R. & Winter, S. G. (1982). An Evolutionary Theory of Economic Change. Cambridge: Harvard University Press.
38. Nouib, N., Elouadghiri, A., Choukri, A. & Elouadghiri, F. E. (2025). Predicting graduate employability using hybrid AHP-TOPSIS and machine learning: A Moroccan case study. Technologies, 13(9), 1–25. https://doi.org/10.3390/technologies13090385
39. OECD (Organisation for Economic Co-operation and Development) (2023). Digital innovation policy landscape in 2019. Paris: OECD Publishing.
40. Özarı, Ç. & Eren, Ö. (2019). Sosyal bilimlerde uygulamalı istatistik ve çok ölçütlü karar verme yöntemleri. İstanbul: İstanbul Aydın Üniversitesi Yayınları.
41. Özbek, A. & Aydın, Ş. N. (2021). Çok kriterli karar verme yöntemleri ve excel ile problem çözümü: Kavram–teori–uygulama. Ankara: Seçkin Yayıncılık.
42. Öztel, A. & Alp, İ. (2020). Çok kriterli karar verme seçiminde yeni bir yaklaşım. İstanbul: Kriter Yayıncılık.
43. Öztürk, A. (2018). Analitik hiyerarşi süreci ve TOPSIS. Bursa: Dora Yayıncılık.
44. Paksoy, S. (2017). Çok kriterli karar vermede güncel yaklaşımlar. Adana: Karahan Kitabevi.
45. Park, C., Son, M., Kim, J., Kim, B., Ahn, Y. & Kwon, N. (2025). TOPSIS and AHP-based multi-criteria decision-making approach for evaluating redevelopment in old residential projects. Sustainability, 17(15), 1–20. https://doi.org/10.3390/su17157072
46. Porter, M. E. (1990). The competitive advantage of nations. New York: Free Press.
47. Radosevic, S. (2002). Regional innovation systems in central and eastern Europe: Determinants, organizers and alignments. The Journal of Technology Transfer, 27, 87-96. https://doi.org/10.1023/A:1013152721632
48. Romer, P. M. (1990). Endogenous technological change. Journal of Political Economy, 98(5), 71–102.
49. Samhouri, M., Abualeenein, M. & Al-Atrash, F. (2025). Enhancing supply chain resilience through a fuzzy AHP and TOPSIS to mitigate transportation disruption. Sustainability, 17(16), 1–31. https://doi.org/10.3390/su17167375
50. Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27, 379–483.
51. Sharma, P., Ghatorha, K. S., Cepova, L., Ray, N. M., Kumar, A., Yadav, S. L., Schindlerova, V. & Phanden, R. K. (2025). A hybrid FAHP–entropy–TOPSIS model for selecting the facility layout in small-scale manufacturing. Frontiers in Mechanical Engineering, 11, 1–19. https://doi.org/10.3389/fmech.2025.1666571
52. Silvestre, B. S. & Țîrcă, D. M. (2019). Innovations for sustainable development: Moving toward a sustainable future. Journal of Cleaner Production, 208, 325–332.
53. Stojanović, I., Puška, A. & Selaković, M. (2022). A multi-criteria analysis of innovation performance of Western Balkan countries based on the Global Innovation Index. Economics, 10(2), 9–26. https://doi.org/10.2478/eoik-2022-0019
54. Swathi, V. N. V. L. S., Senthil Kumar, G. & Vathsala, A. V. (2025). Adaptive multi-level cloud service selection and composition using AHP–TOPSIS. Applied Sciences, 15(20), 1–29. https://doi.org/10.3390/app152011010
55. Tepe, S. (2021). Örnek uygulamalarla çok kriterli karar verme yöntemleri. Ankara: Akademisyen Kitabevi.
56. Uludağ, A. S. & Doğan, H. (2021). Üretim yönetiminde çok kriterli karar verme yöntemleri: Literatür, teori ve uygulama. Ankara: Nobel Akademik Yayıncılık.
57. Wang, T. C. & Lee, H. D. (2009). Developing a fuzzy TOPSIS approach. Expert Systems with Applications, 36(5), 8982–8995. https://doi.org/10.1016/j.eswa.2008.11.035
58. WIPO (World Intellectual Property Organization) (2023). Global innovation index 2023. Geneva: WIPO.
59. WIPO (World Intellectual Property Organization) (2025). Global innovation index 2025. Geneva: WIPO.
60. Xu, C., Wang, C., Liu, D., Li, Y., Liu, C., & Li, Z. (2026). Assessing coastal ecological restoration effectiveness in qingdao based on a multi-dimensional entropy-weighted TOPSIS Model. Journal of Marine Science and Engineering, 14(4), 391. https://doi.org/10.3390/jmse14040391
61. Yang, Q., Huang, J. & Pan, W. (2025). Assessing the sustainable development of the tourism industry based on fuzzy AHP and grey relational TOPSIS. Sustainability, 17(21), 1–28. https://doi.org/10.3390/su17219799
62. Ye, L., Li, J., Yang, S., Jiang, L., Liao, J. & Xu, B. (2025). An improved TOPSIS method using Fermatean fuzzy sets for techno-economic evaluation of multi-type power sources. Energies, 14(23), 1–22. https://doi.org/10.3390/electronics14234770
63. Yıldırım, B. F. & Çiftci, H. N. (2021). Çok kriterli karar verme yöntemleri ile finansal performans analizi ve tahmin modeli: Çimento sektöründe bir uygulama. İstanbul: Türkmen Kitapevi.
64. Yıldırım, R. E. & Şişman, A. (2025). Spatial decision support for determining suitable emergency assembly places using GIS and MCDM techniques. Sustainability, 17(5), 1–20. https://doi.org/10.3390/su17052144
65. Yu, H., Zahidi, I., Fai, C. M. & Madsen, D. Ø. (2025). Preliminary evaluation of mining area sustainability using multi-criteria decision-making methods. Environmental Sciences Europe, 37, 1–22. https://doi.org/10.1186/s12302-025-01132-7.
66. Zeleny, M. (1982). Multiple criteria decision making. New York: McGraw-Hill.
67. Zhao, B., Li, N., Cao, Y. & Gu, X. B. (2025). Assessment of slope stability based on the improved entropy weight–gray target theory. Frontiers in Earth Science, 13, 1–9. https://doi.org/10.3389/feart.2025.1612042
68. Ziesemer, T. H. W. (2025). Evidence on an endogenous growth model with public RandD. Economics of Innovation and New Technology, 34(4), 536–572. https://doi.org/10.1080/10438599.2024.2354426.