| Témakiíró | Téma címe | Téma leírása |
| Prof. Dr. Gulácsi László | Értékalapú termék és szolgáltatás fejlesztés és vásárlás, az innováció értéke | Egyre fontosabb szerepet játszik az étékalapú- árazás, – költségszámítás, -kimenet (outcome) meghatározás és az ezen alapuló értékalapú egészségpolitika és finanszírozás. Az érték egyéni (pl. egészségnyereség) és társadalmi szinten (pl. munkaképesség) jelentkezik. Ezek pontos mérése, előrejelzése, az innovatív orvosi eszközökkel és digitális szolgáltatásokkal teremtett új formáinak mérhetővé tétele a fejlesztés korai szakaszától a piacra lépésig az egészségügy és egészségipar minden szereplőjének, klinikai és finanszírozói döntéshozók számára fontos gyakorlati és empirikus kutatási terület. Az egészségipari termékek és szolgáltatások vásárlói és használói, a ’használat céljaként’, ’érték’-et akarnak kapni a pénzükért, amelyet a közfinanszírozott szolgáltatások területén jogszabályok is alátámasztanak valamennyi fejlett országban. Az érték multi-dimenzionális, amely jelentkezhet a felhasználónál (beteg, társadalom) egészségügyi indikátorok formájában, például: egészség-nyereség, életév nyereség, életminőség nyereség, nemkívánatos események elkerülése (diabetesz szövődmény, stroke). Jelentkezhet társadalmi és gazdasági indikátor formájában, például munkateljesítmény csökkenés elkerülése, fenntartható foglalkoztatás, adóbevétel csökkenés elkerülése. És jelentkezik finanszírozási (céges oldalon profit) indikátorként, amely egy előbbiektől különböző kimenet (outcome) halmazt jelent, viszont ezen alapulnak a gazdasági döntések, ilyenek például a költségvetési hatás és költség-hatékonyság, amelyeket 1, 2, 10 és több éves időtávon kell előrejelezni és elemezni. Az egyre fejlettebb technológiák (gyógyszer, orvostechnikai eszköz) fejlesztése és alkalmazása mellett egyre nagyobb figyelem fordul a felhasználó (pl. beteg) igényeinek és értékeinek megismerésére (az adott egészségi állapot értéke, stakeholderek elvárásai, percepciók, betegaktiválás) és megfelelő információk szolgáltatására. Hiszen a termék és szolgáltatás hatékonyságát és költség-hatékonyságát az szabja meg igen lényeges mértékben, hogy milyen a felhasználó hajlandósága a megfelelő használatra, és milyen az intézmény (pl. kórház) szervezeti kultúrája, milyenek a folyamatai és képessége az innováció megfelelő használatára. Mindezekhez validált mércék valamint klinikai és gazdasági módszertanok szükségesek. Jelentős kihívás a fejlesztők és a gyártók számára ezeknek a kihívásoknak eleget tenni. Innovatív egészségipari termékek esetén a kihívás jelentős, hiszen nem csak a meglevő elvárások kielégítésére törekszik, hanem megváltoztathatja a terápiás célokat (új piacot teremt, új kutatásokat inspirál), emellett jelentősen kiterjedtebbé vállnak a terápiával elérhető eredményeknek, azaz a kimeneteknek az a köre, ahol egészség-nyereség érhető el az új innováció alkalmazásának köszönhetően. Az innováció (terápia, mesterséges intelligencia stb.) eredménye ennek következtében olyan területeken is jelentkezik, amelyekre korábban ─ megfelelő innováció hiányában ─ kevesebb figyelem irányult, ide tartoznak az életminőség, munkaképesség és a társadalmi hatás. Ugyanakkor, a hosszú távon folyamatosan jelentkező, egyre magasabb költség miatt a finanszírozási szempontok is a fejlesztői, finanszírozói, mindennapi betegellátás, az orvosi döntések szerves részévé váltak. Az értékalapú megközelítés ennek megfelelően az egészégipar és az egészségügy valamennyi szereplőjének megközelítésévé vált, hiszen szofisztikált multidiszciplinaritására támaszkodva hatékony megoldásokat kínál valamennyi szereplő számára. Lehetséges főbb kutatási irányok és célok megfogalmazása: • az értékalapú szolgáltatás fejlesztés szerepe, koncepciója és módszertana az innovatív termék és szolgáltatásfejlesztés folyamatában, • az innovációk költség-hatékonyságának vizsgálata és előrejelzése, • eredmény/kimenet vizsgálatához szükséges mércék létrehozása, validálása és alkalmazása. |
| Prof. Dr. Péntek Márta | Innovatív egészségipari technológiák klinikai vizsgálatának kérdései a fejlesztéstől a társadalmi hasznosulásig | Az innovatív egészségügyi és gyógyszeripari technológiák, az orvostechnikai eszközök hatósági engedélyezéséhez és forgalomba hozatalához, valamint társadalombiztosítási finanszírozásához klinikai vizsgálatokkal kell bizonyítani azok hatásosságát és biztonságosságát, egyéni és társadalmi hasznait, költséghatékonyságát és megfizethetőségét. Piacra kerülés után követéses vizsgálatokkal kell bizonyítani a technológia real world hatékonyságát, biztonságosságát, alkalmazhatóságát és elfogadottságát. A téma keretében végzett kutatásaink ezeket a szempontokat szolgáló klinikai vizsgálatok tervezésének, kivitelezésének és értékelésének kérdéseit célozzák meg, a technológiafejlesztéstől a termék piaci elhelyezésén át a sikeres implementációig, figyelembe véve az EU „Intelligensebb Európa” szakpolitikai célkitűzéseit és erősítve az egészségipar átalakulását, digitializációhoz történő strukturális alkalmazkodását. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innovatív orvostechnikai eszközök, egészségügyi technológiák hatásosságának és hatékonyságának értékelése a beteg és a társadalom perspektívájából, • betegközpontú és személyre szabott beavatkozások tervezése, értékelése, • elsődleges és másodlagos végpontok kiválasztása klinikai vizsgálatokban történő alkalmazásra, • beteg-preferenciák feltárása, azok hasznosítása a technológiai fejlesztés és piaci elhelyezésben. |
| Dr. Takácsné Prof. Dr. György Katalin | Vállalati sikeresség elemei, az innováció, a stratégiai gondolkodás szerepe (Vállalati stratégiai menedzsment) | Az innováció különböző megnyilvánulási formái (~hard and soft innovation’) eltérő fontossággal bírnak a kis- és középvállalkozások működésében, szükséges feltárni az imitáció szerepét a kkv szektor sikeressége érdekében. A kutatási téma, mint a stratégiai tervezés, a stratégiai és változtatásmenedzsmenthez kapcsolódó korszerű módszerek alkalmazhatósága és a korlátok feltárása hozzájárulhat a vállalkozások innovációs folyamatban betöltött szerepének jobb megértéséhez, a nemzeti sajátosságokat figyelembe véve. A téma mentén a kutatás célja a vállalatok innovációs készségének értékelése, az innovatív vállalati viselkedést támogató és gátló tényezők feltárása, mind szervezeti, mind a belső érintettek szempontjából. Azon tényezők feltárása, melyek a nyílt innováció, innovációs klaszterek mentén történő együttműködési hajlandóságra hatnak. A szervezeti kultúra kapcsolata és hatása a vállalati sikerességre kultúrafüggő, így különböző nemzetgazdaságok szereplőinek összehasonlító vizsgálatával feltárhatóak azok a vezetői attitűdök és értékrendek, amelyek meghatározó tényezői a vállalati versenyképességnek. A kutatás iránya az innovációs stratégiák kidolgozásának módszertani támogatása, különös tekintettel az ágazati jellegzetességekre (szolgáltatás, ipari és mezőgazdasági termelés). A kutatás másik iránya annak vizsgálata, hogy az innováció diffúzióját milyen tényezők befolyásolják, ezek között milyen szektorális különbözőségeket lehet feltárni, azok empirikus igazolása. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innovatív stratégiák kidolgozása és értékelése, földrajzi és ágazati jellegzetességek, • az innováció diffúziójának vizsgálata, • innovációk létrejöttét, életciklusát befolyásoló főbb faktorok azonosítása. |
| Dr. Takácsné Prof. Dr. György Katalin | Agrárinnováció és élelmezés- és élelmiszerbiztonság kapcsolata | Az innováció az élelmiszertermelés folyamatában, az élelmiszerlánc – „From farm to table” – mentén nemcsak a termék és technológiai innováció formájában jelenik meg. Több helyen a ’soft innovation’ (szervezése és marketing) lehet a sikeresség egyik kulcsa, amiben a vállalatok együttműködése, a stratégiai- és változtatási menedzsmenthez kapcsolódó korszerű módszerek, eljárások alkalmazásának, fejlesztésének kérdése mind mikro-, mind makrogazdasági szempontból kutatandó terület. A témakör magában foglalja az élelmiszerbiztonság érdekében történő innovációk és azok elterjedését támogató (vagy annak gátját jelentő) tényezőket, az értékláncolat menti kockázatok feltárását a tervezés és vezetés új irányzatainak vizsgálatával. A téma szoros kapcsolattal bír a fenntartható gazdaság kérdéseivel, ideértve a környezeti, gazdasági és társadalmi fenntarthatóságot (élelmezésbiztonság). A kutatás tárgya a mezőgazdasági és élelmiszeripari vállalatok innovációs készsége, a technológiai, szervezési és piaci innovációra való képessége, cél a gátló és támogató tényezők feltárása empirikus vizsgálatokkal. A kutatás érinti a szervezeti kultúra több aspektusát, mivel a sikeresség egyik eleme a humánerőforrás. A kutatás tárgya az ember-gép-technika környezet vizsgálata és az élelmiszerbiztonság szempontjából kritikus pontok és infrastruktúrák feltárására irányul. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innováció sikeresség faktorainak feltárása az agrárgazdaságban különös tekintettel a humánerőforrás szerepére, • kritikus pontok az élelmiszerbiztonság területén, a lehetséges innovációs együttműködések feltárása. |
| Prof. Dr. Takács István | A fenntartható energiaellátás, ennek innovatív megoldásai | Az energetikai kiadások minden ország ráfordításainak az egyik legnagyobb tételét képezik, és az a világ GDP-jének mintegy 10%-ára tehető. Sok ország energiabehozatalra szorul. A hagyományos fosszilis energiahordozókra alapozott energiatermelés környezetterhelő (kiemelten a klimatikus) hatása, illetve a nukleáris energiatermeléssel erősödő társadalmi ellenállás alternatív megoldásokat célzó kutatások sorát indította el az elmúlt évtizedekben. Új innovatív megoldások születtek, s további innovációkra van szükség a fenntartható energiaellátás biztosítására, a környezetterhelő energiaforrások kiváltására. A megújuló és megújítható energiaforrások (napenergia, szélenergia. biomassza) felhasználása energiatermelésre egyre korszerűbb technológiai megoldások révén elterjedőben van, ugyanakkor az energiatárolás hiányában a megtermelt (ingadozó mennyiségű) energia felhasználása nehéz feladat elé állítja az energetikai rendszerek irányítóit. A téma – elsősorban – olyan új, innovatív technológiai eljárások és szervezési modellek kialakítását szolgáló kutatás, amely a rurális térségekben lokálisan meglévő megújuló és megújítható energiaforrások energiatermelésre történő felhasználását, valamint a lokális energiatermelő rendszerek a meglévő energetikai hálózatokba való integrálását célozza, a fenntarthatóság követelményeire figyelemmel, azok műszaki, gazdasági, társadalmi, szervezeti és szervezési összefüggéseinek feltárásával. |
| Prof. Dr. Takács István Társ-témavezető: | Technikai és szervezési innovációk gazdasági és fogyasztási szokásokra gyakorolt hatásai | A technikai innováció a gazdaság fejlődésének hajtóereje. Az első ipari forradalom óta egyre gyorsuló ütemben alakítja a nemzetgazdaságokat, befolyásolja nemzetközi versenyképességüket, új gazdasági és társadalmi szervezeti formákat hozva létre. A piacgazdaság sikeressége az érintettek innovativitásától, valamint a fogyasztó arra való fogadókészségétől is függ. A különböző ágazatokban eltérően történik, de általánosan jellemző, hogy az innováció létrehozása laborszerű körülmények között kezdődik, majd a tesztelés pilot projektek keretében folytatódik, ahol már a fogyasztó is megjelenik, s hozzájárul a szükséges módosítási igények azonosításához. A kutatás kiválasztott ágazathoz kapcsolódóan vizsgálja az innováció beépülését a gazdaságba, s hatását a fogyasztói magatartásra. A kutatás célja, hogy megvizsgálja a kiválasztott gazdasági ágazat technikai és szervezési innovációinak gazdasági hatásait és azok fogyasztási szokásokra gyakorolt hatását, és azon a tényezők feltárása, amelyek befolyásolják a fogyasztói elfogadást és a gazdasági teljesítményt. A kutatás során figyelembevételre kerülnek a technikai innovációk, a szervezési újítások, az érintettek szerepe, továbbá a piaci megjelenést befolyásoló egyéb tényezők. A kutatás kitér arra is, hogy milyen hatása lehet az ágazat digitalizálódásának és az alternatív/helyettesítő termékeknek, amik befolyásolják a fogyasztási szokásokat. Lehetséges főbb kutatási irányok: • Technikai innovációk vizsgált ágazatra gyakorolt hatásai. • Az újítások hatása a fogyasztói magatartásra. • A fogyasztási szokások változásai a digitális korban. • Az innovátorok gazdasági teljesítményének elemzése. • Az innovációk gazdasági-társadalmi mozgásokra gyakorolt hatása. • Az innováció megvalósításának sajátos infrastruktúra igénye, s annak jelentősége a fogyasztói elfogadásban, valamint a gazdasági teljesítményére. • Az alternatív termékek hatása az innovatív termékekre. |
| Prof. Dr. Takács István Társ-témavezető: | A természetes és mesterséges intelligencia kapcsolata és hatásai az üzleti döntéshozatalra | A gyorsan fejlődő mesterséges intelligencia (AI) kihívást jelent a gazdaság és társadalom minden szegmensében, mélyreható hatásai vannak a társadalmakra, az iparágakra és létezésünk egészére, s léte újabb és újabb megválaszolásra váró kérdéseket vet fel. A mesterséges intelligencia integrálása életünk különböző területeibe, beleértve az üzleti döntéshozatalt is, egy globális jelenség. A mesterséges intelligencia által működtetett rendszerek mindenütt elterjedtek, ösztönzik az innovációt, növelik a termelékenységet és átalakítják az iparágakat szerte a világon. Ahogy a szervezetek igyekeznek kihasználni a mesterséges intelligencia lehetőségeit, hogy versenyelőnyt szerezzenek, az emberek által megtestesített természetes intelligencia és a mesterséges intelligencia közötti bonyolult kapcsolat megértése kulcsfontosságúvá válik a felelős és etikus gyakorlatok világszerte történő előmozdításához. Ezen kapcsolat feltárásának fontossága az üzleti döntéshozatali folyamatokra gyakorolt lehetséges következményekben rejlik. Rendkívül fontos annak megértése, hogy a természetes intelligencia hogyan lép kölcsönhatásba a mesterséges intelligencia algoritmusaival, és hogyan lehet az emberi értékeket és etikát integrálni az AI-rendszerekbe a felelős döntéshozatal biztosításához. A neuroetika, az idegtudomány és a mesterséges intelligencia etikai vonatkozásainak tanulmányozása keretet biztosít a bonyolult terepen való navigáláshoz, ahol a természetes és a mesterséges intelligencia találkozik. |
| Prof. Dr. Fogarasi József | Az innovatív kockázatkezelési megoldások hatása a gazdálkodás termelékenységére | A kockázatok kezelésének hatása a mezőgazdasági vállalatok termelékenységére új, innovatív módszertani és technológiai megoldásokkal, gyakorlati relevanciával rendelkező nagy érdeklődésre számot tartó kutatási téma a nemzetközi szakirodalomban. A termelési kockázatok körében egyre nagyobb figyelmet kell fordítani a globális és regionális (klímaváltozás adaptáció és mitigáció, pénzügyi-gazdasági válságok, egészségügyi/pandémia válság) kockázatok kezelésére a vállalatok gazdálkodásában. A hatásos kockázatkezelési eszköztár megválasztása és innovatív megoldások alkalmazása meghatározó jelentőséggel bír az eredményes és versenyképes működés és az élelmiszerbiztonság szempontjából. A kutatás célja megvizsgálni, hogy különböző hagyományos és innovatív kockázatkezelési eszközök hogyan befolyásolják a teljestényező termelékenység alakulását a mezőgazdasági vállalkozások gazdálkodásában. A kockázatkezelési stratégia megválasztásában és alkalmazásában kiemelt jelentősége van a teljestényező termelékenység felbontásának technológiaváltozás hatásra és technikai hatékonyságváltozás hatásokra, és megvizsgálni ezeket hogyan befolyásolják különböző kockázatkezelési megoldások. Lehetséges kutatási irányok megfogalmazása: • A kockázatkezelési stratégiák megválasztása befolyásolja a termelési teljesítmény alakulását és a vállalkozás erőforrásainak allokációját. A kutatás szisztematikus szakirodalmi áttekintési részében amellett, hogy áttekintjük a témában megjelent releváns kutatások eredményeit, bemutatjuk a gazdálkodók rendelkezésére álló kockázatkezelési megoldásokat és ezekből képezhető kockázatkezelési portfoliókat. • A lehetséges kutatási irányok az agrárgazdasági termelés kockázatkezelési lehetőségeinek hatásainak értékelése során a teljestényező termelékenységre: • A természeti kockázatok, beleértve a klímaváltozás hatására megváltozó termelési feltételeket, új kockázatkezelési megoldások kidolgozását és alkalmazását teszi szükségessé a meglévő kockázatkezelési lejárások mellett a termelékenység és ellátásbiztonság fenntartása érdekében. A digitalizáció és precíziós termelési technológiák elterjedése minden egyes gazdálkodónál igen nagy volumenű adatgyűjtést tesz lehetővé, ami pontosabb döntés előkészítést, döntéshozást tesz lehetővé a rendelkezésre álló vagy újabb termelésgazdasági modellezési megoldások alkalmazásával. • Az egészségügyi (pandémia) kockázatok (gazdálkodó megbetegedése, lezárások következtében keletkező értékláncok ellátási zavarai, fogyasztók egészség- és környezettudatosabb táplálkozása) rávilágítottak, hogy a korábbi üzleti megoldások mellett, helyett újabbakra, innovatív és fenntartható gazdálkodási szemléletre és gyakorlatra van szükség a teljes agrárgazdasági vertikum menedzsmentjében. • A pénzügyi-gazdasági válságok által okozott termelési kockázatok értékelése, hatásainak a becslése a termelékenység alakulására jól kialakult módszertani eszköztárral találkozunk a szakirodalomban, amit még nem alkalmaztak a közép-kelet-európai és ezen belül a magyarországi agrár-élelmiszeripari ágazatra. • Vizsgálataink során teszteljük különböző kockázatkezelési eljárások, portfoliók teljetényező termelékenységre, és ennek felbontásával komponenseire gyakorolt hatásának irányát és mértékét hatékonyhatár regressziós módszerek alkalmazásával. • Adatok rendelkezésre állása esetén a magyarországi tapasztalatok elemzését kiterjesztjük egy nyugat-európai és még egy közép-kelet-európai országra. |
| Prof. Dr. Felde Imre | A városi mobilitás innovatív megoldásai és a szocio-ekonomiai jellemzők modellezése | A városon belüli humán mozgások megértéséhez és a viselkedésminták felismeréséhez az emberi mobilitás szisztematikus elemzése szükséges. Az utazások egyéni és csoportszintű értékelése valamilyen eszközkészleten keresztüli megfigyeléseken alapul. Az elmúlt évtizedekben számos olyan újszerű adathalmaz vált elérhetővé, amelyek a jármű GPS-en és a mobilhálózaton tárolt rekordokon vagy a közösségi média információin alapulnak, amelyek pontosabb és kifinomultabb jellemzik az emberek mozgását. A demográfiai mutatók és a társadalmi-gazdasági státusz (SES) jelentős összefüggést mutatnak az egyéni utazási magatartással. Egyes vizsgálatok azt sugallják, hogy a mobiltelefon-adatok felhasználhatók az egyes SES vagy regionális társadalmi-gazdasági jellemzők előrejelzésére. A kutatás célja, hogy a mobilitás és a társadalmi- gazdasági státusz kapcsolatát az ismert statisztikai megközelítéseken kívül elérhető adathalmazokon Big Data és Mesterséges Intelligencia apparátussal vizsgáljuk. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innovatív városi mobilitás scenariók vizsgálata kvantitatív és kvalitatív módszerekkel, • a társadalmi, gazdasági státus szerepének elemzése, kutatás-fejlesztési információszerzési gyakorlata, fejlesztése, • a mesterséges intelligencia szerepe a városi mobilitás innovációs megoldásai terén. |
| Prof. Dr. Karácsony Péter | A vezető szerepe a szervezeti innovációban | Napjainkban a vállalkozások egyre nagyobb figyelmet fordítanak az innovációra, amely versenyképesebbé teszi őket, valamint lehetővé téve számukra, hogy túléljék a kihívásokkal teli globális üzleti környezetet. Az innováció a szervezetek versenyelőnyének egyik kulcsfontosságú tényezője. Minden innovatív szervezetnek hatékony vezetőkre van szüksége. Nemzetközi tanulmányok (Noruzy et al., 2012, Sethibe és Steyn, 2015) szerint pozitív kapcsolat van a vezetés és az innováció között. Egyre több tanulmány (Gumusluoğlu és Ilsev, 2009, Jung et al., 2008, Krause, 2004) támasztja alá, hogy a vezetésnek fontos szerepe van a hatékony innovációban. Ezért további tanulmányokra van szükség, amelyek a szervezeti innovációt meghatározó vezetőket, csapatokat és tagjaikat vizsgálják (Hackman és Wageman, 2007). A kutatás a magyar vállalatok innovációs kihívásaira és az ezekhez kapcsolódó vezetői szerepekre fókuszál. A kutatás célja primer (kérdőíves felmérés) módszertannal feltárni az innováció megjelenését a hazai vállalati stratégiában, valamint az innováció és a vezetés kapcsolatát. A kutatási téma elsődleges iránya, hogy felmérje a hazai vállalkozások vezetőinek a szervezeti innovációban betöltött szerepét. A kutatás során értékelésre kerülnek a hazai vállalkozások innovációval kapcsolatos stratégiái, az innovatív szervezetek jellemzői, valamint, hogy mely vezetői stílus van a legnagyobb hatással a szervezeti innovációra. |
| Dr. habil. Garai-Fodor Mónika | Generációs marketing innovatív hatásai | A generációs különbségek számos területen releváns szegmentációs lehetőséget adnak a differenciált marketing és üzleti megoldások tervezéséhez. Az egyes generációk gondolkodásmódja, életvitele terén mutatkozó eltérések vizsgálata számos termék-és szolgáltatásfejlesztés és azokhoz kötődő piaci bevezetés kapcsán nyújt jól mérhető támpontot a stratégiatervezéshez. Az innovatív megoldások, innovatív projektek generáció-aspektusú vizsgálata az egyes piacok ebbéli szegmentálásának lehetőségeit elemzi. Ezen túl az egyes generációk termék- és szolgáltatás-választásának preferenciái közötti különbségek feltárásával az eredményes célcsoport meghatározás és karakterizálás tudományos és gyakorlati aspektusú megoldásait tárja fel. |
| Dr. habil. Garai-Fodor Mónika | Értékrend-alapú fogyasztói magatartás vizsgálatok innovatív megközelítésben | A kutatás elsődleges pillérét az értékrend-alapú magatartás elméletek adják, melyek a fogyasztók döntései mögött meghúzódó konkrét termék- és szolgáltatásválasztás végső indikátorának az értékorientációt tekintik. A kutatás ezen felül reflektál az értékorientáció szerint is jól differenciálható generációk közötti eltérésekre, azok fogyasztói döntéshozatalban, vásárlói magatartásban nyomon követhető specifikumaira. A kutatás feladata megvizsgálni, hogy mely vásárlói döntések esetén érvényesül az egyéni értékrend dominanciája, milyen módon gyakorol az értékrend hatást a vásárlás kimenetelére, a termék, szolgáltatás- vagy épp márkaválasztás outputjára a generáció-specifikus sajátoságok figyelembe vétele mellett. A fogyasztói szokások vizsgálata során nem lehet figyelmen kívül hagyni az értékrend változásait. Nem véletlen, hogy számos marketingkutatás kiindulópontját a szociológiai és antropológiai elméletek képezik, mintegy alapot adva a fogyasztói magtartást meghatározó tényezők belső összefüggésrendszerének feltárásához (Hofmeister-Tóth, 2003, Sharifonnasabi et al., 2017). A fogyasztói magatartás interdiszciplináris megközelítése szerint az értékrend két környezeti elemhez, a kulturális (Andorka, 2003; Giddens, 2003; Hawkins-Best-Coney, 1992) és a társadalmi tényezőkhöz köthető (Peter-Olson, 1987; Gauthier, 1986; Triandis, 1972; Katz, 1999). Az értékmérő módszerek fontos szerepet játszanak abban, hogy a marketingkutatás eszköztárát bővítve általuk lehetőségünk nyíljon a fogyasztói preferenciát és a vásárlói döntéshozatal mikéntjét magyarázó, egyénhez kötődő jellemző megalapozott elemzésére. Az értékmérő módszerek egyfajta tovább gondolásával születtek meg azok az értékrend-alapú fogyasztói magatartás modellek, melyek az értékekkel magyarázzák a termék- és szolgáltatásválasztás indítékait. |
| Dr. Zrubka Zsombor | Innovatív egészségipari technológiák egészség-gazdaságtani értékelése | A digitális innovációk, új orvostechnikai eszközök és fejlett terápiák és a személyre szabott orvoslás egészséggazdaságtani értékelése az egészségkimenetek, a társadalmi hatások és költségek mérése és modellezése terén új módszerek alkalmazását, fejlesztését igényli, mint pl. új adatforrások (pl. real world-data), adatstruktúrák (big data), értékelési szempontok (kiberbiztonság, használhatóság), új elemzési módszerek eredményeinek (mesterséges intelligencia, kauzális forradalom) felhasználása és az egészséggazdaságtani szempontok beépítése a korai fejlesztés folyamatába. Az innováció sikerének a piaci siker, a gazdasági és társadalmi haszon a mércéje. Az innovációs folyamat során ezért a technikai, piaci, gazdasági és társadalmi szempontokat a fejlesztés első lépéseitől kezdve előre kell jelezni, a műszaki fejlesztéssel párhuzamosan az egészségnyereséget, a költségeket, a használhatóságot, a rendszerbe illeszthetőség szempontjait be kell azonosítani, pontosan mérhetővé és a fő versenytársakkal összehasonlíthatóvá kell tenni. Ehhez a primer kutatások mellett a már rendelkezésre álló evidenciák szintézise, újrahasznosítása is szükséges. A fejlesztési folyamatot a gazdasági és társadalmi haszon pontosan beazonosított prediktorai és az innováció várható értéke (költséghatékonysága, költségvetési hatása) figyelembevételével kell folytatni. Különösen fontos szempont, hogy a műszaki fejlesztés során feldolgozott orvosi adatok minősége, mennyisége, megbízhatósága a fejlesztés kezdeti lépéseitől a felhasználói igényeknek, az orvosszakmai és hatósági elvárásoknak megfeleljen, ugyanakkor a fejlesztés céljaira az adatok új és minél szélesebb köre felhasználhatóvá váljon. Lehetséges főbb kutatási irányok és célok megfogalmazása: • új módszerek alkalmazási lehetőségei az egészségkimenetek és költségek és társadalmi hatások mérése és előrejelzése során, • új szempontok beépítése a digitális egészségügyi innovációk gazdasági és társadalmi hasznának értékelése során az egészségügyi innovációkkal kapcsolatos evidenciák szintézise, az evidenciaszintézis módszertanának fejlesztése. |
| Dr. Szabó István | A hazai és EU-s innovációpolitikák hatáselemzése a fenntarthatóság tükrében | Az innovációpolitika szerepét alapvetően két nézőpont határozza meg: Egyfelől az állam az ún. piaci hibákat (market failures) küszöböli ki az innovációpolitikán keresztül, másfelől pedig az innovációs rendszerek szereplőinek összekapcsolása révén (állami szerepvállalással) lehetséges erősíteni az innovációt. Az állami intézkedések, beavatkozások eredményességének vizsgálata az innovációpolitikában is kulcskérdés. A pénzügyi eszközök megtérülése, vagy akár a nem pénzügyi beavatkozások (ökoszisztéma-építés, kedvezmények stb.) hatásának elemzése lehetővé teszi, hogy olyan ún. policy mix jöjjön létre, ami az innovációs rendszert hatékonyan tudja támogatni. Az innovációpolitika két fontos fokmérője a fenntarthatóság valamint a hatásosság – ezek mentén szükséges a hazai innovációs rendszert és annak tágabb EU-s környezetét vizsgálni. Különösen fontos ez hazai szinten a duális gazdaság problémájához kapcsolódó kérdések tükrében, vagy az ún. európai paradoxont tekintve, amely bár régóta fennálló jelenség, érdemben nem változott az elmúlt években, inkább állandónak tekinthető. Lehetséges főbb kutatási irányok és célok megfogalmazása: • hazai és nemzetközi innovációs politikák összehasonlítása, és a főbb hasonlóságok és különbözőségek azonosítása, • a különböző innovációs politikák esetén a megvalósítás közgazdaságtani elemzése. |
| Dr. Szabó István | Kutatási- és innovációs teljesítményértékelés makro és mikro szinten | A KFI területén számos módon lehet mérni a teljesítményt, ugyanakkor még több olyan elem képezi részét, melyek nehezen mérhetők. Jól mérhető például akár projekt vagy országos szinten is a szabadalmak száma vagy éppen a K+F ráfordítás. Nehezen mérhető az innovációs teljesítmény, vagy akár a tudományos eredményesség. Nem mérhetők azok a „spillover” hatások, amik a KFI eredményeként jelennek meg, pl. beszállítói kapacitások növekedése, PhD hallgatók eredményessége, társadalmi innováció elterjedtsége. Ezzel együtt szükséges olyan innovációs mérési módszertan kialakítása, ami túlmutat a jelenlegi, korlátozottan rendelkezésre álló kvantitatív mutatókon és lehetővé teszi a (tényeken alapuló) kvalitatív mutatók beemelését is a KFI teljesítmény értékelésébe. A téma megközelíthető mind egyéni kutatói szintről (pl. kutatói szinten), mezoszintről (intézményi, vállalati szint) de akár makroszintről is (országos szint). Valamennyi szinten több nemzetközi kezdeményezés is megjelent, melyek a kutatás nemzetközi irányba mozdítását kifejezetten elősegítik. Lehetséges főbb kutatási irányok és célok megfogalmazása: • az innováció nehezen mérhető hatásai esetén hatékony innovációs mérési módszertan kialakítása, • a KFI teljesítményértékelés módszertanának kialakítása a gazdaság különböző szektoraiban. |
| Dr. Szabó István | A hazai vállalkozások innovációvezérelt átalakulásának lehetőségei | A hazai vállalkozások jelentős százaléka (3/4-e) nem innovatív. Azon vállalkozások, amelyek nem vezettek be innovációt, elsöprő részben (86%) azért nem tették ezt, mert nem láttak rá okot. Szakpolitikailag és közgazdaságilag is ismert probléma az ún. közepes jövedelmi csapda (melyet még pontosabban közepes fejlettségi csapdának nevezhetünk), melyet csak akkor tudunk elkerülni, ha az innovációs rendszer alapvető problémáira választ találunk. A gazdaság dualitásának feloldása (azaz számos nemzetközi vállalat van jelen, amely innovatív, de beszállítóik, a hazai kkv-k jellemzően nem azok), a hazai vállalatok exportképességének erősítése kulcskérdés. Ehhez bizalmon alapuló együttműködések kiépítésére van szükség az innovációs rendszer szereplői között – és természetesen az innovációs rendszer szereplőinek számosságát is bővíteni szükséges. Nincs egységes sikerrecept a fenti kérdésekre, ugyanakkor a kulcstényezők megragadása és az előrelépést segítő megoldások beazonosítása külföldi jó példákon keresztül segíthet az előrelépésben. A téma kutatása és a kérdésekre a válaszok megtalálása Magyarország előrelépése szempontjából kulcskérdés. Lehetséges főbb kutatási irányok és célok megfogalmazása: • a hazai vállalkozások innováció-kapacitásának mérése, • a determináló faktorok meghatározása és összehasonlítása a gazdaság különböző területein. |
| Dr. habil. Csiszárik-Kocsir Ágnes | Innovációs projektek menedzsmentje | A projektmenedzsment és a projektszemlélet napjaink kiemelt fontosságú témája. A projektszemléletben való gondolkodás, a feladatok projektként való kezelése jelentősen megkönnyíti azok kivitelezését. A projektmenedzsment már megismert és jól alkalmazható keretrendszere számos olyan szemléletbeli és gyakorlati tudást tartalmaz, mely az egyedi, számos korláttal és elvárással rendelkező feladathalmazt egységbe szervezi, megkönnyítve annak menedzselését. Az új és egyedi kihívások, feladatok olyan rendszerszemléletű gondolkodást igényelnek, amelyek áttekintik a teljes folyamatot az ötlet felmerülésétől a tervezésen keresztül a megvalósításig és annak ellenőrzéséig. Az innovációk mindig valamiféle újszerű, egyedi dolgot, kihívást jelentenek. A számos új körülmény, feltétel igényli azt, hogy kilépjünk az operatív működés kereteiből és projektként kezeljük magát a feladatot. A jelentős újdonságtartalom mellett azonban számos kihívást és kockázatot hordoznak magukban az innovációs projektek. Az új körülmények újfajta készségeket és képességeket igényelnek, melyet sok esetben csak újfajta kompetenciákkal, agilis hozzáállással tudunk abszolválni. A kutatási téma során azt kívánjuk vizsgálni, hogy hogyan lehet az innovációkat hatékonyan kivitelezni hogyan működnek az újítások és az innovációs projektek, milyen kockázatai és nehézségei vannak egy-egy ilyen feladat elvégzésének, és melyek azok a hatékony eszközök amelyek sikerre viszik az innovatív ötleteket és projekteket. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innovációs projektek menedzselésének hatékonysága és sikeressége, • a projektsikert meghatározó faktorok azonosítása, monitorozása, és előrejelzése, • a különböző gazdasági szektorok innováció menedzsment szükségleteinek összehasonlítása, hazai, regionális és európai meghatározó tényezők azonosítása. |
| Dr. habil. Csiszárik-Kocsir Ágnes | Innovatív pénzügyi megoldások a digitalizáció világában | A negyedik ipari forradalom számos változást hozott a mindennapi életünkben. Ez elmondható magánemberként vagy akár vállalkozóként is, de nem kímélte az újítások hulláma a pénzügyi szektort sem. A pénzügyi kultúrában bekövetkező transzformációk új tudást és készségeket igényelnek a keresleti és a kínálati oldalon egyaránt. A hagyományos bankrendszerrel szemben jelen lévő versenytársak új pályára helyezték a klasszikus pénzügyi gondolkodást, és a pénzügyi ügyletek intézését egyaránt. Ezek a pénzügyi innovációk a digitalizáció talaján építkeznek, ami a technológia adta változásoknak köszönhetően egy gyorsan fejlődő területnek minősülnek. A digitalizáció már önmagában is számos kihívást jelent a gazdaság minden szereplőjének, ami a pénzügy ügyletek terén még hangsúlyosabban jelentkezik. A klasszikus banki szereplők versenytársai a FinTech, RegTech és a PayTech cégek olyan versenyt diktálnak, amelyek hatékonyabb, ügyfélbarátabb és gyorsabb megoldásokat kínálnak a piaci szereplők számára. A digitalizáció és az újítások iránti igény különbözőképpen jelentkezik az egyes generációk esetén. A fiatalabb generációk igénylik és szükségesnek tartják a pénzügyi innovációkat, az idősebb generációk viszont inkább a hagyományosabb megoldások felé fordulnak el. A kutatási téma célja az innovatív pénzügyi megoldások, mint termékek vizsgálata, azok kockázatainak, előnyeinek, hátrányainak, alkalmazhatóságának a feltérképezése. A kutatási téma során megkerülhetetlen a generációs aspektusok górcső alá vétele, részletesebb elemzése annak érdekében, hogy minél pontosabb képet kapjunk ezen újítások alkalmazhatóságáról. A kutatási téma igényli a pénzügyi tudatosság és szemléletmód fejlesztését és vizsgálatát is edukációs céllal a jövőre való hatékonyabb felkészülés céljából. Lehetséges főbb kutatási irányok és célok megfogalmazása: • pénzügyi innovációk, generációktól függő elfogadása és az elfogadás vagy nem elfogadás szintjének és okainak vizsgálata, • a pénzügyi tudatosság mérése és fejlesztése, • a pénzügyi tudatosság társadalmi, gazdasági meghatározó tényezői, pénzügyi szocializáció, • pénzügyi kirekesztődés problémája és kezelése. |
| Dr. habil. Csiszárik-Kocsir Ágnes | Agilis innováció menedzsment | Napjaink gyorsan változó és digitalizálódó világában a projektszemlélet, és a különböző módszertanok sosem látott fontosságra tettek szert, amely gyors és hatékony megoldásokat, agilis válaszokat kíván meg a nemzetgazdaságok minden szereplőjétől. Az innovatív megoldások iránti igény a gyors változások miatt egyre erőteljesebb. Ezen kihívásoknak minden szervezetnek meg kell felelni, így nem jelentenek kivételt a piaci és a nem piaci szereplők sem. Az innovációk projektszeméletű megközelítése elengedhetetlen, hiszen a jelentős újdonságtartalom miatt azok nem sorolhatók be a normál működés és tevékenységek körébe. Az innovációk újdonságértéke miatt megkerülhetetlen az projektszemléletű agilis hozzáállás, ami a siker záloga lehet. A téma vizsgálata során fény derülne a projektek és szervezetek (vagy egy részük) projektérettségére, az erősségekre és gyengeségekre, a kritikus kockázati faktorokra, veszélyekre, és megfogalmazásra kerülnének olyan konkrét javaslatok és megoldási irányok, melyek a projektmenedzsment folyamatain, a szervezetek projektérettségén lennének hivatottak javítani. Górcső alá vetnénk az innovációs projektek sikerfaktorait, az agilis hozzáállás sikertámogató szerepét, az agilitás és az innováció kapcsolatát, melyet kvalitatív és kvantitatív módszerek segítségével vizsgálnák. Lehetséges főbb kutatási irányok és célok megfogalmazása: • innovációs projektek menedzselése agilis módszertan segítségével, a potenciális előnyök és hátrányok azonosítása és elemzése, • innovációs projektek sikerfaktorainak azonosítása, mérése és előrejelzése • kvalitatív és kvantitatív módszerek fejlesztése és menedzsmentje a sikerfaktorok elemzése és értékelése terén • a sikerfaktorok befolyásolásának a lehetőségei és azok elemzése • a potenciális kockázati tényezők kezelése agilis eszközökkel és módszerekkel. |
| Dr. Eigner György | Science, Innovációs, Tudományos és Technológiai Parkok innovációs ökoszisztémájának felépítése, kialakítása, üzemeltetése | Napjainkban elterjedt trend a tudás és innováció csoportosítása egy földrajzi desztinációban, adott ágazati és szakpolitikai stratégiák mentén. Ennek lényege a kritikus tömeg elérése, valamint az innovációs láncok rövidítése, egymáshoz hangolása. Az egyik leghatékonyabb módja, megoldása az IASP nemzetközi szervezet által javasolt innovációs modell. A Stanford Egyetemről az 1960-as években elindult science park koncepció, mely a nevezett modell alapját adja napjainkban világszerte elterjedt. Számos variációja létezik, melyek adott környezetben kiválóan üzemelnek. Az úgynevezett science parkok struktúrája megkívánja a holisztikus együttműködési modellek kifejlesztését és implementálását a stakeholderek között (pl. politikai, ipari, felsőoktatási szereplők stratégiájának összehangolása, közös fejlesztések). A parki struktúrák hatékonyan segítik elő az innovációs ökoszisztémák kialakítását és fenntartását – azonban ez a struktúra hazánkban még gyerekcipőben jár. A téma részét képezi a parki struktúrák nemzetközi gyakorlatának elemzése, jó modellek kidolgozása magyarországi viszonylatokra, majd azok implementálása az Óbudai Egyetem science parkjaiban. Lehetséges főbb kutatási irányok és célok megfogalmazása: • különböző kvantitatív és kvalitatív módszerekkel felmérni az innovációs ökoszisztémák gazdasági és társadalmi szerepét hazánkban és nemzetközileg, • innovációs ökoszisztémák modellezése, • a nemzetközi jó gyakorlat transzferálása az Óbudai Egyetem science parkjaiban. |
| Dr. habil. Piricz Noémi | Az egészségügyi ellátási láncok menedzsment és mesterséges intelligencia problémái – A mesterséges intelligencia, mint innovatív megoldás ügyfélalkalmazásának megértése | Az ellátási láncok irányítása versenyelőnyökhöz vezethet, ráadásul a hagyományos, időigényesebb folyamatokat új technológiák válthatják fel, amelyek jelentős idő- és munkaerő-megtakarítást eredményezhetnek. A mesterséges intelligencia már a mindennapi életünk része. Ezeknek a szoftvereknek a beszerzése egyre inkább elérhetővé válik a nagyobb cégek számára. Ha versenyelőnyre akarnak szert tenni a versenytársakkal szemben ebben a COVID utáni helyzetben, akkor meg kell tenniük ezt a lépést, és nyitottnak kell lenniük az olykor nagy változásokat igénylő technológiákra. Miért előnyös a mesterséges intelligencia az ellátási láncok számára? Először is, az AI által vezérelt szoftverek ERP-kompatibilisek. Ráadásul a mesterséges intelligencia használatával nemcsak az adatelemzők végezhetnek üzleti elemzést, hanem az üzleti más területein jártas emberek is. Egyetlen platformon több funkció is elérhető: a jelentések és az eredmények mind hozzájárulnak a tervezéshez. Másodszor, jövedelmezőbb marketingstratégiákat kínál, ami segít meghatározni az ügyfelek igényeit, és jól kommunikál a termékfejlesztésről. Nem utolsósorban a felhőalapú megoldásoknak köszönhetően pozitívan befolyásolja a fenntartható fejlődést. Az emberi figyelmetlenség okozta hibák a mesterséges intelligencia segítségével teljesen kiküszöbölhetők. Az AI szoftverek növelik a dokumentumfeldolgozás sebességét, akár ötször gyorsabb rendelésfeldolgozás érhető el, így csökken a reakcióidő. Ez időt takarít meg más fontos feladatokra: ügyfélhívásokra, ügyfélkérdésekre, panaszkezelésre. Az érintett szereplők azonban több problémával szembesülhetnek. A mesterséges intelligencia alkalmazásával kapcsolatban felmerülnek titoktartási kérdések, bár van már néhány szabályozás az emberek és az üzleti információk védelmére. Eredetileg a mesterséges intelligencia szoftverek bevezetése nem az emberi munkaerő teljes kiváltására, hanem munkájuk megkönnyítésére és a hatékonyság növelésére irányult, de valószínűleg a rohamosan fejlődő mesterséges intelligencia forradalmasítani fogja a munkaerőpiacot. A technikai problémákat több oldalról is meg lehet közelíteni: A mesterséges intelligencia adatokból dolgozik és tanul, így ha az adatok nem elegendőek vagy hiányosak, a szoftver nem rendelkezik elegendő példával a következtetések levonásához. Az adatok minősége is problémát jelenthet, és az adatvédelem és az adatbiztonság is rendkívül fontos tényező. A mélytanulás (deep learning) csak folyamatos képzéssel lehetséges; az embereknek helyesen kell telepíteniük az adatokat és tanítaniuk kell a szoftvert, majd tesztelniük kell, hogy lássák, mit tanult a képzésekből. Kutatási kérdések: • Milyen területeken és hogyan tudja a mesterséges intelligencia hatékonyan támogatni az egészségügyi ellátási láncokat? • Milyen AI-eszközökkel lehet versenyképesebbé tenni az egészségügyi ellátási láncokat? • Milyen elvárásokat támasztanak az egészségügyi ellátási láncok szereplői az AI-eszközökkel szemben, és hogyan lehet leküzdeni az AI-vel kapcsolatos etikai, irányítási és üzleti kihívásokat? • Hogyan modellezhetők a szervezeti ügyfelek mesterséges intelligenciával kapcsolatos elvárásai? |
| Dr. habil. Ferenci Tamás | Spline-regresszió optimalizálása mortalitási adatok modellezésében | A COVID-19 járvány kapcsán előtérbe került a mortalitási adatok egy korábban ritkábban emlegetett felhasználása: a többlethalandóság számítása. A többlethalandóság egy nemzetközileg is robusztusan összehasonlítható mutató valamilyen mortalitást befolyásoló esemény hatásának megítélésére. A többlethalálozás számításának egyik kritikus kérdése a megfelelő előrejelzések elkészítése a múltbeli adatokból. A statisztikai szempontból legjobb választás a regressziós modellezésen alapuló predikció, ám itt fontos kérdés a pontos modellspecifikáció. Acosta és Irizarry 2021-ben közölt módszerében a hosszú távú trendet több harmonikus regressziós tag, és egy spline-nal kibontott hosszútávú tag ragadja meg. A módszer nagyon előnyösen alkalmazható, ám két nyitott kérdést is felvet. A doktori témakiírás feladata e két probléma vizsgálata, megoldása: Amennyiben sok, szűk rétegben történik becslés (pl. szűk életkori tartományok), akkor nem célszerű az egyszerű rétegzés, tehát az egyes rétegekben egymástól függetlenül történő becslés, hiszen valószínű, hogy a közeli rétegek eredményei hasonlóak. Így – a jól ismert „borrowing strength” megközelítéssel analóg módon – valószínűsíthető, hogy hatásosabb becslés készíthető olyan módon, mely tekintettel van a szomszédos rétegek információira. A megoldásra kézenfekvő ötlet lehet egy magasabb dimenziós spline definiálása. A hosszútávú spline-tag knot-jainak megválasztása nem triviális kérdés. A probléma az, hogy ugyanaz a knot-szám lehet megfelelő egy idősoron, de egy másiknál már elképzelhető, hogy ez kevés, ha ez utóbbi jobban ingadozó. Az sem megoldás azonban, ha a knot-számot egyszerűen megnöveljük, hiszen ezzel jó eséllyel túlilleszkedést hozunk létre. Ennek megoldására az egyik lehetséges csapásirány a túlilleszkedés detektálása (pl. keresztvalidációval),a másik a spline ügyesebb becslése, például alkalmas penalizációval, vagy a régebbi megfigyelések alulsúlyozásával. Lehetséges főbb kutatási irányok és célok megfogalmazása: • az egészségügyi innovációk hatásainak vizsgálata Spline-regresszió optimalizálás alkalmazásával |
| Dr. habil. Galambos Péter | Magas kockázatú ipari kutatás-fejlesztési projektmenedzsment módszerei | Az alapkutatás és a technológiai innováció teljesen eltérő szervezési módszereket igényel. Az ipari innováció projektmenedzsment módszertani megközelítései elsősorban olyan esetekben alkalmazhatóak hatékonyan, ahol elenyésző a bizonytalan kimenetelű kutatómunka részaránya. Olyan esetekben, ahol az új technológia kifejlesztése nagyobb megvalósulási kockázattal jár, ott a hagyományos projektmenedzsment módszerek kevésbé hatékonyak. Az információ technológia és különösen az MI új paradigmákat felvonultató fejlődése lehetőséget ad arra, hogy új szereplők törjenek be az frissen kifejlődő piacokra, ahol a régi szereplők előnye nem érvényesül. Mindez kifejezetten a magas hozzáadott értékű szellemi alkotómunkára és a legújabb elméleti eredményekre épülő technológia fejlesztésre érvényes leginkább, ami az innováció egy speciális területe. Ez a terület nagy lehetőséget, kitörési pontot jelent a kevésbé fejlett európai országok, így Magyarország számára is. Éppen ezért időszerű és kiemelt fontosságú az új kihíváshoz illeszkedő menedzsment módszertanok megalapozása. A kutatómunka célja olyan projektmenedzsment módszerek kidolgozása, amelyekkel kezelhetővé válnak a jelentős K+F kockázattal járó vállalati innovációs folyamatok. A kutatás kiterjed a tervezési és a végrehajtási fázisra egyaránt különös tekintettel a költség és erőforrás tervezésre, valamint a váratlan események kezelésére. Lehetséges főbb kutatási irányok és célok megfogalmazása: • A felvázolt téma kutatása leginkább konkrét gyakorlati esetek elemzésével vizsgálható különböző típusú vállalati környezetekben. A téma kapcsán felmerülő kutatási kérdések kiterjednek a kutatásfejlesztési tevékenységek osztályozására több vizsgálati szempont szerint. A felállított többdimenziós szempontrendszer egyes régióihoz várhatóan hozzárendelhetők azok a tervezési, irányítási és szervezetépítési módszerek, vagy ezek kombinációi, amellyel az adott innovációs célkitűzés, az adott vállalati környezetben a legeredményesebben teljesíthető. • A munka során vizsgálandó a nagyvállalatok és a KKV szektor tipikus innovációs gyakorlata és az egyetemek, kutatóintézetek együttműködése az ipari szereplőkkel. Külön kutatási fókuszterületként említhető a Tudományos és Technológiai Parkok (TTP) működése, szerepe és a vállalati együttműködések szerveződése. |
| Dr. habil. Haidegger Tamás | Az egyetemi kockázati tőke szerepe az egyetemi innovációs ökoszisztéma kialakításában | A nyugati világban évtizedek óta egyre nagyobb szerepet játszanak a technológiai innováció általános fejlesztésében az egyetemekkel, mint szellemi alkotóműhelyekkel szoros partnerségben működő kockázati tőketársaságok. Ezek az eszközök a korai fázisú cégek technológia transzferében és finanszírozásában komoly előnyökkel járnak, ami miatt érdemes vizsgálni a UVC-k közép-európai fejlesztési lehetőségeit. Az egyetemi környezetben kialakuló nagy kockázatú technológiai startupok finanszírozási modelljének/lehetőségének vizsgálata, nemzetközi jógyakorlatok elemzése és modellezése a hazai és regionális viszonyok tekintetében. A kutatás célja a korai fázisú startupok egyetemi finanszírozási lehetőségeinek szisztematikus vizsgálata, piaci esélyeinek modellezése. A UVC-k ESG és fenntarthatósági vonatkozásait szükséges külön is vizsgálni és modellezni. A kutatás célja egy, a magyar sajátosságokat figyelembe vevő finanszírozási modell megalkotása, modellezése, implementálása és tesztelése, egy Óbudai egyetemi pilot program nyomán. Lehetséges kutatási irányok megfogalmazása: • korai fázisú, egyetemi startup-ok finanszírozási modelljei, ezek sikerességi tényezőinek vizsgálata, • University Venture Capital befektetési modellek analízise, • egyetemi startup ökoszisztéma strukturális fejlesztési módszereinek kidolgozása, implementáció tesztelése, modell validációja. |
| Dr. Kertész Gábor | Mesterséges intelligencia és deep learning alkalmazása orvostechnikaieszközök fejlesztése és értékelése terén | Az elmúlt évtizedben a mesterséges intelligencia tudományterülete jelentős fejlődésnek indult, a mély gépi tanulás új eredményei magas performanciájú modelleket eredményeztek, melyek a gyakorlatban többféle innovatív produktumot eredményeztek. Az adatvezérelt döntéstámogatás és irányítás azonban továbbra is sok finomhangolást igényel, ennélfogva például egészségügyben csak korlátozottan alkalmazhatóak ezek a modern megoldások. Lehetséges főbb kutatási irányok és célok megfogalmazása: • alkalmazott mesterséges intelligencia az orvostechnikai eszközök fejlesztésében; • eXplainable AI az egészségügyben: a modell döntésének indoklása, a következtetés levezetése; • selective bias szerepe az orvoslásban. |
| Dr. Legeza Dénes | A szellemi tulajdoni stratégia szerepe az innováció- és brandvédelemben | Napjainkban a kutatás-fejlesztést és az innovációt tekintjük a gazdaság motorjának, azonban a jó ötletek önmagukban nem elegendők a fejlesztési projektek véghezviteléhez és az eredmények kereskedelmi hasznosításához. Érdemes ágazatonként és intézménytípusonként eltérő üzleti és szellemi tulajdoni stratégiát felállítani, hogy az adott termékek és szolgáltatások között versenyelőnyre tehessünk szert. A globális termelési láncok, a több kontinensen jelenlévő gazdasági tevékenység, vagy a vállalatcsoporton belül országok között megosztott K+F, gyártási, marketing vagy szellemi tulajdoni engedélyezési tevékenységek okozta kihívások tudományos igényű kutatásokra alapozott megválaszolása a szellemi tulajdon területén is elengedhetetlen a közgazdasági, műszaki-technikai, szociológiai vagy jogi megoldások kínálta lehetőségek feltárásával. Lehetséges főbb kutatási irányok és célok megfogalmazása: • kvantitatív és kvalitatív módszerekkel felmérni egyes ágazatok iparjogvédelmi / kutatás-fejlesztési információszerzési gyakorlatát, • feltárni a nagyszámú szellemi tulajdoni oltalmakkal és kimagasló innovációs teljesítménnyel bíró országok/vállalatok jó gyakorlatát, • a különböző innovációs és szellemi tulajdoni indexek módszertanának elemzése, • a vállalati és vagy tanúsító védjegyek (márkák, brandek) szerepének gazdasági elemzése. |
| Dr. Legeza Dénes | A szellemi tulajdon új kihívásai | Az elmúlt néhány év technológiai fejlődése jelentős kihívások elé állította a szellemi tulajdon intézményrendszerét. A mesterséges intelligencia (AI), a mélytanulási (deep learning) rendszerek, a blokklánc technológia vagy a nem helyettesíthető zsetonok (NFT, non-fungible token) mind olyan kérdéseket vetnek fel, amelyek alapjaiban változtathatják meg a feltalálóról vagy a szerzőről kialakult évszázados elméleteket és ugyancsak átalakíthatják a vállalatok és szellemitulajdon-védelmi intézmények működését. E problémafelvetésre elsődlegesen multidiszciplináris kutatásokkal érdemes válaszolni, hiszen bármelyik ponton avatkozunk is be a jelenleg fennálló rendszerbe, annak jogi, közgazdasági, társadalmi és műszaki-technikai következményei lehetnek. Lehetséges főbb kutatási irányok és célok megfogalmazása: • mesterséges intelligencia feltalálói és/vagy alkotói tevékenységének algoritmus-szintű megismerése, elemzése, • az AI és deep learning rendszerek hasznosíthatóságának vizsgálata az iparjogvédelmi információszerzésben és az innovációs folyamatok hatékonyság-növelésében, • az AI alkalmazásának lehetősége dizájn- és védjegykutatási projektekben (pl. képfelismerő és szemantikai vizsgálat), • az AI, NFT és blokklánc technológiák joggazdasági (law and economics) elemzése. |
| Prof. Dr. Takács Márta | Innovációs lépéseket támogató klaszterezési eljárások – idősorok vizsgálata | Az egészségügyben, de más területeken is szükségszerű innovációs eljárások bevezetését megelőzően a rendszerparaméterek viselkedésének elemzésére kerül sor. A paraméterek időbeli változását idősorokkal jellemezve a viselkedésükben fellelhető hasonlóság alapján klaszterekbe sorolhatjuk ezeket az idősorokat. Az egy adott klaszterbe tartozó idősorok alapján felismerhetők lesznek az alapvető trendek és viselkedési formák a rendszeren belül. A további kutatás célja, hogy olyan módszer kerüljön kidolgozására, amely a vizsgált, modellezett problémakör további jellemző paramétereit, paraméterértékeit társíthatja egy-egy klaszterhez. Az ezek között fellelhető törvényszerűségek alapján a modellezett rendszer anomáliáira, hiányosságaira mutathatunk rá, segítve ezzel azokat a területeket, ahol innovatív változtatásokra van szükség a rendszeren belül. Lehetséges főbb kutatási irányok és célok megfogalmazása: • klaszterezési eljárások az innováció folyamatában, • módszertani innovációk, az innovációs lépéseket támogató statisztikai módszerek terén. |
| Prof. Dr. Takács Márta | Innovációs eljárás paramétereinek összefüggését modellező kognitív térképek elemzése | Egy rendszer paramétereinek statikus kapcsolatrendszerét, továbbá a kapcsolati irányokat és erősségeket modellező kognitív térkép a tanuló eljárások futtatásával előre jelezheti egy-egy innovációs lépés, módosítás hatását a rendszer további paramétereire. A bizonytalanságot kezelő fuzzy alapú kognitív térkép minőségi paraméterértékek kezelésére is alkalmas, vizualizálási szempontok szerint pedig felhasználó-közeli megjelenítést biztosít az innovációs eljárás aktorai számára. A kutatás célja, hogy az innovatív eljárás bevezetése előtti rendszerben feltérképezze a paramétereket (koncepciókat), felállítsa a megfelelő fuzzy kognitív térképet, majd előre-jelezze a kölcsönhatások alapján az innováció után megújuló rendszerparaméterek illetve kapcsolati súlyok értékeit. Olyan algoritmus kialakítása a cél, amely felhasználva a hasonló struktúrájú fuzzy kognitív térképek ismérveit, mértéket ad azok hasonlóságának becslésére, és szükség szerint új koncepciók interpolálására is alkalmas a hasonló struktúra és a tanítási eljárások alapján. Lehetséges főbb kutatási irányok és célok megfogalmazása: • fuzzy kognitív térképek alkalmazhatósága az innovációs folyamatban, • tanítási eljárások, mesterséges intelligencia szerepe az innovációs folyamatban. |
| Dr. Varga János | Az innováció versenyképesség formáló ereje a szervezeteknél és a gazdaságban | Az innováció a versenyképesség alapja, ugyanakkor sohasem öncélú tevékenység. A kutatómunka során vizsgálható, hogy mit tekintünk innovációnak és innovatív cégnek, illetve hogyan mérhetjük az innovációt. Ki lehet tekinteni arra a mikro- vagy makrokörnyezetre, amely az innovációs hajlandóságot befolyásolhatja. Az innováció mellett hangsúlyos figyelmet kaphat a K+F és minden olyan tevékenység, amely képes hatékony módon hozzájárulni az értékteremtési folyamatokhoz. Az innováció feltételei mellett annak folyamatát, majd rövidebb vagy hosszabb távú következményeit (outcome) is elemezni lehet. A kutatási téma magában foglal minden olyan kapcsolódó területet, amely összefüggésbe hozható az innovációval, annak menedzsmentjével vagy megvalósításával. Az innováció vizsgálata kiterjedhet nemzetgazdasági szintre, ahol elemezhető a nemzeti innovációs rendszer, az országok innovációs teljesítménye vagy kapacitása. Össze lehet hasonlítani az egyes országok innovációs teljesítményeit. Foglalkozni lehet olyan tényezőkkel is, mint például a szabadalmak, szellemi tulajdon, vagy a nemzeti K+F stratégiák. Vállalati és intézményi szinten vizsgálható az innovációs intenzitás, az innovációs projektek jellemzői, az innováció irányítása, vezetése és kultúrája. Összehasonlításokat lehet végezni, benchmarking és best practice példákat lehet felállítani. A kutatások során minden fókuszba állítható, amely az innovativitással szorosan összefüggésbe hozható. Lehetséges főbb kutatási irányok és célok megfogalmazása: • az innováció versenyképességre gyakorol hatásának vizsgálata a gazdaság különböző szektoraiban, • az egyes országok innovációs szintjének összehasonlítása, az innováció politika hatékony módszertani módszereinek azonosítsa, a transzferálhatóság elemzése. |
| Dr. habil. Szigeti Orsolya | A marketing szerepe az innovációs folyamatban | Napjainkban a vállalati versenyképesség, és a társadalmi, gazdasági kihívásokra való hatékony reagálás egyik kulcselemeként definiálják az innovációt, mint a szervezetek versenyelőnyének egyik kulcsfontosságú tényezőjét. A marketinget gyakran az új termékek sikeres piacra vitelének felelőseként határozzák meg a vállalati stratégiában, pedig a marketingszemléletnek és módszereinek az innovációs folyamat minden lépésében meg kell jelennie az ötletgenerálástól a piaci bevezetésig. Ennek oka, hogy a sikeres innovációk a vevőhaszonra, a vevői előnyre és a hatékony piacra vitelre koncentrálnak. A sikeres innovációkat megvalósító vállalatok azt vallják, hogy az innováció nem egyszerűen műszaki, technológiai kérdés, hanem alapvetően marketingfeladat , s ebből következően piacorientált modellként kezelik. A kutatási téma az innovációs folyamat piacorientált, komplex megközelítését vizsgálja, amelynek keretében tudományos oldalról elemzésre kerül hogyan integrálható a piac, a vevők, célcsoportok az innovációs folyamatba. A kutatás célja az innováció megjelenésének és a marketing szerepének feltárása a vállalati stratégiában, valamint az innováció és a marketing kapcsolatának elemzése. Lehetséges kutatási irányok megfogalmazása: • vállalkozások marketing tevékenységének szervezeti innovációban betöltött szerepe, • vállalati innovációk piaci megalapozottsága és vevői megítélése. |
| Dr. habil. Szigeti Orsolya | Egészségorientált fogyasztói magatartásra alapozott marketinginnovációk | Az egészség és wellness globális trendjének terjedése Magyarországon is érzékelhető változást hozott mind a vállalati kínálati kategóriákat tekintve, mind a fogyasztói magatartásban. A gazdasági környezet és a fogyasztói elvárások folytonos változása ezen a téren is szükségessé teszi a vállalatok részéről a gyors reagálást, amelyben az innovatív megoldások növekvő szerephez jutnak. A kutatási téma a vállalati versenyképességet javító innovációs tevékenységre koncentrál, ezen belül is kiemelten a marketinginnovációkkal foglalkozik. Az egészséges életvitelhez kapcsolódó marketinginnovációk kutatására és megítélésének vizsgálatára nem csak a termékek és szolgáltatások körében, hanem az értékesítési csatornákban és a marketingkommunikáció terén is sor kerül. A kutatás célja az egészségorientációhoz kapcsolódó innovatív megoldások feltárása, vállalati megalapozottságának vizsgálata, valamint piaci fogadtatásának elemzése. A kutatás keretében feltárható, hogy a marketinginnovációkkal hogyan alakítható, vagy erősíthető meg az egészségtudatos életmód. Lehetséges kutatási irányok megfogalmazása: •egészségorientált fogyasztói magatartásra alapozott vállalati innovációk marketing vonatkozásai, •vállalati marketinginnovációk piaci megítélése, •marketinginnovációk hatása az egészségorientált fogyasztói magtartásra. |
| Angyalné Dr. Alexy Márta | A menedzsment hatékonyságának innovatív növelése a precíziós állattartásban: állatok viselkedésének elemzése mesterséges intelligencia modellek alkalmazásával | Az utóbbi években az élelmiszer előállítási folyamatokban egyre hangsúlyosabb szerepet kapnak a digitális adatok és azok mesterséges intelligencia modellekkel való elemzésével létrehozható, a menedzsment döntését támogató informatikai rendszerek. A nagyüzemi állattartásban a jövedelmezőség megtartása és növelése a káros hatások csökkentése mellett, új, korszerű megoldások alkalmazását teszi szükségessé. Az innovatív precíziós állattartási technológiák (Precision Livestock Farming, PLF) alkalmazásával lehetővé válik az intenzív, nagyüzemi állattartási rendszerekben a környezeti paraméterek és az állatok egyedeiről gyűjthető digitális adatok képezte adatbázis adattudományi módszerekkel való elemzésével az állati termékek előállítási folyamatának optimalizálása. A hústermelés során felhasznált inputanyagok (takarmány, energia) árának robbanásszerű megemelkedése, a megfelelő mennyiségű és minőségű emberi munkaerő egyre nagyobb hiánya szükségessé teszi a digitális megoldások alkalmazását, a tartástechnológia automatizáltsági szintjétől függetlenül. A digitális megoldások sikeréhez a nagyüzemi állattartás körülményeit és a haszonállatok tulajdonságait és viselkedését mélyrehatóan ismerni kell. A szakirodalomban elsősorban ún. modellkísérleti eredményeket találunk. Ezek a kutatások értékesek, de az ezekben közölt tények teljes mértékben nem adaptálhatóak a valós gazdálkodási gyakorlatba, mert a mérési és elemzési pontosság nagyüzemi körülmények között jelentősen lecsökken. Ezért van szükség olyan kutatási módszertanok kidolgozására, amelyekkel nagyüzemi körülmények között lehet elérni megbízható és hiteles eredményeket. Az ezekből generált információ jelent igazán hozzáadott értéket az állattartó számára. A PLF-kutatások az agrártudományon belül az állattenyésztés tudomány számára olyan új összefüggéseket tárhatnak fel, amely mind a gazdasági haszonállatok viselkedésének, a környezeti változásokra adott válaszainak jobb megértését jelentik. Ezen új tudományos eredmények segítségével a takarmányok hasznosulása, az állatok jólléte javítható. Az állattartás komplex rendszerének gépi tanulási és mesterséges intelligencia módszerekkel való mélyebb elemzése és megértése módosíthat az eddigi ajánlórendszereken. A nagy adatsorok közötti, eddig hagyományos elemzési módszerekkel nem feltárt összefüggések az állattenyésztési tudomány (genetika, takarmányozás, etológia) tudását gyarapítják. Az informatika tudományos módszertanának nem csupán adaptálását, hanem új adatgyűjtési módszerek, új elemzési eljárások kidolgozását igénylik. |
| Seyedali Mirjalili | Innovative Predictive Data Modelling via Evolutionary Machine Learning | Predictive data modelling via evolutionary machine learning is a hot research area that involves using advanced machine learning techniques and evolutionary computation to create predictive models for complex data sets. Evolutionary computation can be coupled with machine learning techniques in several different ways to optimize the models, allowing them to accurately predict future events even in the face of complex and uncertain data. The goal here is to develop optimized algorithms that can identify patterns in the data and use those patterns to make accurate predictions. Applicants should hold a Master’s degree in Computer Science, Engineering, Statistics, Mathematics, or related fields. We prefer the candicate to have a strong record of academic achievement, including publications in top-tier conferences/journals. Candidates are expected to have a background in machine learning and evolutionary algorithms along with solid writing and programming skills. Key responsibilities of the successful candidate include: • Conducting deep research • Coding in MATLAB and Python • Extending current algorithms and developing novel techniques • Writing journal papers in top-tier journals • Presenting findings at international conferences |
| Seyedali Mirjalili | Applied optimization and machine learning in engineering problems | Applied optimization and machine learning in engineering problems is an exciting research area that involves the application of advanced optimization techniques and machine learning algorithms to solve complex engineering problems. By combining the power of optimization and machine learning, we aim to develop innovative approaches that can effectively optimize engineering systems, improve their performance, and enhance decision-making processes. The application areas are mainly in economics, management, trasporations and logistics, and health. Applicants should hold a Master’s degree in Computer Science, Engineering, Statistics, Mathematics, or related fields. We prefer the candicate to have a strong record of academic achievement, including publications in top-tier conferences/journals. Candidates are expected to have a background in machine learning and evolutionary algorithms along with solid writing and programming skills. Key responsibilities of the successful candidate include: • Conducting deep research • Coding in MATLAB and Python • Extending current algorithms and developing novel techniques • Writing journal papers in top-tier journals • Presenting findings at international conferences |
| Seyedali Mirjalili | Applied Generative Artificial Intelligence for Solving Industrial Challenges | This PhD position aims to investigate and develop advanced generative artificial intelligence (AI) techniques for addressing real-world industrial problems. The project focuses on the application of generative AI models, such as generative adversarial networks (GANs), variational autoencoders (VAEs), and deep reinforcement learning, to tackle complex challenges faced by various industries. The research will involve exploring the potential of generative AI in generating synthetic data, simulating industrial processes, optimizing production workflows, enhancing product design and customization, and improving predictive maintenance and anomaly detection systems. The candidate will collaborate closely with industry partners to identify specific problem domains and develop tailored solutions that can effectively augment existing industrial practices. The PhD candidate will be responsible for conducting in-depth literature reviews, designing and implementing novel generative AI algorithms, evaluating their performance on real-world industrial datasets, and analyzing the impact of these techniques on enhancing efficiency, productivity, and decision-making processes. The research will also involve exploring ethical considerations and ensuring the responsible deployment of generative AI models in industrial settings. The ideal candidate for this position should have a strong background in machine learning, deep learning, and computer vision, with experience in generative AI techniques being advantageous. Proficiency in programming languages such as Python, familiarity with popular deep learning frameworks, and a strong aptitude for research and problem-solving are essential. The candidate will work within a dynamic and collaborative research environment, collaborating with industry partners, and contributing to the advancement of applied generative AI for solving industrial challenges. This PhD position offers an exciting opportunity to contribute to cutting-edge research and bridge the gap between academic advancements and industrial applications. The findings from this project will have significant implications for various sectors, including manufacturing, energy, healthcare, and transportation, among others. |
| Amir H Gandomi | Innovative Nature-inspired Computation for Engineering Design Optimization | Nature-inspired computation for engineering design optimization is a rapidly growing research area that draws inspiration from natural systems to solve complex engineering design problems. By leveraging principles from biology, physics, and other natural sciences, researchers are developing algorithms and techniques that can optimize designs for a wide range of applications, from aircraft and automotive engineering to civil engineering and robotics. Nature-inspired computation methods are used to simulate the behavior of natural systems and find the best possible solutions to engineering problems. This approach has the potential to revolutionize the way we design and optimize complex systems, leading to more efficient, effective, and sustainable engineering solutions. During the course of this project, we intend to extend and use nature-inspired optimization techniques for engineering design optimization problems. This project aims to evaluate and adapt different innovative algorithms for constrained engineering optimization problems. Furthermore, this project will couple different constraint-handling schemes with different optimization algorithms in order to handle constraints engineering optimization problems. Applicants should hold a Master’s degree in Computer Science, Engineering, Statistics, Mathematics, or related fields. Having a record of academic achievement, such as publications in top-tier conferences/journals, is recommended but not mandatory. Candidates are expected to have a strong background in machine learning along with solid writing and coding skills. Key responsibilities of the successful candidate include: • Conducting deep research • Coding in MATLAB and Python • Extending current algorithms and developing novel techniques • Writing journal papers in top-tier journals • Presenting findings at international conferences |
Privacy Overview
