Onderzoek naar de koppeling en coördinatie van nieuwe kwalitatieve productiekrachten en toewijzing van innovatiemiddelen op basis van MLP‑neurale netwerken

Waarom de toekomst van groei afhangt van slimmer innoveren

Naarmate economieën zich haasten om concurrerend en duurzaam te blijven, zoeken overheden naar groei die niet alleen groter is, maar beter—meer innovatief, meer digitaal en klimaatvriendelijker. Deze studie onderzoekt hoe goed China zijn innovatiemiddelen—geld, talent, data en technologie—afstemt op wat het land noemt "nieuwe kwalitatieve productiekrachten": geavanceerde, groene en intelligente manieren om goederen en diensten te produceren. Door te achterhalen hoe nauw deze twee kanten op hetzelfde ritme bewegen, biedt het onderzoek aanwijzingen welke regio’s klaarstaan om te floreren in de volgende golf van economische transformatie — en welke het risico lopen achter te blijven.

Nieuwe groeimotoren, niet alleen meer van hetzelfde

Traditionele economische groei betekende vaak meer arbeid, land en energie inzetten om meer producten te maken. Nieuwe kwalitatieve productiekrachten keren dat script om. Ze leggen de nadruk op slimmer personeel, intelligente hulpmiddelen, digitale infrastructuur en schonere energie—gericht op hogere waarde met minder middelen. In deze studie zijn die nieuwe krachten in drie onderdelen opgesplitst: nieuwe arbeiders (beter opgeleide, innovatievere werknemers), nieuwe arbeidersmiddelen (robots, kunstmatige‑intelligentiebedrijven, digitale platformen en communicatienetwerken) en nieuwe arbeidsobjecten (schone energie, geavanceerde materialen en ecologische bescherming). Samen schetsen ze het beeld van een economie die minder leunt op schoorstenen en meer op chips, code en koolstofbesparende technologieën.

Innovatiemiddelen: de brandstof achter de machine

Aan de andere kant van de vergelijking staat het innovatiesysteem zelf: het kapitaal, de mensen, technologieën, kennis en data die geavanceerde groei mogelijk maken. De onderzoekers bouwen een gedetailleerd scorebord van deze middelen voor 30 Chinese provincies van 2012 tot 2022. Ze volgen uitgaven aan onderzoek en ontwikkeling, voltijds R&D‑personeel, hightechbedrijven en laboratoria, kenniscreatie en ‑verwerving, en de digitale ruggengraat van websites, dataplatforms en e‑commerce‑activiteit. De kernvraag is niet alleen hoeveel van deze middelen er zijn, maar hoe effectief ze worden ingezet om die nieuwe, hoogwaardige productiekrachten te bouwen—hoe goed de brandstof bij de motor past.

Een neuraal netwerk om verborgen patronen te lezen

Dat meten blijkt lastig. Eerdere methoden vertrouwden op eenvoudige formules die elke indicator als lineair gewogen onderdeel van een grotere score behandelden. Die kunnen subtiele, niet‑lineaire relaties missen—bijvoorbeeld de manier waarop innovatiewinsten plotseling kunnen versnellen zodra een regio een bepaalde drempel aan talent of digitale infrastructuur passeert. Om dit te overwinnen gebruiken de auteurs een dual‑tower multilayer perceptron, een type neuraal netwerk. De ene "toren" neemt de indicatoren voor nieuwe kwalitatieve productiekrachten op, de andere de indicatoren voor innovatiemiddelen. Het netwerk leert vervolgens deze twee complexe patronen op elkaar af te stemmen zonder vooraf gelabelde antwoorden, ontdekt effectief hoe nauw de twee systemen samen bewegen en produceert een coördinatiescore tussen nul en één.

Waar regio’s vooruitgaan — en waar ze achterblijven

De op neurale netwerken gebaseerde scores laten zien dat China als geheel nog in een vroege fase zit wat betreft het afstemmen van innovatie op geavanceerde productie, maar dat de coördinatie het afgelopen decennium gestaag is verbeterd. Toch is het beeld verre van homogeen. Oostelijke kustprovincies zoals Beijing, Shanghai en Guangdong vormen hoogwaardige clusters, waar geconcentreerde innovatiemiddelen en sterke digitale en groene industrieën elkaar versterken en wat de auteurs een "synergiepremie" noemen opleveren. Centrale provincies sluiten geleidelijk aan aan, geholpen door industriële upgrading. Westelijke regio’s blijven echter vaak steken op lagere coördinatieniveaus, met slechts enkele lichtpuntjes. Ruimtelijke analyse onthult duidelijke clustering: regio’s met hoge coördinatie tillen vaak hun buren mee, terwijl regio’s met lage coördinatie het risico lopen in een patroon te vervallen waar "de sterkeren sterker worden en de zwakkeren zwakker."

Hoe de toekomst zich mogelijk ontvouwt

Door te volgen hoe provincies in de loop van de tijd verschuiven tussen lage, middelmatige, hoge en zeer hoge coördinatieniveaus, vindt de studie dat verandering mogelijk maar langzaam is. Regio’s blijven meestal in hun huidige categorie; grote sprongen zijn zeldzaam. Degenen die al in de hoogste laag zitten, blijven daar bijzonder waarschijnlijk door zelfversterkende voordelen in infrastructuur, talent en beleidssteun. Wanneer een provincie omgeven is door goed presterende buren, neemt haar kans op verbetering toe dankzij kennisspillovers, gedeelde toeleveringsketens en het imiteren van succesvolle beleidsmaatregelen. Dit suggereert dat regionale samenwerking—in plaats van geïsoleerde, provincie‑voor‑provincie inspanningen—essentieel zal zijn om de voordelen van het nieuwe groeimodel te verspreiden.

Wat het allemaal betekent voor gewone mensen

Voor de niet‑expert is de belangrijkste conclusie dat de kwaliteit van toekomstige banen, inkomens en lokale leefomgevingen afhangt van hoe goed innovatiemiddelen in het dagelijkse economische leven zijn ingebed. Provincies die erin slagen onderzoeksuitgaven, geschoolde arbeidskrachten en digitale hulpmiddelen te koppelen aan schone, geavanceerde industrieën zullen waarschijnlijk veerkrachtigere groei en groenere steden zien. Wie er niet in slaagt deze elementen te coördineren, loopt het risico vast te komen zitten in laagwaardige, vervuilende sporen. Door moderne kunstmatige intelligentie te gebruiken om te detecteren waar coördinatie sterk, zwak of net opkomend is, levert deze studie een soort vroegwaarschuwingssysteem. Het wijst beleidsmakers op gerichte investeringen—in digitale infrastructuur, regionale samenwerking en slimmere toewijzing van middelen—die kunnen helpen dat meer regio’s meedelen in de opbrengsten van een hoogwaardige, door innovatie gedreven economie.

Bronvermelding: Liu, Y., Wang, L., Chen, B. et al. Research on coupling coordination of new quality productive forces and innovation resource allocation based on MLP neural networks. Sci Rep 16, 5196 (2026). https://doi.org/10.1038/s41598-026-36247-1

Trefwoorden: innovatiebeleid, regionale ontwikkeling, machine learning in de economie, digitale economie, duurzame groei