Resumen

Según la teoría que el grado de educación de los trabajadores en economía educativa tiene una cierta relación positiva con la productividad laboral social, se utilizan el sistema difuso y el mecanismo de modelado de redes neuronales para establecer la difuminación del nivel educativo de los trabajadores hacia la productividad social (ingreso nacional per cápita). Este artículo combina la teoría difusa y la teoría de redes neuronales para construir un modelo empírico para el análisis de la contribución de la economía educativa y llevar a cabo un análisis empírico de datos estadísticos de 2010 a 2020. El análisis muestra que existe una gran correlación entre los años de educación per cápita y el PIB per cápita, especialmente el número de estudiantes universitarios por millón de personas tiene una mayor correlación con el PIB per cápita. Esto confirma plenamente que el crecimiento económico depende cada vez más de la educación, especialmente la educación superior. El cuerpo principal de este artículo es la mejora del modelo de medición y el cálculo de la contrib

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Educación; Productividad laboral social; Sistema difuso; Modelado de redes neuronales; Ingreso nacional per cápita; Crecimiento económico
• Keywords:Education; Social labor productivity; Fuzzy system; Neural network modeling; Per capita national income; Economic growth