سامانه ی مفهومی شناسائی نشانه های ضعیف فناوری
محل انتشار: دوفصلنامه آینده پژوهی ایران، دوره: 10، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 104
فایل این مقاله در 38 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIFS-10-1_001
تاریخ نمایه سازی: 19 مهر 1404
چکیده مقاله:
هدف: در این پژوهش کمک به توسعه ی ابعاد سیستمی شناسائی «نشانه های ضعیف» مورد توجه بوده است. بر این اساس در چهارچوب نظری سیستم های اجتماعی-فنی و تلفیق روش شناسی سیستم های نرم و سیستم های مانا، طراحی مفهومی سامانه ی شناسائی نشانه های ضعیف تغییر در حوزه ی فناوری در یکی از سازمان های دولتی ایران، مطالعه شده است. روش: این پژوهش از حیث روش شناسی یک پژوهش کیفی و با توجه به مورد مطالعاتی منتخب در این تحقیق یک پژوهش کاربردی-توسعه ای محسوب می شود. در این پژوهش بر پایه ی روش شناسی ترکیبی مینجرز از روش شناسی ترکیبی SSM-VSM در طراحی سامانه اجتماعی-فنی شناسائی نشانه های ضعیف بهره گرفته شد. از روش های کتابخانه ای و روش های خبرگانی، مصاحبه عمیق و پانل خبرگان جهت گردآوری داده های کیفی و همچنین از رویکرد چارت به عنوان رویکرد تکاملی در طراحی، استفاده شد.یافته ها: اهمیت و جایگاه راهبردی «نشانه های ضعیف» در سازمان های ایرانی مغفول است و مدیران ایرانی در تصمیم گیری های راهبردی، کم تر به شناسائی نشانه های ضعیف و تحلیل پیامدهای آن متکی هستند. سازمان های ایرانی برای شناسائی نشانه های ضعیف نیازمند توسعه و تقویت زیرساخت های اجتماعی-فنی هستند و براین اساس طرح مفهومی ساختاری، کارکردی و فرآیندی سامانه در این پژوهش ارائه شده است. نتیجه گیری: شناسائی و اکتشاف نشانه های ضعیف تغییر علاوه بر رویکردهای ماشینی یعنی توسعه ی هوش مصنوعی و یادگیری عمیق، بطور بنیادین و اساسی نیازمند توسعه و بکارگیری شبکه ی خبرگانی متشکل از شبکه ی رسمی و مجازی در سازمان های ایرانی است. دیده بانی فناوری مستلزم توسعه و تقویت زیرساخت های سیستمی و بویژه سیستم های اجتماعی-فنی است.
کلیدواژه ها:
نویسندگان
ابوذر سیفی کلستان
دانشگاه عالی دفاع ملی، پژوهشکده آماد، فناوری و عرصه های نوپدید، تهران، ایران
ناصر پورصادق
استاد، دانشگاه عالی دفاعی ملی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :