نقش الگوریتمهای پیشبینی در بهبود سیاستهای رفاهی و مقابله با فقر در دولتهای دیجیتال

در عصر تحول دیجیتال دولتها با تکیه بر فناوریهای نوظهور در حال بازطراحی سازوکارهای سیاستگذاری اجتماعی و رفاهی هستند. یکی از مولفههای کلیدی این تحول، بهره گیری از الگوریتمهای پیش بینی برای شناسایی گروههای آسیب پذیر و بهینه سازی تخصیص منابع حمایتی است. هدف پژوهش حاضر تحلیل نقش الگوریتمهای پیشبینی در بهبود اثربخشی سیاست های رفاهی و مقابله نظام مند با فقر در بستر دولتهای دیجیتال است. این مطالعه با رویکردی تحلیلی-نظری و با استفاده از روش مرور نظام مند، ادبیات به بررسی مبانی نظری دولت دیجیتال، انواع مدلهای یادگیری ماشین در حوزه سیاست گذاری اجتماعی و چالش های فنی و اخلاقی استفاده از این الگوریتمها پرداخته است. افزون براین با بهره گیری از تحلیل تطبیقی، تجربیات کشورهای پیشرو همچون استونی، انگلستان و شیلی در پیاده سازی سیاست های رفاهی داده محور مورد بررسی قرار گرفته اند. یافته های پژوهش نشان می دهد که الگوریتمهای پیشبینی می توانند با افزایش دقت در شناسایی خانوارهای در معرض فقر، کاهش اتلاف منابع عمومی و ارائه خدمات رفاهی متناسب با نیاز واقعی افراد، به ارتقای اثربخشی و عدالت در سیاست گذاری کمک شایانی نمایند. در عین حال استفاده از این الگوریتمها بدون ملاحظات، شفافیت، تفسیر پذیری، حق اعتراض و مشارکت شهروندی، ممکن است منجر به بازتولید تبعیض، کاهش مشروعیت و بی اعتمادی اجتماعی گردد. نتایج پژوهش حاکی از آن است که موفقیت سیاست های رفاهی الگوریتمی، در گروی طراحی مدلهای منصفانه، ایجاد نهادهای ناظر مستقل و تقویت چارچوب های اخلاقی و حقوقی حکمرانی داده محور است. این پژوهش بر اهمیت تلفیق توانمندی های فنی با اصول عدالت اجتماعی و حکمرانی شفاف در عصر دولت دیجیتال تاکید می ورزد.

کلیدواژه ها:

الگوریتمهای پیش بینی ، سیاست ، رفاهی ، فقر ، دولت دیجیتال ، عدالت الگوریتمی