روش شناسی دلفی مبتنی بر هوش مصنوعی: رویکردی نوین در زاویه بندی پژوهش های مدیریتی
محل انتشار: فصلنامه مدیریت دولتی، دوره: 17، شماره: 4
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 2
فایل این مقاله در 29 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_JIPAT-17-4_006
تاریخ نمایه سازی: 29 دی 1404
چکیده مقاله:
هدف: هدف از این پژوهش طراحی و اعتبارسنجی روش ترکیبی نوآورانه (هیبریدی) بر پایه تلفیق تکنیک دلفی کلاسیک و قابلیت های هوش مصنوعی است و به این پرسش پاسخ می دهد که چگونه می توان از هم افزایی میان توانمندی های هوش مصنوعی و بینش انسانی، برای رفع نیازهای نوظهور پژوهشگران در حوزه تحقیق و توسعه بهره گرفت. در این راستا، پژوهش حاضر، نخستین پژوهش است که در ایران با محوریت دلفی مبتنی بر هوش مصنوعی، به توسعه چارچوب روش شناختی نوین با تکیه بر مدل های زبانی پرداخته است. روش: این پژوهش از نوع مطالعات آمیخته است که با هدف توسعه رویکردی نوین در حوزه پژوهش اجرا شده است. برای ارزیابی اعتبار این رویکرد، کاربرد آن در زمینه مربیگری بررسی شده است؛ از این رو، این مطالعه در زمره پژوهش های کاربردی قرار می گیرد. جامعه آماری این پژوهش، خبرگان انسانی و مدل های زبانی هوش مصنوعی بودند. در بخش کلاسیک، ۱۵ نفر از متخصصان حوزه منابع انسانی، مربیگری و توسعه فردی، به روش گلوله برفی انتخاب شدند. در بخش مبتنی بر هوش مصنوعی نیز، سه مدل زبانی ChatGPT، Microsoft Copilot و Gemini با نظر متخصصان و ارزیابی تطبیقی برگزیده شدند. گردآوری داده ها با استفاده از پرسش نامه و مطابق با اصول دلفی انجام شد. به منظور بررسی اعتبار داده ها، از رویکرد زاویه بندی شامل الگوریتم، محقق، داده و نظریه استفاده شد. همچنین، برای رسیدن به اشباع نظری در تعامل با مدل های زبانی، اقدام هایی مانند آموزش اولیه، بازبینی چندمرحله ای پاسخ ها و بهره گیری از قابلیت های به روزرسانی مدل ها صورت گرفت. در نهایت، به منظور سنجش هم راستایی و اختلاف میان دیدگاه های انسانی و نتایج مدل های هوش مصنوعی، از روش مقایسه میانگین زوجی استفاده شد. یافته ها: در این پژوهش، با بهره گیری از روش شناسی نوین تلفیقی، ترکیبی از دلفی کلاسیک و دلفی مبتنی بر مدل های زبانی هوش مصنوعی به کار گرفته شد تا ضمن معرفی روشی جدید در حوزه پژوهش، اولویت های توسعه فردی مدیران منابع انسانی شناسایی شود. در بخش کیفی، ارزیابی مولفه ها در سه دور دلفی کلاسیک، به اجماع قوی خبرگان با افزایش ضریب هماهنگی کندال منجر شد. در بخش کمی، مقایسه دیدگاه های خبرگان انسانی و مدل های هوش مصنوعی با استفاده از مقایسه میانگین زوجی نشان داد که تفاوت معناداری میان دو رویکرد وجود ندارد و داده ها از پایداری و قابلیت اطمینان بالایی برخوردارند. یافته ها همچنین نشان می دهد که بهره گیری از هوش مصنوعی با پرامپت نویسی هدفمند و تحلیل چرخشی، ضمن تسهیل تحلیل چندلایه داده های کیفی، باعث افزایش دقت، تنوع دیدگاه ها، کاهش خستگی پاسخ دهندگان و تسریع در دستیابی به اجماع می شود. نتیجه گیری: نتایج این پژوهش نشان می دهد که روش دلفی مبتنی بر هوش مصنوعی، توانایی چشمگیری در ارتقای کیفیت فرایندهای پژوهش و تصمیم گیری دارد. ترکیب قابلیت های پیشرفته مدل های زبانی با خرد انسانی، امکان انجام تحلیل های دقیق تر، چندبعدی و با قابلیت تکرار را فراهم می سازد. به دلیل تنوع عملکرد مدل ها، چالش هایی در همگرایی نتایج مشاهده می شود؛ اما استفاده از رویکردهای ترکیبی، راه کاری موثر برای افزایش اعتبار یافته ها محسوب می شود. همچنین، اعتبارسنجی این روش در حوزه مربیگری توسعه فردی، گواهی بر قابلیت تعمیم آن به مطالعات مدیریتی و سایر حوزه های پژوهشی است. در کل می توان گفت که این پژوهش، به صورت نوآورانه، به نحوه بهره گیری و حدود کاربرد هوش مصنوعی در فرایندهای تحقیقاتی پرداخته که تاکنون کمتر به آن توجه شده است؛ از این رو می تواند دریچه ای تازه در حوزه روش شناسی مطالعات مدیریتی بگشاید.
کلیدواژه ها:
نویسندگان
حامد دهقانان
دانشیار، گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
زهرا پورامینی
دانشجوی دکتری، گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
مهدی یزدان شناس
دانشیار، گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
ایمان رئیسی وانانی
دانشیار، گروه فناوری اطلاعات و مدیریت عملیات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، 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 :