طراحی سامانه تعاملی گزارش دهی مالی شهرداری اراک با رویکرد هوش مصنوعی قابل تفسیر (XAI)

در عصر دیجیتال، شفافیت مالی شهرداری ها دیگر تنها به معنای انتشار اسناد بودجه نیست، بلکه به عنوان یک فرآیند تعاملی و قابل درک برای شهروندان تعریف می شود. شهرداری اراک، همچون بسیاری از شهرداری های متوسط ایران، با وجود اقدامات اولیه در زمینه الکترونیک سازی گزارش های مالی، همچنان با چالش هایی چون پیچیدگی فنی داده ها، عدم درک شهروندان از زبان تخصصی مالی، و فقدان مکانیزم های پاسخگویی تعاملی مواجه است. این پژوهش با رویکرد کاربردی-توسعه ای، سامانه ای نوین برای گزارش دهی مالی شهری ارائه می دهد که بر پایه تلفیق هوش مصنوعی قابل تفسیر (Explainable AI) و اصول شفافیت سه گانه (دسترسی، درک پذیری، پاسخگویی) طراحی شده است. در این سامانه، از الگوریتم XGBoost برای مدل سازی روابط بین درآمدها، هزینه ها و متغیرهای کمی/کیفی شهری استفاده شده و خروجی مدل با تکنیک SHAP (Shapley Additive Explanations) به صورت تعاملی تفسیر می شود. سپس واسط کاربری تحت وبی توسعه یافته است که به شهروندان این امکان را می دهد تا با فشردن «دکمه چرا؟»، دلایل تغییرات بودجه ای را به زبان ساده و با نمودارهای بصری ببینند. داده های مورد استفاده از سامانه های مالی شهرداری اراک در بازه زمانی ۱۳۹۸ تا ۱۴۰۴ جمع آوری شده اند. نتایج آزمایش ها نشان می دهد که مدل XGBoost-SHAP با دقت ۹۲.۷% می تواند تخصیص هزینه های عملیاتی را پیش بینی کند و بیش از ۷۸% شهروندان آزمایشی (n=۱۵۰) قادر به درک عوامل موثر بر هزینه های شهری شدند. این پژوهش نشان می دهد که هوش مصنوعی قابل تفسیر نه تنها ابزاری برای کارایی داخلی، بلکه اهرمی برای افزایش اعتماد عمومی و مشارکت شهروندی در حکمرانی شهری است. همچنین، استفاده از ابزارهای منبع باز (Python, PostgreSQL, Streamlit) و عدم وابستگی به زیرساخت های پرهزینه، این مدل را به الگویی قابل تعمیم برای شهرداری های متوسط در ایران تبدیل می کند.

کلیدواژه ها:

هوش مصنوعی قابل تفسیر ، XGBoost ، SHAP ، شفافیت مالی شهری ، گزارش دهی تعاملی ، شهرداری اراک ، حکمرانی شهری ، مشارکت شهروندی