رادار هوش مصنوعی بر نظام رفاه و تامین اجتماعی ایران؛ استخراج چالش ها و راهکارهای مرتبط با استفاده از تکنیک های پردازش زبان طبیعی

هدف: این پژوهش با بهره گیری از متن کاوی و هوش مصنوعی به شناسایی و دسته بندی چالش های نظام رفاه و تامین اجتماعی ایران می پردازد تا مبنایی برای سیاست گذاری مبتنی بر شواهد فراهم سازد. روش: این پژوهش از نوع کاربردی و با رویکرد کیفی-تحلیلی و تحلیل اسنادی انجام شده است. داده ها پس از پیش پردازش، با استفاده از روش های پردازش زبان طبیعی و مدل سازی موضوعی مبتنی بر تبدیلگرهای زبانی تحلیل شده اند. همچنین تحلیل توالی های پرتکرار واژگانی (N-gram) به منظور شناسایی مفاهیم و دغدغه های محوری متون انجام گرفته است. یافته ها: نتایج تحلیل ها منجر به شناسایی یازده چالش عمده در ابعاد حکمرانی، تحول دیجیتال، پایداری مالی صندوق ها، عدالت اجتماعی و تحولات جمعیت شناختی شد. برای هر خوشه موضوعی، مجموعه ای از راهکارهای سیاستی شامل ایجاد نهاد تنظیم گر واحد، توسعه پایگاه داده های یکپارچه و استقرار سامانه های نظارت هوشمند پیشنهاد گردید. افزون بر این، نتایج تحلیل واژگانی نشان داد مضامینی چون «سند چشم انداز»، «محرومیت چندبعدی» و «توزیع هدفمند منابع» بیشترین بسامد را داشته و با یافته های موضوع کاوی هم راستا هستند. بر پایه تجارب بین المللی نیز، سناریوهای آینده و نقشه راه اجرایی برای تقویت نظام رفاه ایران ترسیم شد. نتیجه گیری: به کارگیری روش های متن کاوی مبتنی بر هوش مصنوعی، امکان شناسایی دقیق خلاهای ساختاری و تعیین اولویت های سیاستی در نظام رفاه و تامین اجتماعی ایران را فراهم ساخته است. بر اساس یافته ها، استقرار حکمرانی داده، تقویت زیرساخت های نظارت هوشمند و طراحی برنامه های بین النسلی از مهم ترین راهبردهای دستیابی به پایداری مالی و ارتقای عدالت اجتماعی به شمار می روند.

کلیدواژه ها:

نظام رفاه و تامین اجتماعی ، پردازش زبان طبیعی ، هوش مصنوعی