طراحی الگوی پذیرش هوش مصنوعی در حکمرانی هوشمند با استفاده از رویکرد فراترکیب

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 25

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIPAT-18-1_009

تاریخ نمایه سازی: 4 خرداد 1405

چکیده مقاله:

هدف: یکی از مفاهیمی که در سال های اخیر در راستای تحول دولت ها و حرکت به سوی دولت هوشمند مطرح شده است، مفهوم پذیرش هوش مصنوعی در قالب حکمرانی هوشمند است. شناسایی عوامل موثر بر پذیرش هوش مصنوعی در حکمرانی و دولت های هوشمند، می تواند نقشه راهی برای طراحی و اجرای خط مشی های موثر باشد. یکی از اهداف حکمرانی هوشمند، ایجاد رضایت در میان همه ذی نفعان جامعه است؛ به ویژه، در مواجهه با چالش هایی نظیر رشد جمعیت، بحران های متعدد و پیچیدگی های مدیریتی، نقش محوری ایفا می کند. این پژوهش تلاش دارد تا با استفاده از رویکرد فراترکیب، چارچوبی جامع برای پذیرش هوش مصنوعی در حکمرانی هوشمند طراحی کند. این چارچوب با هدف شناسایی، تحلیل و طبقه بندی مولفه ها و عوامل مرتبط با پذیرش فناوری های نوین، به حکمرانی کمک می کند تا از ظرفیت های هوش مصنوعی در همه ابعاد طراحی، مدیریتی و اجرایی بهره مند شود. همچنین، این مطالعه، در پی آن است که از طریق مرور پژوهش های پیشین، راه حل هایی جامع برای بهره برداری بهینه از اطلاعات و داده ها ارائه دهد و زمینه را برای پژوهش های آتی فراهم کند. روش: رویکرد پژوهش حاضر کیفی است و برای دستیابی به اهداف پژوهش از روش فراترکیب استفاده شده است. این روش، بر پایه مدل پیاز پژوهش ساندرز و همکاران شکل گرفته که یکی از روش های رایج و معتبر در پژوهش های کیفی، برای ترکیب سامان مند یافته های پیشین است. در این پژوهش، به منظور بررسی عوامل مرتبط با پذیرش هوش مصنوعی در حکومت، منابع علمی معتبری شامل ۱۱۲۳ مقاله و کتاب از پایگاه های داده خارجی، بررسی شده است. منابع بر اساس معیارهای ورود و خروج مشخص و با تمرکز بر اطلاعات و داده های مرتبط با حکمرانی هوشمند و عوامل ضروری پذیرش فناوری انتخاب شدند. داده های این پژوهش از منابعی استخراج شدند که بین سال های ۲۰۱۵ تا ۲۰۲۵ میلادی، در معتبرترین پایگاه های علمی منتشر شدند. نتایج حاصل از این تحلیل سامان مند، به ارائه یک مدل جامع برای پذیرش هوش مصنوعی، بر پایه ترکیب یافته های کیفی و شناسایی مولفه های محوری منجر شد. یافته ها: یافته ها نشان می دهد که چارچوب جامع و یکپارچه پذیرش موفق هوش مصنوعی در حکمرانی هوشمند، چهار لایه اصلی را دربرمی گیرد: ۱. لایه اطلاعاتی: زمینه فناوری؛ ۲. لایه نهادی: زمینه سازمانی؛ ۳. لایه ارزشی: زمینه محیطی؛ ۴. لایه کنشی: ظرفیت جذب. مهم ترین مولفه های شناسایی شده در این پژوهش عبارت اند از: زیرساخت های دیجیتال، حکمرانی و امنیت داده و شفافیت الگوریتمی در لایه اطلاعاتی؛ فرهنگ سازمانی نوآورانه، رهبری تحول گرا و آموزش و توانمندسازی کارکنان در لایه نهادی؛ چارچوب های قانونی، فشارهای رقابتی و خواسته های شهروندان در لایه ارزشی و در نهایت، قابلیت های پویا و سازوکارهای اشتراک دانش در لایه کنشی. نتیجه گیری: پژوهش حاضر با هدف طراحی الگوی پذیرش هوش مصنوعی در حکمرانی هوشمند انجام شد و نتایج آن نشان می دهد که پذیرش موفق این فناوری، مستلزم فراهم سازی زیرساخت های دیجیتالی، تدوین خط مشی های حمایتی، توسعه فرهنگ دیجیتال، تقویت مهارت های انسانی و نظارت بر فرایندهای هوش مصنوعی است.

نویسندگان

امیررضا مومنی

دانشجوی دکتری، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

نورمحمد یعقوبی

استاد، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

سیدعلیقلی روشن

دانشیار، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

علی اصغر پورعزت

استاد، گروه خط مشی گذاری عمومی، دانشکده علوم اداری و سازمانی، دانشکدگان مدیریت، دانشگاه تهران، 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 :
  • کاربست هوش مصنوعی در بخش دولتی (مطالعه ای فرا ترکیب) [مقاله ژورنالی]
  • ReferencesAboelmaged, M. & Mouakket, S. (۲۰۲۰). Influencing models and determinants ...
  • Criado, J.I. and Gil-Garcia, J.R. (۲۰۱۹). Creating public value through ...
  • Dulam, N., Gade, K. R. & Gosukonda, V. (۲۰۲۲). Data ...
  • Janssen, M., Brous, P., Estevez, E., Barbosa, L. S. & ...
  • Mahmood, S., Rehman, S. U. & Ashraf, M. U. (۲۰۲۳). ...
  • Misra, S. K., Sharma, S. K., Gupta, S. & Das, ...
  • Schaefer, C., Lemmer, K., Samy Kret, K., Ylinen, M., Mikalef, ...
  • Siaw, C.A. & Ali, W. (۲۰۲۴). Substitution and complementarity between ...
  • Sun, T. Q. & Medaglia, R. (۲۰۱۹). Mapping the challenges ...
  • Tursunbayeva, A. & Gal, H. C. B. (۲۰۲۴). Adoption of ...
  • نمایش کامل مراجع