طراحی چارچوب حاکمیتی ترکیبی انسان-هوش مصنوعی برای تصمیم گیری پاسخ گو در مدیریت زیرساخت های شهری (مطالعه موردی: شهرداری تبریز)

شهرداری ها با محدودیت منابع و افزایش فشار برای ارائه خدمات زیرساختی، به ابزارهای هوش مصنوعی به ویژه مدل های زبانی بزرگ روی آورده اند. با این حال، شواهد تجربی نشان می دهد که شکاف قابل توجهی میان توانایی های تحلیلی این سیستم ها و آمادگی حاکمیتی برای استفاده پاسخ گو از آنها وجود دارد. پژوهش حاضر با هدف طراحی چارچوب حاکمیتی ترکیبی انسان-هوش مصنوعی برای تصمیم گیری پاسخ گو در مدیریت زیرساخت های شهری (مطالعه موردی: شهرداری تبریز) انجام شده است.روش پژوهش از نوع توصیفی-تحلیلی و پیمایشی با رویکرد آمیخته (کمی-کیفی) است. جامعه آماری شامل مدیران و کارشناسان شهرداری منطقه هشت تبریز (۴۵ نفر)، متخصصان هوش مصنوعی و داده کاوی (۳۰ نفر)، شهروندان (۴۰۰ نفر) و نمایندگان سازمان های مردم نهاد (۱۵ نفر) می باشد. داده های کمی از طریق پرسشنامه محقق ساخته با پایایی ۰.۹۲۴ (آلفای کرونباخ) گردآوری شد. برای تحلیل داده ها از روش های همبستگی پیرسون، رگرسیون چندگانه، مدل سازی معادلات ساختاری (PLS-SEM)، تکنیک دلفی و تحلیل سلسله مراتبی فازی (FAHP) استفاده شد.یافته های پژوهش نشان می دهد که هر سه فرضیه پژوهش تایید شده اند. چارچوب ترکیبی با ضریب همبستگی ۰.۶۸۶ بر پاسخگویی تصمیم گیری تاثیر دارد و شفافیت الگوریتمی (ضریب بتا ۰.۳۵۴) بیشترین سهم را ایفا می کند. چارچوب ترکیبی با ضریب همبستگی ۰.۶۵۲ بر کارایی مدیریت زیرساخت ها تاثیر مثبت دارد. مدل معادلات ساختاری با شاخص های برازش مطلوب (GOF=۰.۵۸۶، CFI=۰.۹۵۴، SRMR=۰.۰۴۴) نشان داد که چارچوب ترکیبی از طریق کیفیت داده ها و اعتماد نهادی بر پاسخگویی تاثیر می گذارد. در حوزه های دارای تصمیم گیری مبتنی بر داده، زمان پاسخ گویی به درخواست ها ۳۴.۶ درصد کاهش یافته است. تکنیک دلفی با ضریب توافق ۰.۹۲، ۲۸ مولفه را در پنج بعد اصلی تایید کرد که «شفافیت الگوریتمی» با وزن ۰.۲۸۴ بالاترین اولویت را دارد.نتایج پژوهش نشان می دهد که چارچوب حاکمیتی ترکیبی انسان-هوش مصنوعی، راهبردی چندبعدی برای ارتقای پاسخگویی، افزایش کارایی، بهبود شفافیت و تقویت مشارکت شهروندان در مدیریت زیرساخت های شهری محسوب می شود. پیاده سازی این چارچوب نیازمند تدوین سیاست های شفافیت الگوریتمی، ایجاد مکانیزم های نظارت انسانی، تقویت مشارکت شهروندان و یکپارچه سازی داده های شهری است.