تبیین تاثیر آمادگی سازمانی برای استقرار هوش مصنوعی مسئولانه بر کیفیت تصمیم گیری شهری و خلق ارزش عمومی: نقش میانجی چابکی دیجیتال و نقش تعدیل گر اعتماد به فناوری در سازمان های دولتی
محل انتشار: دومین همایش بین المللی پژوهش در عصر نوین
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 39
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IECME02_524
تاریخ نمایه سازی: 25 شهریور 1405
چکیده مقاله:
در عصر تحول دیجیتال، هوش مصنوعی به عنوان یکی از فناوری های نوپدید، ساختار حکمرانی و مدیریت شهری را دستخوش دگرگونی های بنیادین ساخته است. با این حال، استقرار هوش مصنوعی در سازمان های دولتی صرفا به زیرساخت فناورانه محدود نمی شود و نیازمند مجموعه ای از الزامات سازمانی، داده ای، انسانی، اخلاقی و مدیریتی است. رتبه جهانی ایران در شاخص آمادگی هوش مصنوعی در سال ۲۰۲۳، به ویژه در رکن دولت با امتیاز ۳۱.۵۶ از ۱۰۰، نشان دهنده فاصله قابل توجه سازمان های دولتی ایران با وضعیت مطلوب در این حوزه است. پژوهش حاضر با هدف تبیین تاثیر آمادگی سازمانی برای استقرار هوش مصنوعی مسئولانه بر کیفیت تصمیم گیری شهری و خلق ارزش عمومی، با بررسی نقش میانجی چابکی دیجیتال و نقش تعدیل گر اعتماد به فناوری در سازمان های دولتی انجام شده است.روش پژوهش از نوع توصیفی-همبستگی با رویکرد کمی و مبتنی بر مدل سازی معادلات ساختاری است. جامعه آماری شامل مدیران ارشد، مدیران میانی و کارشناسان ارشد شاغل در سازمان های دولتی (با تاکید بر شهرداری های کلانشهرها، وزارتخانه های مرتبط با مدیریت شهری و سازمان های اجرایی فعال در حوزه خدمات عمومی) در سطح کشور می باشد. حجم نمونه با استفاده از فرمول کوکران ۴۲۰ نفر برآورد گردید که با روش نمونه گیری طبقه ای-تصادفی با انتساب متناسب انتخاب شدند. ابزار گردآوری داده ها، پرسشنامه محقق ساخته با ۸۶ گویه در هفت بخش اصلی بود که روایی محتوایی آن با استفاده از نظر ۱۵ نفر از خبرگان (CVR > ۰.۷۸ و CVI > ۰.۸۵) و پایایی آن با ضریب آلفای کرونباخ ۰.۹۴۴ تایید گردید. برای تحلیل داده ها از روش های همبستگی پیرسون، رگرسیون چندگانه و مدل سازی معادلات ساختاری با رویکرد حداقل مربعات جزئی (PLS-SEM) با استفاده از نرم افزارهای SPSS نسخه ۲۸ و SMART-PLS نسخه ۴ استفاده شد. برای بررسی نقش میانجی از آزمون سوبل و برای بررسی نقش تعدیل گر از روش ضرب متقاطع در مدل سازی معادلات ساختاری بهره گرفته شد.یافته های پژوهش نشان می دهد که هر چهار فرضیه پژوهش تایید شده اند. آمادگی سازمانی با ضریب همبستگی ۰.۶۴۸ بر کیفیت تصمیم گیری شهری و با ضریب ۰.۶۲۶ بر خلق ارزش عمومی تاثیر مثبت و معنادار دارد و در میان ابعاد آمادگی سازمانی، کیفیت داده با ضریب بتای ۰.۳۲۴ و ۰.۳۱۲ بیشترین سهم را ایفا می کند. مدل معادلات ساختاری با شاخص های برازش مطلوب (GOF=۰.۵۸۶، CFI=۰.۹۵۴، SRMR=۰.۰۴۴) نشان داد که چابکی دیجیتال نقش میانجی جزئی در رابطه بین آمادگی سازمانی با کیفیت تصمیم گیری شهری (اثر غیرمستقیم ۰.۲۸۴، ۴۴.۹ درصد از اثر کل) و خلق ارزش عمومی (اثر غیرمستقیم ۰.۲۷۶، ۴۵.۱ درصد از اثر کل) ایفا می کند. همچنین، اعتماد به فناوری با ضرایب مسیر تعامل ۰.۱۹۸، ۰.۱۷۴ و ۰.۱۶۲ نقش تعدیل گر معناداری در روابط میان آمادگی سازمانی و چابکی دیجیتال و همچنین روابط میان چابکی دیجیتال با کیفیت تصمیم گیری شهری و خلق ارزش عمومی دارد. مدل مفهومی پژوهش توانسته است ۵۴.۶ درصد از تغییرات کیفیت تصمیم گیری شهری و ۵۱.۲ درصد از تغییرات خلق ارزش عمومی را تبیین کند.نتایج پژوهش نشان می دهد که آمادگی سازمانی برای استقرار هوش مصنوعی مسئولانه، نه تنها به عنوان یک پیش نیاز فنی، بلکه به عنوان یک راهبرد چندبعدی برای بهبود کیفیت تصمیم گیری شهری و خلق ارزش عمومی از طریق تقویت چابکی دیجیتال و با در نظر گرفتن نقش تعدیل گر اعتماد به فناوری عمل می کند. سازمان هایی که سطح بالاتری از اعتماد به فناوری دارند، از تاثیر آمادگی سازمانی بر چابکی دیجیتال و نهایتا بر کیفیت تصمیم گیری و خلق ارزش عمومی بهره مندتر خواهند بود. پیاده سازی موفق هوش مصنوعی مسئولانه در سازمان های دولتی نیازمند ارتقای کیفیت داده، توانمندسازی نیروی انسانی، توسعه زیرساخت های فنی، تقویت چابکی دیجیتال، افزایش اعتماد به فناوری از طریق شفاف سازی الگوریتم ها، استقرار نظام حاکمیت داده کارآمد و تدوین سیاست های شفافیت و پاسخگویی است. چارچوب «پلکان سیاست گذاری هوش مصنوعی برای شهرها» که شامل پنج پله جهان بینی، جامعه، نظام حقوقی، مدیریت شهری و مدیریت فناوری است، می تواند به عنوان مبنایی برای ارتقای کیفیت تصمیم گیری شهری مبتنی بر هوش مصنوعی مورد استفاده قرار گیرد.
نویسندگان
سیمین هوشمندراد
کارشناسی ارشد، مدیریت فناوری اطلاعات IT، دانشگاه مدیربت صنعتی، تبریز، ایران.