نوع مقاله : مقاله پژوهشی
نویسندگان
1 گروه مدیریت دولتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران نویسنده مسئول: Eh.Zohoori@iau.ac.ir
چکیده
پژوهش حاضر با هدف ارائه الگوی جامع اجرای خطمشیگذاری مبتنی بر هوش مصنوعی (AI) برای شعبه مرکزی سازمان تأمین اجتماعی استان خوزستان انجام شد. با توجه به گستردگی خدمات سازمان، استفاده از هوش مصنوعی برای افزایش شفافیت، کارایی در اجرا و پاسخگویی به چالشهای اقتصادی-اجتماعی ضروری است.
این تحقیق از نظر هدف کاربردی و از نظر روش آمیخته (کیفی-کمی) است. در فاز کیفی، با استفاده از روش فراترکیب، مؤلفههای الگو استخراج گردید. جامعه آماری این فاز، ۳۰ مقاله و سند علمی (داخلی و خارجی) بود که پس از کدگذاری، منجر به شناسایی ۱۰ مؤلفه اصلی و ۵۳ شاخص شد.
در فاز کمی، جهت اعتبارسنجی، تأیید و وزندهی مؤلفهها، از روش دلفی فازی استفاده شد. جامعه آماری فاز کمی، شامل ۱۵ نفر از خبرگان و متخصصین دانشگاهی و اجرایی در حوزه هوش مصنوعی و سازمان تأمین اجتماعی بود.
نتایج فراترکیب نشان داد که الگوی اجرای خطمشیگذاری هوش مصنوعی شامل ۱۰ مؤلفه کلیدی است که مهمترین آنها عبارتند از: “ظرفیت تحلیلی و پشتیبانی تصمیم”، “الزامات و مهارتهای منابع انسانی”، “یکپارچهسازی فناوری و عملیات” و “چالشهای اخلاقی، حقوقی و امنیتی”. نتایج دلفی فازی نیز ضمن تأیید این مؤلفهها، به اولویتبندی آنها در زمینه تأمین اجتماعی و تعیین الزامات اجرایی نهایی پرداخت. الگوی نهایی، یک چارچوب جامع ۱۰ مؤلفهای را فراهم میآورد که نه تنها ابزارهای AI را برای بهبود کارایی معرفی میکند، بلکه با تمرکز بر حکمرانی و اخلاق، اجرای مسئولانه و پاسخگوی سیاستها را میسر میسازد.
کلیدواژهها: فراترکیب، دلفی فازی، خطمشیگذاری، هوش مصنوعی، سازمان تأمین اجتماعی، الگوی اجرای خطمشی.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Providing a Model for Implementing Policymaking with a Focus on Artificial Intelligence in the Social Security Organization with a Meta-Synthesis Approach (Case study of Central Branch of Khuzestan Province)
نویسندگان [English]
- meysam davoodi 1
- Seyed Ehsan Zahouri 2
- bahram alishiri 1
1 Department of Public Administration, ST.C., Islamic Azad University, Tehran, Iran
2 Department of Public Administration, Sho.C., Islamic Azad University, Shous tar, Iran Corresponding Author’s Email Address: Eh.Zohoori@iau.ac.ir
چکیده [English]
This study aimed to develop a comprehensive Artificial Intelligence (AI)-based policy implementation model for the Central Branch of the Social Security Organization (SSO) of Khuzestan Province. Given the extensive scope of the SSO’s services, leveraging AI is essential for enhancing transparency, execution efficiency, and accountability in response to complex socio-economic challenges.
Methodologically, this research is applied in objective and mixed-methods (qualitative-quantitative) in design. The qualitative phase utilized the Meta-Synthesis method to extract the model’s components. The sample comprised 30 scientific articles and documents (domestic and foreign), which, upon coding, led to the identification of 10 main components and 53 indicators.
In the quantitative phase, the Fuzzy Delphi method was employed for validation, confirmation, and weighting of the components. The sample for this phase included 15 academic and executive experts in the fields of AI and Social Security.
The Meta-Synthesis results indicated that the AI policy implementation model consists of 10 key components, the most significant of which include: “Analytical Capacity and Decision Support,” “Human Resources Requirements and Skills,” “Technology and Operations Integration,” and “Ethical, Legal, and Security Challenges.” Furthermore, the Fuzzy Delphi findings confirmed these components and prioritized them within the SSO context, establishing final implementation requirements. The resulting model provides a comprehensive 10-component framework that introduces AI tools for enhanced efficiency while emphasizing governance and ethics to facilitate responsible and accountable policy execution.
Keywords: Meta-Synthesis, Fuzzy Delphi, Policymaking, Artificial Intelligence, Social Security Organization, Policy Implementation Model.
کلیدواژهها [English]
- Artificial Intelligence
- Social Security Organization
- Meta-Synthesis
- Fuzzy Delphi
- Policymaking Model
)