نوع مقاله : مقاله پژوهشی

نویسندگان

• راحله جلال نیا ¹
• محسن اکبری ²

¹ دانشجوی دکتری مدیریت سیاست‌گذاری بازرگانی، گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، رشت، ایران

² استاد، گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، رشت، ایران.

چکیده

پژوهش حاضر با هدف تدوین الگوی سیاست‌گذاری هوشمند برای ارتقای چابکی سازمانی در شرکت‌های نوآور: رویکردی مبتنی بر داده‌های کیفی انجام شده است. مطالعه حاضر از نوع کاربردی-توسعه‌ای بوده و با رویکرد توصیفی و غیرآزمایشی به جمع‌آوری داده‌ها پرداخته است. جامعه مشارکت‌کنندگان پژوهش شامل 17 نفر از خبرگان نظری (اساتید مدیریت فناوری اطلاعات و کارآفرینی) و خبرگان تجربی (مدیران شرکت‌های نوآور) بود که در زمینه اجرای سیاست‌گذاری هوشمند آگاهی داشتند. داده‌های کیفی از طریق مصاحبه‌های نیم‌ساختاریافته با ۶ پرسش اصلی و امکان طرح سؤالات تکمیلی گردآوری شد. تحلیل داده‌ها با روش نظریه داده‌بنیاد و به کمک نرم‌افزار MAXQDA انجام شد. در ادامه و جهت غربالگری شاخص‌های پژوهش از روش دلفی فازی در نر‌م‌افزار MATLAB استفاده گردید. براساس الگوی پژوهش مشخص گردید شرایط علی (دینامیک ناپایدار محیطی و فشارهای تحول‌زا، تقاضای نوآورانه مشتریان، توسعه فناوری‌های هوشمند و نیاز به حکمرانی داده‌محور) بر پدیده محوری (سیاست‌گذاری هوشمند) تاثیرگذارند. پدیده محوری، شرایط زمینه‌ای (بلوغ زیرساخت دیجیتال درون‌سازمانی و فرهنگ سازمانی یادگیرنده و باز) و شرایط مداخله‌گر (موانع نهادی و اینرسی سازمانی در مسیر تغییر) بر راهبردها و اقدامات (توسعه معماری سیاست‌گذاری هوشمند و سازگار با تحول دیجیتال) تاثیرگذارند. در نهایت راهبردها و اقدامات منجر به پیامدهایی نظیر ارتقای چابکی سازمانی، تقویت نوآوری سیستمی و مشارکتی و ارتقاء سرمایه اجتماعی و اعتماد نهادی می‌شوند.

کلیدواژه‌ها

• سیاست‌گذاری هوشمند
• ارتقای چابکی سازمانی
• شرکت‌های نوآور
• رویکردی مبتنی بر داده‌های کیفی

موضوعات

• هوش مصنوعی وکاربرد آن در مدیریت

عنوان مقاله [English]

Developing a Smart Policy-Making Framework to Enhance Organizational Agility in Innovative Companies: A Qualitative Data-Based Approach

نویسندگان [English]

• Raheleh Jalalniya ¹
• Mohsen Akbari ²

¹ PhD Student in Business Policy Management, Department of Business Management, Faculty of Management and Economics, University of Guilan, Rasht, Iran

² Professor, Department of Business Administration, Faculty of Management and Economics, University of Guilan, Rasht, Iran.

چکیده [English]

This study aims to develop a smart policy-making framework to enhance organizational agility in innovative companies, using a qualitative data-based approach. The research is applied-developmental in nature and employs a descriptive, non-experimental approach to data collection. The study participants included 17 experts: theoretical experts (professors in IT management and entrepreneurship) and practical experts (managers of innovative companies) who had knowledge of smart policy implementation. Qualitative data were gathered through semi-structured interviews based on six main questions, with the possibility of follow-up questions. Data were analyzed using the grounded theory method with the assistance of MAXQDA software. Subsequently, the fuzzy Delphi method was employed in MATLAB to screen the research indicators. Based on the proposed model, causal conditions—including environmental dynamism and transformative pressures, customers’ innovative demands, the advancement of smart technologies, and the need for data-driven governance—affect the core phenomenon of smart policy-making. This core phenomenon, along with contextual conditions (such as the maturity of internal digital infrastructure and an open, learning-oriented organizational culture) and intervening conditions (such as institutional barriers and organizational inertia to change), influence strategies and actions (such as developing a smart policy architecture aligned with digital transformation). These strategies and actions ultimately lead to outcomes such as enhanced organizational agility, strengthened systemic and collaborative innovation, and increased social capital and institutional trust.

کلیدواژه‌ها [English]

• Smart policy-making
• organizational agility enhancement
• innovative companies
• qualitative data-based approach