سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات163
تعداد شماره‌ها6,762
تعداد مقالات72,841
تعداد مشاهده مقاله131,922,548
تعداد دریافت فایل اصل مقاله103,552,420
اکبری, محسن, جلال نیا, راحله. (1404). ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه. , 11(2), 119-136. doi: 10.22059/jppolicy.2025.102510
محسن اکبری; راحله جلال نیا. "ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه". , 11, 2, 1404, 119-136. doi: 10.22059/jppolicy.2025.102510
اکبری, محسن, جلال نیا, راحله. (1404). 'ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه', , 11(2), pp. 119-136. doi: 10.22059/jppolicy.2025.102510
اکبری, محسن, جلال نیا, راحله. ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه. , 1404; 11(2): 119-136. doi: 10.22059/jppolicy.2025.102510

ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه

سیاستگذاری عمومی
دوره 11، شماره 2، تیر 1404، صفحه 119-136    اصل مقاله (867.79 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jppolicy.2025.102510
نویسندگان
محسن اکبری* 1؛ راحله جلال نیا2
1دانشیار مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، رشت، ایران
2دانشجوی مدیریت سیاستگذاری بازرگانی، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، رشت، ایران
چکیده
مطالعه حاضر با هدف ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه انجام شد. برای دستیابی به هدف از طرح پژوهش آمیخته اکتشافی استفاده گردید. جامعه مشارکت‌کنندگان شامل خبرگان نظری (اساتید فناوری اطلاعات و هوش مصنوعی) و خبرگان تجربی (مدیران سازمان فناوری اطلاعات و ارتباطات کشور) است. با روش نمونه‌گیری نظری در نهایت از دیدگاه 12 نفر از خبرگان مشارکت کردند. در بخش کمّی نیز از دیدگاه مدیران و کارشناسان سازمان فناوری اطلاعات و ارتباطات کشور استفاده شد و اندازه نمونه با روش تحلیل توان 130 نفر برآورد شد. نمونه‌گیری بخش کمّی با روش خوشه‌ای-تصادفی صورت پذیرفت. برای تحلیل داده‌ها در بخش کیفی از روش گراندد تئوری داده‌بنیاد با نرم‌افزار Maxqda و در بخش کمّی از روش حداقل مربعات جزئی با نرم‌افزار Smart PLS استفاده گردید. یافته‌های پژوهش نشان داد شرایط علّی (عوامل دولتی، عوامل قانونی، عوامل اقتصادی و عوامل اجتماعی) بر پدیده محوری (سیاستگذاری توسعه هوش مصنوعی) تأثیر می‌گذارند. پدیده محوری، شرایط زمینه‌ای (بسترهای فناورانه و دانشی هوش مصنوعی) و شرایط مداخله‌گر (چالش‌های اجرای سند ملی هوش مصنوعی) بر راهبردها و اقدامات (سند ملی هوش مصنوعی) اثر گذارند. در نهایت سند ملی هوش مصنوعی به توسعه عملکرد فنی هوش مصنوعی، توسعه عملکرد اجتماعی هوش مصنوعی منجر می‌شود.
کلیدواژه‌ها
سیاستگذاری؛ توسعه هوش مصنوعی؛ برنامه هفتم توسعه
مراجع
  1. Akbari, I., Yousefi, A., & Mehrban Helan, M. M. (2023). Examination of the Seventh Development Plan Bill (88): Sustainable Development of Artificial Intelligence in the Country. Governance Studies Office, (350), 1-38. https://rc.majlis.ir/fa/report/show/1788040. [In Persian]
  2. Alinaghian, A., Safdari Ranjbar, M., & Mohammadi, M. (2024). Designing a Policy Package for Developing Artificial Intelligence in Iran. Iranian Journal of Public Policy, (), -. doi: 10.22059/jppolicy.2021.91608. [In Persian]
  3. Alvani, S. M. (2023). Public Policy-Making. Tehran: Samt. https://B2n.ir/u07099. [In Persian]
  4. Babaeian, F., Safdari Ranjbar, M., & Hakim, A. (2023). Investigating the role of artificial intelligence in the public policy cycle; Metasynthesis approach. Journal of Improvement Management, 17(2), 115-150. doi: 10.22034/jmi.2023.396945.2957. [In Persian]
  5. Bailey, C. (2024). Artificial Intelligence Policy: What Computing Educators and Students Should Know. ACM Virtual Global Computing Education Conference, 1(1), 125-136. https://B2n.ir/e92484
  6. Bimczok, S. P., Godynyuk, E. A., Pierey, J., Roppel, M. S., & Scholz, M. L. (2023). How are excellence and trust for using artificial intelligence ensured? Evaluation of its current use in EU healthcare. South Eastern European Journal of Public Health. https://doi.org/10.70135/seejph.vi.239
  7. Cabral, B., & Salles-Filho, S. (2024). Mapping science in artificial intelligence policy development: formulation, trends, and influences. Science and Public Policy, scae052. http://dx.doi.org/10.1093/scipol/scae052
  8. Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern methods for business research, 295(2), 295-33. https://www.researchgate.net/publication/311766005_The_Partial_Least_Squares_Approach_to_Structural_Equation_Modeling
  9. Cohen, J. E. (2013). Statistical Power Analysis for the Behavioral Sciences. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc. https://doi.org/10.4324/9780203771587
  10. Danaei Fard, H., & Javanaliazar, M. (2023). Public Policy and the Social Construction of Reality. Tehran: Imam Sadegh Publications. https://B2n.ir/t55865. [In Persian]
  11. Dashti, T. S., & Motamednejad, R. (2024). The role of artificial intelligence in EU legislation. News Science Quarterly (NS), 13(1), 22-44. doi: 10.22034/lrsi.2024.454812.1175. [In Persian]
  12. Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., ... & Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International journal of information management, 57, 981-994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002
  13. Filgueiras, F. (2022). Artificial intelligence policy regimes: comparing politics and policy to national strategies for artificial intelligence. Global Perspectives, 3(1), 32362. https://doi.org/10.1525/gp.2022.32362
  14. Ghasempour, A., & Safaei, N. Z. (2024). Challenges and Opportunities of Artificial Intelligence From the Perspective of Labor Law. Quarterly Journal of "Government and Law" (QGL), 5(1), 59-80. https://qgl.lri.ir/article_200141.html?lang=en. [In Persian]
  15. Gholipour, R. (2022). Organizational Decision-Making and Public Policy-Making. Tehran: SAMT Publications. https://B2n.ir/j41877. [In Persian]
  16. Glaser, B. G., Strauss, A. L., & Strutzel, E. (2017). The discovery of grounded theory; strategies for qualitative research. Nursing research, 17(4), 364. https://doi.org/10.4324/9780203793206
  17. Habibi, A., & Jalalniya, R. (2022). partial least squares. Tehran: Narvan. https://parsmodir.com/book/book-pls.php. [In Persian]
  18. Habibi, A., & Jalalniya, R. (2024). Model fitting in partial least squares. Eighth International Conference on Physics, Mathematics and Development of Basic Science, Tehran. https://civilica.com/doc/2093572. [In Persian]
  19. Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM). Sage publications. https://www.researchgate.net/publication/354331182_A_Primer_on_Partial_Least_Squares_Structural_Equation_Modeling_PLS-SEM
  20. Hashemi, S. H. (2024). Control or Innovation; Legal Requirements of Regulatory Policies in Artificial Intelligence. Quarterly Journal of "Government and Law" (QGL), 5(1), 9-30. https://qgl.lri.ir/article_200136.html. [In Persian]
  21. Hassani, H. (2024). Artificial Intelligence Policymaking in the European Union: Fundamental Principles, Governance Mechanisms and Ethical Principles. Iranian Journal of Public Policy, 10(2), 187-203. doi: 10.22059/jppolicy.2024.98291. [In Persian]
  22. Hoffmann, C. H. (2022). Is AI intelligent? An assessment of artificial intelligence, 70 years after Turing. Technology in Society, 68, 101893. https://doi.org/10.1016/j.techsoc.2022.101893
  23. Holsti, O. R. (1969). Content analysis for the social sciences and humanities, Reading, MA: Addison-Wesley. https://www.amazon.com/Content-Analysis-Social-Sciences-Humanities/dp/0201029405
  24. Hudson, A. D., Finn, E., & Wylie, R. (2023). What can science fiction tell us about the future of artificial intelligence policy?. AI & SOCIETY, 19(4), 1-15. https://link.springer.com/article/10.1007/s00146-021-01273-2
  25. Igbinenikaro, E., & Adewusi, O. A. (2024). Policy recommendations for integrating artificial intelligence into global trade agreements. International Journal of Engineering Research Updates, 6(01), 201-210. https://doi.org/10.53430/ijeru.2024.6.1.0022
  26. Islamic Consultative Assembly Research Center. (2024). https://rc.majlis.ir/fa/law/show/1811432. [In Persian]
  27. Kazemi, M. (2024). Analysis of Language Models from the National Artificial Intelligence Document. Donya-e Eqtesad, 6160, 1-11. https://B2n.ir/m58689. [In Persian]
  28. Krarup, T., & Horst, M. (2023). European artificial intelligence policy as digital single market making. Big Data & Society, 10(1), 795-811. https://doi.org/10.1177/20539517231153811
  29. Lamberti, W. F. (2024). Artificial Intelligence Policy Framework for Institutions. arXiv preprint arXiv, 241(2), 8222-834. https://doi.org/10.48550/arXiv.2412.02834
  30. Ledro, C., Nosella, A., & Dalla Pozza, I. (2023). Integration of AI in CRM: Challenges and guidelines. Journal of Open Innovation: Technology, Market, and Complexity, 9(4), 100151. https://doi.org/10.1016/j.joitmc.2023.100151
  31. Mahdikhani, S. (2024). Analysis of Iran's National Artificial Intelligence Document. Civilica. https://en.civilica.com/note/4930/. [In Persian]
  32. Miller, E., Cross, L., & Lopez. M. (2010). Sampling in qualitative research. FBB research group, 19(3), 249-261. https://www.researchgate.net/publication/255950308_Sampling_data_and_data_collection_in_qualitative_research
  33. Mojarradardakani, M., Khavari Nejad, A. A., Rasouli Kia, M., & Ebrahimi, S. (2023). Investigating the impact of service quality on customer satisfaction and loyalty with the mediating role of corporate image, trust, and perceived value in Bank Melli Iran, The 6th International Conference on New Developments in Management, Economics and Accounting, Tehran, https://civilica.com/doc/1861632. [In Persian]
  34. Monavaian, A., Sadeghi, J., & Pirannejad, A. (2023). A Policy Framework for Harnessing Artificial Intelligence Systems in Urban Settings Using a Meta Synthesis Approach. Journal of Public Administration, 15(3), 512-552. doi: 10.22059/jipa.2023.355649.3298. [In Persian]
  35. Pour-Ezzat, A. A., Rafiei, S., Momenzadeh, P., & Kokelan, N. (2019). The Return of Rationality: The Application of Artificial Intelligence in Governance and Public Policy Making. Administrative Studies and Research Journal, 1(3), 8-17. http://patjournal.smtc.ac.ir/article-1-149-fa.html. [In Persian]
  36. Saheb, T., & Saheb, T. (2024). Mapping Ethical Artificial Intelligence Policy Landscape: A Mixed Method Analysis. Science and Engineering Ethics, 30(2), 9.
  37. Schiff, D. S. (2024). Framing contestation and public influence on policymakers: evidence from US artificial intelligence policy discourse. Policy and Society, puae007. https://doi.org/10.1093/polsoc/puae007
  38. Shaddel, A. (2023). The future of management and decision-making with the deployment of artificial intelligence systems. Strategic Futures Studies, 2(5), 115-130. https://jsfs.sndu.ac.ir/article_3041.html?lang=en. [In Persian]
  39. Strauss, A., & Corbin, J. M. (1997). Grounded theory in practice. Sage. https://psycnet.apa.org/record/1997-08674-000
  40. Suprayitno, D., Iskandar, S., Dahurandi, K., Hendarto, T., & Rumambi, F. J. (2024). Public Policy In The Era Of Climate Change: Adapting Strategies For Sustainable Futures. Migration Letters, 21(S6), 945-958.
  41. Ulnicane, I., & Aden, A. (2023). Power and politics in framing bias in Artificial Intelligence policy. Review of Policy Research, 40(5), 665-687. https://doi.org/10.1111/ropr.12567
  42. Yaghoti, E., & Nakhjvani, A. (2023). Legal status of Transactions Done by Artificial Intelligence: Virtual Lawyer Theory. Economic and Commercial Law Researches, 1(1), 41-68. doi: 10.48308/eclr.2023.103363. [In Persian]
آمار
تعداد مشاهده مقاله: 41
تعداد دریافت فایل اصل مقاله: 26





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب