هوش مصنوعی در مدیریت بحران و سیاست عمومی

نویسندگان

    فرهاد کریمی گروه مدیریت آموزشی، دانشگاه پیام نور، تهران، ایران
    زهرا جعفری * گروه برنامه‌ریزی آموزشی، دانشگاه پیام نور، تهران، ایران zahra.jafari82@gmail.com

کلمات کلیدی:

هوش مصنوعی, مدیریت بحران, سیاست عمومی, حکمرانی داده‌محور, تاب‌آوری نهادی

چکیده

هدف: هدف این پژوهش مرور نظام‌مند مطالعات علمی به‌منظور شناسایی نقش‌ها، کاربردها و چالش‌های هوش مصنوعی در مدیریت بحران و سیاست‌گذاری عمومی است.

روش‌ها و مواد: پژوهش حاضر از نوع مروری کیفی است که با رویکرد تحلیل مضمون انجام شد. جامعه پژوهش شامل مقالات علمی منتشرشده در حوزه هوش مصنوعی، مدیریت بحران و سیاست عمومی در پایگاه‌های معتبر بین‌المللی نظیر Scopus، Web of Science و ScienceDirect بین سال‌های ۲۰۱۵ تا ۲۰۲۴ بود. از میان مقالات شناسایی‌شده، ۱۲ مقاله بر اساس معیارهای ورود شامل ارتباط مستقیم با موضوع، برخورداری از چارچوب نظری مشخص و انتشار در مجلات داوری‌شده انتخاب شدند. تحلیل داده‌ها با استفاده از نرم‌افزار Nvivo 14 و روش کدگذاری باز، محوری و انتخابی تا رسیدن به اشباع نظری انجام شد.

یافته‌ها: نتایج تحلیل کیفی سه مضمون اصلی را نشان داد: (1) نقش چندبعدی هوش مصنوعی در مدیریت بحران شامل پیش‌بینی، هشدار، تصمیم‌سازی و بازسازی؛ (2) چالش‌ها و محدودیت‌های فناورانه، اخلاقی و نهادی در به‌کارگیری آن در سیاست عمومی؛ و (3) کاربردهای سیاستی و راهبردی هوش مصنوعی در بهبود حکمرانی داده‌محور، افزایش شفافیت، و ارتقای تاب‌آوری نهادی. یافته‌ها تأکید کردند که هوش مصنوعی با تحلیل داده‌های بلادرنگ و یادگیری تطبیقی می‌تواند دقت تصمیم‌گیری و کارایی سیاست‌گذاری را به‌طور معناداری افزایش دهد.

نتیجه‌گیری: هوش مصنوعی ظرفیت چشمگیری برای تحول در سیاست‌گذاری عمومی و مدیریت بحران دارد، اما تحقق کامل این ظرفیت مستلزم وجود چارچوب‌های اخلاقی شفاف، زیرساخت‌های داده‌ای پیشرفته، و ارتقای سواد دیجیتال در میان مدیران دولتی است. استفاده مسئولانه از هوش مصنوعی می‌تواند به شکل‌گیری حکمرانی پیش‌نگر، شفاف و تاب‌آور در قرن بیست‌ویکم بینجامد.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Almeida, F., Silva, M., & Dias, T. (2023). Artificial intelligence in disaster communication: Opportunities and challenges for emergency management. Journal of Risk and Crisis Management, 45(2), 102–118.

Crawford, K., & Paglen, T. (2023). Excavating AI: The politics of images in machine learning training sets. AI & Society, 38(1), 55–73.

Desouza, K. C., Dawson, G. S., & Chenok, D. (2023). Artificial intelligence in government: Applications, challenges, and policy considerations. Government Information Quarterly, 40(2), 101763.

Floridi, L., & Cowls, J. (2022). A unified framework of five principles for AI in society. Harvard Data Science Review, 4(1), 1–16.

Kim, J., & Kim, S. (2022). AI-based early warning systems for natural disasters: A systematic review. Natural Hazards, 111(3), 2021–2042.

Kim, S., Park, J., & Lee, D. (2023). Digital literacy and AI ethics training for public sector leaders. Public Administration Review, 83(4), 712–725.

Kumar, R., & Singh, M. (2023). Optimization of emergency logistics using artificial intelligence: A review. Safety Science, 157, 105958.

Mikhaylov, S. J., Esteve, M., & Campion, A. (2022). Artificial intelligence for the public sector: Opportunities and challenges of cross-sector collaboration. Government Information Quarterly, 39(3), 101702.

Nguyen, T. T., Pham, Q., & Tran, N. (2023). Infrastructure challenges for AI adoption in developing countries. Journal of Information Systems, 37(1), 24–39.

Rahwan, I., Cebrian, M., & Schulte, O. (2022). Machine behaviour: A new frontier for AI research. Nature, 600(7889), 477–486.

Raimo, N., De Marco, M., & Vitolla, F. (2024). Artificial intelligence and public decision-making: Enhancing resilience through data-driven governance. Technological Forecasting and Social Change, 198, 122–136.

Sutton, R., Pidgeon, N., & Thomas, M. (2024). Integrating AI into post-crisis recovery planning: Emerging frameworks and challenges. Safety Science, 160, 106106.

Taddeo, M., & Floridi, L. (2021). How AI can be a force for good in crisis management. Philosophy & Technology, 34(1), 1–10.

Wang, C., Li, Y., & Zhang, P. (2023). Big data and AI for disaster risk reduction: A review. Progress in Disaster Science, 16, 100281.

Wirtz, B. W., & Müller, W. M. (2022). An integrated artificial intelligence framework for public administration. International Review of Administrative Sciences, 88(4), 805–823.

Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2022). Artificial intelligence and the public sector: Transforming organizational capabilities. Public Management Review, 24(6), 909–934.

دانلود

چاپ شده

۱۴۰۳/۰۱/۱۴

ارسال

۱۴۰۲/۱۰/۲۶

بازنگری

۱۴۰۲/۱۲/۱۰

پذیرش

۱۴۰۲/۱۲/۲۴

شماره

نوع مقاله

مقالات

ارجاع به مقاله

کریمی ف.، و جعفری ز. (1403). هوش مصنوعی در مدیریت بحران و سیاست عمومی. راهبردهای مدیریت هوشمند و توسعه، 2(1)، 1-11. https://jimds.com/index.php/jimds/article/view/8

مقالات مشابه

21-30 از 47

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.