<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>راهبردهای مدیریت هوشمند و توسعه</JournalTitle>
      <Issn>3115-9052</Issn>
      <Volume>2</Volume>
      <Issue>پیاپی 4</Issue>
      <PubDate PubStatus="epublish">
        <Year>2024</Year>
        <Month>06</Month>
        <Day>29</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Technological Entrepreneurship in the Smart Economy: A Systematic Review</ArticleTitle>
    <VernacularTitle>کارآفرینی فناورانه در اقتصاد هوشمند: مرور نظام‌مند</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>11</LastPage>
    <Language>EN</Language>
    <AuthorList>
      <Author>
        <FirstName>زینب</FirstName>
        <LastName>مرادی</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه کردستان، سنندج، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>علی</FirstName>
        <LastName>سلیمانی</LastName>
        <Affiliation>گروه علوم تربیتی، دانشگاه ایلام، ایلام، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>04</Month>
        <Day>20</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective:&lt;/strong&gt; The study aims to identify and analyze the dimensions, models, and challenges of technological entrepreneurship within the context of the smart economy through a systematic review of recent scholarly research.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Methods and Materials:&lt;/strong&gt; This qualitative systematic review employed thematic analysis using Nvivo version 14. Data were collected from scientific articles published between 2015 and 2025 across databases such as Scopus, Web of Science, ScienceDirect, Emerald, and Google Scholar. Following inclusion and exclusion criteria, twelve peer-reviewed articles were selected for in-depth qualitative coding. The analysis process included open, axial, and selective coding until theoretical saturation was achieved.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Findings:&lt;/strong&gt; Results revealed three overarching themes: (1) digital transformation infrastructures, including emerging technologies, data systems, education, and policy frameworks; (2) new models of entrepreneurship such as data-driven ventures, digital business models, and open innovation; and (3) outcomes and challenges encompassing sustainable development, technological justice, ethical issues, and the need for organizational resilience. The study also highlighted the vital role of collaboration among government, academia, and industry in forming effective smart innovation ecosystems.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; Technological entrepreneurship in the smart economy extends beyond economic innovation and serves as a catalyst for sustainable development, social justice, and cultural transformation. Strengthening digital infrastructure, fostering technological skills, and supporting entrepreneurial ecosystems are essential strategies for future advancement in this field.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف: &lt;/strong&gt;هدف این پژوهش، تبیین نقش و کارکردهای فناوری‌های تحلیل پیش‌بین در بهبود فرآیند سیاست‌گذاری کلان و شناسایی مؤلفه‌های اصلی این تحول در نظام حکمرانی داده‌محور است.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;روش‌ها و مواد:&lt;/strong&gt; پژوهش حاضر از نوع مروری کیفی با رویکرد تحلیل مضمون است. داده‌ها از طریق مرور نظام‌مند ادبیات علمی بین سال‌های ۲۰۱۸ تا ۲۰۲۵ گردآوری شد. از میان مقالات شناسایی‌شده در پایگاه‌های علمی معتبر نظیر Scopus، Springer و ScienceDirect، دوازده مقاله واجد شرایط انتخاب و با استفاده از نرم‌افزار NVivo 14 تحلیل شدند. فرآیند تحلیل شامل کدگذاری باز، محوری و انتخابی بود و گردآوری داده‌ها تا رسیدن به اشباع نظری ادامه یافت.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;یافته‌ها:&lt;/strong&gt; نتایج تحلیل داده‌ها سه مضمون اصلی را آشکار کرد: «تحول داده‌محور در سیاست‌گذاری»، «ظرفیت‌سازی نهادی و مدیریتی برای تحلیل پیش‌بین» و «پیامدها و اثرات سیاست‌گذاری پیش‌بین». یافته‌ها نشان داد که تحلیل پیش‌بین با بهره‌گیری از داده‌های کلان و الگوریتم‌های یادگیری ماشین، به چابکی، شفافیت، عدالت اجتماعی و پیشگیری از بحران‌ها در نظام سیاست‌گذاری کمک می‌کند. همچنین ظرفیت‌سازی نهادی و توسعه سرمایه انسانی تحلیلی از پیش‌شرط‌های کلیدی موفقیت در پیاده‌سازی سیاست‌گذاری داده‌محور محسوب می‌شوند.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; فناوری‌های تحلیل پیش‌بین، با فراهم‌سازی امکان پیش‌بینی روندها و پیامدهای سیاستی، موجب ارتقای کیفیت تصمیم‌گیری و کارایی نظام حکمرانی می‌شوند. نهادینه‌سازی این فناوری‌ها نیازمند توسعه زیرساخت‌های داده‌ای، اصلاح ساختارهای سازمانی، ارتقای سواد داده‌ای مدیران و تدوین چارچوب‌های حقوقی و اخلاقی شفاف است. نتایج پژوهش می‌تواند راهنمایی برای سیاست‌گذاران در طراحی و اجرای سیاست‌های هوشمند، پیش‌نگر و مبتنی بر داده باشد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Technological entrepreneurship</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">smart economy</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">digital innovation</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">technological infrastructure</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">entrepreneurial ecosystem</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">کارآفرینی فناورانه</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اقتصاد هوشمند</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">نوآوری دیجیتال</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">زیرساخت فناورانه</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اکوسیستم کارآفرینیداده‌محور</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jimds.com/index.php/jimds/article/download/22/22</ArchiveCopySource>
  </Article>
</ArticleSet>
