| تعداد نشریات | 28 |
| تعداد شمارهها | 874 |
| تعداد مقالات | 8,428 |
| تعداد مشاهده مقاله | 17,125,822 |
| تعداد دریافت فایل اصل مقاله | 11,484,829 |
هوش مصنوعی و یادگیری خطمشی عمومی: مرور نظامیافته مفهومی و ارائه الگوی مفهومی برای حکمرانی یادگیرنده | ||
| حکمرانی و توسعه | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 آبان 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/jipaa.2026.55879.1229 | ||
| نویسندگان | ||
| سعیده گل چین* 1؛ وجهالله قربانیزاده2؛ هادی خانمحمدی3؛ ایمان رئیسی وانانی2 | ||
| 1گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران | ||
| 2گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران. | ||
| 3گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران | ||
| چکیده | ||
| هدف: این مقاله نقش هوش مصنوعی را در فرایند یادگیری خطمشی عمومی بررسی و الگویی مفهومی برای «یادگیری خطمشی هوشمند» ارائه میکند. مسئله اصلی آن است که با وجود گسترش کاربرد هوش مصنوعی در بخش عمومی، پیوند آن با ادبیات یادگیری خطمشی همچنان پراکنده و فاقد الگویی نظری و یکپارچه است. پژوهش بررسی میکند که هوش مصنوعی چگونه میتواند مشاهده مسائل عمومی، تحلیل شواهد، پیشبینی پیامدها، پردازش بازخورد و تبدیل خروجیهای الگوریتمی به فهم خطمشی را تقویت کند. روش پژوهش: پژوهش با مرور نظامیافته مفهومی ادبیات و تحلیل مضمون منابع منتخب انجام شد. منابع مرتبط با یادگیری و بازخورد خطمشی، خطمشیگذاری مبتنی بر شواهد، ظرفیت خطمشی، حکمرانی دادهمحور و کاربردهای هوش مصنوعی شناسایی، غربال و بهصورت کیفی سنتز شدند. سپس مضامین اصلی برای استخراج قابلیتهای هوش مصنوعی و شرایط نهادی مؤثر بر یادگیری خطمشی تحلیل شدند. یافتهها: نتایج نشان میدهد هوش مصنوعی بهخودیخود موجب یادگیری خطمشی نمیشود. پنج قابلیت اصلی شامل دادهمندی خطمشی، تحلیل هوشمند شواهد، پیشبینی و شبیهسازی، پردازش بازخورد و تبیینپذیری، زمانی به یادگیری منجر میشوند که سه شرط نهادی شامل کیفیت و حکمرانی داده، پاسخگویی و شفافیت، و ظرفیت نهادی برای تبدیل تحلیل به اصلاح خطمشی فراهم باشد. نتیجهگیری: مقاله الگویی علّی ـ فرایندی ارائه میکند که در آن داده و بازخورد از طریق تحلیل، پیشبینی و تبیین به فهم خطمشی و در بستر سازوکارهای نهادی مناسب به اصلاح خطمشی تبدیل میشوند. بنابراین، هوش مصنوعی زیرساختی تحلیلی و بازخوردی برای تقویت حکمرانی یادگیرنده است. | ||
| کلیدواژهها | ||
| یادگیری خطمشی؛ هوش مصنوعی؛ خطمشیگذاری دادهمحور؛ تبیینپذیری؛ ظرفیت نهادی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 4 |
||