چارچوب خط مشی گذاری برای به کارگیری سامانه های هوش مصنوعی در حوزه شهری با استفاده از رویکرد فراترکیب (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: هدف این مطالعه سیستماتیک تحلیل پژوهش های کیفی مرتبط با استفاده از سیستم های هوش مصنوعی (AI) در زمینه مدیریت شهری است. این مطالعه دستیابی به درک جامعی از وضعیت تجربیات فعلی در سیاست گذاری هوش مصنوعی در شهرها را دنبال می کند. با بررسی و ترکیب نظام مند یافته های قبلی در این زمینه، این پژوهش به دنبال کمک به توسعه سیاست های کارآمدتر برای استفاده مسئولانه و مؤثر از هوش مصنوعی در مدیریت شهری است. روش: در این مطالعه متاسنتز با تکیه بر روش هفت مرحله ای، چارچوب سندلوسکی و بارسو (۲۰۰۷) استفاده شده است. ابزار تجزیه وتحلیل داده های کیفی، تحلیل تم بوده است. برای ارزیابی کیفیت پژوهش، در کنار استفاده از سنجش میزان توافق میان دو کدگذاری، از ارائه نمونه متن کدگذاری شده، گزارش دهی گام های اجرای پژوهش و بررسی مستمر و رفت وبرگشتی میان پژوهشگران نیز استفاده شده است. یافته ها: در این مطالعه مقالات مرتبط شناسایی و تجزیه وتحلیل شده است. یافته های حاصل از کدگذاری در این پژوهش، یک بار در چارچوب تحلیل محیطی پستل و یک بار در قالب ۲۷ تم موضوعی پیشنهادی نویسندگان دسته بندی و ترکیب شده است. علاوه بر این، سه دسته از سوگیری (داده ه ای، الگوریتمی و ارزشی) در سیستم های هوش مصنوعی که باید توسط مدیریت شهری در نظر گرفته شود، شناسایی شده است. نتیجه گیری: به عنوان نتیجه نهایی این پژوهش، یک چارچوب استعاری به نام «پلکان سیاست گذاری هوش مصنوعی برای شهرها» ارائه شده است که شامل پنج پله است: جهان بینی، جامعه، نظام حقوقی، مدیریت شهری و مدیریت فناوری. چارچوب استعاری پژوهشگران با نگاهی میان رشته ای، به اولویت بندی میان پنج مفهوم بالا و معرفی ابعاد اصلی هر یک پرداخته است و به ذی نفعان در موضوع خط مشی گذاری هوش مصنوعی در مدیریت شهری یاری می رساند.A Policy Framework for Harnessing Artificial Intelligence Systems in Urban Settings Using a Meta Synthesis Approach
Objective
This systematic study aims to analyze qualitative research related to the use of Artificial Intelligence (AI) systems in urban management. The study seeks to achieve a comprehensive understanding of the current state of AI policy experiences in cities. By systematically reviewing and synthesizing prior findings in this domain, this research aims to contribute to the development of more effective policies for the responsible and efficient use of AI in urban management.
Methods
In this study, a meta synthesis approach was employed, relying on the seven-step framework proposed by Sandelowski and Barroso (2007). Thematic analysis was used as the tool for qualitative data analysis. To assess research quality, inter-coder agreement, provision of coded text samples, reporting of research process steps, and iterative reviewer discussions were utilized.
Results
Relevant articles were identified and analyzed. The findings from the coding process were categorized twice, first within a contextual framework following PESTLE’s analysis, and secondly into 27 proposed thematic categories. Furthermore, three dimensions of sustainability (data-driven, algorithmic, and ethical) in AI systems relevant to urban management were identified.
Conclusion
As a final outcome of this research, we propose a metaphorical framework called the "AI Policy Staircase for Cities." This framework comprises five steps: World view, Sociey, Legal system, Urban Governance, and Technology Management. Researchers of this metaphorical framework take a cross-disciplinary approach to prioritize among these five high-level concepts and introduce key dimensions within each, providing guidance to stakeholders involved in AI policy-making for urban management.
Objective
This systematic study aims to analyze qualitative research related to the use of Artificial Intelligence (AI) systems in urban management. The study seeks to achieve a comprehensive understanding of the current state of AI policy experiences in cities. By systematically reviewing and synthesizing prior findings in this domain, this research aims to contribute to the development of more effective policies for the responsible and efficient use of AI in urban management.
Methods
In this study, a meta synthesis approach was employed, relying on the seven-step framework proposed by Sandelowski and Barroso (2007). Thematic analysis was used as the tool for qualitative data analysis. To assess research quality, inter-coder agreement, provision of coded text samples, reporting of research process steps, and iterative reviewer discussions were utilized.
Results
Relevant articles were identified and analyzed. The findings from the coding process were categorized twice, first within a contextual framework following PESTLE’s analysis, and secondly into 27 proposed thematic categories. Furthermore, three dimensions of sustainability (data-driven, algorithmic, and ethical) in AI systems relevant to urban management were identified.
Conclusion
As a final outcome of this research, we propose a metaphorical framework called the "AI Policy Staircase for Cities." This framework comprises five steps: World view, Sociey, Legal system, Urban Governance, and Technology Management. Researchers of this metaphorical framework take a cross-disciplinary approach to prioritize among these five high-level concepts and introduce key dimensions within each, providing guidance to stakeholders involved in AI policy-making for urban management.
تبلیغات
