چارچوب بهره گیری از هوش مصنوعی در مأموریت های امنیتی پلیس هوشمند (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
زمینه و هدف: استفاده از هوش مصنوعی در مأموریت های اطلاعاتی و امنیتی به واسطه قابلیت های آن در تحلیل داده های کلان، پیش بینی تهدیدات و پشتیبانی از تصمیم گیری، به سرعت در حال گسترش است. هدف این پژوهش، ارائه چارچوبی برای بهره گیری از هوش مصنوعی در مأموریت های امنیتی پلیس هوشمند است.روش: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، آمیخته (ترکیب کمی و کیفی) است. در بخش کیفی، داده ها از طریق مصاحبه با ۱۰ نفر از متخصصان هوش مصنوعی و امنیت جمع آوری و با استفاده از روش تحلیل مضمون بررسی شد. بر اساس یافته های کیفی، پرسش نامه ای محقق ساخته طراحی و در بخش کمی، بین ۲۹ نفر از کارشناسان خبره به صورت تمام شمار توزیع گردید. داده های کمی با استفاده از نرم افزار SPSS تحلیل و اعتبار ابزار با ضریب آلفای کرونباخ (91/0) تأیید شد.یافته ها: یافته ها نشان می دهند که سه بعد اصلی در بهره گیری از هوش مصنوعی شناسایی شده است:۱. الزامات و پیش نیازها (با ۵۸% اهمیت، ۳ مؤلفه و ۹ شاخص)۲. الزامات قانونی و صیانتی (با ۲۴% اهمیت، ۴ مؤلفه و ۱۱ شاخص)۳. خدمات مبتنی بر هوش مصنوعی (با ۱۸% اهمیت، ۴ مؤلفه و ۱۰ شاخص)نتایج: نتایج این پژوهش نشان می دهند که برای بهینه سازی بهره گیری از هوش مصنوعی در مأموریت های امنیتی پلیس، طراحی و پیاده سازی جامع ابعاد و مؤلفه های خدمات، الزامات تقویت سازوکارها و الزامات قانونی ضروری است. این اقدامات می توانند به طور قابل توجهی کارایی و اثربخشی مأموریت های اطلاعاتی و امنیتی را افزایش دهند و به مقابله مؤثر با تهدیدات نوظهور کمک کنند.Framework for Utilizing Artificial Intelligence in Smart Police Security Missions
Background and aim: The use of artificial intelligence in intelligence and security missions - due to its capabilities in big data analysis, threat prediction, and decision support - is rapidly expanding. This study aims to present a framework for utilizing AI in smart police security missions.Method: This applied research employs a mixed-methods approach (qualitative-quantitative). Qualitative data were collected through interviews with 10 AI and security experts and analyzed using thematic analysis. Based on qualitative findings, a researcher-made questionnaire was designed and distributed to 29 expert specialists for quantitative analysis. Quantitative data were analyzed using SPSS software, with instrument validity confirmed by Cronbach's alpha coefficient (0.91).Results: Results identify three main dimensions in AI utilization: Requirements and prerequisites (58% importance, 3 components, 9 indicators); Legal and protective requirements (24% importance, 4 components, 11 indicators); AI-based services (18% importance, 4 components, 10 indicators)Conclusion: The findings demonstrate that optimizing AI use in police security missions requires comprehensive design and implementation of service dimensions/components, strengthening mechanisms, and legal requirements. These measures can significantly enhance the efficiency and effectiveness of intelligence and security missions while helping effectively counter emerging threats.