ارزیابی عوامل موثر بر آمادگی هوش مصنوعی در خدمات الکترونیک انتظامی بااستفاده از تحلیل اهمیت عملکرد فازی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
زمینه و هدف: هوش مصنوعی به عنوان یکی از مهم ترین فناوری های نوین، در حال متحول ساختن شیوه های ارائه خدمات، تعامل با مشتریان و مدیریت داده ها در سازمان هاست. ورود هوش مصنوعی به خدمات الکترونیک دولتی، به ویژه در حوزه هایی مانند خدمات انتظامی، می تواند موجب بهبود کیفیت، سرعت و دقت پاسخ گویی شود. هدف اصلی این پژوهش، شناسایی و ارزیابی مؤلفه های کلیدی است که بر آمادگی سازمانی برای پذیرش هوش مصنوعی در دفاتر خدمات الکترونیک انتظامی تأثیرگذارند. روش: روش پژوهش از نظر هدف، کاربردی و از نظر اجرا، توصیفی پیمایشی است. ابزار گردآوری داده ها، پرسش نامه ای مبتنی بر تحلیل اهمیت عملکرد فازی است که به منظور اندازه گیری هم زمان اهمیت و عملکرد شاخص ها طراحی شده است. جامعه آماری شامل ۸۷ نفر از مدیران اجرایی و خبرگان دانشگاهی آشنا با حوزه های هوش مصنوعی و خدمات انتظامی است و نمونه گیری به صورت هدفمند انجام شده است. یافته ها: یافته ها نشان دهنده وجود عوامل گوناگون برای ارزیابی میزان آمادگی سازمان در بهره مندی از فناوری هوش مصنوعی در سازمان های مختلف بر اساس عوامل فناورانه، زیرساختی، سازمانی، فردی (مشتریان و کارکنان) است. نتایج: نتایج نشان دهنده دسته بندی عوامل موثر بر آمادگی هوش مصنوعی در سازمان فراجا در ۴ ناحیه و لزوم تمرکز بر عوامل انسانی و آموزشی (مرتبط با توانمندسازی سرمایه های انسانی در مواجهه با هوش مصنوعی)، زیرساختی و فرآیندی (برای سازگاری بهتر با تحولات سریع هوش مصنوعی) و منابع مالی (برای پشتیبانی بهتر از عملیات سازمان) در این حوزه می باشند.Evaluation of Factors Affecting Artificial Intelligence Readiness in Electronic Police Services Using Fuzzy Importance-Performance Analysis
Background and aim: Assessing artificial intelligence (AI) readiness is crucial as AI is a key driver of digital transformation and the smart evolution of various industries. This study evaluates the readiness of AI implementation in electronic police service offices using Fuzzy Importance-Performance Analysis (FIPA). Method : This is an applied, and descriptive-survey research. The statistical population includes managers and academic experts familiar with AI, technology, and law enforcement services. A purposive sampling method was used, and 87 individuals were interviewed for data collection. Results : Factors influencing AI readiness in FARAJA (Iran’s Law Enforcement Command) were categorized into four zones: Strengths; Weaknesses; Non-priority areas; Resource-wasting areas Conclusion : The results highlight the need to focus on human and educational factors (empowering human capital to work with AI), infrastructural and procedural factors (to better adapt to AI’s rapid developments), and financial resources (to more effectively support organizational operations in this domain).
تبلیغات
