فاطمه سلیمانی روزبهانی

هوش مصنوعی به عنوان حوزه فناورانه نوظهور به سرعت در حال توسعه و بهره برداری در سطح جهان است. هنجارگذاری و تنظیم گری این حوزه فناورانه هم بر سرعت رشد آن  تأثیر دارد و هم با کاهش آثار منفی احتمالی، سطح بهره برداری از آن را افزایش می دهد. دستیابی به این دو هدف یعنی تسریع سرعت رشد و نیز کنترل عوارض جانبی برای افزایش میزان استفاده از هوش مصنوعی به واسطه اهرم هنجارگذاری و تنظیم گری نیازمند نگاه کلان هدایتگر است. بر مبنای این ضرورت، پژوهش حاضر به دنبال پاسخ به این پرسش است که فرایند هنجارگذاری در زمینه هوش مصنوعی چگونه حاصل می شود؟ برای این منظور به کمک روش توصیفی- تحلیلی، مفهوم دکترین به عنوان ابزار بالادستی هماهنگ کننده و هم افزا معرفی و سپس چهارچوب تطور دکترینی هوش مصنوعی ارائه می شود. دستاورد اصلی پژوهش حاضر ارائه چهارچوبی نظری درباره روش شناسی هنجارگذاری هوش مصنوعی است. این چهارچوب مشتمل بر چهار سطح تطوری شامل ارشادی، توصیفی، ساختاری و ایجابی است که کارکردهای رونق شکوفایی، رشد ادراک، رفع موانع و تعمیم قواعد را دارد. در نهایت، به شواهدی از تحول دکترینی هوش مصنوعی در کشورهای مختلف اشاره شده است.

هدف: هدف مطالعه حاضر ارائه و معرفی عوامل تأیید کننده مطلوبیت ویژگی های داده های مورد استفاده جهت کشف دانش از سیستم های کلان داده سلامت بوده است. روش پژوهش: پژوهش پیش رو مطالعه توصیفی-تحلیلی است. جامعه آماری متخصصان حوزه علوم داده، بیوانفورماتیک و تحلیل اطلاعات سلامت داخل و خارج از کشور بودند که با استفاده از روش گلوله برفی 655 نفر از آنها شناسایی شده، و برای آنها ابزار پژوهش پرسشنامه محقق ساخته ارسال شد که 247 پرسشنامه را تکمیل و برگرداندند. روش استفاده شده  تحلیل داده ها، تحلیل عاملی اکتشافی و تأییدی با استفاده از نرم افزارهای0/26 SPSS  و 8/8 Lisrel  بوده است. یافته ها: نتایج تحلیل عاملی اکتشافی، شش عامل برای شناسایی ویژگی های داده درخور تبیین نمود که عبارتند از کیفیت داده، پایداری داده، سازگاری داده، ارزشمندی و دسترسی پذیری داده، کارایی داده و صحت و کامل بودن و روی هم رفته 68 درصد از واریانس کل داده ها را دربرداشته است. شاخص های برازش تحلیل تأییدی نشان داد که الگوی شش عاملی برازش قابل قبولی با داده ها دارد. نتیجه گیری: یافته های پژوهش حاکی از آن است که بر اساس مدل ارائه شده ویژگی های داده بر فرایند کشف دانش از سیستم های کلان داده سلامت تاثیر دارد و شش عامل شناسایی شده و 20 گویه سازنده این عوامل، می تواند ابزار مناسبی جهت شناسایی ویژگی های داده های مناسب برای کشف دانش از سیستم های کلان داده سلامت جهت به کارگیری موثر این سیستم ها باشد که با تاکید بر عدم وابستگی به فرمت داده، خصایص فراگیر داده های حوزه سلامت را دربرگرفته و توجه به آن می تواند به تشخیص و درمان زودهنگام بیماری ها کمک شایانی کند.

با توجه به تغییرات سریع و محیط پویایی که سازمان ها به سرعت در آن متولد شده، به سختی رقابت نموده و به راحتی از گردونه فعالیت بازمی مانند، شرط بقای حیات و حضور در بازارهای شدیداً رقابتی، هماهنگی استراتژی های سازمانی و استراتژی های اطلاعات به کار گرفته شده در سازمان هاست. به همین دلیل بحث انطباق استراتژیک در سازمان از اهمیت ویژه ای برخوردار است. منظور از انطباق استراتژیک، انطباق، هماهنگی و یکپارچه سازی استراتژی های کلان سازمان با استراتژی های فناوری اطلاعات با توجه به زیرساخت های سازمانی و فناوری های اطلاعاتی است. در این تحقیق ابتدا موضوع انطباق استراتژیک را به صورت عام بررسی گردیده و سپس با بررسی وضعیت مؤسسات آموزشی و پژوهشی این موضوع در دانشگاه تهران، به عنوان یک مؤسسه آموزشی- پژوهشی نمونه، بررسی شده است. سپس از میان مدل هایی که ارتباط بین مؤلفه ها و اجزای مؤثر بر انطباق استراتژیک را تبیین می کنند، مدل پاپ را انتخاب و با پیاده سازی آن برای دانشگاه تهران، ارزیابی اولین مرحله از انطباق استراتژیک که تعیین چشم انداز این انطباق است، انجام شده است. ابزار استفاده شده برای جمع آوری اطلاعات در این مطالعه پرسش نامه و مصاحبه است که پس از جمع آوری دیدگاه های اعضای اصلی معاونت برنامه ریزی و فناوری اطلاعات دانشگاه تهران، روش تحقیق توصیفی با استفاده از مطالعه موردی به کار گرفته شده و چشم انداز سطح سرویس را برای این انطباق، مناسب تشخیص داده شده است. با توجه به روش به کار گرفته شده در این تحقیق این فرضیه می تواند در مطالعات بعدی مورد آزمون قرار گیرد و در صورت اثبات مدل انطباق استراتژیک حوزه آموزش و تحقیقات و فناوری تعیین گردد. در پایان پیشنهاداتی برای ادامه این تحقیق با استفاده از ایجاد یک سیستم پشتیان تصمیم مبتنی بر وب داده شده است.