درخت حوزه‌های تخصصی

هدف: این پژوهش با بهره‌گیری از متن‌کاوی و هوش مصنوعی به شناسایی و دسته‌بندی چالش‌های نظام رفاه و تأمین اجتماعی ایران می‌پردازد تا مبنایی برای سیاست‌گذاری مبتنی بر شواهد فراهم سازد. روش: این پژوهش از نوع کاربردی و با رویکرد کیفی-تحلیلی و تحلیل اسنادی انجام شده است. داده‌ها پس از پیش‌پردازش، با استفاده از روش‌های پردازش زبان طبیعی و مدل‌سازی موضوعی مبتنی بر تبدیلگرهای زبانی تحلیل شده‌اند. همچنین تحلیل توالی‌های پرتکرار واژگانی (N-gram) به‌منظور شناسایی مفاهیم و دغدغه‌های محوری متون انجام گرفته است. یافته‌ها: نتایج تحلیل‌ها منجر به شناسایی یازده چالش عمده در ابعاد حکمرانی، تحول دیجیتال، پایداری مالی صندوق‌ها، عدالت اجتماعی و تحولات جمعیت‌شناختی شد. برای هر خوشه موضوعی، مجموعه‌ای از راهکارهای سیاستی شامل ایجاد نهاد تنظیم‌گر واحد، توسعه پایگاه داده‌های یکپارچه و استقرار سامانه‌های نظارت هوشمند پیشنهاد گردید. افزون بر این، نتایج تحلیل واژگانی نشان داد مضامینی چون «سند چشم‌انداز»، «محرومیت چندبُعدی» و «توزیع هدفمند منابع» بیشترین بسامد را داشته و با یافته‌های موضوع‌کاوی هم‌راستا هستند. بر پایه تجارب بین‌المللی نیز، سناریوهای آینده و نقشه راه اجرایی برای تقویت نظام رفاه ایران ترسیم شد. نتیجه‌گیری:‌ به‌کارگیری روش‌های متن‌کاوی مبتنی بر هوش مصنوعی، امکان شناسایی دقیق خلأهای ساختاری و تعیین اولویت‌های سیاستی در نظام رفاه و تأمین اجتماعی ایران را فراهم ساخته است. بر اساس یافته‌ها، استقرار حکمرانی داده، تقویت زیرساخت‌های نظارت هوشمند و طراحی برنامه‌های بین‌النسلی از مهم‌ترین راهبردهای دستیابی به پایداری مالی و ارتقای عدالت اجتماعی به‌شمار می‌روند.