فصلنامه تخصصی آرمان پردازش

چکیده پیشینه و اهداف: پیشرفت‌های سریع فناوری در دهه‌های اخیر، به‌ویژه در زمینه هوش مصنوعی، مدل‌های سنتی رهبری در سازمان‌های دولتی را به‌طور اساسی متحول کرده است. رهبران در عصر دیجیتال دیگر نمی‌توانند صرفاً به مهارت‌های مدیریتی مرسوم تکیه کنند؛ آن‌ها باید از پتانسیل فناوری‌های جدید برای تصمیم‌گیری هوشمندانه، خلاقیت، آینده‌نگری و پاسخگویی مؤثر بهره ببرند. در حالی که هوش مصنوعی به‌طور فزاینده‌ای در مدیریت دولتی در سطح جهان پذیرفته شده است، همچنان شکاف قابل‌توجهی در ادبیات دانشگاهی در مورد چگونگی کمک هوش مصنوعی به‌طور خاص به توسعه مهارت‌های رهبری در بین مدیران دولتی، به‌ویژه در زمینه‌های ملی با ویژگی‌های نهادی و فرهنگی منحصربه‌فرد مانند ایران، وجود دارد. هدف این مطالعه توضیح نقش و کارکردهای هوش مصنوعی در توسعه مهارت‌های رهبری در بین مدیران در سازمان‌های دولتی ایران است.
روش‌ها‌: پژوهش حاضر، از روشی آمیخته ( کیفی – کمی ) جهت تبیین نقش و کارکردهای هوش مصنوعی در توسعه مهارت‌های رهبری مدیران دستگاه‌های دولتی ایران استفاده نموده است. در مرحله‌ی کیفی، با انجام مصاحبه‌های نیمه‌ساختاریافته با 12 نفر از خبرگان حوزه‌های مدیریت دولتی و فناوری اطلاعات، مؤلفه‌ها و شاخص‌های اثرگذار شناسایی شده اند
یافته‌ها: از طریق تحلیل مضمون، چهار بُعد اصلی شامل خودآگاهی رهبری دیجیتال، تصمیم‌سازی هوشمند، ارتباطات هوشمند و یادگیری و توسعه مبتنی بر هوش مصنوعی استخراج گردید. در مرحله‌ی کمی، جهت اعتبارسنجی تجربی مدل رهبری مبتنی بر هوش مصنوعی که در بخش کیفی توسعه‌یافته است، با استفاده از پرسش‌نامه محقق ساخته میان 80 مدیر دولتی توزیع و داده‌ها با روش مدل‌سازی معادلات ساختاری تحلیل شد.
نتیجه‌گیری: تحلیل‌ها نشان می‌دهد که استفاده هدفمند از فناوری‌های هوشمند، به‌ویژه در حوزه تحلیل داده، پیش‌بینی رفتار سازمانی و آموزش شخصی‌سازی‌شده، می‌تواند سطح تصمیم‌گیری، چابکی مدیریتی و توانمندی ارتباطی مدیران را به‌طور چشمگیری افزایش دهد. همچنین، کمبود زیرساخت‌های داده‌ای و فرهنگ‌سازمانی سنتی از مهم‌ترین چالش‌های بهره‌گیری مؤثر از هوش مصنوعی در بخش عمومی است.

چکیده داده‌های کلان به‌مثابه یکی از ارزش‌مندترین منابع عصر دیجیتال، نقش فزاینده‌ای در تحول اقتصادهای ملی ایفا می‌کنندو فقدان چارچوب حقوقی، تنظیم‌گری و نهادی منسجم برای قراردادهای کلان‌داده، زمینه ابهام در مالکیت داده، تعارض نهادی، نابرابری اطلاعاتی و تضعیف اعتماد عمومی را فراهم می‌آورد. از این رو، پژوهش حاضر با هدف طراحی الگوی حکمرانی قراردادهای کلان‌داده در گذار به اقتصاد دیجیتال ملی و تبیین مؤلفه‌های مؤثر و روابط ساختاری میان آن‌ها انجام شده است.
این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی-اکتشافی است که با بهره‌گیری از مدل‌سازی ساختاری-تفسیری و تحلیل MICMAC انجام شده است. جامعه آماری شامل متخصصان اقتصاد دیجیتال، حقوق فناوری اطلاعات، سیاست‌گذاری عمومی و مدیریت داده‌ها بود که از بین سی و پنج نفر، هجده نفر از طریق نمونه‌گیری هدفمند و بر اساس اشباع نظری انتخاب شدند. داده‌ها از طریق بررسی اسناد بالادستی، ادبیات پژوهشی و پرسشنامه‌های مقایسه زوجی جمع‌آوری شد. روایی محتوایی ابزار توسط متخصصان تأیید و پایایی آن با استفاده از شاخص توافق درون‌گروهی و نرخ ناسازگاری بررسی شد.
یافته‌ها نشان داد که زیرساخت یکپارچه داده، چارچوب‌های قانونی و نظارتی برای قراردادهای کلان داده، امنیت اطلاعات و حریم خصوصی، شفافیت و پاسخگویی و هماهنگی نهادی از جمله مؤلفه‌های محرک و اساسی حاکمیت قراردادهای کلان داده هستند. نتایج تحلیل MICMAC نیز نشان داد که رعایت سیاست‌های کلان ملی و مقررات نهادی از جمله متغیرهای اصلی تأثیرگذار و محرک این سیستم هستند.
ایجاد یک مدل حاکمیت یکپارچه برای قراردادهای کلان داده می‌تواند با تقویت تصمیم‌گیری مبتنی بر داده، بهبود کیفیت مقررات، افزایش شفافیت، کاهش فساد و افزایش کارایی سیاست‌گذاری اقتصادی، زمینه تحقق اقتصاد دیجیتال ملی را فراهم کند. مدل پژوهشی پیشنهادی می‌تواند به عنوان یک چارچوب استراتژیک برای سیاست‌گذاران و مدیران در طراحی سازوکارهای نهادی، حقوقی و فناوری برای مدیریت قراردادهای مبتنی بر داده و توسعه اقتصاد دیجیتال کشور عمل کند.

چکیده این پژوهش با هدف بررسی تأثیر شبکه‌های اجتماعی بر امنیت اجتماعی جوانان استان سمنان و ارائه چارچوب مفهومی جامع برای نمایش ابعاد مختلف این رابطه انجام شد. پژوهش از نظر هدف کاربردی و از نظر روش توصیفی–تحلیلی است. جامعه آماری شامل ۵۰۰ نفر از جوانان ۱۵ تا ۴۰ ساله استان سمنان بود که با روش نمونه‌گیری تصادفی ساده انتخاب شدند. داده‌ها با استفاده از پرسشنامه محقق‌ساخته دارای روایی محتوایی تأییدشده و پایایی مناسب (آلفای کرونباخ بیش از 0.70) گردآوری و با نرم‌افزار SPSS تحلیل شدند.
یافته‌ها نشان داد بین میزان استفاده از شبکه‌های اجتماعی و ابعاد مختلف امنیت اجتماعی رابطه منفی و معناداری وجود دارد. نتایج کمی بیانگر آن است که بین مدت‌زمان استفاده از شبکه‌های اجتماعی و امنیت تحصیلی همبستگی منفی معنادار (r=-0.42، p<0.01) وجود دارد. همچنین انگیزه استفاده آموزشی اثر مثبت (β=0.27، p<0.05) و انگیزه استفاده سرگرمی‌محور اثر منفی (β=-0.31، p<0.01) بر امنیت روانی–عاطفی جوانان دارد. علاوه بر این، استفاده هدفمند از شبکه‌های اجتماعی موجب تقویت مشارکت اجتماعی و امنیت روانی–عاطفی شد، در حالی که استفاده افراطی با کاهش امنیت خانوادگی، افت تحصیلی و کاهش اعتماد اجتماعی همراه بود.
نوآوری پژوهش در ارائه چارچوب مفهومی یکپارچه برای تحلیل هم‌زمان ابعاد خانوادگی، تحصیلی، روانی–عاطفی و ارتباطی–اجتماعی امنیت جوانان و تبیین نقش نوع، میزان و انگیزه استفاده از شبکه‌های اجتماعی است. این چارچوب مفهومی ضمن تبیین هم‌زمان فرصت‌ها و تهدیدهای شبکه‌های اجتماعی، مبنایی برای طراحی برنامه‌های ارتقای سواد رسانه‌ای، سیاست‌گذاری مبتنی بر شواهد و تدوین راهبردهای پیشگیرانه در حوزه امنیت اجتماعی جوانان فراهم می‌کند.

چکیده گسترش سریع مدل‌های هوش مصنوعی مولد، مدل‌های زبانی بزرگ، دستیارهای برنامه‌نویسی، سامانه‌های AIOps و ابزارهای هوشمند امنیت سایبری، معماری و فرایندهای فناوری اطلاعات و ارتباطات را دستخوش تغییر کرده است. هدف این پژوهش، بررسی فنی و تحلیلی مزایا، معایب، ریسک‌ها و کاربردهای ابزارهای رایج هوش مصنوعی در چرخه حیات سامانه‌های فناوری اطلاعات و ارتباطات است. پژوهش حاضر با رویکرد مروری ـ تحلیلی و با اتکا بر ادبیات علمی معتبر، ابتدا ابزارها را در حوزه‌های پردازش زبان طبیعی، مهندسی نرم‌افزار، تحلیل داده، شبکه، رایانش ابری، عملیات فناوری اطلاعات و امنیت سایبری طبقه‌بندی می‌کند و سپس آنها را بر اساس معیارهای دقت، بهره‌وری، امنیت، حریم خصوصی، هزینه، مقیاس‌پذیری، قابلیت یکپارچه‌سازی و نیاز به نظارت انسانی مقایسه می‌کند. نتایج نشان می‌دهد که ارزش AI در ICT بیش از آنکه به تولید پاسخ وابسته باشد، به توانایی آن در تحلیل حجم زیاد داده، خودکارسازی وظایف تکراری، پشتیبانی از تصمیم‌گیری و ایجاد حلقه‌های هوشمند میان داده، نرم‌افزار و زیرساخت وابسته است. در مقابل، توهم مدل، تولید کد آسیب‌پذیر، افشای داده، حملات Prompt Injection ، وابستگی به ارائه‌دهنده و خطاهای تصمیم‌گیری از مهم‌ترین موانع استقرار گسترده محسوب می‌شوند. در پایان، یک چارچوب چندمعیاره برای انتخاب ابزار AI و یک مدل بلوغ پنج‌سطحی برای استقرار سازمانی پیشنهاد می‌شود. یافته اصلی آن است که در کاربردهای حساس، معماری Human-in-the-Loop، حاکمیت داده، کنترل دسترسی، ارزیابی مستمر مدل و دروازه هوش مصنوعی سازمانی باید جزء الزامات معماری باشند

چکیده با گسترش فضای اجتماعی شبکه‌های اجتماعی بر خط کاربران زیادی را به‌سوی خود جلب کرده است .یکی از مهم‌ترین جنبه‌های تحلیل شبکه‌های اجتماعی پیش بینی پیوند است. هدف از پیش بینی پیوند، یافتن پیوندهای است که در شبکه مورد مطالعه در دسترس نیست و هنوز مشاهده نشده است در یک شبکه اجتماعی، امکان وجود پیوند بین بسیاری از موجودیت‌ها است که در حال حاضر این پیوندها در دسترس نیستند و ممکن است این پیوندها در آینده به وجود بیاید و یا اینکه بر حسب اتفاقاتی اطلاعات از دست رفته باشد پیش بینی پیوند به خودی خود یک تحلیل شبکه اجتماعی نیست اما از مهم‌ترین کارهایی که در جهت تحلیل شبکه نیاز است تا انجام شود. از سوی دیگر معرفی دوستان جذاب، بطوریکه برای کاربر جدیدالورود تعجب برانگیز باشد امروزه تبدیل به یک چالش اساسی برای شبکه‌‌های اجتماعی شده است. این چالش هم بخاطر وجود حجم عظیم اطلاعات و هم بخاطر عدم وجود عملکرد قبلی کاربر جدیدالورود در ابتدای عضویت بسیار حائز اهمیت است. این مقاله درصدد طراحی یک سیستم پیشنهاد دهنده هوشمند ترکیبی مبتنی بر دانش جدید و سیستم یادگیری جمعی جهت معرفی دوست در شبکه‌‌های اجتماعی و بهبود دقت و صحت پیشنهادات دوست در شبکه اجتماعی با استفاده از سیستم یادگیری تجمعی می­ باشد.

چکیده تحلیل احساسات یکی از مهم‌ترین کاربردهای پردازش زبان طبیعی و هوش مصنوعی است که با هدف شناسایی و استخراج نگرش، احساس و قطبیت موجود در متون انسانی انجام می‌شود. اگرچه مدل‌های یادگیری عمیق و به‌ویژه معماری‌های مبتنی بر ترنسفورمر موجب افزایش چشمگیر توانایی سامانه‌های تحلیل احساسات شده‌اند، تحلیل متون فارسی همچنان با چالش‌هایی نظیر تنوع نوشتاری، نیم‌فاصله، شکل‌های مختلف حروف، ابهام معنایی، کنایه، نفی، چندجنبه‌ای بودن دیدگاه، کمبود داده‌های برچسب‌خورده و عدم تطابق میان اطمینان مدل و صحت واقعی پیش‌بینی مواجه است. افزون بر این، بسیاری از سامانه‌های موجود تنها یک برچسب کلی مثبت، منفی یا خنثی تولید می‌کنند و میزان اعتماد خود به تصمیم را در نظر نمی‌گیرند. بمنظور مواجه با چالش های موجود، در این پژوهش، یک چارچوب چندمرحله‌ای، زمینه‌آگاه و عدم‌قطعیت‌محور برای تحلیل احساسات فارسی پیشنهاد می‌شود که از چهار لایه اصلی شامل پیش‌پردازش و نرمال‌سازی فارسی، استخراج نمایش‌های عمیق با مدل‌های ترنسفورمری، تحلیل احساسات جنبه‌محور و در نهایت کالیبراسیون و تخمین عدم‌قطعیت تشکیل شده است. این ساختار امکان تفکیک «احساس کلی» از «احساس نسبت به جنبه مشخص» را فراهم می‌سازد نتایج ارزیابی نشان می­دهد که چارچوب عملیاتی پیشنهادی در تمامی شاخص‌های ارزیابی شامل Accuracy، Precision، Recall و Macro-F1 نسبت به مدل‌های پایه عملکرد بالاتری دارد. همچنین مقدار SCCI برابر با 91% نشان‌دهنده سطح بالای سازگاری و انسجام مدل در شناسایی احساسات در سطح جنبه در متن‌های فارسی است. این نتایج نشان می‌دهد که بهره‌گیری از معماری پیشنهادی، بهبود قابل‌توجهی را نه‌تنها در عملکرد طبقه‌بندی، بلکه در تشخیص متوازن و هم‌زمان برچسب‌های احساسی ایجاد کرده است.