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: پژوهش حاضر با شناسایی پژوهشی های علمی هوش مصنوعی انجام شده توسط دانشگاه، صنعت و دولت، به دنبال ترسیم وضعیت تحقیقاتی ایران در زمینه این فناوری در مقایسه با کشورهای چین و آمریکا به عنوان دو کشور پیشرو در هوش مصنوعی است. بر مبنای این شناخت، هدف اصلی پژوهش استخراج الگوی تعاملی دانشگاه، صنعت و دولت به عنوان بازیگران اصلی در همکاری های علمی - پژوهشی هوش مصنوعی در سه کشور مورد مطالعه می باشد. روش: این پژوهش برمبنای روش علم سنجی و بهره گیری از داده های پایگاه اسکوپوس در قلمرو زمانی 2002 تا 2021 انجام شده است. رتبه بندی کشورها براساس تعداد مستندات و میزان ارجاع دهی به 1000 سند برتر انجام شد. سپس مستندات برمبنای وابستگی های سازمانی، به گروه های دانشگاهی، صنعتی، دولتی و بین المللی تفکیک گردیدند. بر این مبنا، شبکه هم تالیفی مستندات ایران بر مبنای همکاری های سازمانی ترسیم شد. از طریق محاسبات رهیافت اطلاعات متقابل، کیفیت همکاری ها در ایران با دو کشور دیگر مقایسه شدند. برای این منظور، بررسی معناداری آرایش دسته ها و هم پوشانی های چندجانبه از طریق محاسبات آنتروپی شانون و رسانش اطلاعات صورت گرفت. یافته ها: نتایج پژوهش نشان می دهد که کشورهای چین و آمریکا با اختلافی اندک، بیشترین مستندات را در بین کشورهای مورد مطالعه داشتند و ایران در جایگاه سی ام بود. از نظر میزان استناد، آمریکا با اختلاف قابل توجهی اول، چین دوم و ایران در رتبه هفدهم قرار گرفتند. با نرمال کردن تعداد پژوهش ها برحسب جمعیت، درآمد و عملکرد، آمریکا علی رغم نزدیک بودن تعداد مستنداتش با چین، در جایگاه بسیار بالاتری قرار گرفت و فاصله ایران با چین در نتایج نرمال شده بسیار کم تر شد. از منظر عدم قطعیت و هم افزایی تعاملات نیز همین ترتیب برقرار بود. از بین بازیگران ایران، دانشگاه تهران و پس از آن دانشگاه های امیرکبیر و شریف بیشترین تولیدات علمی را داشته اند. داده های دانشگاه، صنعت و دولت برای ایران به صورت آزمایشی کم و زیاد شدند. بیشترین افزایش خروجی بر مبنای کم ترین تغییر ورودی از طریق افزایش پژوهش های صنعت به دست آمد که نشان می دهد ورود بخش صنعت به امر پژوهش می تواند باعث افزایش هم افزایی در همکاری های پژوهشی بازیگران ایرانی شود. نتیجه گیری: تحلیل و بررسی نتایج به دست آمده نشان می دهد که مهم ترین تفاوت در الگوی همکاری های پژوهشی بین بازیگران ایرانی و بازیگران دو کشور دیگر، میزان مشارکت بخش صنعت است. از بین سه کشور مورد مطالعه، آمریکا بیشترین همکاری های پژوهشی صنعتی را نشان می دهد. در مورد ایران نیز چنین نتیجه گیری شد که سیاست تحریک صنعت به مشارکت در تحقیقات هوش مصنوعی، بیشترین اثربخشی را خواهد داشت. این نتیجه از طریق دست کاری آزمایشی مقادیر داده ها پشتیبانی شد.  

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.