لیلا صادقی

هدف: ارزیابی تفکر انتقادی مدیران یک دانشگاه نظامی و شناسایی موانع توسعه آن روش پژوهش: پژوهش حاضر ازلحاظ هدف کاربردی، با رویکرد آمیخته و در بخش کیفی از استراتژی تحلیل محتوا و در بخش کمّی از استراتژی پیمایشی استفاده گردید. ارزیابی تفکر انتقادی با آزمون استاندارد واتسون – گلیزر در یک نمونه 61 نفری از مدیران با روش تمام شماری،اجرا شد. برای روایی محتوایی آزمون از قضاوت خبرگان و برای تعیین روایی سازه از تحلیل عاملی تائیدی استفاده شد. در (بخش کیفی)، علاوه بر بررسی متون (کتب و مقالات)، مصاحبه نیمه ساختاریافته با 19 نفر از مدیران ارشد دافوس به عنوان مشارکت کنندگان در پژوهش که به روش نمونه گیری هدفمند ، انجام شد. برای تضمین کیفیت اعتبار پژوهش بخش کیفی، از ناظر بیرونی، مرور همتایان و ضریب هولستی استفاده و در بخش کمّی با استفاده از محاسبه میانگین و انحراف استاندارد، و در بخش کیفی، تحلیل مضمون تحت نرم افزار مکس کیودا تحلیل شد. یافته ها در بخش کمی، تفکر انتقادی با کسب میانگین (59) در حد "متوسط" قرار دارد . در بخش کیفی در بخش کیفی، چهار دسته موانع برای توسعه تفکر انتقادی شامل مغالطه ها، موانع فردی، موانع سازمانی و موانع برون سازمانی یا فرهنگی شناسایی شدند. یافته ها نشان داد مغالطه ها مهم ترین مانع توسعه تفکر انتقادی می باشد. نتیجه گیری: توسعه تفکر انتقادی مدیران نیازمند رفع موانع مختلف، از جمله مغالطه ها، محدودیت های فردی و سازمانی، و تأثیرات فرهنگی می باشد. برنامه ها و راهکارها می تواند بهبود چشمگیری در توانایی تفکر انتقادی و به تبع آن کیفیت تصمیم گیری و عملکرد مدیران دانشگاهی داشته باشد.

رشد سریع فناوری های مالی و افزایش دسترسی سرمایه گذاران خرد به بازارهای مالی، زمینه را برای توسعه سیستم های مشاور روباتیک فراهم کرده است. این سیستم ها با بهره گیری از الگوریتم های هوش مصنوعی و تحلیل داده های مالی، خدمات مدیریت سبد سرمایه گذاری را با هزینه ای کمتر و سرعتی بیشتر نسبت به مشاوران انسانی ارائه می کنند. با وجود پیشرفت های قابل توجه در حوزه مشاوران روباتیک، اغلب سیستم های موجود بر مبنای نظریه های کلاسیک مالی طراحی شده اند و فرض می کنند سرمایه گذاران رفتار کاملاً عقلایی دارند. در حالی که مطالعات مالی رفتاری نشان داده اند تصمیمات سرمایه گذاران تحت تأثیر سوگیری های شناختی و احساسی متعددی قرار دارد که می تواند منجر به انحراف از رفتار عقلایی شود.هدف این پژوهش توسعه یک چارچوب نوین برای طراحی مشاور روباتیک شخصی سازی شده است که علاوه بر ویژگی های مالی و ریسک پذیری سرمایه گذار، سوگیری های رفتاری وی را نیز در فرآیند تصمیم گیری لحاظ می کند. در این چارچوب، از یادگیری تقویتی عمیق به عنوان هسته تصمیم گیری استفاده می شود تا عامل هوشمند بتواند از طریق تعامل مستمر با محیط بازار و تحلیل رفتار کاربران، استراتژی های بهینه تخصیص دارایی را فراگیرد. مدل پیشنهادی با ترکیب داده های بازار، مشخصات فردی سرمایه گذار و شاخص های رفتاری، قادر است توصیه های سرمایه گذاری متناسب با ویژگی های هر فرد ارائه نماید.نتایج مطالعات نظری نشان می دهد ادغام مفاهیم مالی رفتاری با الگوریتم های یادگیری تقویتی عمیق می تواند عملکرد مشاوران روباتیک را در مدیریت سبد، کنترل ریسک و افزایش رضایت سرمایه گذاران بهبود بخشد. همچنین انتظار می رود سیستم پیشنهادی بتواند اثرات منفی سوگیری هایی نظیر اعتماد بیش از حد، زیان گریزی، رفتار گله ای و لنگراندازی را کاهش داده و تصمیمات سرمایه گذاری منطقی تری ایجاد کند.