درخت حوزه‌های تخصصی

امروزه مهاجرت نخبگان یکی از مسئله های کشور ایران است. از این رو، هدف این مطالعه، بررسی روابط روحیه کارآفرینی، عملکرد تحصیلی و گرایش به مهاجرت در بین دانشجویان با رویکرد معادلات ساختاری استفاده از روش توصیفی - همبستگی است. پرسشنامه های آنلاین از طریق دانشجویان دانشگاه فردوسی و علوم پزشکی مشهد طی دو ماه (مهر و آبان 1400) جمع آوری شد. یافته های پژوهش نشان داد که از بین ابعاد روحیه کارآفرینی، بعد توفیق طلبی بیشترین نمره و بعد ریسک پذیری کمترین نمره را کسب نموده است. نتایج آزمون ضریب همبستگی اسپیرمن نیز نشان داد که رابطه ای مثبت با شدت 0.378 بین دو متغیر کیفیت زندگی تحصیلی و گرایش به مهاجرت وجود دارد و هر چه کیفیت زندگی تحصیلی دانشجویان بالاتر باشد، گرایش آنان به مهاجرت نیز افزایش می یابد. نتایج رویکرد معادلات ساختاری گویای این بود که روحیه کارآفرینی با ضریب استاندارد 0.605 تأثیر مثبتی بر عملکرد تحصیلی دارد و دانشجویان با روحیه کارآفرینی قوی تر، عملکرد تحصیلی بهتری دارند. روحیه کارآفرینی همچنین با ضریب 0.527 بر گرایش به مهاجرت تأثیر دارد و دانشجویان با روحیه کارآفرینی قوی تر، تمایل بیشتری به مهاجرت نشان می دهند. عملکرد تحصیلی نیز با ضریب 0.111 (با شدت کمتر از دو عامل قبلی) بر گرایش به مهاجرت اثرگذار است. بر اساس نتایج پیشنهاد می گردد که بکارگیری روحیه کارآفرینی در قالب ارتباط دانشگاه با صنعت و طرح های مرتبط با کارآفرینی دانشجویان دانشگاه فردوسی و علوم پزشکی مشهد؛ به گونه ای باشد تا بتواند در کاهش گرایش به مهاجرت آن ها نقش موثری داشته باشد.

زمینه و هدف: در سال های آینده شاهد تردد انواع خودروهای خودران در سطح جاده ها و خیابان ها خواهیم بود. ورود این خودروها به کشور چالش های ترافیکی خاصی را در پی خواهد داشت و بررسی این چالش ها می تواند تا حد بسیار زیادی از بروز حوادث جلوگیری کرده و نهایتاً ایمنی و سطح مدیریت ترافیک را در جاده ها و خیابان ها ارتقا دهد. از این رو این تحقیق با هدف بررسی چالش های ترافیکی خودروهای خودران در ایران انجام شده است. روش: پژوهش حاضر از نظر هدف کاربردی، از حیث زمان مقطعی و از منظر ماهیت داده ها یک پژوهش کیفی است که با استفاده از تکنیک تحلیل مضمون و ابزار مصاحبه نیمه ساختار یافته انجام شده است. مشارکت کنندگان در این پژوهش، کارشناسان پلیس راهور، کارشناسان حوزه حمل و نقل و اساتید دانشگاهی حوزه مدیریت ترافیک به تعداد 13 نفر می باشند. مشارکت کنندگان به روش نمونه گیری هدفمند انتخاب شده اند و تعداد مصاحبه ها تا دستیابی به اشباع نظری ادامه داشته است. یافته ها: یافته های تحقیق دربرگیرنده 241 تم پایه، 15 تم سازنده و 6 تم فراگیر می باشند. نقاط ضعف خودران ها، پذیرش مردمی خودران ها، خطرات سایبری، نقص قوانین، رخداد تصادفات، آموزش و فرهنگ سازی، زیرساخت های مادی و ...، از تم های سازنده پژوهش می باشندکه در 6 تم فراگیر خود خودروی خودران، زیرساخت ها و آمادگی قبل از ورود خودران ها، آسیب های شبکه و سایبری، مرتبط با مردم، آسیب های مرتبط با تصادفات و نبود یا نقص قوانین و مقررات سازماندهی شده اند. نتایج تحقیق: مهم ترین چالش های عملکردی استفاده از خودروهای خودران در معابر و خیابان های شهری ایران، عدم درک صحیح خودروهای خودران از رفتار سایر کاربران راه، عدم عکس العمل مناسب خودرو در برابر تغییرات ناگهانی و نفوذ سایبری در هدایت خودروهای خودران می باشد. پیش از ورود فناوری خودروهای خودران به معابر و خیابان های شهری ایران، ضروری است با انجام اقداماتی در راستای اصلاح فرهنگ رانندگی و فرهنگ سازی کاهش تخلفات رانندگی، زمینه های لازم برای ورود این فناوری به شبکه ترافیک وسایل نقلیه در ایران ایجاد گردد.

بازار ارزهای دیجیتال به دلیل ماهیت غیرمتمرکز، نقدشوندگی بالا و تأثیرپذیری گسترده از اخبار و رویدادهای اجتماعی، یکی از پرنوسان ترین بازارهای مالی جهان محسوب می شود. پیش بینی دقیق نوسانات این بازار می تواند نقش مهمی در تصمیم گیری سرمایه گذاران، مدیریت ریسک و بهبود عملکرد استراتژی های معاملاتی ایفا کند. هدف این پژوهش ارائه مدلی ترکیبی مبتنی بر یادگیری عمیق و تحلیل احساسات شبکه های اجتماعی برای پیش بینی نوسانات بازار ارزهای دیجیتال است. در این مطالعه، داده های تاریخی قیمت و حجم معاملات ارزهای دیجیتال در کنار داده های متنی استخراج شده از شبکه های اجتماعی نظیر توییتر، ردیت و تلگرام مورد استفاده قرار گرفته اند. برای استخراج احساسات کاربران از تکنیک های پردازش زبان طبیعی و برای مدل سازی سری های زمانی از شبکه های عصبی عمیق شامل LSTM و GRU استفاده شده است. نتایج پژوهش نشان می دهد که ترکیب داده های مالی و شاخص های احساسات اجتماعی نسبت به استفاده صرف از داده های قیمتی، دقت پیش بینی نوسانات را به طور معناداری افزایش می دهد. همچنین یافته ها حاکی از آن است که تغییرات احساسات کاربران در شبکه های اجتماعی دارای قدرت توضیح دهندگی قابل توجهی در خصوص رفتار آتی بازار ارزهای دیجیتال هستند. نتایج این پژوهش می تواند برای سرمایه گذاران، تحلیلگران مالی و توسعه دهندگان سیستم های هوشمند معاملاتی کاربردهای ارزشمندی فراهم آورد.

افزایش در سال های اخیر، توسعه بازارهای مالی و افزایش پیچیدگی رفتار سرمایه گذاران، ضرورت بهره گیری از روش های نوین تحلیلی برای ارزیابی عملکرد ابزارهای مالی را دوچندان کرده است. در این میان، صندوق های سرمایه گذاری به عنوان یکی از مهم ترین نهادهای مالی غیرمستقیم، نقش اساسی در تجهیز و تخصیص بهینه منابع مالی در بازار سرمایه ایفا می کنند. با توجه به نوسانات بالای بازار سرمایه و محدودیت روش های سنتی در تحلیل غیرخطی و پویا، استفاده از رویکردهای مبتنی بر یادگیری ماشین و به ویژه شبکه های عصبی مصنوعی به عنوان یک ابزار قدرتمند در پیش بینی و ارزیابی عملکرد صندوق ها مورد توجه قرار گرفته است. هدف این پژوهش، ارائه یک مدل ترکیبی مبتنی بر شبکه های عصبی عمیق و داده های سری زمانی بازار سرمایه جهت ارزیابی عملکرد صندوق های سرمایه گذاری و پیش بینی بازدهی آن ها است. در این راستا، داده های مربوط به بازدهی واحدهای سرمایه گذاری، شاخص کل بورس، نرخ ارز، نرخ سود بدون ریسک و متغیرهای کلان اقتصادی به عنوان ورودی های مدل مورد استفاده قرار گرفته اند. روش تحقیق از نوع توصیفی–کاربردی بوده و با استفاده از داده های واقعی بازار سرمایه ایران در یک بازه زمانی چندساله، مدل پیشنهادی آموزش و آزمون شده است. نتایج حاصل از مدل سازی نشان می دهد که شبکه های عصبی در مقایسه با روش های سنتی مانند رگرسیون خطی و مدل های کلاسیک ارزیابی عملکرد (مانند شارپ و ترینر)، توانایی بالاتری در شناسایی الگوهای غیرخطی و پیش بینی رفتار صندوق های سرمایه گذاری دارند. همچنین نتایج بیانگر آن است که ترکیب متغیرهای کلان اقتصادی با داده های معاملاتی، دقت پیش بینی مدل را به طور معناداری افزایش می دهد. در نهایت، یافته های پژوهش نشان می دهد که بهره گیری از مدل های یادگیری عمیق می تواند به سرمایه گذاران و مدیران صندوق ها در تصمیم گیری های بهینه و مدیریت ریسک کمک شایانی نماید.

پیشینه و اهداف: امروزه با شکل گیری اقتصاد دیجیتال و تغییرات سریع فنّاورانه، صنعت بیمه مانند دیگر حوزه ها باید متحول شود. به این منظور بهره گیری از فنّاوری های نوین بیمه ای می تواند به مثابه مزیت رقابتی ارزشمندی برای شرکت ها و کارگزاران بیمه عمل کند و موجب تسهیل ارزش آفرینی در این صنعت شود. باوجوداین، توسعه استارت آپ های بیمه ای مستلزم شناخت دقیق عوامل مؤثر و تعامل میان فنّاوری، بازار و مشتری است. ازاین رو، این پژوهش با هدف تدوین الگوی توسعه استارت آپ ها در صنعت بیمه ایران انجام شد. روش شناسی: پژوهش حاضر از نظر هدف، کاربردی –  توسعه ای، از دیدگاه ماهیت، توصیفی –  تحلیلی و از نوع اکتشافی و از نظر روش اجرای پژوهش، کیفی بود. داده های این پژوهش از داده های اولیه شامل مصاحبه ها و داده های ثانویه شامل کتاب ها، مقاله ها، اسناد، مدارک و تجربیات منتشرشده گردآوری شد. جامعه مورد مطالعه، مدیران و کارشناسان صنعت بیمه، فعالان حوزه استارت آپ ی و اساتید صاحب نظر مرتبط در کشور با احراز شرایط خبرگی بودند. روش نمونه گیری، هدفمند قضاوتی و گلوله برفی بود و گردآوری داده ها تا دستیابی به اشباع نظری ادامه یافت (14 نفر). ابزار گردآوری داده ها مصاحبه های نیمه ساختاریافته با تدوین پروتکل دقیق بود. در نهایت، به منظور تحلیل یافته ها از روش استراوس و کوربین استفاده شد. یافته ها : براساس تحلیل انجام شده در این پژوهش، 53 کد باز در 15 مفهوم طبقه بندی شدند که در مدل پارادایمی، توسعه استارت آپ های صنعت بیمه به عنوان پدیده محوری انتخاب شد. نتایج حاکی از آن است که شرایط علّی همچون توسعه و زیرساخت های فنّاوری و تجاری سازی فنّاوری بر پدیده محوری اثرگذار است. شرایط مداخله گر شامل تحول دیجیتال، مدیریت ریسک و مشتری مداری و شرایط زمینه ای شامل عوامل داخلی و خارجی استارت آپ همراه با پدیده محوری، راهبردها را تشکیل دادند؛ این راهبردها شامل همکاری و شبکه سازی، ایجاد و توسعه نوآوری های فنّاورانه، مشتری مداری و بازاریابی و توسعه سازمانی هستند. در نهایت پیامدهای توسعه استارت آپ ها که شامل رشد و توسعه صنعت بیمه، بهبود بهره وری، توسعه اقتصادی و اجتماعی و بهبود تجربه مشتری بودند، طبقه بندی شد. نتیجه گیری: رشد و به روز بودن استارت آپ ها یکی از موضوعات مهم در صنعت بیمه است. براساس مدل پارادایمی ارائه شده، پیشنهادهای ذیل را می توان مطرح کرد: (1) استفاده از الگوریتم های هوش مصنوعی برای تحلیل داده های فردی (مانند سابقه پزشکی، عادات رانندگی، سبک زندگی) و ارائه پیشنهادهای بیمه ای شخصی سازی شده؛ (2) استفاده از بلاکچین در قراردادهای هوشمند بیمه که به طور خودکار در صورت وقوع شرایط خاص (مانند تأخیر پرواز، خسارت خودرو) پرداخت می شوند؛ و (3) طراحی و ارائه محصولات بیمه ای ساده و ارزان قیمت که برای پوشش ریسک های مالی جمعیت های کم درآمد (مانند کشاورزان، کارگران فصلی) مناسب باشد.

پیشینه و اهداف: شورای عالی بیمه در جلسه مورخ 17/07/1398 در اجرای ماده 17 قانون تأسیس بیمه مرکزی ایران و بیمه گری، «شرایط عمومی بیمه مسئولیت مدنی کارفرما در قبال کارکنان» را مشتمل بر 24 ماده و 2 تبصره تصویب کرد. این آیین نامه با هدف یکسان سازی مقررات این بیمه نامه تدوین شده است. هرچند آیین نامه یادشده سعی بر رفع ابهامات آیین نامه شماره 80 داشته و از تاریخ ابلاغ جایگزین این آیین نامه شده است؛ باوجوداین، مستلزم بررسی انتقادی است. هدف از این پژوهش، شناسایی خلأهای موجود در آیین نامه شماره 98 و بیمه نامه مرتبط و ارائه راهکارهایی برای رفع آن ها، به منظور ارتقای عملکرد این رشته بیمه ای است. روش شناسی: این پژوهش به روش توصیفی –  تحلیلی و با بهره گیری از منابع کتابخانه ای انجام شده است. یافته ها: بیمه نامه مسئولیت مدنی کارفرما از حیث شرایط عمومی، تابع مفاد آیین نامه شماره ۹۸ شورای عالی بیمه بوده و درعین حال مستند به قوانین و مقررات جاری کشور است. آیین نامه مزبور که با هدف رفع ابهامات و اصلاح آیین نامه شماره ۸۰ صادر شده، همچنان در موارد متعددی از جمله تعریف دقیق اصطلاحات کلیدی، فرایند جبران خسارت و ... دارای ابهامات و برداشت های تفسیری متفاوت در میان ذی نفعان است. این امر در برخی موارد به بروز اختلاف نظر میان بیمه گذاران و بیمه گران و نیز نارضایتی آن ها منجر شده است. ازاین رو، شایسته است موارد مزبور در فرایند بازنگری و اصلاح آتی این آیین نامه مورد توجه و مداقه قرار گیرد. نتیجه گیری: آیین نامه شماره ۹۸ شورای عالی بیمه، به عنوان یک سند کلیدی حاکم بر بیمه مسئولیت کارفرما، مستلزم بازنگری و اصلاح است تا به طور جامع تر و دقیق تر به نیازهای در حال تحول و پیچیده بازار بیمه پاسخ دهد. بررسی های انجام شده نشان می دهد که برخی بندها و مفاد آیین نامه، به دلیل ابهام در تعاریف و دامنه پوشش، به تفاسیر متنوع و گاه متناقض بین بیمه گذاران و شرکت های بیمه منجر شده است. در پاسخ به این چالش ها چندین پوشش الحاقی یکسان برای پوشش بهتر ریسک ها و نیازهای خاص بیمه گذاران و ایجاد رویه ای مشابه بین بیمه گران معرفی شده است. بااین حال، این اقدام به تنهایی کافی نیست و بازنگری جامع آیین نامه با رویکردی انتقادی و مشارکتی، با در نظر گرفتن نظرات کارشناسان، بیمه گذاران و سایر ذی نفعان، ضروری به نظر می رسد.

هدف این تحقیق تعیین تأثیرات ساختاری عوامل بروز شوک های مالی در صنعت پتروشیمی ایران است. روش انجام پژوهش توصیفی اکتشافی است. جامعه آماری شامل دو گروه خبرگان برای شناسایی عوامل بروز شوک های مالی و تأثیرات ساختاری آن ها بر یکدیگر و گروه دوم مدیران ارشد شرکت های پتروشیمی برای واقعی سازی مدل پیشنهادی است. از ادبیات تحقیق، تعداد ده عامل بروز شوک های مالی تهیه و با میانگین فازی و اجماع خبرگان در تمام عوامل به دست آمد. مدل ساختاری تأثیرات عوامل با استفاده از ISM به دست آمد. با نظرات مدیران ارشد در شرکت های پتروشیمی، وضعیت موجود با آزمون میانگین تعیین شد. نتایج نشان داد که تأثیر نه عامل از ده عامل تأیید شد. رویدادهای طبیعی از عوامل حذف شد. اولین عامل بروز شوک های مالی در صنعت پتروشیمی، نوسانات سیاسی است و آخرین عامل تغییرات مدیریتی است که معمولاً برای کنترل شوک های مالی از این عامل استفاده می شود درحالی که خود تحت تأثیر عوامل دیگر است.

این مطالعه به بررسی نقش های کلیدی اثربخشی حسابرسی داخلی و نوآوری پایدار در پیشبرد شیوه های اطمینان بخشی پایداری می پردازد. این تحقیق از طراحی تحقیقاتی مقطعی، مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی (PLS-SEM) و تحلیل همبستگی استفاده کرده است. اطلاعات مورد نیاز پژوهش به وسیله پرسشنامه از 396 مدیر مالی در سطوح مختلف شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران جمع آوری شده است و برای تحلیل داده ها از نرم افزار SPSS 26 و Smart pls استفاده شده است. تحلیل داده ها با استفاده از رگرسیون سلسله مراتبی و مدل سازی معادلات ساختاری از طریق بسته نرم افزاری آماری برای علوم اجتماعی انجام شده است. یافته ها نشان می دهند که اثربخشی حسابرسی داخلی و نوآوری پایداری به طور معناداری اطمینان ب خشی پایداری را در ابعاد مختلف محیط زیست، اجتماعی و حاکمیتی تقویت می کنند و بر لزوم وجود چارچوب های قوی حسابرسی داخلی و شیوه های نوآورانه و متمرکز بر پایداری تأکید می کنند. در مقابل، استانداردهای حسابرسی تأثیر منفی غیرمعناداری بر اطمینان بخشی پایداری نشان دادند که نشان دهنده عدم انطباق اساسی بین راهنماهای حسابرسی موجود و اهداف گسترده تر پایداری است. این نتایج با نظریه های ذینفعان و نمایندگی همخوانی دارد که بر هم راستایی شیوه های سازمانی با انتظارات ذینفعان و رسیدگی به تعارضات نماینده-اصلی برای دستیابی به اهداف پایداری تأکید می کنند.

گسترش سریع امور مالی غیرمتمرکز موجب ظهور سازوکارهای نوینی برای مبادله دارایی های دیجیتال شده است که بازارسازهای خودکار از مهم ترین اجزای آن به شمار می روند. با وجود موفقیت گسترده این سازوکارها، آسیب پذیری آن ها در برابر استخراج ارزش قابل برنامه ریزی( MEV) به یکی از چالش های اساسی اکوسیستم دیفای تبدیل شده است. حملاتی نظیر فرانت رانینگ، ساندویچ اتک و آربیتراژ مخرب می توانند موجب کاهش رفاه کاربران، افزایش لغزش قیمت و کاهش کارایی بازار شوند. پژوهش حاضر به طراحی یک مکانیزم بازارساز خودکار مقاوم در برابر MEV از طریق بهینه سازی پویا و تطبیقی منحنی های قیمت گذاری پیوسته می پردازد. در این چارچوب، محیط بازار به صورت یک سیستم چندعامله مدل سازی شده است که شامل معامله گران عادی، آربیتراژگران، استخراج کنندگان MEV و بازارساز خودکار می باشد. برای یادگیری رفتار بهینه بازارساز از الگوریتم های یادگیری تقویتی چندعامله استفاده شده است تا پارامترهای منحنی قیمت گذاری در زمان واقعی و متناسب با شرایط بازار تنظیم شوند. تابع پاداش طراحی شده به گونه ای است که ضمن حفظ نقدینگی و کارایی بازار، فرصت های استخراج MEV را به حداقل برساند. نتایج شبیه سازی های انجام شده نشان می دهد که مدل پیشنهادی در مقایسه با بازارسازهای سنتی مبتنی بر حاصل ضرب ثابت، قادر است میزان سود استخراج شده توسط مهاجمان MEV را به طور معناداری کاهش داده و همزمان کیفیت اجرای معاملات و رفاه کاربران را بهبود بخشد. یافته های این پژوهش می تواند زمینه توسعه نسل جدیدی از بازارسازهای هوشمند و مقاوم در برابر حملات اقتصادی را در پلتفرم های دیفای فراهم آورد.

در دهه های اخیر، دانشگاه ها به عنوان بازیگرانی راهبردی در توسعه سرمایه انسانی، در کانون سیاست های ارتقای اشتغال پذیری، توانمندسازی حرفه ای و پاسخ گویی به تحولات پرشتاب بازار کار قرار گرفته اند. در شرایطی که محیط های کاری با سرعتی فزاینده دستخوش دگرگونی های فناورانه، اجتماعی و اقتصادی می شوند، انتظار می رود آموزش عالی نقشی فراتر از انتقال دانش نظری ایفا کند و زمینه ساز پرورش شایستگی های ترکیبی و حرفه ای دانش آموختگان باشد. با وجود شواهدی مبنی بر ظرفیت آموزش عالی در ارتقای صلاحیت های حرفه ای، نقش دانشگاه ها در این زمینه به ویژه در بستر آموزش عالی ایران و موانع پیش روی آن کمتر به صورت نظام مند بررسی شده است. این پژوهش با هدف تبیین نقش دانشگاه ها در ارتقای صلاحیت های حرفه ای دانش آموختگان و شناسایی چالش ها و راهکارهای آموزش صلاحیت محور با رویکرد کیفی و روش تحلیل مضمون استقرایی انجام شده است. داده ها از راه مصاحبه های نیمه ساختاریافته با ۴۰ نفر از اعضای هیأت علمی، مدیران آموزشی، سیاست گذاران و دانش آموختگان دانشگاه های مهارتی (انتخاب شده با نمونه گیری هدفمند) گردآوری شدند و با استفاده از روش شش مرحله ای براون و کلارک تحلیل شدند. نتایج نشان دهنده شناسایی پنج مضمون اصلی شامل بازنگری برنامه های درسی مبتنی بر شایستگی، تقویت تعامل دانشگاه و صنعت، آموزش مهارت های نرم و میان رشته ای، ارتقای کیفیت تدریس و نظام ارزشیابی و اصلاح خط مشی گذاری کلان است. یافته های این پژوهش می تواند دلالت های نظری و سیاستی مهمی برای خط مشی گذاران آموزشی، مدیران دانشگاهی و پژوهشگران حوزه منابع انسانی فراهم آورد.

افزایش حجم تراکنش های مالی دیجیتال و گسترش استفاده از پیام رسان های مالی، زمینه را برای ظهور الگوهای پیچیده و متغیر تقلب فراهم کرده است. روش های سنتی شناسایی تقلب به دلیل وابستگی به داده های متمرکز، محدودیت در حفظ حریم خصوصی و ناتوانی در انطباق با الگوهای پویای تقلب، با چالش های متعددی مواجه هستند. هدف این پژوهش، ارائه معماری فدراتیو یادگیری توزیع گرد مبتنی بر هوش مصنوعی استوکاستیک برای شناسایی الگوهای متغیر تقلب در پیام رسان های مالی است. در معماری پیشنهادی، داده های مالی در محل تولید و نگهداری شده و تنها پارامترهای یادگیری میان گره های مشارکت کننده مبادله می شوند. همچنین، بهره گیری از الگوریتم های استوکاستیک امکان سازگاری پویا با تغییرات رفتاری و ظهور الگوهای جدید تقلب را فراهم می آورد. پژوهش حاضر از نظر هدف، کاربردی و از نظر روش، توسعه ای و مبتنی بر مدل سازی است. نتایج مورد انتظار نشان می دهد که ترکیب یادگیری فدراتیو و هوش مصنوعی استوکاستیک می تواند ضمن حفظ محرمانگی داده ها، دقت و سرعت شناسایی تقلب را افزایش داده و ریسک های عملیاتی و نظارتی مؤسسات مالی را کاهش دهد. یافته های این تحقیق می تواند به عنوان چارچوبی نوین برای توسعه سامانه های هوشمند کشف تقلب در زیرساخت های مالی و بانکی مورد استفاده قرار گیرد.

پیشینه و اهداف: یکی از راهکارهای افزایش ضریب نفوذ در صنعت بیمه کشور، ایجاد تنوع در محصولات بیمه زندگی است. در این راستا، یکی از بیمه های زندگی در حال گسترش، بیمه های زندگی مشترک است که می تواند دو نفر را در قالب یک بیمه نامه و در دو حالت به شرط اولین فوت و به شرط دومین فوت یا آخرین بازمانده، تحت پوشش قرار دهد. در این مقاله تلاش شده تا با معرفی محصول بیمه های زندگی مشترک به عنوان محصولی که جای رشد در صنعت بیمه های زندگی در ایران را دارد، طراحی محصولات جدید را در دستور کار خود قرار دهد و حق بیمه و احتمالات فوت مشترک را بر مبنای مبانی فنی آیین نامه 107 شورای عالی بیمه محاسبه کند. روش شناسی: در این مطالعه، محاسبات بیم سنجی و نرخ های حق بیمه خالص چهار نوع کلاسیک بیمه های زندگی مشترک بررسی شده و بر مبنای آن، احتمالات فوت مشترک براساس جدول TD88-90 و جدول زندگی بومی کشور (ILT1400)، استخراج و مقایسه شده است. همچنین، تأثیر جدول زندگی بر درآمد و سود یک شرکت بیمه به صورت فرضی بررسی شده است. یافته ها : احتمالات فوت مشترک در حالت استفاده از جدول زندگی بومی کشور مقادیر بسیار پایین تری دارند. همچنین از میان چهار نوع کلاسیک بیمه های زندگی مشترک، بیمه زندگی مشترک زمانی دارای کمترین حق بیمه است. همچنین، در بیمه های زندگی زمانی مشترک، تمام زندگی مشترک و مختلط مشترک، با افزایش سن و با توجه به افزایش احتمال فوت، حق بیمه افزایش می یابد؛ درصورتی که در بیمه های زندگی مشترک به شرط حیات با افزایش سن مقدار حق بیمه کاهش می یابد که به این علت است که هرچه سن افراد بیشتر می شود، احتمال فوت آن ها افزایش و احتمال حیات آن ها کاهش می یابد. ازاین رو، حق بیمه کمتری باید در این سنین در بیمه های به شرط حیات اخذ شود. نتیجه گیری: بیمه های زندگی مشترک به کاهش مقدار حق بیمه و به صرفه تر بودن از خرید دو بیمه نامه زندگی انفرادی مجزا، برای مردم منجر می شود. در راستای توسعه این محصول، پیشنهادهایی به شرح ذیل ارائه می شود که صنعت بیمه می تواند آن ها را در دستور کار قرار دهد: ارائه بیمه های زندگی مشترک غیرپس اندازی به منظور تنوع محصولات بیمه های زندگی، تصویب شرایط عمومی بیمه های زندگی مشترک غیرپس اندازی، اعمال تخفیف به منظور تشویق بیشتر افراد به خریداری بیمه های زندگی مشترک.

پیشینه و اهداف: صنعت بیمه به عنوان پشتیبان فعالیت های مالی و اقتصادی یک کشور به سرمایه انسانی متخصص و شایسته نیاز دارد. بررسی پیشینه پژوهش نشان می دهد که مسائل و محدودیت های متعددی در شناسایی و اندازه گیری شایستگی ها وجود دارد. این مسائل شامل عدم روایی مدل های شایستگی، تمرکز بر رابطه همبستگی متغیرهای شایستگی با عملکرد مدیران و گذشته نگر بودن مدل ها می شود. با توجه به طرح موضوع و شکاف های پژوهشی موجود، پژوهش حاضر با هدف طراحی و اعتبارسنجی الگوی شایستگی های حرفه ای کارکنان کلیدی صنعت بیمه کشور انجام شده است. روش شناسی: روش پژوهش روش آمیخته (کیفی و کمّی) است. روش پژوهش بخش کیفی تحلیل مضمون و روش کمّی نیز روش توصیفی از نوع همبستگی بوده است. مشارکت کنندگان پژوهش در بخش کیفی شامل خبرگان صنعت بیمه که یک نمونه 15 نفری با روش نمونه گیری گلوله برفی از میان آن ها انتخاب شد. جامعه آماری بخش کمّی پژوهش نیز عبارت بودند از کارکنان کلیدی صنعت بیمه و با روش نمونه گیری تصادفی ساده تعداد 88 نفر از آنان انتخاب شد. ابزار جمع آوری داده های پژوهش برای بخش کیفی مصاحبه نیمه ساختاریافته و ابزار برای بخش کمّی نیز پرسش نامه محقق ساخته بوده است. یافته ها : نتایج بخش کیفی نشان داد که ابعاد اصلی شایستگی های حرفه ای کارکنان کلیدی صنعت بیمه شامل چهار بعد است: (1) شایستگی فردی؛ توانایی ارزیابی و انتخاب فنّاوری، استفاده از الگوریتم های هوش مصنوعی، امنیت داده و مشارکت در تحقیقات، (2) شایستگی بین فردی؛ مدیریت تعارض، ارتباط اثربخش، مذاکره و اقناع، و هوش هیجانی، (3) شایستگی کارکردی؛ مدیریت زمان، مدیریت داده ها، تصمیم گیری و حل مسئله، مدیریت تغییر و سرمایه انسانی و (4) شایستگی سازمانی؛ تدوین استراتژی، رهبری اثربخش، کنترل و نظارت، تحلیل بازار و بازاریابی. در بخش کمّی نیز همه روابط مدل برازش شده معنادار بودند؛ به طوری که مقدار آماره t برای مسیرها بالاتر از 1.96 و سطح معناداری کمتر از 0.50گزارش شد که بیانگر اعتبار مدل نهایی است. تحلیل میزان اثرگذاری ابعاد نشان داد که شایستگی هایی مانند «تصمیم گیری و حل مسئله» و «رهبری اثربخش» بیشترین تأثیر را دارند؛ درحالی که شایستگی هایی مانند «امنیت سایبری» و «مشارکت در پروژه های پژوهشی» در رتبه های پایین تری قرار گرفتند. نتیجه گیری: پژوهش حاضر با ارائه الگویی بومی و معتبر از شایستگی های حرفه ای کارکنان کلیدی صنعت بیمه، چندین دستاورد نظری و عملی به همراه دارد. به لحاظ نظری، این پژوهش شکاف موجود در ادبیات داخلی را پر کرده و تصویری جامع از ابعاد شایستگی های فردی، بین فردی، کارکردی و سازمانی ارائه کرده است. از نظر عملی، مدل نهایی می تواند به مدیران و سیاست گذاران صنعت بیمه کمک کند تا در فرآیندهای جذب، انتخاب، آموزش، ارزیابی و جانشین پروری کارکنان کلیدی از چهارچوبی علمی و مبتنی بر شایستگی استفاده کنند. همچنین، این مدل مبنایی برای طراحی دوره های آموزشی هدفمند، توسعه منابع انسانی، ارتقای رضایت مشتریان و افزایش مزیت رقابتی شرکت های بیمه در سطح ملی و بین المللی خواهد بود. هرچند پژوهش حاضر با محدودیت هایی همچون حجم نمونه محدود و دشواری دسترسی به خبرگان مواجه بوده است، اما نتایج آن می تواند الهام بخش مطالعات بعدی برای توسعه مدل های جامع تر، آینده نگرتر و با داده های گسترده تر باشد. در مجموع، یافته ها نشان می دهد که موفقیت صنعت بیمه در گرو توجه نظام مند به شایستگی های حرفه ای کارکنان کلیدی است و به کارگیری چنین مدل هایی می تواند آینده ای پایدارتر و رقابتی تر برای این صنعت به ارمغان بیاورد.

گذار به اقتصاد کم کربن موجب ظهور طبقه ای جدید از دارایی های مالی با عنوان «دارایی های کربن زدایی شده» شده است. مدیریت پرتفوی این دارایی ها به دلیل عدم قطعیت ژئوپولیتیکی، نوسانات سیاست های اقلیمی و ماهیت پویای بازارهای انرژی و کربن با چالش های جدی مواجه است. این پیچیدگی ها نیازمند رویکردهای تطبیقی و داده محور هستند که توانایی مدیریت محیط های غیرایستا را داشته باشند. این مقاله چارچوبی برای بهینه سازی چندهدفه پویا ارائه می دهد که در آن ترکیبی از الگوریتم های فراابتکاری(NSGA-II، PSOو تفاضل تکاملی) و شبکه های عصبی بازگشتی عمیق (LSTM/GRU) برای پیش بینی و تصمیم گیری به کار گرفته شده است. این مدل به گونه ای طراحی شده است که هم وابستگی های زمانی و هم رفتار تصادفی بازار را در نظر بگیرد. مدل پیشنهادی به طور هم زمان بازده پرتفوی، شدت کربنی و ریسک ژئوپولیتیکی را بهینه می کند. نتایج نشان می دهد که رویکرد ترکیبی پیشنهادی در مقایسه با چارچوب کلاسیک مارکویتز، به ویژه در شرایط بسیار نوسانی و عدم قطعیت بالا، پرتفوی های پایدارتر و کارآمدتری ارائه می دهد. یافته ها بر اهمیت ترکیب هوش مصنوعی با بهینه سازی تکاملی در تصمیم گیری مالی پایدار تأکید دارند.

این پژوهش با هدف تحلیل نقش اقتصاد رفتاری دیجیتال در طراحی محصولات مالی هوشمند انجام شده است. در دهه اخیر، گسترش فناوری های مالی، هوش مصنوعی و کلان داده ها موجب تحول اساسی در ساختار خدمات مالی و نحوه تصمیم گیری کاربران شده است. در این میان، رفتار مالی افراد بیش از گذشته تحت تأثیر سوگیری های شناختی، محدودیت های عقلانیت و عوامل هیجانی قرار گرفته است که می تواند منجر به تصمیمات غیرکارا در بازارهای مالی شود.اقتصاد رفتاری دیجیتال به عنوان یک رویکرد نوین میان رشته ای، با ترکیب اصول اقتصاد رفتاری و ابزارهای تحلیل داده های پیشرفته، امکان تحلیل دقیق تر رفتار کاربران و طراحی مداخلات هدفمند برای بهبود تصمیم گیری مالی را فراهم می سازد. این پژوهش با رویکرد مروری–تحلیلی، نقش مؤلفه هایی همچون معماری انتخاب، تلنگرهای رفتاری ، شخصی سازی خدمات مالی، الگوریتم های یادگیری ماشین، تحلیل رفتار لحظه ای کاربران و طراحی رابط های کاربری هوشمند را در توسعه محصولات مالی هوشمند بررسی می کند.یافته های پژوهش نشان می دهد که به کارگیری اقتصاد رفتاری دیجیتال می تواند به بهبود کیفیت تصمیمات سرمایه گذاری، افزایش رفاه مالی افراد، کاهش خطاهای شناختی، ارتقای سواد مالی دیجیتال و افزایش شفافیت در تعاملات مالی منجر شود. همچنین، این رویکرد در بهینه سازی تجربه کاربری و افزایش اثربخشی پلتفرم های مالی نقش مهمی ایفا می کند. با این حال، چالش هایی نظیر نقض حریم خصوصی داده ها، سوگیری الگوریتمی، وابستگی بیش از حد کاربران به سیستم های هوشمند، و مسائل اخلاقی مرتبط با دستکاری رفتاری نیز از جمله محدودیت های مهم این حوزه محسوب می شوند. در نهایت، این پژوهش بر ضرورت تلفیق دقیق ملاحظات رفتاری، فناورانه و اخلاقی در طراحی نسل جدید محصولات مالی هوشمند تأکید می کند.

پیشینه و اهداف: در عصر دیجیتال و حاکمیت داده ها، دانش به عنوان منبعی ارزشمند در کنار دیگر منابع مورد توجه کسب وکارها قرار گرفته است. همچنین، بخش تعاون به مثابه یکی از سه بخش اصلی اقتصادی در قانون اساسی جمهوری اسلامی ایران، جایگاه ویژه ای دارد. صنعت بیمه نیز در پوشش ریسک های متنوع نقش مؤثری ایفا می کند و می تواند در کنار دیگر عوامل، به توسعه اقتصادی کمک کند. بنابراین، در این مطالعه تلاش شده که مدیریت دانش مبتنی بر بازار به عنوان مؤلفه ای اصلی در توسعه بخش تعاون، با در نظر گرفتن پوشش ریسک مبتنی بر کارکرد بیمه در چهارچوب الگو معرفی شود. روش شناسی: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت اکتشافی است. برای جمع آوری اطلاعات از مصاحبه های نیمه ساختاریافته استفاده شد و اطلاعات به دست آمده با استفاده از نرم افزار اطلس تی، روش استراوس و کوربین و مدل پارادایمی (کدگذاری باز، محوری و انتخابی) تحلیل شد. در این پژوهش، نمونه گیری به صورت هدفمند انجام گرفت و طی آن با 12 نفر از خبرگان حوزه کسب وکار، به ویژه فعالان باتجربه بخش تعاون در صنعت بیمه، مصاحبه صورت پذیرفت. یافته ها : یافته های پژوهش نشان می دهند که مدیریت ریسک و بهره گیری از ظرفیت های صنعت بیمه در زمره عوامل ساختاری قرار دارند. همچنین، حمایت مدیران از استقرار دانش، سطح دانش مدیریتی، استراتژی های مدیریت منابع انسانی و برنامه ریزی استراتژیک مدیریتی برای اجرای مدیریت دانش به عنوان متغیرهای علّی، تغییر ساختارهای سازمانی، شبکه اجتماعی و ساختار غیررسمی، حرفه ای گرایی ساختاری، ایجاد فرهنگ مشارکتی، حاکمیت ارزش ها و ایجاد اعتماد سازمانی به عنوان متغیرهای مداخله گر و تأمین امکانات و تسهیلات، حمایت مالی از به روزرسانی دانش سازمانی و توزیع عادلانه منابع به عنوان عوامل زمینه ای شناسایی شدند. نتیجه گیری: این مدل می تواند به افزایش سهم تعاونی ها در اقتصاد کشور و بهره گیری از ظرفیت های صنعت بیمه در پایداری مشاغل کمک کند. در نتیجه، این تحقیق نشان می دهد امکان طراحی و پیاده سازی الگویی برای مدیریت دانش در بخش تعاون وجود دارد که در آن نقش صنعت بیمه به صورت مشخص و هدفمند در نظر گرفته شده است.

زمینه و هدف: با توجه به نقش تعیین کننده خط مشی های سرمایه انسانی در دستیابی به اهداف راهبردی و ارتقای عملکرد، پراکندگی مفهومی و تنوع شاخص های ارائه شده در مطالعات پیشین، نیازمند یکپارچه سازی و بازتفسیر شواهد است. هدف پژوهش حاضر، تحلیل فراترکیب خط مشی های سرمایه انسانی و صورت بندی ابعاد و شاخص های آن در ارتباط با بهبود عملکرد سازمانی است. روش شناسی: پژوهش از نوع کیفی و مبتنی بر روش فراترکیب (فرآیند هفت مرحله ای ساندلوفسکی و باروسو) انجام شد. پس از جستجوی نظام مند، 457 منبع شناسایی گردید و در فرایند غربالگری عنوان، چکیده و متن کامل، در نهایت 29 مطالعه برای تحلیل نهایی انتخاب شد. داده ها با کدگذاری و تلفیق مفاهیم هم پوشان تحلیل گردید. یافته ها: خروجی فراترکیب به استخراج و دسته بندی مؤلفه های خط مشی سرمایه انسانی در قالب 7 مقوله اصلی انجامید: خط مشی جبران خدمات، خط مشی ارزیابی عملکرد، برنامه های آموزش و بهسازی، سیاست توسعه مسیر شغلی، مدیریت مشارکتی، خلاقیت و نوآوری، و استقلال کاری. نتیجه گیری: بر اساس یافته ها، چارچوب تلفیقی ارائه شده می تواند مبنایی برای طراحی و استقرار منسجم خط مشی های سرمایه انسانی قرار گیرد و به عنوان الگوی مفهومی پژوهش، راهنمایی عملی برای هم راستاسازی سیاست های منابع انسانی با هدف ارتقای عملکرد سازمانی فراهم آورد.

تحولات فناوری اطلاعات و ارتباطات در دهه اخیر موجب ظهور الگوهای نوین کسب وکار در صنعت در سال های اخیر، افزایش نوسانات اقتصادی، پیچیدگی ساختارهای مالی و رشد عدم قطعیت در محیط کسب وکار موجب شده است که شناسایی زودهنگام نشانه های ورشکستگی سازمان ها به یکی از موضوعات مهم در حوزه مالی و مدیریت ریسک تبدیل شود. هدف این پژوهش، طراحی یک سیستم هشدار زودهنگام ورشکستگی سازمان ها با استفاده از تحلیل کلان داده و بهره گیری هم زمان از داده های مالی و غیرمالی است. در این راستا، تلاش می شود با ترکیب اطلاعات مالی شرکت ها، داده های رفتاری، و داده های متنی گسترده، الگوهای پنهان مرتبط با احتمال ورشکستگی شناسایی شود.روش پژوهش مبتنی بر تحلیل کلان داده و استفاده از الگوریتم های یادگیری ماشین در قالب مدل های طبقه بندی است که توانایی تفکیک شرکت ها را در سه وضعیت سالم، در معرض بحران مالی و ورشکسته دارند. همچنین در این پژوهش از مراحل پیش پردازش داده، پاک سازی اطلاعات و انتخاب ویژگی های مؤثر استفاده می شود تا دقت و کارایی مدل افزایش یابد. به کارگیری این رویکرد امکان تحلیل هم زمان داده های ساختاریافته و غیرساختاریافته را فراهم می سازد.یافته های پژوهش های پیشین نشان می دهد که مدل های مبتنی بر یادگیری ماشین در مقایسه با روش های سنتی آماری از توانایی بیشتری در پیش بینی بحران های مالی برخوردارند. علاوه بر این، استفاده از کلان داده می تواند به شناسایی سریع تر نشانه های اولیه بحران کمک کند و دقت سیستم های پیش بینی را بهبود بخشد. در نهایت، این پژوهش نشان می دهد که ترکیب داده های مالی و کلان داده های رفتاری و متنی می تواند به طراحی یک سیستم هشدار زودهنگام دقیق تر، هوشمندتر و کارآمدتر در حوزه مدیریت ریسک مالی منجر شود.

افزایش نگرانی های جهانی پیرامون تغییرات اقلیمی، کاهش منابع طبیعی و تشدید مخاطرات زیست محیطی، موجب شده است که سرمایه گذاری های سبز به یکی از ارکان اصلی سیاست گذاری اقتصادی و مالی در جهان تبدیل شوند. با این حال، ارزیابی دقیق پایداری و اثربخشی اقتصادی پروژه های سبز همچنان با چالش های متعددی همراه است. روش های سنتی ارزیابی سرمایه گذاری عمدتاً بر شاخص های مالی کوتاه مدت متمرکز بوده و توانایی محدودی در تحلیل هم زمان متغیرهای اقتصادی، زیست محیطی و اجتماعی دارند. پژوهش حاضر با هدف توسعه یک چارچوب مالی پایدار مبتنی بر هوش مصنوعی برای ارزیابی سرمایه گذاری های سبز انجام شده است. در این پژوهش، از ترکیب الگوریتم های یادگیری ماشین، تحلیل داده های چندبعدی و مدل های پیش بینی هوشمند برای طراحی یک سیستم ارزیابی پایدار استفاده شد. داده های پژوهش شامل اطلاعات ۱۲۵۰ پروژه سرمایه گذاری سبز در حوزه های انرژی تجدیدپذیر، حمل ونقل پاک، ساختمان های هوشمند و مدیریت منابع طی دوره ۲۰۱۸ تا ۲۰۲۵ است که از پایگاه های بین المللی مالی و زیست محیطی گردآوری شده اند. پس از مرحله پیش پردازش، استخراج ویژگی و نرمال سازی داده ها، مدل پیشنهادی مبتنی بر شبکه های عصبی عمیق و الگوریتم XGBoost طراحی و با روش های سنتی ارزیابی مالی مقایسه شد. نتایج پژوهش نشان داد چارچوب پیشنهادی در پیش بینی پایداری مالی پروژه ها، ارزیابی ریسک زیست محیطی و تحلیل بازده بلندمدت عملکرد بهتری نسبت به مدل های کلاسیک دارد. همچنین مدل هوش مصنوعی توانست روابط پیچیده میان شاخص های ESG ، بازده اقتصادی و ریسک سرمایه گذاری را با دقت بالاتری تحلیل کند. یافته ها نشان می دهد استفاده از چارچوب های مبتنی بر هوش مصنوعی می تواند نقش مهمی در توسعه نظام مالی پایدار، بهبود تصمیم گیری سرمایه گذاران و هدایت منابع مالی به سمت پروژه های سازگار با محیط زیست ایفا کند.

افزایش پیچیدگی شبکه های مالی و گسترش ارتباطات متقابل میان بانک ها موجب شده است که ریسک سیستمی به یکی از مهم ترین تهدیدهای ثبات مالی در اقتصادهای مدرن تبدیل شود. بحران مالی جهانی 2008 نشان داد که ناتوانی در شناسایی زودهنگام آسیب پذیری های سیستمی می تواند پیامدهای گسترده ای برای نظام بانکی و اقتصاد کلان به همراه داشته باشد. در این راستا، آزمون بحران به عنوان یکی از ابزارهای کلیدی مدیریت ریسک، توسط بانک های مرکزی و نهادهای ناظر برای ارزیابی تاب آوری بانک ها در برابر شوک های اقتصادی مورد استفاده قرار می گیرد. با این حال، روش های سنتی آزمون بحران عمدتاً مبتنی بر سناریوهای از پیش تعریف شده بوده و در مواجهه با محیط های پویا و غیرخطی مالی از انعطاف پذیری محدودی برخوردار هستند.ظهور فناوری های هوش مصنوعی مولد، به ویژه مدل های زبانی بزرگ، شبکه های مولد تخاصمی و مدل های انتشار، ظرفیت های جدیدی را برای تولید سناریوهای پیچیده، تحلیل روابط غیرخطی و شبیه سازی رویدادهای نادر فراهم ساخته است. این پژوهش با هدف ارائه چارچوبی نوین برای آزمون بحران و سناریوسازی ریسک سیستمی بانک ها بر پایه مدل های هوش مصنوعی مولد انجام شده است. در این چارچوب، داده های کلان اقتصادی، شاخص های سلامت بانکی، متغیرهای بازار مالی و اطلاعات شبکه ارتباطات بین بانکی به عنوان ورودی مدل مورد استفاده قرار می گیرند و مدل های مولد قادر خواهند بود مجموعه گسترده ای از سناریوهای بحرانی محتمل را تولید و ارزیابی نمایند. نتایج تحلیل های نظری نشان می دهد که به کارگیری مدل های هوش مصنوعی مولد می تواند دقت پیش بینی بحران های بانکی، قابلیت کشف الگوهای پنهان، توانایی تولید سناریوهای نوظهور و انعطاف پذیری فرآیند آزمون بحران را به طور قابل توجهی افزایش دهد. همچنین این فناوری امکان ارزیابی اثرات سرایتی ریسک در شبکه بانکی و شناسایی بانک های دارای اهمیت سیستمی را فراهم می آورد. یافته ها حاکی از آن است که ادغام هوش مصنوعی مولد با چارچوب های نظارتی موجود می تواند به ارتقای ثبات مالی، بهبود تصمیم گیری نهادهای ناظر و افزایش تاب آوری نظام بانکی در برابر شوک های اقتصادی منجر شود.