مطالب مرتبط با کلیدواژه

اکوسیستم فناوری


۱.

راهکارهای بهره گیری از فناوری های نوین برای توسعه ورزش های تفریحی: از پایلوت تا تجاری سازی

کلیدواژه‌ها: اکوسیستم فناوری پایلوت تجاری سازی فناوری های نوین نوآوری ورزش های تفریحی

حوزه‌های تخصصی:
تعداد بازدید : ۵۰۱ تعداد دانلود : ۳۰۸
در دنیای معاصر تمام بخش های مختلف زندگی انسان و حتی فعالیت های جسمانی آنها تحت تأثیر پیشرفت فناوری قرار گرفته است. هدف از پژوهش حاضر بررسی راهکارهای بهبود استفاده از فناوری های نوین برای توسعه ورزش های تفریحی است. با استفاده از روش کیفی داده هایی از طریق مصاحبه های نیمه ساختاریافته جمع آوری شد. به منظور تحلیل داده ها از روش تحلیل مضامین (براون و کلارک، 2006) استفاده شد. یافته های تحقیق نشان داد که راهکارهای بهبود بهره گیری از فناوری های نوین برای توسعه ورزش های تفریحی به نُه گروه شامل هم آفرینی و تسهیل بهره گیری از فناوری، طراحی اکوسیستم فناوری، نوآوری پروری، پایلوت فناوری، بازاریابی فناوری، اثر همجواری، عمومیت بخشی، تجاری سازی ورزش های همگانی، و تحریک بهره گیری از فناوری در ورزش تقسیم می شوند. براساس نتایج این تحقیق برای اینکه بتوانیم در کشور همراستا با پیشرفت های صورت گرفته در عرصه بین المللی برای توسعه ورزش های تفریحی حرکت کنیم، باید در جهت پایلوت فناوری گام برداریم و از طریق ایجاد یک اکوسیستم و سپس بازاریابی فناوری در ورزش های تفریحی به سمت توسعه و تجاری سازی آن حرکت کنیم.
۲.

تحلیل نقش و جایگاه ذی نفعان اکوسیستم هوش مصنوعی در صنعت خودروسازی ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: هوش مصنوعی اکوسیستم فناوری ذی نفعان خودروسازی ماتریس علاقه - قدرت

حوزه‌های تخصصی:
تعداد بازدید : ۶ تعداد دانلود : ۷
صنعت خودروسازی، به عنوان خط مقدم انقلاب فناورانه، با ادغام فناوری هوش مصنوعی (AI) در حال تحول عمیقی است. هوش مصنوعی و کاربست آن در این صنعت تبدیل به یک اکوسیستم فناوری پیچیده ای شده است که ذی نفعان زیادی را در برمی گیرد. هدف این پژوهش شناسایی و تحلیل جایگاه و نقش ذی نفعان اکوسیستم هوش مصنوعی در صنعت خودروسازی در ایران است. بدین منظور، فهرستی از ذی نفعان اکوسیستم هوش مصنوعی در گام اول تهیه شد. در گام بعدی، جایگاه و نقش ذی نفعان تحلیل گردید. برای جمع آوری داده ها درمورد جایگاه ذی نفعان از ماتریس علاقه - قدرت استفاده شد که در طی آن پرسش نامه ای با 48 گویه طراحی و توسط ۳۶ متخصص و کارشناس تکمیل گردید. بر اساس یافته ها، ذی نفعان این اکوسیستم در دو سطح کلان و خرد دسته بندی و با استفاده از ماتریس علاقه - قدرت در چهار گروه طبقه بندی شده اند: ذی نفعان کلیدی (باعلاقه و قدرت بالا)، ذی نفعان زمینه ساز (باقدرت بالا و علاقه کم)، ذی نفعان تابع ( با قدرت کم و علاقه بالا) و ذی نفعان عوام ( باقدرت و علاقه پایین). نتایج نشان می دهد که نهادهای دولتی، مراکز تحقیقاتی، و خودروسازان در زمره ذی نفعان کلیدی قرار دارند، درحالی که نهادهای مالی و برخی تأمین کنندگان در گروه زمینه سازها جای می گیرند. کاربران نهایی، از جمله مصرف کنندگان و رانندگان، به عنوان ذی نفعان تابع محسوب می شوند، درحالی که رسانه ها و برخی سازمان های نظارتی در دسته عوام قرار دارند. این طبقه بندی می تواند به سیاست گذاران و صنعتگران در بهینه سازی تعاملات و توسعه پایدار اکوسیستم هوش مصنوعی در صنعت خودروسازی کمک کند.