مطالعات مدیریت خدمات عمومی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تفاهم نامه

گواهی رتبه

فایل ها

داوران1403

آینده‌پژوهشی عوامل مؤثر بر کاربست هوش مصنوعی در ارائه خدمات عمومی به شهروندان

نوع مقاله : مقاله پژوهشی

نویسنده

دانشیار گروه مدیریت دولتی دانشگاه علامه طباطبائی

10.22054/spsa.2025.89580.1086

چکیده

هدف از انجام این پژوهش، آینده‌پژوهشی عوامل مؤثر بر کاربست هوش مصنوعی در ارائه خدمات عمومی به شهروندان بود. رویکرد پژوهش کنونی آمیخته(کیفی-کمی) بود. پژوهش حاضر از نظر روش انجام، بر پایه تحلیل ماتریس اثرات متقابل ساختاری با رویکرد آینده‌پژوهشی راهبردی و از نظر هدف، از نوع کاربردی است. جامعه آماری این پژوهش از 25 نفر از خبرگان شامل اساتید دانشگاهی و مدیران سازمان‌های دولتی به روش هدفمند تشکیل شده است. داده‌های این پژوهش از طریق مطالعات کتابخانه‌ای، مصاحبه ساختاریافته و پرسشنامه امتیازدهی از صفر تا سه طبق ماتریس اثرات متقابل ساختاری جمع‌آوری شده و با نرم‌افزار آماری میک‌مک تجزیه و تحلیل شده‌اند. یافته‌های این پژوهش نشان داد که عوامل به‌کارگیری رویکرد حکمرانی داده‌محور در سیاست‌گذاری عمومی، تبیین راهبرد ملی روشن تحول دیجیتال و هوش مصنوعی، تأمین منابع مالی پایدار آموزش و توانمندسازی دیجیتال کارکنان به عنوان تأثیرگذارین عوامل مؤثر بر کاربست هوش مصنوعی در ارائه خدمات عمومی به شهروندان بودند. نتایج این پژوهش نشان داد که عوامل شناسایی‌شده بر اولویت‌بندی کنونی با ایجاد هم‌افزایی میان ساختارهای مدیریتی، فناورانه و انسانی، زمینه ارتقای کیفیت، شفافیت و کارآمدی خدمات عمومی را فراهم می‌سازند.

عنوان مقاله [English]

Foresight Study of Factors Influencing the Implementation of Artificial Intelligence in the Delivery of Public Services to Citizens

نویسنده [English]

  • Behrooz Rezaeemanesh

Associate Professor, Department of Public Administration, Allameh Tabatab'i University

چکیده [English]

The aim of this study was to conduct a foresight analysis of the factors influencing the implementation of artificial intelligence in the provision of public services to citizens. The current research employed a mixed-methods approach. Methodologically, the study was based on Structural Self-Interaction Matrix analysis within a strategic foresight framework, and in terms of its objective, it is classified as applied research. The statistical population consisted of 25 experts, including university faculty members and managers from governmental organizations, selected through purposive sampling. Data were collected through literature review, structured interviews, and a scoring questionnaire ranging from 0 to 3 according to the SSIM framework, and analyzed using the MICMAC software. The findings indicated that the adoption of a data-driven governance approach in public policy, the formulation of a clear national strategy for digital transformation and artificial intelligence, and the provision of sustainable financial resources for training and digital empowerment of staff were the most influential factors affecting the implementation of artificial intelligence in public service delivery. The results further revealed that these identified factors, by creating synergies among managerial, technological, and human structures, provide a foundation for enhancing the quality, transparency, and efficiency of public services.

مراجع
  1. اسحاقی گرجی، مجید، زارعی، عظیم اله، حمزوی، حسین، اسدبک، مهدی، محمدی شیر کلایی، حسینعلی (1403). اولویت‌بندی مسائل سیاست زیست‌محیطی جمهوری اسلامی ایران. حکمرانی و توسعه، 4(1)، 74-92.doi: 10.22111/jipaa.2024.447250.1166
  2. اکبری، ایمان، واعظی، رضا، اصلی پور، حسین، عبدالحسین‌زاده، محمد، شهرآئینی، سید مجتبی (1403). شناسایی و مدل‌سازی کارکردهای هوش مصنوعی در ارتقای کارآمدی نظام اداری و ارائه خدمات عمومی. مطالعات مدیریت دولتی ایران، 7(2)، 111-147. doi: 22034/jipas.2024.401497.1607
  3. زارعی، محمدحسین، نجارزاده هنجنی، مجید (1396). مفهوم خدمات عمومی و تحول آن در پرتو دکترین کارکرد عمومی. پژوهش حقوق عمومی، 19(56)، 9-32. doi: 10.22054/qjpl.2017.8834.1193
  4. شهریاری، زینت (1403). کاربرد هوش مصنوعی در خدمات شهری، چهاردهمین کنفرانس بین المللی پژوهش‌های نوین در عمران، معماری، مدیریت شهری و محیط زیست، تهران. https://civilica. om/doc/2188836/
  5. عنابستانی، علی‌اکبر، توکلی‌نیا، جمیله، نیکنامی، نسیم (1403). تبیین اثرگذاری هوش مصنوعی بر بهبود کیفیت زندگی شهروندان با رویکرد آینده‌پژوهی (موردمطالعه: کلان‌شهر مشهد). اقتصاد و برنامه‌ریزی شهری، 5(1)، 6-21. doi: 10.22034/uep.2024.442663.1461
  6. کوشکی جهرمی، علیرضا، زرجو، شبنم، حمزوی، حسین (1404). شناسایی و اولویت‌بندی پیشران‌های توسعه شایستگی‌های رفتاری رهبران آینده در هزاره سوم با رویکرد آینده‌نگاری. مطالعات رفتار سازمانی، 14(2)،33-64. doi: 10.22034/obs.2025.2055410.3527
  7. معتضدیان، رسول (1402). شناسایی پیشایندها و پسایندهای رضایت شهروندان از خدمات عمومی. مطالعات مدیریت خدمات عمومی، 1(2)، 169-195. doi: 10.22054/spsa.2024.78484.1036
  8. یاسوری، مجید، اسماعیلی، سعیده (1402). شناسایی و تبیین پیشران‌های مؤثر بر توسعه گردشگری با رویکرد آینده‌پژوهی (موردمطالعه: منطقه آزاد تجاری - صنعتی انزلی). آینده‌پژوهی ایران، 8(1)، 222-doi: 10.30479/jfs.2023.17629.1421
  9. Ali, W., Khan, A. Z., Ahmad, F., & Mahmood, F. (2024). Exploring Artificial Intelligence Readiness Framework for Public Sector Organizations: An Expert Opinion Methodology. Journal of Business and Management Research, 3(3), 85-129. https://doi.org/10.1080/09585192.2016.1277362
  10. Alshahrani, A., Griva, A., Dennehy, D., & Mäntymäki, M. (2024). Artificial intelligence and decision-making in government functions: opportunities, challenges and future research. Transforming Government: People, Process and Policy, 18(4), 678-698. https://doi.org/10.1108/TG-06-2024-0131?urlappend=%3Futm_source%3Dresearchgate.net%26medium%3Darticle
  11. Anshari, M., Hamdan, M., Ahmad, N., & Ali, E. (2025). Public service delivery, artificial intelligence and the sustainable development goals: trends, evidence and complexities. Journal of Science and Technology Policy Management, 16(1), 163-181. https://doi.org/10.1108/JSTPM-07-2023-0123?urlappend=%3Futm_source%3Dresearchgate.net%26medium%3Darticle
  12. Archana, T. (2025). Artificial intelligence (AI) and digital competencies in the public sector. In Digital competency development for public officials: Adapting new technologies in public services (pp. 95-120). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-3693-6547-2.ch005
  13. Asta, N. P. R. N., Rizalfi, V., & Wei, S. (2025). AI-Powered Governance: Exploring the Role of Artificial Intelligence in Shaping Public Service Innovation. Journal of Social Science Utilizing Technology, 3(2), 78-89. https://doi.org/10.70177/jssut.v3i2.2288
  14. Bright, J., Enock, F., Esnaashari, S., Francis, J., Hashem, Y., & Morgan, D. (2025). Generative AI is already widespread in the public sector: Evidence from a survey of UK public sector professionals. Digital Government: Research and Practice, 6(1), 1-13. https://doi.org/10.1145/3700140
  15. Bullock, J., Young, M. M., & Wang, Y. F. (2020). Artificial intelligence, bureaucratic form, and discretion in public service. Information Polity, 25(4), 491-506. https://justinbullock.org/wp-content/uploads/2022/09/
  16. Charles, V., Rana, N. P., & Carter, L. (2022). Artificial Intelligence for data-driven decision-making and governance in public affairs. Government Information Quarterly, 39(4), 101742. https://doi.org/10.1016/j.giq.2022.101742
  17. Garcia-Carrera, P., Bernardo, G., Fuentes-Calcino, A., & Auccahuasi, W. (2025, February). Application of Artificial Intelligence in Public Management Processes. In 2025 4th International Conference on Sentiment Analysis and Deep Learning (ICSADL) (pp. 1525-1530). IEEE. https://doi.org/10.1109/ICSADL65848.2025.10933089
  18. Gesk & Leyer (2022). Artificial intelligence in public services: When and why citizens accept its usage. Government Information Quarterly, 39(3), 101704. https://doi.org/10.1016/j.giq.2022.101704
  19. Giudici, P., Centurelli, M., & Turchetta, S. (2024). Artificial Intelligence risk measurement. Expert Systems with Applications, 235, 121220. https://doi.org/10.1016/j.eswa.2023.121220
  20. Hanna, M. G., Pantanowitz, L., Jackson, B., Palmer, O., Visweswaran, S., Pantanowitz, J.,... & Rashidi, H. H. (2025). Ethical and bias considerations in artificial intelligence/machine learning. Modern Pathology, 38(3), 100686. https://doi.org/10.1016/j.modpat.2024.100686
  21. Henman, P. (2020). Improving public services using artificial intelligence: possibilities, pitfalls, governance. Asia Pacific Journal of Public Administration, 42(4), 209-221. https://doi.org/10.1080/23276665.2020.1816188
  22. Jiang, Y., Li, X., Luo, H., Yin, S., & Kaynak, O. (2022). Quo vadis artificial intelligence?. Discover Artificial Intelligence, 2(1), 4. https://doi.org/10.1007/s44163-022-00022-8
  23. Ma, Y., Geng, H., Leng, A., & Zhuang, Y. (2025). Bridging the Interpretability Gap: Public Preferences for Explainable Artificial Intelligence in Public Service Decision-Making. International Journal of Human–Computer Interaction, 1-14. https://doi.org/10.1080/10447318.2025.2480845
  24. Mainardi, I. (2025). Change management: artificial intelligence (AI) at the service of public administrations. AI & SOCIETY, 40(5), 3953-3981. https://doi.org/10.1007/s00146-024-02136-2
  25. Mikhaylov, S. J., Esteve, M., & Campion, A. (2018). Artificial intelligence for the public sector: opportunities and challenges of cross-sector collaboration. Philosophical transactions of the royal society a: mathematical, physical and engineering sciences, 376(2128), 20170357. https://doi.org/10.1098/rsta.2017.0357
  26. Misuraca, G., & VAN, N. C. (2020). AI Watch-Artificial Intelligence in public services. https://ec.europa.eu/jrc
  27. Nzobonimpa, S. (2023). Artificial intelligence, task complexity and uncertainty: analyzing the advantages and disadvantages of using algorithms in public service delivery under public administration theories. Digital Transformation and Society, 2(3), 219-234. https://doi.org/10.1108/DTS-03-2023-0018
  28. Ogu, O. A., Nkemjika, A. K., Oranekwu, D. C., & Okoye, A. T. (2024). Optimizing public services delivery through artificial intelligence: challenges, opportunities, and future directions. international journal of public administration and development studies, 1(1), 156-164. https://doi.org/10.51519/journalisi.v6i4.969
  29. Osborne, S. P., Cucciniello, M., Nasi, G., & Zhu, E. (2022). Digital transformation, artificial intelligence and effective public services: challenges and opportunities. Global Public Policy and Governance, 2(4), 377-380. https://doi.org/10.1007/s43508-022-00058-7
  30. Poudel, N. (2024). The Impact of Big Data-Driven Artificial Intelligence Systems on Public Service Delivery in Cloud-Oriented Government Infrastructures. Journal of Artificial Intelligence and Machine Learning in Cloud Computing Systems, 8(11), 13-25. https://epochjournals.com/index.php/JAIMLCCS/article/view/2024-11-07
  31. Reis, J., Santo, P. E., & Melão, N. (2019). Artificial intelligence in government services: A systematic literature review. In World conference on information systems and technologies (pp. 241-252). Springer, Cham. DOI:10.1007/978-3-030-16181-1_23
  32. Susar, D., & Aquaro, V. (2019, April). Artificial intelligence: Opportunities and challenges for the public sector. In Proceedings of the 12th international conference on theory and practice of electronic governance (pp. 418-426). https://doi.org/10.1145/3326365.3326420
  33. Van Noordt, C., & Misuraca, G. (2020). Evaluating the impact of artificial intelligence technologies in public services: towards an assessment framework. In Proceedings of the 13th international conference on theory and practice of electronic governance (pp. 8-16). DOI:10.1145/3428502.3428504
  34. Van Noordt, C., & Misuraca, G. (2022). Artificial intelligence for the public sector: results of landscaping the use of AI in government across the European Union. Government information quarterly, 39(3), 101714. https://doi.org/10.1016/j.giq.2022.101714
مطالعات مدیریت خدمات عمومی
دوره 3، شماره 7
فروردین 1404
صفحه 1-38
فایل ها
سابقه مقاله
  • تاریخ دریافت: 22 آبان 1404
  • تاریخ بازنگری: 03 آذر 1404
  • تاریخ پذیرش: 12 آذر 1404
هم رسانی
ارجاع به این مقاله
آمار