تحلیل عوامل مؤثر بر تحول در نظام خطمشیگذاری دانشگاهی با رویکرد توسعه هوش مصنوعی در دانشگاههای استان گلستان
کلمات کلیدی:
خطمشیگذاری دانشگاهی, هوش مصنوعی, تصمیمگیری دادهمحور, دانشگاههای استان گلستانچکیده
هدف پژوهش حاضر واکاوی و تبیین عوامل مؤثر بر تحول در نظام خطمشیگذاری دانشگاهی با رویکرد توسعه هوش مصنوعی و ارائه یک مدل مفهومی مبتنی بر دادههای تجربی در دانشگاههای استان گلستان بود. این پژوهش از نظر هدف کاربردی و از نظر ماهیت کیفی بود و با استفاده از روش نظریه دادهبنیاد انجام شد. جامعه پژوهش شامل خبرگان حوزه خطمشیگذاری دانشگاهی و فناوریهای نوین در دانشگاههای استان گلستان بود که با استفاده از نمونهگیری هدفمند و نظری انتخاب شدند. در مجموع، ۱۱ نفر از رؤسای دانشگاهها، معاونان آموزشی و پژوهشی، مدیران برنامهریزی و اعضای هیئت علمی آشنا با فناوریهای نوین به عنوان مشارکتکنندگان پژوهش انتخاب شدند. دادهها از طریق مصاحبههای نیمهساختاریافته عمیق گردآوری و بهصورت همزمان با جمعآوری دادهها تحلیل شدند. تحلیل دادهها در سه مرحله کدگذاری باز، محوری و گزینشی انجام شد و برای افزایش اعتبار یافتهها، بازبینی مکرر دادهها، بررسی انسجام مفهومی و ارجاع مستقیم به دادههای خام مورد توجه قرار گرفت. تحلیل دادهها به استخراج ۷۵ کد باز منجر شد که در قالب دو مقوله محوری «تصمیمگیری دادهمحور» با فراوانی ۵۸/۶ درصد و «افزایش شفافیت و دقت مدیریتی» با فراوانی ۴۱/۴ درصد طبقهبندی شدند. این دو مقوله در نهایت پدیده مرکزی «تحول در نظام خطمشیگذاری دانشگاهی» را شکل دادند. یافتهها نشان دادند که هوش مصنوعی با فراهمسازی امکان تحلیل دادههای پیچیده، پیشبینی روندهای آینده، استانداردسازی ارزیابیها و کاهش وابستگی به تصمیمهای سلیقهای، موجب گذار از سیاستگذاری سنتی به سیاستگذاری مبتنی بر شواهد میشود. همچنین، رابطهای تقویتی میان دادهمحوری و افزایش شفافیت مدیریتی مشاهده شد، بهگونهای که دادهمحوری زمینه شفافیت و عدالت سازمانی را فراهم کرده و شفافیت نیز موجب تقویت بیشتر تصمیمگیری مبتنی بر داده میشود. تحول در نظام خطمشیگذاری دانشگاهی با رویکرد توسعه هوش مصنوعی بیانگر یک تغییر پارادایمی اساسی از سیاستگذاری سنتی، ایستا و مبتنی بر قضاوتهای فردی به سیاستگذاری پویا، شواهدمحور و آیندهنگر است. این تحول از طریق تقویت تصمیمگیری دادهمحور و افزایش شفافیت مدیریتی محقق میشود و موجب ارتقای کیفیت تصمیمها، افزایش عدالت سازمانی، بهبود هماهنگی بین واحدها و افزایش اثربخشی مدیریت دانشگاهی میگردد. یافتههای پژوهش نشان میدهد که توسعه زیرساختهای دادهای، توانمندسازی مدیران و طراحی سازوکارهای نظارتی، پیشنیازهای اساسی تحقق این تحول هستند و میتوانند زمینهساز شکلگیری یک نظام خطمشیگذاری هوشمند، پاسخگو و اثربخش در دانشگاهها شوند.
دانلودها
مراجع
Alvani, S. M. (2022). Decision Making and Public Policy Determination. Samt.
Baki Hashemi, S. M. M. (2024). Analyzing the Policy Dimensions of Employing Artificial Intelligence in Iran's Health System. Management of Government Organizations, 12(2 (46)), 181-204. https://www.magiran.com/paper/2763980/analyzing-the-policy-dimensions-of-using-artificial-intelligence-in-iran-s-health-system?lang=en
Bunbury-Thomas, A. (2025). Public Policy and Trust in Artificial Intelligence Decision Making Walden University]. USA. https://scholarworks.waldenu.edu/cgi/viewcontent.cgi?article=19003&context=dissertations
Hisham, A. A. B., Yusof, N. A. M., Salleh, S. H., & Abas, H. (2024). Transforming governance: A systematic review of AI applications in policymaking. Journal of Science, Technology and Innovation Policy, 10(1), 7-15. https://doi.org/10.11113/jostip.v10n1.148
Ifenthaler, D., Majumdar, R., Gorissen, P., Judge, M., Mishra, S., Raffaghelli, J., & Shimada, A. (2024). Artificial Intelligence in Education: Implications for Policymakers, Researchers, and Practitioners. Tech Know Learn. https://doi.org/10.1007/s10758-024-09747-0
Kotsis, K. Τ. (2025). Artificial Intelligence for Physics Education in STEM Classrooms: A Narrative Review Within a Pedagogy Technology Policy Framework. Sch. Jo. Phs. Ed, 6(3), 204-211. https://doi.org/10.37251/sjpe.v6i3.2148
Mahbanooei, B., & Pourezzat, A. A. (2022). A Guide to Human Capital Educational Policymaking: An Importance-Performance Analysis for Iran. Quarterly Journal of Educational Planning Studies, 11(22), 1-22. https://eps.journals.umz.ac.ir/article_4204.html?lang=en
Monavarian, A., Sadeghi, J., & Pirannejad, A. (2023). A Policy-making Framework for the Application of Artificial Intelligence Systems in the Urban Domain Using a Meta-synthesis Approach. Public Management, 15(3), 512-552. https://jipa.ut.ac.ir/article_94429.html?lang=en
Moslemi, N., Hamidzadeh, A., & Khanifar, H. (2021). Presenting a Model of Educational Policymaking Based on a Behavioral Approach in the Field of Skills Training in Iran: A Qualitative Study. Quarterly Journal of Educational and School Studies, 10(3), 361-382. https://pma.cfu.ac.ir/article_1892.html?lang=en
Ozkaya, G., & Demirhan, A. (2023). Analysis of Countries in Terms of Artificial Intelligence Technologies: PROMETHEE and GAIA Method Approach. Sustainability, 15(5).
Roberts, A. B. (2024). The Role of Artificial Intelligence in Schools: A Case of Policy Formation. Journal of Cases in Educational Leadership. https://doi.org/10.1177/15554589241299320
Sabouri, H., Givarian, H., & Hagh Shenas Kashani, F. (2021). Identifying the Dimensions and Components of the Optimal Policymaking Process Model in Iran's Education System. Quarterly Journal of Education, 37(1), 7-32. https://qjoe.ir/article-1-2967-en.html
Selvaratnam, R., & Venaruzzo, L. (2023). Governance of artificial intelligence and data in Australasian higher education: A snapshot of policy and practice. In Australasian Council on Open, Distance and eLearning. https://doi.org/10.14742/apubs.2023.717
Sheikh Shoaee, H. (2021). Challenges, Roles, and Policy-Making of Artificial Intelligence Research in Education. Third Conference on Management, Tourism, and Technology, Malaysia.
Shirvani Naghani, M., Koolivand, K., Ejabi, E., & Heidari, M. (2024). Drawing Scenarios for the National Information Network of the Islamic Republic of Iran on the Horizon of 2028 with an Emphasis on Security Consequences. Majlis and Rahbord, 31(120). https://www.magiran.com/paper/2834591/outlining-scenarios-for-the-national-information-network-of-the-islamic-republic-of-iran-by-2028-with-emphasis-on-security-implications?lang=en