یادگیری هوشمند و تحول مدیریت 3115-8900 4 اردیبهشت ماه 1405 1405 02 01 Analyzing Factors Affecting the Transformation of the University Policy-Making System with an Artificial Intelligence Development Approach in Golestan Province Universities تحلیل عوامل مؤثر بر تحول در نظام خط‌مشی‌گذاری دانشگاهی با رویکرد توسعه هوش مصنوعی در دانشگاه‌های استان گلستان 1 19 FA زهرا افسری دانشجوی دکتری گروه مدیریت دولتی ، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران قاسم علی طالبی گروه مدیریت آموزشی، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران سید محمد حسین هاشمی نسب گروه مدیریت دولتی ، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران محمد سعید باقرزاده گروه مدیریت، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران Journal Article 1404/07/10 <p>The present study aimed to analyze and explain the factors influencing the transformation of the university policy-making system based on artificial intelligence development and to present an empirically grounded conceptual model in Golestan province universities. This study was applied in purpose and qualitative in nature and was conducted using the grounded theory approach. The research population consisted of academic experts in university policymaking and emerging technologies in Golestan province universities. Participants were selected through purposive and theoretical sampling, and a total of 11 experts, including university presidents, educational and research deputies, planning managers, and faculty members familiar with emerging technologies, participated in the study. Data were collected through in-depth semi-structured interviews and analyzed concurrently with data collection. The data analysis process followed three stages: open coding, axial coding, and selective coding. To enhance the trustworthiness of the findings, repeated data review, conceptual consistency checks, and direct linkage between codes and raw interview data were ensured. Data analysis resulted in the identification of 75 open codes, which were categorized into two axial categories: “data-driven decision-making” (58.6%) and “increasing managerial transparency and accuracy” (41.4%). These two categories collectively formed the central phenomenon of “transformation in the university policy-making system.” The findings indicated that artificial intelligence enables the transition from traditional, intuition-based policymaking toward evidence-based policymaking by facilitating predictive analytics, improving evaluation accuracy, enhancing organizational justice, and reducing reliance on subjective judgments. Furthermore, a reinforcing relationship was identified between data-driven decision-making and managerial transparency, whereby increased reliance on data improves transparency and accountability, and greater transparency further strengthens data-oriented decision processes. The transformation of the university policy-making system through artificial intelligence represents a fundamental paradigm shift from static, subjective, and traditional policymaking toward dynamic, evidence-based, and forward-looking governance. This transformation enhances decision quality, promotes fairness and transparency, strengthens coordination among organizational units, and improves overall institutional effectiveness. The findings emphasize that the development of data infrastructure, managerial analytical capabilities, and regulatory mechanisms are critical prerequisites for achieving sustainable transformation. Implementing these elements can facilitate the emergence of an intelligent, adaptive, and effective university policy-making system capable of responding to complex and evolving organizational and societal demands.</p> <p>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.</p> https://jilmt.com/index.php/jilmt/article/download/146/110