نقش هوش مصنوعی در بهبود کیفیت تصمیم‌گیری مدیران شهری: یک مرور نظام‌مند
کلمات کلیدی:
هوش مصنوعی, مدیریت شهری, تصمیم‌گیری, شهر هوشمند, تحلیل داده, حکمرانی هوشمندچکیده
هدف این مطالعه بررسی نظام‌مند نقش هوش مصنوعی در ارتقای کیفیت تصمیم‌گیری مدیران شهری بر اساس تحلیل ادبیات پژوهشی موجود است. این پژوهش با رویکرد کیفی و به‌صورت مرور نظام‌مند ادبیات انجام شد. جست‌وجوی گسترده در پایگاه‌های Scopus، Web of Science، IEEE Xplore و Google Scholar برای شناسایی مطالعات مرتبط با کاربردهای هوش مصنوعی در مدیریت شهری صورت گرفت. پس از غربالگری عنوان، چکیده و متن کامل، در مجموع ۱۲ مقاله واجد شرایط انتخاب شد و نمونه‌گیری تا رسیدن به اشباع نظری ادامه یافت. داده‌ها وارد نرم‌افزار NVivo 14 شدند و با استفاده از تحلیل محتوای کیفی و کدگذاری سه‌مرحله‌ای (باز، محوری و انتخابی) تحلیل شدند تا مضامین اصلی در ارتباط با نقش هوش مصنوعی در تصمیم‌گیری شهری شناسایی گردد. نتایج نشان داد هوش مصنوعی در چندین سطح به بهبود تصمیم‌گیری مدیران شهری کمک می‌کند: افزایش دقت تحلیل داده‌ها، ارتقای پیش‌بینی‌پذیری، تسریع پردازش اطلاعات، کاهش خطای انسانی، امکان شبیه‌سازی سناریوهای آینده، یکپارچه‌سازی داده‌های پراکنده، افزایش شفافیت تصمیمات و بهبود مدیریت بحران، ترافیک، امنیت شهری و خدمات عمومی. همچنین یافته‌ها نشان دادند که بهره‌گیری از هوش مصنوعی چالش‌هایی مانند کمبود زیرساخت داده، مسائل اخلاقی و حقوقی، نگرانی‌های مربوط به حریم خصوصی، مهارت ناکافی مدیران و نبود استانداردهای یکپارچه را نیز به همراه دارد. مرور نظام‌مند نشان می‌دهد که هوش مصنوعی یکی از عوامل کلیدی تحول مدیریت شهری و افزایش کیفیت تصمیم‌گیری مدیران است و می‌تواند با تقویت تحلیل داده، پیش‌بینی‌پذیری و پاسخ‌گویی، شهری کارآمدتر و پایدارتر ایجاد کند؛ با این حال، استفاده اثربخش از آن نیازمند توجه جدی به زیرساخت‌ها، الزامات اخلاقی، سیاست‌گذاری و توانمندسازی منابع انسانی است.
دانلودها
مراجع
Batty, M. (2018). Artificial intelligence and smart cities. Environment and Planning B: Urban Analytics and City Science, 45(1), 3–6.
Bryson, J. (2019). The past decade and future of AI’s impact on society. IEEE Intelligent Systems, 34(6), 18–31.
Chang, I., & Wei, S. (2021). Environmental monitoring using AI in urban ecosystems. Sustainable Cities and Society, 69, 102838.
Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48, 24–42.
Eren, T., & Uzun, A. (2020). Smart waste management using machine learning. Waste Management, 101, 252–265.
Hashem, I. et al. (2016). Big data in smart cities: A survey. International Journal of Information Management, 36(5), 748–758.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics. Nature Machine Intelligence, 1, 389–399.
Khan, S., et al. (2018). Intelligent video surveillance. ACM Computing Surveys, 50(1), 1–32.
Kitchin, R. (2014). The real-time city? Big data and smart urbanism. GeoJournal, 79, 1–14.
Li, Y., Chen, Z., & Wang, H. (2021). AI-based early warning systems for natural disasters. Natural Hazards, 108, 2205–2227.
Sun, Y., & Zhang, L. (2020). Predictive analytics in smart city governance. Cities, 97, 102523.
Zhao, X., Feng, H., & Liu, J. (2019). Reinforcement learning in urban planning. Computers, Environment and Urban Systems, 76, 163–173.
Zheng, Y., Capra, L., Wolfson, O., & Yang, H. (2014). Urban computing: Concepts and applications. ACM Transactions on Intelligent Systems and Technology, 5(3), 1–55.
