سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

پورعزت, علی اصغر, مزاری, ابراهیم, دهقانپور فراشاه, افسانه. (1404). تصویرپردازی از هوش حکمرانی (هم‌آفرینی هوش انسان و ماشین در آزمایشگاه حکمرانی). , 16(1), 15-37. doi: 10.48308/jpap.2024.235917.1396
علی اصغر پورعزت; ابراهیم مزاری; افسانه دهقانپور فراشاه. "تصویرپردازی از هوش حکمرانی (هم‌آفرینی هوش انسان و ماشین در آزمایشگاه حکمرانی)". , 16, 1, 1404, 15-37. doi: 10.48308/jpap.2024.235917.1396
پورعزت, علی اصغر, مزاری, ابراهیم, دهقانپور فراشاه, افسانه. (1404). 'تصویرپردازی از هوش حکمرانی (هم‌آفرینی هوش انسان و ماشین در آزمایشگاه حکمرانی)', , 16(1), pp. 15-37. doi: 10.48308/jpap.2024.235917.1396
پورعزت, علی اصغر, مزاری, ابراهیم, دهقانپور فراشاه, افسانه. تصویرپردازی از هوش حکمرانی (هم‌آفرینی هوش انسان و ماشین در آزمایشگاه حکمرانی). , 1404; 16(1): 15-37. doi: 10.48308/jpap.2024.235917.1396

تصویرپردازی از هوش حکمرانی (هم‌آفرینی هوش انسان و ماشین در آزمایشگاه حکمرانی)

چشم انداز مدیریت دولتی
دوره 16، شماره 1 - شماره پیاپی 61، فروردین 1404، صفحه 15-37    اصل مقاله (779.6 K)
نوع مقاله: پژوهشی (با رویکردهای کیفی)
شناسه دیجیتال (DOI): 10.48308/jpap.2024.235917.1396
نویسندگان
علی اصغر پورعزت1؛ ابراهیم مزاری* 2؛ افسانه دهقانپور فراشاه3
1استاد دانشکده مدیریت دانشگاه تهران
2استادیار، حکمرانی آموزش، دانشکده حکمرانی، دانشگاه تهران، تهران، ایران
3استادیار، دانشکده حکمرانی، دانشگاه تهران، تهران، ایران
چکیده
هدف: پژوهش حاضر با هدف تصویرپردازی از هوش حکمرانی و حاصل هم‌آفرینی هوش انسان و ماشین در آزمایشگاه‌ حکمرانی انجام شده است. در این پژوهش، ابتدا هوش حکمرانی معرفی شده و سپس جایگاه آن در آزمایشگاه حکمرانی تبیین شده است. نه تنها مفهوم حکمرانی، اخیراً در ادبیات علمی مورد توجه کنش‌گران علمی و تجربی قرار گرفته است بلکه در شناسایی نظام مسائل حکمرانی و حل شاهدمحور و علمی این مسائل نیز، آزمایشگاه حکمرانی معرفی شده است. در این میان به دلیل پیچیدگی بالای حکمرانی، هوش حکمرانی از یکسو به درک و از سوی دیگر به حل مسائل در آزمایشگاه حکمرانی کمک خواهد نمود که این مهم با رویکرد حکمرانی تجربی و مبتنی بر شواهد و روش‌شناسی علمی در مواجه با مسائل حکمرانی و شیوه حل آن‌ها رخ خواهد داد.
طراحی/ روش‌شناسی/ رویکرد: برای این پژوهش از روش کیفی فراترکیب سندولوسکی و باروسو (2007) استفاده شد و در طی آن از میان اسناد علمی گوناگون در پایگاه‌های علمی معتبر داخلی و خارجی، 250سند مرتبط بررسی اولیه گردیده تا در نهایت، 60 سند به منزله نمونه، کدگذاری شدند. با توجه به جدید و نوظهور بودن مفهوم حکمرانی، آزمایشگاه حکمرانی و هوش حکمرانی، با تحلیل متون علمی که به جنبه‌های مختلف این پدیده‌ها و مابین خطوط پژوهش‌ها به آن‌ها اشاره شده است، مدل هوش حکمرانی طراحی شده است تا بتوان تصویر روشن‌تری از مفهوم و واقعیت میدانی هوش حکمرانی را برای محققان و عملگرایان ارائه نمود.
یافته­های پژوهش:  نتایج نشان داد که هوش حکمرانی از 10 وجه و بعد برخوردار است که نشان‌دهنده پیچیدگی آن است؛ این وجوه شامل هوش عقلایی و حل‌مسأله، هوش خط‌مشی‌گذاری و تنظیم‌گری؛ هوش آینده‌نگری و راهبردی، هوش کل‌نگر و سیستمی، هوش مدیریت و رهبری، هوش سیاسی و شبکه‌ای، هوش معنوی و اخلاقی، هوش فرهنگی و اجتماعی، هوش مالی و اقتصادی، هوش عاطفی و هیجانی. این ابعاد در کنار یکدیگر، ظرفیت هوشی مناسبی برای حکمرانی پدید می‌آورند. گردهم آیی چنین ابعاد و مؤلفه‌هایی از هوش حکمرانی نشان‌دهنده تعدد عوامل و عناصر حکمرانی و در نتیجه نیاز به هوش‌های چندگانه در حکمرانی است. بدیهی است به هر میزان که پیچیدگی یک پدیده افزایش می‌یابد، هوش مورد نیاز درک و حل مسائل آن نیز پیچیده‌تر خواهد شد. هوش انسانی و ماشینی در کنار هم می‌تواند بر این پیچیدگی‌ها فائل آمده و راه‌حل‌های مناسب‌تری برای مسائل حکمرانی، فراهم نمایند که توانسته است پیچیدگی حکمرانی را فهم نموده و تحلیل‌های عمیق‌تری از آن ارائه نماید. در نهایت، آزمایشگاه‌های حکمرانی، رویکردی برای هم‌آفرینی هوش‌های انسانی و ماشینی، در ابعاد 10 گانه برای شناسایی، درک و حل مسائل حکمرانی فراهم آورده و انتظار می‌رود با توسعه مداوم هوش حکمرانی، بتوان پاسخ‌های علمی و متقنی برای نظام مسائل حکمرانی کشور ارائه نمود و به‌تدریج شاهد بلوغ هوش حکمرانی و در نتیجه پاسخ‌های دقیق‌تری برای مسائل حکمرانی بود.
محدودیت­ها و پیامدها: مهم‌ترین محدودیت پژوهش حاضر، نبود تعاریف و مفاهیم مشخص و صریح از موضوع پژوهش بوده که این خود به ضرورت انجام پژوهش قوت بخشیده است. انتظار می‌رود چنین پژوهش‌هایی پیامدهای علمی و تجربی در اندیشه متخصصان و دانشمندان و هم‌چنین اقدامات کنشگران حکمرانی داشته باشد که حکمرانی را پیچیده و نیازمند تحلیل و واکاوی عمیق و وسیعی بدانند و همواره به دنبال توسعه ظرفیت‌های فکری و عملی در درک و حل مسائل حکمرانی باشند.
پیامدهای عملی: مقاله حاضر بر ایجاد آزمایشگاه حکمرانی در درک و حل مسائل، تأکید نموده و هوش حکمرانی (هوش انسان و ماشین) را لازمه و یکی از مهم‌ترین ظرفیت‌های درک و حل مسائل حکمرانی به ویژه در آزمایشگاه حکمرانی، معرفی می‌کند.
ابتکار یا ارزش مقاله: معرفی آزمایشگاه حکمرانی، هوش حکمرانی و دیدگاه حکمرانی تجربی که بر شاهدمحوری و روش‌شناسی علمی حل مسائل حکمرانی تأکید دارد، ابتکار و نوآوری مقاله حاضر است.
نوع مقاله: مقاله پژوهشی
 
کلیدواژه‌ها
هوش حکمرانی؛ هوش انسان؛ هوش ماشین؛ آزمایشگاه حکمرانی
عنوان مقاله [English]
Visualization of Governance Intelligence; Co-Creation of Human and Machine Intelligence in Governance
نویسندگان [English]
Ali Asghar Pourezzat1؛ Ebrahim Mazari2؛ Afsaneh Dehghanpour farashah3
1Professor of Public Administration,, University of Tehran
2Assistant Professor, Education Governance, Faculty of Governance, University of Tehran, Tehran, Iran
3Assistant Professor, Faculty of Governance, University of Tehran, Tehran, Iran.
چکیده [English]
Purpose: The current research was conducted to imaging governance intelligence and the result of the co-creation of human and machine intelligence in the governance laboratory. In this research, governance intelligence is first introduced, and then its place in the governance laboratory is explained. Not only has the concept of governance recently received the attention of scientific and experimental actors in the scientific literature, but the governance laboratory has also been introduced to identify the system of governance issues and the evidence-based and scientific solution to these issues. In the meantime, due to the high complexity of governance, governance intelligence will help on the one hand to understand and on the other hand to solve problems in the governance laboratory that may occur.
Design/ methodology/ approach:  Sandelowski and Barroso's (2007) meta-synthesis qualitative method was used for this research, and during it, 250 related documents were initially examined from among various scientific documents in domestic and foreign reliable scientific databases, and finally, 60 documents were coded as samples. Considering the new and emerging concept of governance, governance laboratory and governance intelligence, with the analysis of scientific texts that refer to various aspects of these phenomena and between the lines of research, the model of governance intelligence has been designed to provide a clearer picture of the concept and reality presented governance intelligence for researchers and practitioners.
Research Findings: The results showed that governance intelligence has 10 aspects and dimensions, which indicate its complexity; These funds include rational and problem-solving intelligence, policy-making and regulatory intelligence; Foresight and strategic intelligence, holistic and systemic intelligence, management and leadership intelligence, political and network intelligence, spiritual and moral intelligence, cultural and social intelligence, financial and economic intelligence, emotional and emotional intelligence. Together, these dimensions create a suitable intelligence capacity for governance. The gathering of such dimensions and components of governance intelligence shows the multiplicity of factors and elements of governance, resulting in the need for multiple intelligences in governance. As the complexity of a phenomenon increases, the intelligence required to understand and solve its problems will also become more complex. Human and machine intelligence together can overcome these complexities and provide more suitable solutions for governance issues, which have been able to understand the complexity of governance and provide deeper analyses of it. Finally, governance laboratories provide an approach for the co-creation of human and machine intelligence, in 10 dimensions to identify, understand and solve governance issues, and it is expected that with the continuous development of governance intelligence, it will be possible to provide scientific and reasonable answers for the system of governance issues in the country. He gradually witnessed the maturity of governance intelligence, and as a result, more accurate answers to governance issues.
Limitations & Consequences: The most important limitation of the current research is the lack of specific and clear definitions and concepts of the research topic, strengthening the necessity of conducting the research. It is expected that such researches will have scientific and experimental consequences in the thinking of experts and scientists as well as the actions of governance activists who consider governance to be complex and require deep and wide analysis and always seek to develop intellectual and practical capacities in understanding and solving governance issues.
Practical Consequences: The present article emphasizes the creation of a governance laboratory in understanding and solving problems and introduces governance intelligence (human and machine intelligence) as a necessity and one of the most important capacities for understanding and solving governance problems, especially in the governance laboratory.
Innovation or value of the Article: The introduction of the governance laboratory, governance intelligence, and the perspective of experimental governance that emphasizes evidence-based and scientific methodology for solving governance issues is the initiative and innovation of this article.
Paper Type: Original Paper
 
کلیدواژه‌ها [English]
Governance Intelligence, Human Intelligence, Machine Intelligence, Governance Laboratory
مراجع
  1. Abbott, K. W., & Faude, B. (2022). Hybrid institutional complexes in global governance. The Review of International Organizations, 17, 263-291.
  2. Adams, S. & Zanzi, A. (2005). Developing political intelligence for making feasible decisions. Journal manage Dev,.25, 350-367.
  3. Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics o artificial intelligence. Harvard Business Press.
  4. Alexander, Ernest R. (1996). After rationality: Toward a contingency theory for planning. In Explorations in Planning Theory, eds. Seymour J. Mandelbaum, Luigi Mazza, and Robert W. Burchell, 45-64. New Brunswick, N.J.: Center for Urban Policy Research, Rutgers
  5. Alibašić, H., Crawley, W. (2020). Applying Good Governance through Policy Labs: Sustainable Solutions for Universities and Local Governments. The International Journal of Social Sustainability in Economic, Social, and Cultural Context, 17(1), 13-25.
  6. Alter, K. J. (2022). The promise and perils of theorizing international regime complexity in an evolving world. The Review of International Organizations. 21(09), 1-28.
  7. Avery et al (1994). Mainstream science on intelligence. The wall Street Journal, p.A18.
  8. Bevir, M. (2007). Encyclopedia of Governance. New York: Sage Publication Ltd..
  9. Binet, A., Henry, V. (1896).Psychologie individuelle. Anne Psychologie, 3, 296-332.
  10. Cattel, R.B. (1987). Intelligence: Its structure, growth and action. Amsterdam: North-Holland.
  11. Cheng,Y.C. (2001). Paradigm Shift in Higher Education: Globalization, Localization, AndIndividualization. International Paper Presentation Invited by The Ford Foundation At The Ford Foundation Conference on “Innovations In African Higher Education”. 1st To 3rd October 2001.
  12. Cheng,Y.C. (2002). Fostering Local Knowledge and Wisdom in Globalized Education: Multiple Theories, Centre for Research and International Collaboration, Hong Kong Institute of Education, the 8th International Conference on Globalization and Localization Enmeshed: Searching for A Balance in Education, November 18- 21.
  13. Cotter, T.S. (2015). Research Agenda into Human-Intelligence/Machine intelligence Governance. Proceedings of the American Society for Engineering Management 2015 International Annual Conference S. Long, E-H. Ng, and A. Squires eds.
  14. Crowne, K.A. (2009). The relationship among social intelligence, emotional intelligence and cultural intelligence. Organization Management journal, 6: 178-163.
  15. Dameri, R. P., & Rosenthal-Sabroux, C. (2014). Smart city: How to create public and economic value with high technology in urban space. Springer.
  16. Fartukzadeh, H., Jafari, R. (2022). Compound complexity; An approach to understanding governance passivity. Improvement Management, 16(3), 189-151. (in Persian).
  17. Ferris, G. R. (2013). Social influence and interpersonal power in organizations: Roles of performance and political skill in two studies. Journal of management, 39(6), 1529-1553.
  18. Fischer, M.M. (1994). From conventional to knowledge-based geographic information sys- tems, Comput. Environ. Urban Syst. 18 (4), 233–242.
  19. Forester, J. (1980). Critical theory and planning practice. Journal of the American Planning Association. 46(2): 245-276.
  20. Frey, H., Wompner, G. (2019). Holistic Intelligence: The Key to a New Age.  Independently published.
  21. Gardner, H. (1999). intelligence reframed: Multiple intelligence for 21st New York: Basic Books.
  22. Ghafari Ashtiani, P., Chobandian, (2010). Organizational intelligence, the paradigm of the third millennium. Monthly Political Economic Information, 25(3), 231-226. (in Persian).
  23. Goleman, D.D. (1996). Emotional intelligence. Why it can matter more than IQ. Learning, 24(6): 49-50.
  24. Guilford, J.P. (1967). The Nature of human intelligence. New York: McGraw-Hill.
  25. Jones, G., 2011. National IQ and national productivity: The hive mind across Asia. Asian Development Review, 28: 58-71.
  26. Kankanhalli, A., Charalabidis, Y., Mellouli, S. (2019). IoT and AI for smart government: a research agenda, Gov. Inf. Q. 36 (2), 304–309.
  27. Khastar, H., Sarem, A., Sarem, A. (2015). Designing a policy-making intelligence model in line with the implementation of electronic government. Farda Management Scientific Research Journal, 15, 179-190. (in Persian).
  28. Kodila-Tedika, O. (2012). Governance and Intelligence: Empirical Analysis from African Data. Munich Personal RePEc Archive.
  29. Kristinn R. T., & Nivel, E. (2014). Holistic Intelligence: Transversal Skills & Current Methodologies. Proceedings of the Second Conference on Artificial General Intelligence, Arlington, VA, USA.
  30. Kumar, H., and Martin, A. (2023). Artificial Emotional Intelligence: Conventional and deep learning approach. Expert Systems with Applications, 212, 13, 118651.
  31. Lennick D, Kiel F. (2011). Moral intelligence: The key to enhancing business Performance and leadership success. USA: Wharton School Publishing.
  32. Mayer, J.D., Caruso, D.R., Salovey, P.R.. (2000). Emotional intelligence meets traditional standards for an intelligence. Intelligence,.27.
  33. Momot, T., Vashchenko, O., Avanesova, N., Chudopal, A. (2015). Corporate Governance Intelligence: Minority Shareholder’s Aspects (Evidence from Ukraine). Chinese Business Review, 14(4), 210-218.
  34. Nagitta, P.O., Mugurusi, G., Obicci, P.A., Awuor, E. (2022). Human-centered artificial intelligence for the public sector: The gate keeping role of the public procurement professional. Procedia Computer Science, 200, 1084-1092.
  35. Naudé, W. , & Dimitri, N. (2021). Public Procurement and Innovation for Human-Centered Artificial Intelligence. IZA Discussion Paper No. 14021, Available at SSRN: https: // ssrn. com/abstract=3762891.
  36. Nazerdeylami, A., Majidi, B., Movaghar, A. (2021). Autonomous litter surveying and human activity monitoring for governance intelligence in coastal eco-cyber-physical systems. Ocean and Coastal Management, 200, 1-12.
  37. Negash, S., & Gray, P. (2003). Business Intelligence. Americas Conference on Information Systems (AMCIS), 3190-3199.
  38. Nwokah, N.G., and Ahiauzu, A.I. (2010). Marketing in governance: emotional intelligence leadership for effective corporate governance. Corporate Governance,10(2), 150-162.
  39. Olejniczak, K., Borkowska-Waszak, S., Domaradzka-Widła, A., and Park, Y. (2019). Policy Labs: the next Frontier of Policy Design and Evaluation? Policy & Politics 48 (1), 89–110.
  40. Owen J. (2006). How to manage. Art of making things happen 3rd Edition. England: Prentice Hall, 45-60.
  41. Panetta, K. (2018). Gartner top 10 strategic technology trends for 2018. Retrieved fromhttps://www.gartner.com/smarterwithgartner/gartner-top-10-strategictechnology- trends-for-2018/.
  42. Perrewe, P.L., Kelly, L.Z., Gerald, R.F., Ana, M.R., Charles, J.K. and Ralston, D.A. (2004). Neutralizing job stressors: Political skill as an antidote to the dysfunctional consequences of role conflict. Academy of Management Journal, 47(1), 141-152.
  43. Pourezzat, A. (2003). Imaging of the future; Action strategy in social systems. Sokhn Samit, No. 10. Tehran: Organization for Studying and Compiling Humanities Books of Universities. (in Persian).
  44. Pourezzat, A. (2008). Basic knowledge of government administration and government. Tehran: Organization for Studying and Compiling Humanities Books of Universities. (in Persian).
  45. Pourezzat, A. (2021). The design of the policy laboratory and the rational arrangement of the decision stage, to avoid the story of trial and error in the field of governance of the executive branch. Management of government organizations. 9(3), 170-161. (in Persian).
  46. Pourezzat, A., Rafii, S., Momenzadeh, P., Koklan, N. (2018). The return of rationality; Application of artificial intelligence in governance and public policy. Specialized Quarterly Journal of Applied Studies and Research, 15, 106-116. (in Persian).
  47. Pourezzat, A., Rezayan Qiyabashi, A. (2021). Futuristic intelligence is a requirement for effective observation in the realization of visions. Future Cities Vision Quarterly, 2(3), 1-9. (in Persian).
  48. Pourezzat, Ali Asghar. (2007). Depiction of the Future: Intervention Strategy in Social Systems. Iranian Journal of Management Studies (IJMS) 1, (1), 91-110.
  49. Qomi, M. H., Zarei Mateen, H., Hamidizadeh, A. (2022). Designing the model of political intelligence of state company managers in the framework of the efficient governance model. Political Science, 25(99), 5-41. (in Persian).
  50. Raji, M.H., Eftekhari, A. (2022). Governance in a complex networked society. Contemporary Political Essays, 13(4), 110-87. (in Persian).
  51. Robinson and Robinson, N.M. (1965). The mentally retarded child. New York: McGraw-Hill.
  52. Roshan, S., Yaqoubi, N., Momeni, A. (2021). The use of artificial intelligence in the public sector: a meta-composite study. Iranian Journal of Management Sciences, 16(61), 117-145. (in Persian).
  53. Ryan, N. (1999). Rationality and implementation analysis. Journal of Management History. 5(2): 36-52.
  54. Sangiovanni, M.E., and Westerwinter, O. (2022). The global governance complexity cube: Varieties of institutional complexity in global governance. The Review of International Organizations, 17, 233–262.
  55. Schmidt, M.J. (2010). Is there a place for emotions within leadership preparation programs? Journal of Education Administration, 48(5), 626-641.
  56. Schuurman, D., and Tõnurist, P. (2017). Innovation in the Public Sector: Exploring the Characteristics and Potential of Living Labs and Innovation Labs. Technology Innovation Management Review 7 (1), 7–14.
  57. Sharma, G.D., Yadav, A., Ghopra, R. (2020). Artificial intelligence and effective governance: A review, critique and research agenda. Sustainable Futures, 2, 1-6.
  58. Shneiderman, B. (2020a). Human-centered artificial intelligence: Reliable, safe & trustworthy. International Journal of Human–Computer Interaction, 36(6), 495-504.
  59. Sisk, D.A. & Torrence, E.P. (2009). Spiritnal intelligence: developing higher consciousness. Buffalo, New York: Crative Education Foundation Press, 15-25.
  60. Ignace (2002). Conciliation of Rationalities: The Essence of Public Administration, Administrative Theory & Praxis. 24(2), 323-346.
  61. Spearman, C. (1927). The abilities of man. New York: MacMillan.
  62. Sternberg, J.S. (1997). Managerial Intelligence: why IQ is not enough. Journal of Management, 23(3), 475-493.
  63. Sternberg, R.J. (2005). A board view of intelligence: the theory of successful intelligence. Counsulting Psychology Journal: Practice and Research, 55, 139-154.
  64. Sternberg, R.J. (2005). The triarchic theory of successful intelligence. In D.P. Flanagan and P.L. Harrison. New York: Guilford Press.
  65. Thacher, D. (2004) Value rationality in policy analysis. Information website: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.535.9450&rep=rep1&type=pdf. 46- Poole, M., & Van de Ven, A. (1989). Using Paradox to Build Management and Organization Theories. The Academy of Management Review, 14(4), 562-578.
  66. Thrall, T.J., Princetin, M. J. (2022). Fairs Clinical Psychology. Translated by Mehrdad Firouzbakht. Tehran: Roshd.
  67. Thurston (1938). Primary mental abilities. Psychometric. Monographs, 1,100-150.
  68. Vaughan F. (2002). What is spiritual intelligence? Journal of humanistic psychology; 4(2), 16-33.
  69. Wall, L.D. (2018). Some financial regulatory implications of artificial intelligence. Journal of Economics and Business, 100, 55-63.
  70. Wassreman, J.D., and Tulsky, D.S. (2005). A history of intelligence assessment. In D.P. Flanagan and P.L. Harrison. New York: Guilford Press.
  71. Wechsler, D. (1939). The measurement of adult intelligence. Baltimor: Williams and Wilkins.
  72. White, S.H. (2000). Conceptual foundation of IQ testing. Psychology, Public policy and Law, 6, 33-43.
  73. Wood, S. L., Luers, A., Garard, J., Gambhir, A., Chaudhari, K., Ivanova, M., & Cronin, C. (2021). Collective foresight and intelligence for sustainability. Global Sustainability, 4.

 

آمار
تعداد مشاهده مقاله: 2,346
تعداد دریافت فایل اصل مقاله: 1,794