اولویت گذاری هوشمند فنّاوری به کمک سامانۀ استنتاج فازی (موردکاوی: فنّاوری اطلاعات در ایران)
محورهای موضوعی : تخصصی
امیر خدادادی
1
,
غلامعلی منتظر
2
,
سید سپهر قاضی نوری
3
,
محمد حسینی مقدم
4
1 - دانشجوی دکتری سیاستگذاری علم و فنّاوری، دانشگاه تربیت مدرس، تهران، ایران
2 - گروه مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران
3 - گروه مدیریت فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران
4 - گروه مطالعات آینده نگر، پژوهشگاه مطالعات فرهنگی، اجتماعی و تمدنی، تهران، ایران
کلید واژه: اولویت گذاری فنّاوری, معیار جذابیت-توانمندی, سناریونگاری, فنّاوری اطلاعات, سامانۀ استنتاج فازی,
چکیده مقاله :
اولویت گذاری فنّاوری یکی از مهمترین جنبه های سیاستگذاری علم و فنّاوری است. روشها و چارچوب های موجود برای اولویت گذاری فنّاوری به دلیل نقایص موجود در آنها، در ارائۀ توصیه های سیاستی به سیاستگذاران با محدودیتهایی مواجهند. یکی از این نقیصه ها، غفلت از عدم قطعیتهای آینده و سناریوهایی است که برای توسعۀ فنّاوری ترسیم می شود. نقیصۀ دیگر، بروز ابهام در میان ذینفعان فنّاوری نسبت به پارامترهای ارزیابی فنّاوری ها و معیارهای آنهاست. رفع این نقایص مستلزم تجدیدنظر در چارچوبهای پیشین و معرفی چارچوب جدیدی برای اولویت گذاری است. از سوی دیگر، با توجه به مزایای بهره گیری از سامانه های هوشمند در سیاستگذاری، این سؤال مطرح است که چگونه می توان اولویت گذاری را به ابزارهای هوشمندی مجهّز کرد؟ در این مقاله، با معرفی چارچوب جدیدی برای اولویت گذاری فنّاوری که هر سه ابزار هوشمندی سیاستی (آینده نگاری، ارزیابی، پیش بینی) را در خود جای داده، نحوۀ افزودن هوشمندی محاسباتی به کمک نظریۀ مجموعه های فازی تبیین می شود. بدین منظور برای امتیازدهی به گزینه ها در الگوی جذابیت-توانمندی به جای روش های مرسومِ پیمایش و تصمیم گیری چندمعیاره، از سامانۀ استنتاج فازی استفاده می کنیم که به رفع ابهام از محدودۀ معیارها کمک می کند و درجه ای از هوشمندی را برای اولویت گذاری فراهم می کند. معیارها نیز از میان ابعاد عدم قطعیت سناریونگاری ها انتخاب می شوند تا تأثیر تحوّلات آینده در تحلیل اولویت ها مدنظر قرار گیرد. نتایج حاکی از این است که از بین پنج فنّاوری انقلاب صنعتی چهارم، فنّاوری هوش مصنوعی در کشور با وجود برخورداری از جذابیت بالا، توانمندی پایینی دارد و نیازمند توسعۀ بیشتری از حیث توجه به ارتقای معیارهای توانمندی فنّاورانه است. دستاورد تحقیق حاضر، یک مصنوع است که با برخورداری از درجه ای از هوشمندی می تواند برای اولویت گذاری فنّاوری اطلاعات در سطح ملّی به کار رود.
Technology priority-setting is one of the most important aspects of science and technology policy-making. Due to their shortcomings, the existing methods and frameworks for technology priority-setting face limitations in providing policy recommendations to policymakers. One of these shortcomings is neglecting the future's uncertainties and the scenarios drawn for technological development. Another shortcoming is ambiguity among technological stakeholders regarding the parameters of evaluating technologies and their criteria. Fixing these defects requires revising the previous frameworks and introducing a new framework for priority-setting. On the other hand, considering the benefits of using intelligent systems in policymaking, the question is how to equip priority-setting with intelligence tools. In this article, by introducing a new framework for technology priority-setting that includes all three policy intelligence tools (forecasting, evaluation, foresight), the method of adding computational intelligence is explained with the help of fuzzy set theory. For this purpose, instead of conventional methods such as survey and multi-criteria decision-making, we use a fuzzy inference system to score the alternatives in the capability-attractiveness model, which helps to resolve the ambiguity of the range of criteria and provides a degree of intelligence for priority-setting. The criteria are also selected from among the dimensions of the uncertainty of the scenarios to consider the impact of future developments in the analysis of priorities. The achievement of the present research is an artifact that, with a degree of intelligence, can be used for information technology priority-setting at the national level.
[1] Reid A, Martinaitis Z, Valincius G., "A contribution to priority setting for future research, studies and innovation in Lithuania." , Report of an expert group to the Ministry of Education and Science and Ministry of Economy of the Republic of Lithuania, 2012.
[2] Hellström T, Jacob M, Sjöö K., "From thematic to organizational prioritization: the challenges of implementing RDI priorities." Science and Public Policy, 2017 Oct 1;44(5):599-608.
[3] Ghazinoory S, Ghazinoori S. "An introduction to science, technology and innovation policy". Tehran: Tarbiat Modares University, 2017. {In Persian}
[4] Salo A, Liesiö J., "A case study in participatory priority setting for a Scandinavian research program.", International Journal of Information Technology & Decision Making. 2006 Mar;5(01):65-88.
[5] Fatemi M, Arasti M., "Priority-setting in science, technology and innovation." Journal of science and technology policy. 2019 Jun 22;12(2):119-33.
[6] Georghiou L, Harper JC., "From priority-setting to articulation of demand: Foresight for research and innovation policy and strategy.", Futures. 2011 Apr 1;43(3):243-51.
[7] NSB. Federal Research Resources: A Process for Setting Priorities: Final Report; Approved By the National Science Board at its October 11, 2001 Meeting
[8] Rosenstock L, Olenec C, Wagner GR. "The National Occupational Research Agenda: a model of broad stakeholder input into priority setting.", American Journal of Public Health. 1998 Mar;88(3):353-6.
[9] Benner M, Liu L, Serger SS. "Head in the clouds and feet on the ground: Research priority setting in China." Science and Public Policy. 2012 Mar 1;39(2):258-70.
[10] Bengisu M. "Critical and emerging technologies in Materials, Manufacturing, and Industrial Engineering: A study for priority setting." Scientometrics. 2003 Nov 1;58(3):473-87.
[11] Suh CK, Suh EH, Baek KC. "Prioritizing telecommunications technologies for long-range R&D planning to the year 2006." IEEE Transactions on Engineering Management. 1994 Aug;41(3):264-75.
[12] De Haan S, Kingamkono R, Tindamanyire N, Mshinda H, Makandi H, Tibazarwa F, Kubata B, Montorzi G. "Setting research priorities across science, technology, and health sectors: the Tanzania experience." Health Research Policy and Systems. 2015 Dec;13:1-1.
[13] Stenberg L, Nagano H. "Priority-setting in Japanese research and innovation policy." Vinnova Analysis VA. 2009 Dec;23.
[14] BILAT-USA, "Analysis of Science &Technologies Priorities in Public Research in Europe and the United States of America", 2012.
[15] Gassler H, Polt W, Schindler J, Weber M, Mahroum S, Kubeczko K, Keenan M. "Priorities in science & technology policy. An international comparison". Project report commissioned by the Austrian Council for Research and Technology Development. 2004 Oct.
[16] Sokolov A, Shashnov S, Kotsemir M, Grebenyuk A. "Common STI priorities for a group of countries: The BRICS case." In 6th international conference on future-oriented Technology Analysis (FTA)—future in the making, Brussels 2018 Jun (pp. 4-5).
[17] Salo A, Gustafsson T, Ramanathan R. "Multicriteria methods for technology foresight." Journal of Forecasting. 2003 Mar;22(2‐3):235-55.
[18] Fleurence RL, Torgerson DJ. "Setting priorities for research." Health policy. 2004 Jul 1;69(1):1-0.
[19] McGeary M, Smith PM. "The R&D portfolio: a concept for allocating science and technology funds." Science. 1996 Nov 29;274(5292):1484-5.
[20] Cuhls K. "Futur–foresight for priority-setting in Germany." International Journal of Foresight and Innovation Policy. 2004 Jan 1;1(3-4):183-94.
[21] Glod F, Duprel C, Keenan M. "Foresight for science and technology priority setting in a small country: the case of Luxembourg." Technology Analysis & Strategic Management. 2009 Nov 1;21(8):933-51.
[22] Haegeman K, Spiesberger M, Veselitskaya N, Sokolov A, Weiss G. "FTA supporting effective priority setting in multi-lateral research programme cooperation: The case of EU–Russia S&T cooperation." Technological Forecasting and Social Change. 2015 Dec 1;101:200-15.
[23] Hashemkhani Zolfani S, Salimi J, Maknoon R, Kildienė S. "Technology foresight about R & D projects selection; application of SWARA method at the policy making level."
[24] Jarvis RM, Young T. "Key research priorities for the future of marine science in New Zealand." Marine Policy. 2019 Aug 1;106:103539.
[25] MOORE M, LANDREE E, HOTTES AK, SHELTON SR. "Priorities for the Department of Homeland Security Science and Technology Directorate." Homeland Security Operational Analysis Center. 2018
[26] Shepherd M, Turner JA, Small B, Wheeler D. "Priorities for science to overcome hurdles thwarting the full promise of the ‘digital agriculture revolution." Journal of the Science of Food and Agriculture. 2020 Nov;100(14):5083-92.
[27] Tübke AL, Ducatel K, Gavigan J, Moncada-Paterno-Castello PI, SMITS R, ZWECK A, RADER M, BARRÉ R, HUT AS. "Strategic policy intelligence: Current trends, the state of play and perspectives." IPTS, Seville. 2001 Dec.
[28] Namdarian L, Naghizadeh R. "Strategic Intelligence in Science, Technology and Innovation Policy Making (STI)." Journal of Science and Technology Policy. 2019 Jun 22;12(2):87-101.
[29] Kuosa T. "Towards strategic intelligence: foresight, intelligence, and policy-making." Dynamic Futures; 2014.
[30] Nazarko Ł. "Future-oriented technology assessment." Procedia Engineering. 2017 Jan 1;182:504-9.
[31] Seidl da Fonseca, Ricardo & Klusacek, Karel & Graf, Hans & Balackova, Halka & Keenan, Michael & Cuhls, Kerstin & Miles, Ian & Phaal, Robert. "Foresight Methodologies" - Textbook. 2004.
[32] Ghazinoori, S. "Technology Assessment: A Policy Intelligence Tool." Tehran: New Industries Center. 2004. ISBN 964-06-5414-0{In Persian}.
[33] Zimmermann HJ. "Fuzzy set theory." Wiley interdisciplinary reviews: computational statistics. 2010 May;2(3):317-32.
[34] Ghazinoory S, Divsalar A, Soofi AS. "A new definition and framework for the development of a national technology strategy: The case of nanotechnology for Iran." Technological Forecasting and Social Change. 2009 Jul 1;76(6):835-48.
[35] N. B. Moghaddam, M. Sahafzadeh, S. M. Emamian and A. Irankhah, "Scenario based priority setting of R&D issues: A case study of membrane technology in National Iranian Gas industry," PICMET '08 - 2008 Portland International Conference on Management of Engineering & Technology, Cape Town, South Africa, 2008, pp. 1497-1505, doi: 10.1109/PICMET.2008.4599766.
[36] Pamučar D., "Fuzzy logic in decision making process in the Armed Forces of Serbia." LAP LAMBERT Academic Publishing; 2011.
[37] Bozanic D, Tešić D, Puška A, Štilić A, Muhsen YR. "Ranking challenges, risks and threats using Fuzzy Inference System." Decision Making: Applications in Management and Engineering. 2023 Sep 4;6(2):933-47.
[38] Sabri N, Aljunid SA, Salim MS, Badlishah RB, Kamaruddin R, Malek MA. "Fuzzy inference system: Short review and design." Int. Rev. Autom. Control. 2013;6(4):441-9.
[39] Russell SJ, Norvig P. "Artificial intelligence: a modern approach." Pearson; 2016.
[40] Khodadadi A, Montazer GA. "Analyzing the Convergence of the Information Technology Future Scenarios." Journal of Science and Technology Policy. 2023 Oct 23;16(3):77-100. {In Persian}. Doi:10.22034/jstp.2023.11432.1675
[41] Martinelli A, Mina A, Moggi M. "The enabling technologies of industry 4.0: examining the seeds of the fourth industrial revolution." Industrial and Corporate Change. 2021 Feb 1;30(1):161-88.
[42] Marr B. "Tech Trends in Practice: The 25 technologies that are driving the 4th Industrial Revolution." John Wiley & Sons; 2020 Jun 22.
[43] Weforum, 2022, Retrieved: https://www.weforum.org/reports/global-competitiveness-report-2019/
[44] WorldBank, 2022, Retrieved: https://govdata360.worldbank.org/indicators/h5083f593?indicator=394&viz=choropleth&years=2020
[45] [45] WJP, 2022, Retrieved: https://worldjusticeproject.org/our-work/wjp-rule-law-index/wjp-open-government-index/global-scores-rankings
[46] Dresch A, Lacerda DP, Antunes Jr JA, Dresch A, Lacerda DP, Antunes JA. "Design science research." Springer International Publishing; 2015.
[47] Wang LX. "A course in fuzzy systems and control." Prentice-Hall, Inc.; 1996 Dec 1.
[48] L. A. Zadeh, "Outline of a New Approach to the Analysis of Complex Systems and Decision Processes," in IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-3, no. 1, pp. 28-44, Jan. 1973, doi: 10.1109/TSMC.1973.5408575.
[49] Zadeh LA. "Fuzzy logic and approximate reasoning: In memory of Grigore Moisil. Synthese." 1975 Sep;30:407-28.
[50] Kreinovich V, Kosheleva O, Shahbazova SN. "Why triangular and trapezoid membership functions: A simple explanation." Recent developments in fuzzy logic and fuzzy sets: dedicated to Lotfi A. Zadeh. 2020:25-31.
[51] Stack Exchange, 2014, Adam Hughes (https://math.stackexchange.com/users/58831/adam-hughes), Difference between "≈", "≃", and "≅", URL (version: 2014-07-11): https://math.stackexchange.com/q/864614
[52] Stack Exchange, 2023, Lover of Structure (https://math.stackexchange.com/users/60628/lover-of-structure), What is the symbol ≙ most commonly used for in a mathematical or math-related context?, URL (version: 2023-02-22): https://math.stackexchange.com/q/790019
[53] Magdalena L. "Fuzzy rule-based systems." Springer handbook of computational intelligence. 2015:203-18.
[54] Mamdani EH. "Fuzzy control: a misconception of theory and application." IEEE Expert. 1994 Aug;9(4):27-8.
[55] Information Technology Organization of Iran, 2021, retrieved: https://www.aparat.com/v/g371u1t/
Journal of Information and
Communication Technology
Volume 17, Issue 63-64, Spring and Summer 2025, pp. 219-237
A Framework for Technology Priority-Setting Using Fuzzy Inference Systems
(Case study: Information Technology in Iran)
Amir Khodadadi1, Gholamali Montazer21, Sepehr Ghazinoory3, Mohammad Hoseini Moghaddam4
1 Ph.D. Student, Information Technology Management Group, Tarbiat Modares University, Tehran, Iran
2 Information Technology Engineering Group, Tarbiat Modares University, Tehran, Iran
3 Information Technology Management Group, Tarbiat Modares University, Tehran, Iran
4Institute for Social and Cultural Studies (ISCS),Tehran, Iran
Received: 08 January 2025, Revised: 17 March 2025, Accepted: 25 March 2025
Paper type: Research
Abstract
Technology priority-setting is one of the most important aspects of science and technology policy-making. Due to their shortcomings, the existing methods and frameworks for technology priority-setting face limitations in providing policy recommendations to policymakers. One of these shortcomings is neglecting the future's uncertainties and the scenarios drawn for technological development. Another shortcoming is ambiguity among technological stakeholders regarding the parameters of evaluating technologies and their criteria. Fixing these defects requires revising the previous frameworks and introducing a new framework for priority-setting. On the other hand, considering the benefits of using intelligent systems in policymaking, the question is how to equip priority-setting with intelligence tools. In this article, by introducing a new framework for technology priority-setting that includes all three policy intelligence tools (forecasting, evaluation, foresight), the method of adding computational intelligence is explained with the help of fuzzy set theory. For this purpose, instead of conventional methods such as survey and multi-criteria decision-making, we use a fuzzy inference system to score the alternatives in the capability-attractiveness model, which helps to resolve the ambiguity of the range of criteria and provides a degree of intelligence for priority-setting. The criteria are also selected from among the dimensions of the uncertainty of the scenarios to consider the impact of future developments in the analysis of priorities. The achievement of the present research is an artifact that, with a degree of intelligence, can be used for information technology priority-setting at the national level.
Keywords: Technology Priority-setting, Capability-Attractiveness Criterion, Scenario Planning, Information Technology, Fuzzy Inference System.
اولویتگذاری هوشمند فنّاوری به کمک سامانۀ استنتاج فازی
(موردکاوی: فنّاوری اطلاعات در ایران)
امیر خدادادی1، غلامعلی منتظر22، سپهر قاضی نوری 3، محمد حسینی مقدم4
1 دانشجوی دکتری سیاستگذاری علم و فنّاوری، دانشگاه تربیت مدرس، تهران، ایران
2 گروه مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران
3 گروه مدیریت فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران
3 گروه مطالعات آینده‌نگر، پژوهشگاه مطالعات فرهنگی، اجتماعی و تمدنی، تهران، ایران
تاریخ دریافت: 19/10/1403 تاریخ بازبینی: 27/12/1403 تاریخ پذیرش: 05/01/1404
نوع مقاله: پژوهشی
چکيده
اولویتگذاری فنّاوری یکی از مهمترین جنبههای سیاستگذاری علم و فنّاوری است. روشها و چارچوبهای موجود برای اولویتگذاری فنّاوری به دلیل نقایص موجود در آنها، در ارائۀ توصیههای سیاستی به سیاستگذاران با محدودیتهایی مواجهند. یکی از این نقیصهها، غفلت از عدمقطعیتهای آینده و سناریوهایی است که برای توسعۀ فنّاوری ترسیم میشود. نقیصۀ دیگر، بروز ابهام در میان ذینفعان فنّاوری نسبت به پارامترهای ارزیابی فنّاوریها و معیارهای آنهاست. رفع این نقایص مستلزم تجدیدنظر در چارچوبهای پیشین و معرفی چارچوب جدیدی برای اولویتگذاری است. از سوی دیگر، با توجه به مزایای بهرهگیری از سامانههای هوشمند در سیاستگذاری، این سؤال مطرح است که چگونه میتوان اولویتگذاری را به ابزارهای هوشمندی مجهّز کرد؟ در این مقاله، با معرفی چارچوب جدیدی برای اولویتگذاری فنّاوری که هر سه ابزار هوشمندی سیاستی(آیندهنگاری، ارزیابی، پیشبینی) را در خود جای داده، نحوۀ افزودن هوشمندی محاسباتی به کمک نظریۀ مجموعههای فازی تبیین میشود. بدین منظور برای امتیازدهی به گزینهها در الگوی جذابیت-توانمندی به جای روشهای مرسومِ پیمایش و تصمیمگیری چندمعیاره، از سامانۀ استنتاج فازی استفاده میکنیم که به رفع ابهام از محدودۀ معیارها کمک میکند و درجهای از هوشمندی را برای اولویتگذاری فراهم میکند. معیارها نیز از میان ابعاد عدمقطعیت سناریونگاریها انتخاب میشوند تا تأثیر تحوّلات آینده در تحلیل اولویتها مدنظر قرار گیرد. نتایج حاکی از این است که از بین پنج فنّاوری انقلاب صنعتی چهارم، فنّاوری هوش مصنوعی در کشور با وجود برخورداری از جذابیت بالا، توانمندی پایینی دارد و نیازمند توسعۀ بیشتری از حیث توجه به ارتقای معیارهای توانمندی فنّاورانه است. دستاورد تحقیق حاضر، یک مصنوع است که با برخورداری از درجهای از هوشمندی میتواند برای اولویتگذاری فنّاوری اطلاعات در سطح ملّی به کار رود.
کلیدواژگان: اولویتگذاری فنّاوری، معیار جذابیت-توانمندی، سناریونگاری، فنّاوری اطلاعات، سامانۀ استنتاج فازی.
[1] * Corresponding Author’s email: montazer@modares.ac.ir
[2] * رایانامة نويسنده مسؤول: montazer@modares.ac.ir
1- مقدمه
نیاز به اولویتگذاری در علم و فنّاوری از یک قرارداد اجتماعی نوین میان علم و فنّاوری و جامعه در زمینۀ خلق دانش جدید سرچشمه میگیرد. به عبارت دیگر تعیین اولویتها را میتوان پاسخی دانست که نهاد سیاستگذار علم و فنّاوری به نیازها، انتظارات و چالشهای جامعه میدهد. علم و فنّاوری از طریق تولید گونههای جدید دانش به نیازهای جامعه پاسخ میدهد و متقابلاً جامعه نیز به دلیل ظهور نیازهای جدید و متغیر، همواره پاسخگویی به نیازها و حل مسائل جدید را از علم و فنّاوری میطلبد. اینکه پاسخگویی به کدام دسته از نیازهای جامعه به بقیه برتری دارد و اینکه حل کدام دسته از مسائل پیش روی جامعه بر دیگران تقدم دارد، خردمایۀ1 اولویتگذاری است. بنابراین با توجه به اینکه فرایند و نتایج خلق دانش جدید، تحت تأثیر محیط بیرونی است، نیاز به فرایندی بازخوردی بین این دو وجود دارد[1]. اولویتگذاری را میتوان فعالیتی در نظر گرفت که خردمایه و دید کلی به سیاست را از طریق شناسایی و برجسته کردن سازوکارهای سیاستی و هشدار دربارۀ تغییرات سیاستی ایجاد میکند[2]. از سوی دیگر اولویتگذاری فرایند سیاستی پیچیدهای است که عوامل مختلفی در آن نقش دارند و بر یکدیگر تأثیر متقابل میگذارند. در فرایند انتخاب اولویتها، تعارضهای گوناگونی بین نیازهای اقتصادی، اجتماعی، سیاسی و فرهنگی بروز مییابد؛ همین پیچیدگیهاست که کار اولویتگذاری را نیازمند سازماندهی خاص بر اساس بهرهگیری از الگوها وتجارب متنوع کرده است. یکی از این پیچیدگیها، بروز ابهام در بین ذینفعان مختلف در خصوص معیارهای اولویتگذاری است. مفهوم ابهام و چگونگی مدل کردن آن یکی از شکافهای موجود در حوزۀ اولویتگذاری علم و فنّاوری است که رفع آن کمک شایانی به افزایش دقت اسناد سیاستی در حوزة علموفنّاوری میکند. مقالۀ حاضر در پی توسعۀ دانش نظری و تجربی در زمینۀ حل مسئلۀ اولویتگذاری فنّاوری در سطح ملّی با استفاده از ابزارها و روشهای هوشمند است. به همین دلیل، با مطالعۀ چارچوبهای موجود، نظریۀ مجموعههای فازی به عنوان راهحل پیشنهادی در بخشی از چارچوب اولویتگذاری مورد استفاده قرارمیگیرد.
2- پیشینة پژوهش
مراد از «اولویتگذاری2»، تعیین و انتخاب آگاهانۀ بخشهای خاصی از صنعت، تحقیق و توسعه و نیز فنّاوریهایی است که نهادهای عمومی آنها را مهم و ضروری تشخیص داده و در توسعه، تجاریسازی و بهکارگیری آنها با انواع ابزارها مداخله میکنند[3].
فرایند اولویتگذاری عمدتاً شامل دو مرحله است[4]:
الف-تعیین اولویتها، که به فهرستی از حوزههای پژوهشی یا موضوعات فنّاورانه ختم میشود،
ب- پیادهسازی اولویتها که از طریق دریافت، توسعه و انتخاب پیشنهادههای پژوهشی/فنّاورانه در راستای اولویتهای تعیین‌شده در مرحلۀ پیشین انجام میشود.
در واقع اولویتگذاری علم و فنّاوری شامل دو بُعد اصلی است[5]: بُعد اول تصمیمگیری دربارۀ چگونگی تخصیص منابع با هدف تحقق اثربخشی، و بُعد دوم هماهنگسازی بازیگران و فعالیتهای مختلف سیاستگذاری علم و فنّاوری با هدف تحقق کارایی. این دو مرحله با توجه به اهداف و ضرورتها، هر یک نیازمند الگوی روششناختی خاص خود است: مرحلۀ تعیین اولویتها به طور معمول نیازمند روشهای مسئلهیابی برای توصیف اهداف و موضوعات فنّاورانه است اما مرحلۀ پیادهسازی به نوبۀ خود نیازمند توان ارزیابی پیشنهادهها طبق شاخصهایی مشخص است. با این حال، مرحلۀ تعیین اولویتها از اهمیت بیشتری برخوردار است زیرا نتایج این مرحله اثر مهمی بر انواع پیشنهادههای دریافتی دارد[5]. جدول 1 دستهبندی مطالعات انجام شده در حوزۀ اولویتگذاری علم و فنّاوری را نشان میدهد.
جدول 1. پیشینۀ پژوهش در اولویتگذاری علموفنّاوری(یافتههای محقق)
محور مطالعاتی | پژوهشهای مرتبط | |
تهیۀ فهرست فنّاوریهای کلیدی/حیاتی | (Georghiou & Harper, 2011) [6] | |
تمرکز بر فرایند تعیین اولویتها | NSB, 2001) [7]) Rosenstock et al., 1998)[8]) | |
مطالعۀ موردی اولویتگذاری در یک کشور یا یک صنعت خاص | Benner, 2012)[9]) Bengisu, 2003)[10]) Suh, 1994)[11]) Haan, 2015)[12]) Stenberg, 2009)[13]) | |
مقایسههای تطبیقی بین کشورها | BILAT-USA, 2012)[14]) Gassler, 2004 )[15]) Sokolov, et al., 2018)[16]) | |
روشهای بهکار رفته در اولویتگذاری | تصمیمگیری چندمعیاره | Salo et al,2003)[17]) |
ارزشگذاری پژوهش | (Fleurence & Torgerson, 2004 ) [18] | |
مدیریت سبد | (McGeary, 1996) [19] | |
ترکیب اولویتگذاری و روشهای آیندهنگاری | Cuhls, 2004 ) [20]) Glod et al, 2008) [21]) Haegman, et al., 2015 [22] Hashemkhani , 2015 [23] | |
اولویتگذاری با تمرکز بر مسائل جهانی و چالشهای ملّی | Jarvis , 2019)[24]) Moore et al, 2018 )[25]) Shepherd et al, 2020)[26]) | |
در تحقیق حاضر در پی پاسخ به این سؤال هستیم که چارچوبهای پیشین اولویتگذاری چه ویژگیهایی دارند و نقایص آنها چیست؟ رفع این نقایص مستلزم چه تجدیدنظری در این چارچوبهاست و به ویژه ارتباط آنها با مفهوم هوشمندی، اقسام و ابزارهای آن چیست و چگونه میتوان این چارچوبها را به ابزارهای هوشمندی مجهزکرد؟
مفهوم «هوشمندی3» با رویکردهای روانشناسانه یا فرهنگی در سطوح فردی و سازمانی به تفصیل در بین محققان مختلف مطرح شده و به خلق مفاهیمی چون «هوش عام4»، «هوش انطباقی5»، «هوش سازمانی6»، «هوش راهبردی7»، «هوش تاکتیکی8» و ... منجر شده است. در حکمرانی و سیاستگذاری علم و فنّاوری در سطح ملّی، مفهومی با عنوان «هوشمندی سیاستی9» یا «هوشمندی راهبردی در سیاستگذاری10» مطرح میشود که هدف از آن عبارت است از: جستجو، پردازش، تحلیل هوشمند، خلق، حفاظت و اشاعۀ اطلاعات راهبردی و انتقال آنها به فرد/نهاد مناسب در زمان مناسب برای اتخاذ سیاستی مناسب [27]. به عبارت دیگر، هوشمندی راهبردی در سیاستگذاری به فرایند مستمر جمعآوری اطلاعات قانونی و اخلاقی، تجزیه و تحلیل هوشیارانۀ آنها و انتشار کنترلشدۀ هوشمندی سطح عملیاتی به سیاستگذاران اطلاق میشود[28]. هوشمندی راهبردی سبب ایجاد سه قابلیت در سیاستگذاری میشود [29]:
الف) درک وابستگیها به مسیر، انگیزههای متنوع و همچنین اولویتها و قابلیتها در موقعیتهای سیاستگذاری؛
ب) درک عناصر ناسازگار، مخرب، نوآیند و شگفتیسازهای ممکن در این موقعیتها؛
ج) درک سناریوها، راهبردها و چشماندازهای جایگزین برای مدیریت عوامل کلیدی در موقعیتهای سیاستگذاری.
پیشبینی فنّاوری11، ارزیابی فنّاوری12 و آیندهنگاری13 برخی از مهمترین ابزارهای هوشمندی سیاستی هستند که با توجه به جدول 2 میتوان به مقایسۀ آنها پرداخت [27, 28, 30].
جدول2. مقایسه ابزارهای مختلف هوشمندی راهبردی در سیاستگذاری [28]
ابزارهای هوشمندی | هدف | زمینههای استفاده | نوع موضوعات مورد توجه | نتایج |
پیشبینی فنّاوری | ویژگی آتی مکانیزمهای فنّاورانه، رویهها و فنون کلیدی | انسجامبخشی به چارچوب فنّاورانه، کاربرد در بخش خصوصی | شرایط و پیامئهای عام توسعۀ فنّاوری، شناسایی پیشرفتهای عمده و هشدارهای زودهنگام در یک چارچوب فنّاورانۀ خاص | شناسایی پیشرفتهای عمده و هشدار زودهنگام |
ارزیابی فنّاوری | اثرات فنّاورانه، اجتماعی، اقتصادی، محیطی و انسانی یک فنّاوری خاص؛ پشتیبانی از سیاستها | تمرکز بر فنّاوری یا مسئلهای خاص، کاربرد در ارائۀ مشاوره به مجالس قانونگذاری ملّی کشورها | قابلیتهای یک فنّاوری خاص یا مشکلات ناشی از آن؛ گاهی نیز با یک نیاز عمومی بنیادی مرتبط است | تدوین سیاستهای یکپارچۀ علم و فنّاوری برپایۀ دانش دقیق |
آیندهنگاری فنّاوری | چشماندازهای بلندمدت از آینده علم و قنّاوری از طریق شناسایی حوزههای راهبردی | پشتیبانی از سیاستگذاری ملّی یا فراملّی | آثار گستردهتر توسعۀ فنّاوری، شناسایی پیشزفتها و هشدار زودهنگام در بافتی گستردهتر، شناسایی موضوعات دارای اثرات متقابل | جلوگیری از بروز خطاهای ناشی از در نظرنگرفتن پیچیدگیهای پیشرفت و تأثیرات جانبی ناشی از یک تصمیم |
از سوی دیگر، تعیین اولویتهای علم و فنّاوری با استفاده از روشهایی انجام میشود که ذیل روشهای آیندهنگاری قرار میگیرند [31]. یکی از این روشها، روش «فنّاوریهای حیاتی14» است که مبتنی بر «الگوی توانمندی-جذابیت15» به ارزیابی فنّاوری میپردازد [32]. در واقع اولویتگذاری علم و فنّاوری به دلیل بهرهگیری از ابزارهای هوشمندی سیاستی (آیندهنگاری فنّاوری و ارزیابی فنّاوری) نشانهای از هوشمندی راهبردی در سیاستگذاری است اما لزوماً در فرایند خود هوشمند نیست. فرایند اولویتگذاری به خصوص زمانی که از مدل جذابیت-توانمندی بهره میبرد، مبتنی بر محاسبات است. در اینجا لازم است به تفاوت میان هوشمندی سیاستی و هوشمندی محاسباتی16 دقت شود. در سال 1992 میلادی، در سه کنفرانس همزمان در اروپا، ژاپن و ایالات متحده، سه زمینۀ «نظریۀ مجموعههای فازی17»، «شبکههای عصبی18» و «محاسبات تکاملی(الگوریتم ژنتیک)19» ادغام شدند و از آن زمان تاکنون ذیل عنوان کلی «هوش محاسباتی20» طبقهبندی میشوند [33].
در اولویتگذاری، ابزاری که میتواند اولویتهای موضوعی21 و کارکردی22 را به طور همزمان در نظر بگیرد، «ماتریس توانمندی-جذابیت23» است. مزیت این ماتریس این است که به ارائة فهرست فنّاوریها اکتفا نمیکند بلکه راهبرد فنّاوریها را نیز تعیین میکند. وجه تمایز این ماتریس با برخی ابزارهای تحلیل راهبردی مشابه مانند تحلیل «اجتماعی-فنّاوری-اقتصادی-زیستمحیطی-سیاسی-ارزشها (STEEPV)» و تحلیل «قوّت-ضعف-فرصت-تهدید (SWOT)» پرداختن به سیاستهای خاص(معطوف به هر حوزة فنّاوری) به جای سیاستهای عام(مستقل از حوزههای فنّاوری) است. به علاوه، واحد تحلیل ماتریس جذابیت-توانمندی، «یک فنّاوری خاص» است در حالی که واحد تحلیل SWOT «یک بنگاه/کشور» است؛ واحد تحلیل STEEPV نیز «یک یا چند پارامتر» است. البته ماتریس جذابیت-توانمندی و تحلیل قوّت-ضعف-فرصت-تهدید (SWOT) به طور مستقیم راهبردها را تعیین میکنند در حالی که تحلیل STEEPV از طریق پیشبینی، به طور غیرمستقیم به تعیین راهبردها کمک میکند. از سوی دیگر، ماتریس جذابیت-توانمندی میتواند تعدادی از فنّاوریها را مقایسه و اولویت آنها را نسبت به یکدیگر با تعیین راهبرد هر یک مشخص کند؛ لذا میتوان گفت ماتریس جذابیت-توانمندی ابزاری مناسب برای اولویتگذاری است[34-35].
بهرغم مزایای پیشگفته، یکی از کاستیهای ماتریس جذابیت-توانمندی، به روشهای امتیازدهیِ کاربردی در آن مربوط میشود. محاسبۀ امتیاز جذابیت و توانمندی گزینهها (فنّاوریها) بهطور معمول با روشهایی چون تصمیمگیری چندمعیاره یا نظرسنجی از خبرگان و ... حاصل میشود. با این فرض که بتوان معیارهای جذابیت و توانمندی را به صورت شاخصهای کمّی بیان کرد، امتیازدهی خبرگان به این شاخصها ممکن است با بروز ابهام در میان آنها همراه باشد. این ابهام به تعریف هر خبره از محدودۀ امتیازهای کمّی هر شاخص برمیگردد. رفع این ابهام با اطلاق عنوان «متغیّر زبانی» به شاخصها و تعریف قواعد «اگر-آنگاه» امکانپذیر میشود و ابزار آن سامانۀ استنتاج فازی24 در نظریۀ مجموعههای فازی25 است[36-37]. خروجی این سامانه، «امتیاز»های جذابیت و توانمندی هر فنّاوری و در نتیجه، «موقعیت» آن فنّاوری در فضای جذابیت-توانمندی است. هوشمندی این سامانه از آنجا ناشی میشود که توانایی استفاده از دانش و روشهای استنتاج برای حل مسائلی را دارد که به دلیل مشکل بودن، نیاز به تجربه و مهارت انسان دارند. ازسوی دیگر، هوشمندی این سامانه ناشی از استفاده از فنّاوریهای هوش مصنوعی در طرّاحی سامانه است، زیرا طرّاحی سامانههای هوشمند ناشی از دو رویکرد اصلی است [38-39]: هوش مصنوعی انسانگرا26 و هوش مصنوعی منطقگرا27. هوش مصنوعی انسانگرا ماشینهایی را مطالعه میکند که مانند انسان فکر و عمل میکنند؛ در مقابل، هوش مصنوعی منطقگرا ماشینهایی را بررسی میکند که میتوانند براساس درک رفتار هوشمند انسان ساخته شوند. هوش مصنوعی انسانگرا هنر خلق ماشینهایی است که عملکردهایی را انجام میدهند که در صورت انجام توسط افراد، نیاز به هوش دارند. این مطالعه در مورد چگونگی ساخت رایانهها برای انجام کارهایی است که در حال حاضر افراد(انسانها) در آن بهتر هستند. هوش مصنوعی منطقگرا به دنبال توضیح و تقلید رفتار هوشمند از نظر فرایندهای محاسباتی است[38-39]. از این رو میتوان گفت در تحقیق حاضر، هوشمندیِ اولویتگذاری از نوع هوش مصنوعی منطقگرا است.
نکتة دیگر دربارة کاستیهای ماتریس توانمندی-جذابیت، این است که اولویتگذاری فنّاوری نوعی مداخله در توسعۀ فنّاوری است و میتواند وضعیت توسعۀ فنّاوری و در نتیجه شاخصهایی مثل بودجۀ تخصیصی به موضوعات، سهم بازار و میزان تمرکز سازمانها بر موضوعی خاص را تحت تأثیر قرار دهد. چنانچه وضعیت این شاخصها در شرایط مداخله و عدم مداخله یکسان باشد یا مداخله تأثیری در وضعیت این شاخصها نداشته باشد، به معنی آن است که اهداف و نتایج مورد انتظار از اولویتگذاری محقق نشده است. به عبارت دیگر چارچوب اولویتگذاری باید توأم با ارزیابی اولویتها باشد تا در صورت انحراف شاخصها از آنچه مطلوب مداخلهگر بوده، اقدام اصلاحی ناظر به معیارهای جذابیت و توانمندی یا ابعاد عدم قطعیت آینده و یا گزینهها انجام شود. این ارزیابی به صورت یک حلقۀ بازخورد در چارچوب اولویتگذاری نقش دارد.
با توجه به آنچه بیان شد، به منظور رفع کاستیهای ماتریس جذابیت-توانمندی در این مقاله چارچوب جدیدی مطابق شکل 1 معرفی میشود.
شکل 1. چارچوب پیشنهادی اولویتگذاری فنّاوری
مهمترین ویژگیهای این چارچوب به شرح زیر است:
1- گزینههای فنّاوری را با استفاده از روشهای پیشبینی فنّاوری به دست میآورد.
2- معیارهایی را از آیندهنگاریهای فنّاوری برای جذابیت و توانمندی استخراج میکند.
3- امتیاز هر گزینه از لحاظ عوامل جذابیت و توانمندی با طرّاحی سامانۀ استنتاج فازی تعیینمیشود و این سامانه، موقعیت هر فنّاوری را در ماتریس جذابیت-توانمندی تعیین میکند.
4- پس از یک دورۀ زمانی با اندازهگیری شاخصهایی چون سهم بازار، اولویتهای تعیین شده ارزیابی میشوند و در صورت نیاز، اقدام اصلاحی ناظر به «معیارها» یا «گزینهها» انجام میشود.
شایان ذکر اینکه چارچوب شکل 1 علاوه بر بهرهگیری از سه ابزار هوشمندی سیاستی(پیشبینی فنّاوری، آیندهنگاری و ارزیابی فنّاوری با الگوی جذابیت-توانمندی)، در پرتو به کار بردن سامانۀ استنتاج فازی، از هوشمندی محاسباتی نیز در فرایند خود برخوردار است.
4- شناسایی معیارهای توانمندی و جذابیت فنّاوری اطلاعات
در مقالۀ حاضر، به عنوان مطالعۀ موردی بر فنّاوری اطلاعات تمرکزشدهاست. در مرور متون مربوط به سناریوهای آیندۀ فنّاوری اطلاعات، چهار دسته پژوهش قابل شناسایی است: دستۀ اول پژوهشهایی است که تغییر سبک زندگی و کارکردن مردم در اثر توسعۀ فنّاوری اطلاعات را مطالعه کردهاند. دستۀ دیگر، به تحوّلات حکمرانی تحت تأثیر فنّاوری اطلاعات پرداختهاند و دستۀ سوم، تأثیر فنّاوری اطلاعات بر مقولۀ توسعه را بررسی کردهاند. برخی پژوهشها نیز بر خلاف سه دستۀ قبلی، به مطالعۀ آیندۀ فنّاوری اطلاعات متأثر از تحوّلات اجتماعی پرداختهاند. در جدول 3 مهمترین پژوهشهای هردسته خلاصه شده است.
طبق چارچوب شکل 1، به جستجوی معیارهایی از جدول 3 برای جذابیت و توانمندی میپردازیم که دربرگیرندۀ مفاهیمی جامع بوده، مناسب برای اولویتگذاری فنّاوری اطلاعات در سطح ملّی باشند. با این شرط، ابعاد عدم قطعیت هر دسته از پژوهشهای جدول 3 را غربال میکنیم. از میان پژوهشهای دستۀ اول، پژوهش «سناریوهای اینترنت برای مردم» ابعاد عدم قطعیتی را به عنوان معیارهای سناریونویسی برای آینده در نظر گرفته است که دربردارندۀ مفاهیمی کلان بوده و مناسب تصمیمگیریهای سطح ملّی هستند. این دو بُعد عدم قطعیت عبارتند از: «بومسازگان نوآوری» و «بافت اجتماعی». در بین پژوهشهای دستۀ دوم، پژوهش «سناریوهای تأثیر فنّاوری اطلاعات بر حکمرانی و سیاستگذاری» و ابعاد عدم قطعیت آن یعنی «یکپارچگی هوشمندی سیاستی» و «نظام ارزشی-اجتماعی» از جامعیت لازم برای کاربرد در اولویتگذاری فنّاوری در سطح ملّی برخوردارند. در میان پژوهشهای دستۀ سوم، پژوهش«سناریوهای تحوّل و توسعۀ جهانی در اثر دیجیتالیشدن» با نگرشی فرابخشی، ابعاد عدمقطعیتی با عنوان «تأثیر قلمرویی تغییر» و «مشارکت اجتماعی» را مبنای سنجش آینده قراردادهاست که عناوینی کلان محسوب میشوند.
[1] Rationale
[2] Priority Setting
[3] Intelligence
[4] General Intelligence
[5] Adaptive Intelligence
[6] Organizational Intelligence
[7] Strategic Intelligence
[8] Tactical Intelligence
[9] Policy Intelligence
[10] Strategic Intelligence in Policy Making
[11] Technology Forecast
[12] Technology Assessment
[13] Foresight
[14] Critical Technologies
[15] Capability-Attractiveness Model
[16] Computational Intelligence
[17] Fuzzy Sets Theory
[18] Neural Nets
[19] Evolutionary Computing (Genetic Algorithms)
[20] Computational intelligence
[21] Thematic Priorities
[22] Functional Priorities
[23] Capability-Attractiveness Matrix
[24] Fuzzy Inference System
[25] Fuzzy Sets Theory
[26] Humanistic AI (HAI)
[27] Rationalistic AI (RAI)
جدول3 دستهبندی پژوهشهای مربوط به سناریوهای آیندۀ فنّاوری اطلاعات [40]
| موضوع پژوهش | ابعاد عدمقطعیت | حیطۀ موضوعی |
دسته اول | سناریوهای آیندۀ فنّاوری اطلاعات و رسانه در یکی از شهرهای آلمان | - باز بودن به روی نوآوری - همراهی و همبستگی اجتماعی | تأثیر فنّاوری اطلاعات بر سبک زندگی فردی و اجتماعی |
سناریوهای پیکربندی مجدد شهری با ظهور زیرساخت همتابههمتا | - کنترل متمرکز یا توزیع یافتۀ زیرساخت - انباشت/چرخش سرمایه و کمون | ||
سناریوهای آیندۀ سالمندی در محیطهای هوشمند | - انتخاب انفرادی دربارۀفنّاوری - یکپارچگی اجتماعی | ||
سناریوهای اینترنت برای مردم | بومسازگان نوآوری و بافتاجتماعی | ||
دسته دوم | سناریوهای آیندۀ سیاستگذاری صنعت ساختوساز در فرایند دیجیتالیشدن | - تمرکز تصمیمگیری - بازبودن انتشار اطلاعات | تأثیر فنّاوری اطلاعات بر حکمرانی دولت |
سناریوهای تأثیر «نوآوریهای دیجیتالی اجتماعی» بر حکمرانی شهری | - سطح شمول دیجیتالی - وجود و عملکرد چشمانداز مشترک | ||
سناریوهای تأثیر فنّاوری اطلاعات بر حکمرانی و سیاستگذاری | - یکپارچگی هوشمندی سیاستی - نظام ارزشیاجتماعی | ||
دسته سوم | سناریوهای دیجیتالیشدن در توسعۀ بخش کشاورزی اروپا | - محیط مساعد فنّاوری - همگنی نهادها و فنّاوریها | تأثیر فنّاوری اطلاعات بر توسعۀ جوامع |
سناریوهای تحوّل و توسعۀ بخش حملونقل جادهای بار در اثر دیجیتالیشدن | - گفتمان جدید یا قدیم پایداری - سازمان صنعتی یا شبکهای | ||
سناریوهای تحوّل و توسعۀ جهانی در اثر دیجیتالیشدن | - تأثیر قلمرویی تغییر - مشارکت اجتماعی در اولویتبندی اهداف تغییر | ||
دسته چهارم | چگونگی شکلگیری جنبههای افق 2020 اروپا برای پشتیبانی از توسعۀ ظرفیت پژوهش و نوآوری در ده موضوع کلیدی فنّاوری دیجیتالی | - وضعیت رشد اقتصادی - میزان هماهنگی بخش خصوصی/عمومی و امکان ظهور سیاستهای آینده از فرایندی تکاملی یا برنامهریزیشده | تأثیر تحوّلات اجتماعی بر فنّاوری اطلاعات |
مفهوم «بافت اجتماعی» شامل عواملی مانند مشارکت اجتماعی است و با توسعۀ مدلهای اجتماعی کسبوکار و چگونگی ارزشگذاری آن قرابت دارد و پاسخگوی این پرسشهاست:ما دربارۀ چه چیزی دغدغه داریم و به چه چیز ارزش مینهیم؟ از سوی دیگر، بافت اجتماعی شامل استفاده از فنّاوری برای ایجاد پیوندهای قوی و اصیل با دیگران میشود که میتواند افراد را به یکدیگر نزدیکتر کند یا تنهایی و جدایی آنها را بیشتر کند. بنابراین بافت اجتماعی میتواندجداازهم1، ناپیوسته2، منفرد3 و فردگرا4 باشد یا در مقابل، متّصل5، همکارانه6 و جامعهمحور7 لحاظ شود. «نظام ارزشی-اجتماعی» به ویژگیهایی چون باز بودن و شفافیت در یک جامعه از لحاظ حکمرانی دموکراتیک و مشارکتی مربوط میشود که فنّاوری اطلاعات بر میزان آن اثرگذار خواهد بود. بازترین و شفافترین جامعه، جامعهای است که حتی کارکردهای سنّتی دولت نیز به طور کامل با بازیگران غیردولتی جایگزین شوند، بنابراین نظام ارزشی-اجتماعی میتواند فراگیر، باز و شفاف یا در مقابل، انحصاری، بسته و شکننده باشد.
«هوشمندی سیاستی» به یکپارچگی داده و دانش و چگونگی تسهیل مشارکت بین همۀ ذینفعان در طراحی سیاست و سازوکارهای تصمیمگیری بازمیگردد. این مفهوم عبارت است از امکان ترکیب داده و اطلاعات در دسترس از منابع مختلف به «شیوه‌ای هوشمند» (یعنی مؤثر، کارا و قادر به تولید ارزش عمومی).
«تأثیرقلمرویی تغییر» به تفاوت و تضادّ نسخههایی از توسعه اشاره دارد که برخلاف نسخههای جهانی و صنعتمحور، بر شرایط و نیازهای جوامع محلّی تأکیدمیکنند. روی این محور، «پروژۀ فنّاوری اطلاعات برای توسعه8» که بر نیازهای جامعه تأکیدمیکند، در مقابل پروژۀ جامع، جهانی، دولت و صنعتمحور راهبردی مانند «برنامۀ فنّاوری اطلاعاتی سوئد برای مناطق در حال توسعه9» قرارمیگیرد.
«میزان مشارکت اجتماعی در اولویتبندی اهداف تغییر» به تضادّ نسخههایی از توسعه میپردازد که رویکردی فراگیر (درمقابل رویکردی انحصاری) دارند. بر این محور، دو دسته رهیافت در مقابل یکدیگر قرار میگیرند: یک دسته رهیافتهای فراگیر مانند آنهایی که از نشانگرهای اهداف توسعۀ پایدار الهام گرفته و نیازهای همه را بخشی از فرایند تصمیمگیری قرارمیدهند و دستة دیگر رهیافتهای انحصاری مانند انقلابصنعتیچهارم که بر مصرف‌کنندگان در کشورهای با درآمد بالا تمرکز دارند.
سه بعد «بومسازگان نوآوری»، «یکپارچگی هوشمندی سیاستی» و «تأثیر قلمرویی تغییر» را میتوان مصداق یا بیانی از زیرساخت و امکانپذیری یا توانمندی در نظر گرفت و سه بعد «بافت اجتماعی»، «نظام ارزشی-اجتماعی» و «مشارکت اجتماعی در اولویتبندی اهداف تغییر» مصادیقی از جذابیت فنّاوری محسوب میشوند.
بنابراین ابعاد عدم قطعیت را میتوان به صورت معیارهای توانمندی و جذابیت در قالب جدول 4 بیان کرد.
جدول4 معیارهای جذابیت/ توانمندی معادل ابعاد عدم قطعیت
بعد عدم قطعیت | معیار توانمندی/جذابیت متناظر |
بومسازگان | زیرساخت مناسب خلّاقیت و نوآوری |
بافت اجتماعی | انسجام اجتماعی |
یکپارچگی هوشمندی سیاستی | توانمندی ترکیب هوشمندانة داده و اطلاعات |
نظام ارزشی اجتماعی | شفافیت و باز بودن در حکمرانی |
تأثیر قلمرویی تغییر | وجود زیرساختهای اولیةتوسعه |
مشارکت اجتماعی | افزایش مشارکت اجتماعی |
معیارهای جدول 4 اگر در حد مفاهیم کیفی باقی بمانند، نمیتوانند مورد استفادۀ سیاستگذاران قرارگیرند. میتوان این معیارها را متناظر با برخی شاخصهای کمّی دانست که آمار آن به صورت سالانه توسط مراجع جهانی (مثل بانک جهانی و مجمع جهانی اقتصاد) منتشر میشود و به این ترتیب به جای کار با مفاهیم کیفی، با مقادیر کمّی سروکار خواهیم داشت.
جدول 5 نزدیکترین شاخصهای کمّی متناظر با معیارهای کیفی را بیان میکند و نشان میدهد هر یک از شاخصهای کمّی، که متغیری زبانی محسوب میشوند، نمایندۀ کدام معیارهای کیفی جذابیت و توانمندی است.
در این مقاله امتیاز جذابیت و توانمندی پنج فنّاوری زیر را که طبق پیشبینیهای متعددی به عنوان مهمترین فنّاوریهای پشتیبان انقلاب صنعتی چهارم نقش مهمی در شکلدهی به تحوّلات فنی-اجتماعی دارند[41-42]، محاسبه خواهیم کرد:
الف. حوزه فنّاوری و کاربردهای کلان داده10
ب. حوزه فنّاوری و کاربردهای اینترنت اشیا11
ج. حوزه فنّاوری و کاربردهای هوش مصنوعی12
د. حوزۀ فنّاوری و کاربردهای رایانش ابری13
ه. حوزه فنّاوری و کاربردهای زنجیرۀ بلوکی14.
جدول5. معیارهای کیفی جذابیت و توانمندی به همراه متغیر زبانی (کمّی) متناظر آنها
| معیارها | شاخصها (متغیرزبانی) | مرجع |
توانمندی | وجود زیرساخت مناسب برای خلّاقیت و نوآوری | بومسازگان نوآوری (IE) | [43] |
توانمندی ترکیب هوشمندانة دادهها و اطلاعات در حکمرانی | کیفیت مقرراتگذاری (RQ) | [44] | |
وجود زیرساختهای اولیة توسعه | زیرساخت (Inf) | [43] | |
جذابیت | افزایش انسجام اجتماعی | سرمایۀ اجتماعی (SC) | [43] |
افزایش شفافیت و باز بودن در حکمرانی | شفافیت (معادل شاخص کمّی وقوع فساد) (Tr) | [43] | |
دولت باز (OG) | [45] | ||
افزایش مشارکت اجتماعی | مشارکت مدنی (CP) | [45] |
صحّهگذاری معیارهای جدول 5 با نظرسنجی از خبرگان انجام شد. بدین منظور، پرسشنامهای (مطابق پیوست ۲) تهیه شد و در آن از خبرگان خواسته شد نظر خود را در خصوص معیارها و انتساب آنها به توانمندی/جذابیت در قالب طیف لیکرت (کاملاًموافقم، موافقم، نظریندارم، مخالفم، کاملاًمخالفم) بیان کنند. در خصوص هر معیار، حداقل ۸۵ درصد از پاسخدهندگان گزینة «کاملاًموافقم» و «موافقم» را انتخاب کردند. این بدان معنی است که بیش از ۸۵ درصد خبرگان با جدول 5 موافق بودهاند. یادآوری میشود جامعۀ آماری این نظرسنجی شامل خبرگان حوزۀ سیاستگذاری علم و فنّاوری، مدیریت فنّاوری و مهندسان فنّاوری اطلاعات بود که تعداد ۳۶ نفر از آنها در این نظرسنجی شرکت کردند.
5- روششناسی
پارادایم تحقیق حاضر، علم طراحی15 و هدف آن، تجویز چارچوبی برای اولویتگذاری است که ضمن بهرهمندی از ابزارهای هوشمندی سیاستی، از هوشمندی محاسباتی نیز برخوردار باشد. فرایند تحقیق شامل مراحل شناسایی و تبیین مسئله، شناسایی مصنوع (مدل)، طراحی و توسعۀ مصنوع و در نهایت ارزیابی مصنوع و نتیجهگیری است[46]. این گامها را میتوان در جدول 6 نشان داد:
جدول6. مراحل پژوهش براساس علم طرّاحی
گامهای علم طراحی | تطبیق با پژوهش حاضر |
شناسایی مسئله | ادراک نقایص چارچوبهای پیشین اولویتگذاری |
فهم مسئله | نیاز به مدل کردن ابهام خبرگان |
مرور پیشینه | نقش پارامترهای جذابیت و توانمندی |
شناسایی مصنوع | استفاده از نظریه مجموعههای فازی |
پیشنهاد مصنوع مناسب | سامانۀ خبرۀ فازی |
طراحی مصنوع | مراحل فازیگری، پایگاه دانش، موتوراستنتاج و وافازیگری |
توسعه مصنوع | ورودی: معیارهای شناسایی شده خروجی: جذابیت/توانمندی |
ارزیابی مصنوع | مقایسه با: روشهای دیگر/تحقیقات مشابه قبلی |
تصریح یادگیری | مفهوم هوشمندی در اولویتگذاری |
نتایج | حوزههای اولویتدار فنّاوری اطلاعات |
تعمیم به طبقهای از مسائل | پارامترهای دیگر/فنّاوریهای دیگر |
این پژوهش دارای جهتگیری کاربردی است زیرا نتایج آن میتواند در تعیین اولویتهای علم و فنّاوری کشور برای افقهای زمانی متفاوت بهکارگرفتهشود. همچنین پژوهش از لحاظ کمّی یا کیفی بودن، ترکیبی است؛ بدینمنظور از رویکرد استنتاجی16 و راهبردهای مختلف پژوهش (مطالعات کتابخانهای و مطالعات میدانی) استفاده میشود. بازۀ زمانی تحقیق تکمقطعی و ابزارهای گردآوری دادهها عبارتند از: اسناد و مدارک، مصاحبه و پرسشنامه.
مشکل معیارهای جذابیت و توانمندی تنها با کمّیسازی آنها حل نمیشود بلکه مشکل اصلی، ناتوانی چارچوب جذابیت-توانمندی در مدل کردن ابهام موجود در بین خبرگان در تفسیر مقادیر شاخص‌هاست. راه حل این موضوع، مدلسازی آنها بر اساس نظریة مجموعههای فازی است. در این صورت میتوان برای محاسبة امتیاز دو پارامتر جذابیت و توانمندی دو سامانۀ استنتاج فازی طرّاحی کرد که هوشمندی مدنظر چارچوب شکل 1 را نیز تأمین میکند.
اجزای یک سامانۀ استنتاج فازی مطابق شکل 2 نشان داده میشود.
شکل2. معماری سامانۀ استنتاج فازی [36,37]
در این سامانه، مقادیر عددی شاخصهای کمّی به صورت ورودی‌هایی قطعی وارد فرایند فازیگری17 شده و تبدیل به مقادیر فازی میشوند. سپس با اعمال قواعد پایگاه دانش18 بر این مقادیر فازی با استفاده از یک موتور استنتاج19 مناسب، خروجیهایی فازی به دست میآیند که در نهایت طی فرایند وافازیگری20 به خروجیهایی قطعی تبدیل خواهند شد[33, 36, 37]. در ادامه هر یک از این مراحل به اجمال توضیح داده میشود.
6-1- فازیگری
طبق تعریف، «متغیر زبانی21» متغیری است که بتواند واژههایی از زبان طبیعی را به عنوان مقادیر خود اختیارکند. این واژهها با مجموعههای فازی مشخص و در جهانی تعریفمیشوند که متغیرهای زبانی تعریفشدهاند[47]. بهلحاظ ریاضی، متغیر زبانی با چهارتایی مرتب 
تعریفمیشود کهدرآن[48-49]:
: نام متغیر زبانی،
: مجموعۀ مقادیر زبانی که میتواند اختیار کند،
: دامنۀ فیزیکی واقعی که متغیر در آن مقادیر کمّی (قطعی) اختیار میکند،
: یک قاعدۀ معنایی که هر مقدار زبانی در را با یک مجموعۀ فازی در مرتبط میکند.»
بدینترتیب متغیرهای زبانی جدول 5 ، مطابق جدول 7 به شکل فازی تعریف میشوند.
تابع عضویت متغیر زبانی x در مجموعۀ 
است و a و b و c و d مقادیر فازی ذوزنقهای22 هستند. مزیت این نوع توابع عضویت، سادگی محاسباتی و شهودی بودن آنهاست[50]. توابع ذوزنقهای در مقایسه با توابع مثلثی23، نسبت به نویز حساسیت کمتری دارند[47]. این تابع در شکل3 نشان دادهشدهاست.
شکل3. شكل تابعِ عضويت
هر خبره میتواند تفسیر متفاوتی برای مقادیر زبانی () ارائه دهد و بنابراین مقادیر a و b و c و d از نظر خبرگان متفاوت خواهد بود. میانگین نظر پنج نفر از خبرگان سیاستگذاری فنّاوری اطلاعات در جدول 8 نشان داده شده است.
بدین ترتیب دو سامانۀ استنتاج فازی خواهیم داشت: یکی برای جذابیت(At) و دیگری برای توانمندی(Ca). این دو سامانۀ فازی از نوع چندورودی-تکخروجی24 هستند.
[1] Separated
[2] Disconnected
[3] Isolated
[4] Over-individualistic
[5] Connected
[6] Cooperative
[7] Community oriented
[8] ICT for development (ICT4D)
[9] Swedish Programme for ICT in Developing Regions (SPIDER)
[10] Big Data
[11] Internet of Things
[12] Artificial Intelligence
[13] Cloud Computing
[14] Blockchain
[15] Design Science
[16] Abductive
[17] Fuzzification
[18] Knowledge Base
[19] Inference Engine
[20] Defuzzification
[21] Linguistic Variable
[22] Trapezoidal
[23] Triangular
[24] Multi-Input-Single-Output (MISO)
جدول7. مدلسازی متغیرهای زبانی به کمک مجموعههای فازی
| U | T={ | M= | ||||||
| [0,100] | {Weak, Average, Strong} |
| ||||||
| [0,100] | {Bad, Average, Good} | |||||||
| [0,100] | {Weak, Average, Strong} | |||||||
| [0,100] | {Low, Average, High} | |||||||
| [0,100] | {Low, Average, High} | |||||||
| [0,100] | {Low, Average, High} | |||||||
| [0,100] | {Low, Average, High} | |||||||
| d | c | b | a |
| d | c | b | a |
| 55 | 50 | - | - |
| 50 | 48 | - | - |
| 70 | 60 | 55 | 50 |
| 60 | 56 | 50 | 48 |
| - | - | 70 | 60 |
| - | - | 60 | 56 |
| 30 | 20 | - | - |
| 58 | 52 | - | - |
| 80 | 70 | 30 | 20 |
| 73 | 60 | 58 | 52 |
| - | - | 80 | 70 |
| - | - | 73 | 60 |
| 70 | 67 | - | - |
| 55 | 50 | - | - |
| 80 | 74 | 70 | 67 |
| 69 | 60 | 55 | 50 |
| - | - | 80 | 74 |
| - | - | 69 | 60 |
|
| 55 | 50 | - | - | ||||
| 69 | 60 | 55 | 50 | |||||
| - | - | 69 | 60 | |||||
ورودی/خروجی | شاخصها | هوش مصنوعی | اینترنت اشیا | کلانداده | رایانش ابری | زنجیرة بلوکی |
ورودی سامانۀ استنتاج فازی توانمندی | بومسازگان نوآوری | 20 | 20 | 60 | 70 | 60 |
کیفیت مقرراتگذاری | 35 | 10 | 30 | 30 | 70 | |
زیرساخت | 30 | 10 | 70 | 50 | 70 | |
ورودی سامانۀ استنتاج فازی جذابیت | سرمایة اجتماعی | 50 | 70 | 20 | 60 | 50 |
شفافیت | 60 | 50 | 10 | 30 | 90 | |
دولت باز | 70 | 50 | 30 | 70 | 50 | |
مشارکت اجتماعی | 50 | 50 | 90 | 50 | 60 | |
خروجی | خروجی توانمندی | 868/0 | 868/0 | 5/2 | 5/2 | 5/2 |
خروجی جذابیت | 5/2 | 869/0 | 869/0 | 5/2 | 5/2 |
شکل۷. قرار گرفتن فنّاوریها در ماتریس جذابیت-توانمندی
8- اعتبارسنجی سامانۀ استنتاج فازی
مبنای ارزیابی عملکرد سامانههای استنتاج فازی، میزان تطابق خروجیهای سامانه با نظر خبرگان است به همین دلیل سؤال اساسی در اعتبارسنجی سامانۀ استنتاج فازی طرّاحی شده این است که آیا سامانه از توانایی لازم برای تقلید رفتار خبرگان برخوردار است؟ عملکرد سامانه را میتوان از مقایسۀ امتیاز به دست آمده برای توانمندی و جذابیت در دو حالت متفاوت اعتبارسنجی کرد. حالت اول، محاسبۀ امتیازات با میانگینگیری وزنی بین شاخصها بدون استفاده از سامانۀ استنتاج فازی و حالت دوم، با استفاده از سامانۀ استنتاج فازی (جدول 10).
جدول10. مقایسۀ امتیازهای توانمندی و جذابیت در دو حالت(با و بدون استفاده از سامانۀ استنتاج فازی)
| هوش مصنوعی | اینترنت اشیا | کلانداده | رایانش ابری | زنجیرۀ بلوکی | |
توانمندی | Non-FIS | 41/1 | 671/0 | 6/2 | 51/2 | 32/3 |
FIS | 868/0 | 868/0 | 5/2 | 5/2 | 5/2 | |
جذابیت | Non-FIS | 87/2 | 74/2 | 87/1 | 6/2 | 14/3 |
FIS | 5/2 | 869/0 | 869/0 | 5/2 | 5/2 | |
از محاسبۀ ضریب همبستگی پیرسون17 بین دو دسته دادههای جدول 10 مقادیر زیر به دست میآید.
این مقادیر هردو مثبت بوده و شدت آنها بالاتر از 6/0 است، بنابراین مقادیر به دست آمده از سامانۀ استنتاج فازی برای توانمندی و جذابیت با مقادیر عادی این دو پارامتر(بدون استفاده از سامانه استنتاج فازی) رابطۀ مستقیم دارند. در نتیجه میتوان گفت سامانۀ استنتاج فازی تا حدود زیادی در تقلید از خبرگان موفق عمل میکند.
9- ارزیابی سامانۀ استنتاج فازی
در ارزیابی نتایج حاصل از سامانۀ استنتاج فازی آنچه اهمیت دارد این است که چنانچه امتیاز دو عامل جذابیت و توانمندی با معیارهایی غیر از معیارهای به دست آمده از آیندهنگاریها و بدون استفاده از هرگونه سامانۀ استنتاج فازی محاسبه میشد، نتایج چه تفاوتی داشت؟ پاسخ این سؤال را میتوان از مقایسة نتایج پژوهش حاضر با نتایج پژوهش دلفی ملّی آیندهنگاری فنّاوری اطلاعات[55] به دست آورد. نخستین تفاوت چارچوب مورد استفاده در پژوهش حاضر، به تفاوت در معیارها مربوط میشود که در جدول 11 نشان داده شدهاست. با مقایسة معیارهای جذابیت دو ستون جدول 11، قرابتهایی بین برخی معیارها دیده میشود. مراد از افزایش انسجام اجتماعی، استفاده از فنّاوری برای ایجاد پیوندهای قوی و اصیل با دیگران است طوری که همکاری بین بازیگران کسبوکارها بیشتر شود و بافت اجتماعی جامعه دارای پیوستگی باشد. هر چه همکاری بین بازیگران کسبوکارها بیشتر شود، بازاری گسترده و رو به رشد را شاهد خواهیم بود. افزایش انسجام اجتماعی، نیز به افزایش عدالت و خلق فرصتهای برابر نیز منجرمیشود.
از آنجا که بازترین و شفافترین جامعه، جامعهای است که حتی کارکردهای سنّتی دولت نیز بهطور کامل با بازیگران غیردولتی جایگزین شوند، افزایش شفافیت و باز بودن در حکمرانی نیز به دلیل افزایش حضور بازیگران غیردولتی باعث افزایش عدالت و خلق فرصتهای برابر میشود. هر چه شفافیت بیشتر و حکمرانی بازتر شود، انگیزة بیشتری برای بنگاههای جهانی جهت همکاری فنّاورانه با شرکتهای ایرانی ایجاد میشود.
جدول11. مقایسۀ معیارهای جذابیت و توانمندی برای فنّاوری اطلاعات در دو پژوهش متفاوت
| پژوهش حاضر | «دلفی ملّی آیندهنگاری ملّی فنّاوری اطلاعات ایران» [55] |
معیارهای جذابیت
| -افزایش انسجام اجتماعی -افزایش شفافیت و باز بودن در حکمرانی -افزایش مشارکت اجتماعی | -افزایش عدالت و خلق فرصتهای برابر -بازار گسترده و روبه رشد -جذابیت برای بنگاههای جهانی جهت همکاری فنّاورانه با شرکتهای ایرانی -ارتقای قابلیت تولید محتوای دیجیتال |
معیارهای توانمندی |
-وجود زیرساخت مناسب برای خلّاقیت و نوآوری -توانمندی ترکیب هوشمندانة دادهها و اطلاعات در حکمرانی -وجود زیرساختهای اولیة توسعه | -توانمندی شرکتهای ایرانی در دسترسی به فنّاوری -وجود منابع انسانی مناسب در کشور -برخورداری از زیرساخت مناسب در کشور -وجود قوانین و مقررات مناسب در کشور -دسترسی مناسب به منابع مالی -توانمندی شرکتهای ایرانی در دسترسی به بازار جهانی -دسترسی مناسب به فنّاوری و بازیگران پیشرو جهانی |
افزایش مشارکت اجتماعی نیز به دلیل افزایش نقش مردم و کسبوکارها در حکمرانی و اولویتبندی اهداف توسعه، به افزایش عدالت و خلق فرصتهای برابر کمک خواهد کرد.
از سوی دیگر، با مقایسة معیارهای توانمندی در دو ستون جدول 11، قرابتهایی مشاهده میشود: هر سه معیارِ وجود منابع انسانی مناسب در کشور، برخورداری از زیرساخت مناسب در کشور و وجود قوانین و مقررات مناسب در کشور به وجود زیرساخت مناسب اشاره دارند. البته دیدگاه پژوهش حاضر بین زیرساخت مناسب برای خلاقیت و نوآوری و زیرساختهای اولیة توسعه تفکیک قائل شدهاست. این تفکیک به ویژه از این جهت حایز اهمیت است که در دلفی ملّی آیندهنگاری فنّاوری اطلاعات ایران، معیار «برخورداری از زیرساخت مناسب» دچار نوعی کلیگویی است و مشخص نمیکند که آیا معیار مهم «دسترسی به دانش فنّی و اطلاعات» را نیز در خود جای داده یا خیر. در حالی که معیار «وجود زیرساخت مناسب برای خلّاقیت و نوآوری» بر دسترسی به دانش فنّی و اطلاعات نیز دلالت دارد.
توانمندی ترکیب هوشمندانة دادهها و اطلاعات نیز اشاره به مزیتی درحکمرانی دارد که در صورت وجود، میتواند به وضع قوانین و مقررات مناسب در کشور منجر شود.
تمایز چارچوب مورداستفاده در تحقیق حاضر این است که اولاً معیارها الزاماً از آیندهنگاریها استخراج شدهاند و ثانیاً این معیارها، جای خود را به شاخصهای کمّی متناظر (جدول5) دادهاند تا بتوان از آنها در سامانۀ استنتاج فازی بهره گرفت.
پیمایش دلفی ملّی فنّاوری اطلاعات ایران با 3434 پرسشنامه، برای پنج فنّاوری نتیجهای طبق شکل 8 به دست داده است[55].
[1] Fuzzy Rule Base
[2] Logical And
[3] Complete
[4] Consistent
[5] Continuous
[6] Individual-Rule Based Inference
[7] Union Operator
[8] Mamdani Combination
[9] Local
[10] Minimum Operator
[11] Maximum Operator
[12] Deffuzifier
[13] Crisp
[14] Center of Gravity Defuzzifier
[15] Intuitive Plausibility
[16] Continuity
[17] Pearson Correlation Coefficient
شکل8. قرار گرفتن فنّاوریها در ماتریس جذابیت-توانمندی بر اساس دلفی ملّی فنّاوری اطلاعات ایران[55]
جدول 12 امتیاز توانمندی و جذابیت پژوهش حاضر را با امتیاز توانمندی و جذابیت پژوهش دلفی ملّی مقایسهمیکند.
جدول12. مقایسة نتایج سامانة استنتاج فازی با دلفی ملّی آیندهنگاری فنّاوری اطلاعات
فنّاوری | امتیاز | |||
توانمندی (دلفی) | توانمندی (فازی) | جذابیت (دلفی) | جذابیت (فازی) | |
هوشمصنوعی | 2/2 | 868/0 | 92/3 | 5/2 |
اینترنت اشیا | 78/2 | 868/0 | 76/2 | 869/0 |
رایانش ابری | 98/1 | 5/2 | 46/3 | 5/2 |
کلانداده | 62/0 | 5/2 | 27/2 | 869/0 |
زنجیرةبلوکی | 16/2 | 5/2 | 3 | 5/2 |
ضریب همبستگی پیرسون1 بین دادههای حاصل از سامانۀ استنتاج فازی و دادههای دلفی ملّی آیندهنگاری فنّاوری اطلاعات طبق جدول 12 به طور جداگانه برای توانمندی و جذابیت محاسبه شد:
به این ترتیب میتوان گفت برای عامل توانمندی، امتیاز به دست آمده از سامانۀ استنتاج فازی با امتیاز دلفی ملّی رابطۀ معکوس دارد. برای عامل جذابیت، امتیازهای به دست آمده در دو پژوهش با یکدیگر رابطۀ مستقیم دارند. اشاره به این نکته ضروری است که وجود همبستگی مثبت یا منفی بین دو دسته داده، اطلاعاتی راجع به اینکه کدام یک از آنها دقیقتر بوده و روش محاسبۀ آن کارایی بیشتری دارد به دست نمیدهد و اساساً به دلیل تفاوت در روش، معیارها و جامعۀ آماری، نمیتوان انتظارداشت نتایج دو پژوهش لزوماً یکدیگر را تأیید کنند. با وجود این میتوان دربارۀ تفاوتها و مزایای پژوهش حاضر بحث کرد. پژوهش حاضر به لحاظ زمانی مربوط به یک سال اخیر و نتایج آن از تازگی برخوردار است. جامعۀ آماری آن نیز برخلاف پژوهش قبلی(که طیف وسیعی از ذینفعان و در نتیجه نظرات مختلف و گاهاً متضاد و بخشینگر را دربرگرفته)، شامل خبرگان سیاستگذاری فنّاوری(با تأکید بر فنّاوری اطلاعات) است که فراتر از نگاههای بخشی به اولویتگذاری فنّاوری مینگرند. مهمترین مزیت پژوهش حاضر، توانایی آن در مدل کردن ابهام میان خبرگان و بهرهگیری از ابزار هوشمندی محاسباتی است.
10- تحلیل نتایج
رفع کاستیهای چارچوبهای پیشینِ اولویتگذاری مستلزم این است که اولاً معیارهای ارزیابی دو عامل توانمندی و جذابیت از آیندهنگاریها استخراج شوند و شاخصهای کمّیِ معادل آنها طبق جدول 5 به کارروند. بنابراین اولین ویژگی چارچوب ارائه شده در مقالۀ حاضر (شکل 1) این است که در تعیین معیارها، متکی به آیندهنگاری‌هاست. ثانیاً امتیازدهی به گزینهها برخلاف چارچوبهای تحقیقات پیشین نه با روش دلفی و نه با روشهای تصمیمگیری چندمعیاره بلکه به کمک یک سامانۀ خبرۀ فازی انجام میشود. بنابراین دومین ویژگی چارچوب مذکور این است که محاسبات مربوط به ارزیابی جذابیت و توانمندی از نوع محاسبات نرم درسامانههای خبرۀ فازی است که امکان رفع ابهام از دادههای حاصل از نظرسنجی از خبرگان را فراهم میکند. تا اینجا چارچوب اولویتگذاری به دو ابزار هوشمندی مجهز شده است: آیندهنگاری فنّاوری به عنوان ابزار هوشمندی سیاستی، و سامانۀ خبرۀ فازی به عنوان ابزار هوشمندی محاسباتی. به کار بردن چارچوبی با ویژگیهای مذکور باعث میشود نتایجی متفاوت از چارچوبهای فاقد این ویژگی به دست آید. مزیت این نتایج نسبت به نتایج پیشین این است که در محاسبۀ آنها، ابهام موجود در بیناذهنیت خبرگان نیز محاسبه شده است. در خصوص نتایج پژوهش حاضر، آنچه میتواند برای ارائۀ توصیههای سیاستی راهگشا باشد، تحلیل حساسیت فنّاوریها نسبت به تغییرات متغیرهای بنیادی دو عامل توانمندی و جذابیت است. طبق شکل 7، فنّاوری «رایانش ابری» و «زنجیرۀ بلوکی» با امتیازی برابر، دقیقاً در مرکز فضای جذابیت-توانمندی قرار دارند. به این ترتیب، صرفنظر از نامگذاری این فضا به نواحی راهبردی با نامهای دلخواه، میتوان این گونه تحلیل کرد که کشور در این دو فنّاوری نسبت به سه فنّاوری دیگر یعنی «اینترنت اشیا»، «هوش مصنوعی» و «کلانداده» از توانمندی بالاتری برخوردار است و انتظار خبرگان از توسعۀ آنها دستاوردهای بیشتری است. در عین حال، سرمایهگذاری بر روی متغیرهای بنیادی عامل توانمندی به معنای بهبود شاخصهای «بومسازگان نوآوری»، «کیفیت مقرراتگذاری» و «زیرساخت» است. چنانچه دولت طبق خواست ذینفعان فنّاوری «رایانش ابری» و «زنجیرۀ بلوکی»، بر بهبود شاخصهای مذکور متمرکز شود، زودتر از سه فنّاوری دیگر به دستاوردهای مدنظر خبرگان خواهد رسید. همچنین سرمایهگذاری بر روی متغیرهای بنیادی عامل جذابیت به معنای افزایش آگاهی خبرگان از نتایج توسعۀ فنّاوری نوعی تصحیح دیدگاه خبرگان در خصوص دستاوردهای توسعۀ فنّاوری خواهد بود. چنانچه سناریوهای دقیقی از توسعۀ فنّاوری برای خبرگان ترسیم شود، تأثیر توسعۀ این فنّاوریها بر «سرمایۀ اجتماعی»، «باز بودن دولت»، «شفافیت» و «مشارکت اجتماعی» میتواند به تسریع در توسعۀ فنّاوری(در صورت غلبۀ منافع) یا مطالبۀ توقف در توسعۀ فنّاوری(در صورت غلبۀ خسارات) منجر شود.
11- نتيجهگيري
در این مقاله، مدل جدیدی مبتنی بر کاربرد ابزارهای هوشمندی سیاستی برای اولویتگذاری فنّاوری معرفی شد. بدین منظور با طرّاحی و پیادهسازی دو سامانة استنتاج فازی فرایند جدیدی برای ارزیابی فنّاوری(محاسبۀ امتیاز توانمندی و جذابیت) ارائه شده است. این چارچوب را به ابزار هوشمندی محاسباتی نیز مجهّز کردیم. نتایج حاصل از کاربرد این ابزار سیاستی برای تعیین اولویت پنج فنّاوری انقلاب صنعتی چهارم شامل هوش مصنوعی، اینترنت اشیا، زنجیرۀ بلوکی، رایانش ابری و کلانداده بررسی شد و نتایج آن با نظر خبرگان مورد ارزیابی قرارگرفت که نشان از توانمندی سامانه در مدلسازی رفتار خبرگان و تقلید رفتار آنها دارد. چارچوب تحقیق حاضر نسبت به تحقیقات پیشین از مزایایی برخورداراست. نخست اینکه انعطافپذیر است و میتوان هریک از اجزای آن را با عناصر دیگری جایگزین کرد. مثلاً میتوان به جای عامل توانمندی یا جذابیت هر عامل مناسب دیگری را به کار برد، یا اینکه میتوان در ساختار سامانۀ استنتاج فازی تغییراتی ایجاد کرد و به جای اعداد فازی ذوزنقهای از اعداد فازی مثلثی یا گوسی و به جای استلزام ممدانی از استلزام دنیس-رشر2 و غیره استفاده کرد. دوم اینکه تفسیرپذیر است و با تعیین محدودههای دلخواه برای متغیرهای ورودی و خروجی سامانه، میتوان استانداردهای سختگیرانه یا سهلگیرانهای بر آنها وضع کرد. سوم اینکه دستاورد پژوهش حاضر، یک مصنوع است که بدون نیاز به تکرار فرایند پژوهش میتواند در مقاطع زمانی مختلف صرفاً با اخذ ورودیهای جدید، نتایج را به روزرسانی کند.
از محدودیتهای تحقیق میتوان به محدودیت نظرسنجی از خبرگان برای تشکیل پایگاه قواعد فازی، تعیین محدودۀ مقادیر زبانی و امکان برقراری تناظر بین معیارهای کیفی و شاخصهای کمّی اشاره کرد. به عنوان پیشنهاد تحقیقات آتی میتوان سامانۀ هوشمند اولویتگذاری را متشکل از سه عامل «جذابیت»، «توانمندی» و «سازگاری» طرّاحی کرد.
مراجع
[1] Reid A, Martinaitis Z, Valincius G., "A contribution to priority setting for future research, studies and innovation in Lithuania." , Report of an expert group to the Ministry of Education and Science and Ministry of Economy of the Republic of Lithuania, 2012.
[2] Hellström T, Jacob M, Sjöö K., "From thematic to organizational prioritization: the challenges of implementing RDI priorities." Science and Public Policy, 2017 Oct 1;44(5):599-608.
[3] Ghazinoory S, Ghazinoori S. "An introduction to science, technology and innovation policy". Tehran: Tarbiat Modares University, 2017. {In Persian}
[4] Salo A, Liesiö J., "A case study in participatory priority setting for a Scandinavian research program.", International Journal of Information Technology & Decision Making. 2006 Mar;5(01):65-88.
[5] Fatemi M, Arasti M., "Priority-setting in science, technology and innovation." Journal of science and technology policy. 2019 Jun 22;12(2):119-33.
[6] Georghiou L, Harper JC., "From priority-setting to articulation of demand: Foresight for research and innovation policy and strategy.", Futures. 2011 Apr 1;43(3):243-51.
[7] NSB. Federal Research Resources: A Process for Setting Priorities: Final Report; Approved By the National Science Board at its October 11, 2001 Meeting
[8] Rosenstock L, Olenec C, Wagner GR. "The National Occupational Research Agenda: a model of broad stakeholder input into priority setting.", American Journal of Public Health. 1998 Mar;88(3):353-6.
[9] Benner M, Liu L, Serger SS. "Head in the clouds and feet on the ground: Research priority setting in China." Science and Public Policy. 2012 Mar 1;39(2):258-70.
[10] Bengisu M. "Critical and emerging technologies in Materials, Manufacturing, and Industrial Engineering: A study for priority setting." Scientometrics. 2003 Nov 1;58(3):473-87.
[11] Suh CK, Suh EH, Baek KC. "Prioritizing telecommunications technologies for long-range R&D planning to the year 2006." IEEE Transactions on Engineering Management. 1994 Aug;41(3):264-75.
[12] De Haan S, Kingamkono R, Tindamanyire N, Mshinda H, Makandi H, Tibazarwa F, Kubata B, Montorzi G. "Setting research priorities across science, technology, and health sectors: the Tanzania experience." Health Research Policy and Systems. 2015 Dec;13:1-1.
[13] Stenberg L, Nagano H. "Priority-setting in Japanese research and innovation policy." Vinnova Analysis VA. 2009 Dec;23.
[14] BILAT-USA, "Analysis of Science &Technologies Priorities in Public Research in Europe and the United States of America", 2012.
[15] Gassler H, Polt W, Schindler J, Weber M, Mahroum S, Kubeczko K, Keenan M. "Priorities in science & technology policy. An international comparison". Project report commissioned by the Austrian Council for Research and Technology Development. 2004 Oct.
[16] Sokolov A, Shashnov S, Kotsemir M, Grebenyuk A. "Common STI priorities for a group of countries: The BRICS case." In 6th international conference on future-oriented Technology Analysis (FTA)—future in the making, Brussels 2018 Jun (pp. 4-5).
[17] Salo A, Gustafsson T, Ramanathan R. "Multicriteria methods for technology foresight." Journal of Forecasting. 2003 Mar;22(2‐3):235-55.
[18] Fleurence RL, Torgerson DJ. "Setting priorities for research." Health policy. 2004 Jul 1;69(1):1-0.
[19] McGeary M, Smith PM. "The R&D portfolio: a concept for allocating science and technology funds." Science. 1996 Nov 29;274(5292):1484-5.
[20] Cuhls K. "Futur–foresight for priority-setting in Germany." International Journal of Foresight and Innovation Policy. 2004 Jan 1;1(3-4):183-94.
[21] Glod F, Duprel C, Keenan M. "Foresight for science and technology priority setting in a small country: the case of Luxembourg." Technology Analysis & Strategic Management. 2009 Nov 1;21(8):933-51.
[22] Haegeman K, Spiesberger M, Veselitskaya N, Sokolov A, Weiss G. "FTA supporting effective priority setting in multi-lateral research programme cooperation: The case of EU–Russia S&T cooperation." Technological Forecasting and Social Change. 2015 Dec 1;101:200-15.
[23] Hashemkhani Zolfani S, Salimi J, Maknoon R, Kildienė S. "Technology foresight about R & D projects selection; application of SWARA method at the policy making level."
[24] Jarvis RM, Young T. "Key research priorities for the future of marine science in New Zealand." Marine Policy. 2019 Aug 1;106:103539.
[25] MOORE M, LANDREE E, HOTTES AK, SHELTON SR. "Priorities for the Department of Homeland Security Science and Technology Directorate." Homeland Security Operational Analysis Center. 2018
[26] Shepherd M, Turner JA, Small B, Wheeler D. "Priorities for science to overcome hurdles thwarting the full promise of the ‘digital agriculture revolution." Journal of the Science of Food and Agriculture. 2020 Nov;100(14):5083-92.
[27] Tübke AL, Ducatel K, Gavigan J, Moncada-Paterno-Castello PI, SMITS R, ZWECK A, RADER M, BARRÉ R, HUT AS. "Strategic policy intelligence: Current trends, the state of play and perspectives." IPTS, Seville. 2001 Dec.
[28] Namdarian L, Naghizadeh R. "Strategic Intelligence in Science, Technology and Innovation Policy Making (STI)." Journal of Science and Technology Policy. 2019 Jun 22;12(2):87-101.
[29] Kuosa T. "Towards strategic intelligence: foresight, intelligence, and policy-making." Dynamic Futures; 2014.
[30] Nazarko Ł. "Future-oriented technology assessment." Procedia Engineering. 2017 Jan 1;182:504-9.
[31] Seidl da Fonseca, Ricardo & Klusacek, Karel & Graf, Hans & Balackova, Halka & Keenan, Michael & Cuhls, Kerstin & Miles, Ian & Phaal, Robert. "Foresight Methodologies" - Textbook. 2004.
[32] Ghazinoori, S. "Technology Assessment: A Policy Intelligence Tool." Tehran: New Industries Center. 2004. ISBN 964-06-5414-0{In Persian}.
[33] Zimmermann HJ. "Fuzzy set theory." Wiley interdisciplinary reviews: computational statistics. 2010 May;2(3):317-32.
[34] Ghazinoory S, Divsalar A, Soofi AS. "A new definition and framework for the development of a national technology strategy: The case of nanotechnology for Iran." Technological Forecasting and Social Change. 2009 Jul 1;76(6):835-48.
[35] N. B. Moghaddam, M. Sahafzadeh, S. M. Emamian and A. Irankhah, "Scenario based priority setting of R&D issues: A case study of membrane technology in National Iranian Gas industry," PICMET '08 - 2008 Portland International Conference on Management of Engineering & Technology, Cape Town, South Africa, 2008, pp. 1497-1505, doi: 10.1109/PICMET.2008.4599766.
[36] Pamučar D., "Fuzzy logic in decision making process in the Armed Forces of Serbia." LAP LAMBERT Academic Publishing; 2011.
[37] Bozanic D, Tešić D, Puška A, Štilić A, Muhsen YR. "Ranking challenges, risks and threats using Fuzzy Inference System." Decision Making: Applications in Management and Engineering. 2023 Sep 4;6(2):933-47.
[38] Sabri N, Aljunid SA, Salim MS, Badlishah RB, Kamaruddin R, Malek MA. "Fuzzy inference system: Short review and design." Int. Rev. Autom. Control. 2013;6(4):441-9.
[39] Russell SJ, Norvig P. "Artificial intelligence: a modern approach." Pearson; 2016.
[40] Khodadadi A, Montazer GA. "Analyzing the Convergence of the Information Technology Future Scenarios." Journal of Science and Technology Policy. 2023 Oct 23;16(3):77-100. {In Persian}. Doi:10.22034/jstp.2023.11432.1675
[41] Martinelli A, Mina A, Moggi M. "The enabling technologies of industry 4.0: examining the seeds of the fourth industrial revolution." Industrial and Corporate Change. 2021 Feb 1;30(1):161-88.
[42] Marr B. "Tech Trends in Practice: The 25 technologies that are driving the 4th Industrial Revolution." John Wiley & Sons; 2020 Jun 22.
[43] Weforum, 2022, Retrieved: https://www.weforum.org/reports/global-competitiveness-report-2019/
[44] WorldBank, 2022, Retrieved: https://govdata360.worldbank.org/indicators/h5083f593?indicator=394&viz=choropleth&years=2020
[45] [45] WJP, 2022, Retrieved: https://worldjusticeproject.org/our-work/wjp-rule-law-index/wjp-open-government-index/global-scores-rankings
[46] Dresch A, Lacerda DP, Antunes Jr JA, Dresch A, Lacerda DP, Antunes JA. "Design science research." Springer International Publishing; 2015.
[47] Wang LX. "A course in fuzzy systems and control." Prentice-Hall, Inc.; 1996 Dec 1.
[48] L. A. Zadeh, "Outline of a New Approach to the Analysis of Complex Systems and Decision Processes," in IEEE Transactions on Systems, Man, and Cybernetics, vol. SMC-3, no. 1, pp. 28-44, Jan. 1973, doi: 10.1109/TSMC.1973.5408575.
[49] Zadeh LA. "Fuzzy logic and approximate reasoning: In memory of Grigore Moisil. Synthese." 1975 Sep;30:407-28.
[50] Kreinovich V, Kosheleva O, Shahbazova SN. "Why triangular and trapezoid membership functions: A simple explanation." Recent developments in fuzzy logic and fuzzy sets: dedicated to Lotfi A. Zadeh. 2020:25-31.
[51] Stack Exchange, 2014, Adam Hughes (https://math.stackexchange.com/users/58831/adam-hughes), Difference between "≈", "≃", and "≅", URL (version: 2014-07-11): https://math.stackexchange.com/q/864614
[52] Stack Exchange, 2023, Lover of Structure (https://math.stackexchange.com/users/60628/lover-of-structure), What is the symbol ≙ most commonly used for in a mathematical or math-related context?, URL (version: 2023-02-22): https://math.stackexchange.com/q/790019
[53] Magdalena L. "Fuzzy rule-based systems." Springer handbook of computational intelligence. 2015:203-18.
[54] Mamdani EH. "Fuzzy control: a misconception of theory and application." IEEE Expert. 1994 Aug;9(4):27-8.
[55] Information Technology Organization of Iran, 2021, retrieved: https://www.aparat.com/v/g371u1t/
[1] Pearson Correlation Coefficient
[2] Dienes-Rescher
رایمگ
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1404-1396