ارائه‌ الگوی تعامل دانشگاه و صنعت در توسعه فناوری‌های هوش مصنوعی با نقش نهادهای میانجی

در دنیای امروز، فناوری‌های تحول‌آفرین مانند هوش مصنوعی نقش کلیدی در پیشرفت اقتصادی و صنعتی ایفا می‌کنند. این پژوهش با هدف ارائه الگویی برای تعامل دانشگاه و صنعت در حوزه هوش مصنوعی با تاکید بر نقش نهادهای میانجی در دانشگاه‌های استان قم انجام شده است. روش تحقیق حاضر توصیفی-پیمایشی بوده و داده‌ها از طریق پرسشنامه‌ای محقق‌ساخته در پنج محور آموزش، هوش مصنوعی، شرکت‌های دانشگاهی، ارتباطات صنعتی و نهادهای میانجی جمع‌آوری شد. جامعه آماری شامل اساتید، دانشجویان و کارکنان دانشگاه‌های استان قم بود که از میان آنها 43 پرسشنامه قابل تحلیل گردآوری شد. نتایج پژوهش نشان داد که تمامی محورهای پنج‌گانه در سطح مطلوبی قرار دارند، به‌طوری که محور شرکت‌های دانشگاهی با میانگین 4.27 بالاترین امتیاز و محور ارتباطات صنایع با میانگین 3.87 پایین‌ترین امتیاز را کسب کردند. تحلیل داده‌ها با استفاده از آزمون t تک‌نمونه‌ای تاثیر مثبت و معنادار عوامل آموزش، هوش مصنوعی، شرکت‌های دانشگاهی و نهادهای میانجی بر تقویت ارتباطات صنعتی را تایید کرد. یافته‌های این پژوهش می‌تواند به عنوان چارچوبی راهبردی برای سیاست‌گذاران، دانشگاه‌ها و صنایع در جهت توسعه همکاری‌های موثر در حوزه فناوری‌های تحول‌آفرین مورد استفاده قرار گیرد.

modeling university-industry collaboration in artificial intelligence development through mediating institutions

this study develops a model for university-industry collaboration (uic) in ai development, emphasizing the role of intermediary institutions in qom province, iran. while ai is transformative for economic growth, effective academia-industry partnerships remain challenging in developing regions. using a descriptive-survey method, data were collected via questionnaires from faculty, students, and staff (n=43) across five dimensions: education, ai, university-affiliated companies, industrial relations, and intermediary institutions.results showed all dimensions performed satisfactorily, with university-affiliated companies ranking highest (mean=4.27) and industrial relations lowest (mean=3.87). t-tests confirmed the significant positive influence of education, ai initiatives, university-affiliated companies, and intermediaries on industrial relations. intermediary institutions proved critical in bridging gaps, enabling knowledge transfer, and driving innovation.the proposed model integrates these dimensions into a dynamic framework with three interconnected loops: innovation (translates research into marketable products), learning (aligns academic work with industry needs), and human resource development (addresses skill gaps through tailored education).the study offers actionable insights for policymakers, universities, and industries to strengthen uic in ai. limitations include regional focus and sample size, warranting broader validation. nonetheless, the model provides a strategic foundation for fostering uic in transformative technologies, with potential applications beyond ai and qom.