چارچوب خط‌ مشی ‌گذاری برای به ‌کارگیری سامانه‌های هوش مصنوعی در حوزه شهری با استفاده از رویکرد فراترکیب

هدف: هدف این مطالعه سیستماتیک تحلیل پژوهش‌های کیفی مرتبط با استفاده از سیستم‌های هوش مصنوعی (ai) در زمینه مدیریت شهری است. این مطالعه دستیابی به درک جامعی از وضعیت تجربیات فعلی در سیاست‌گذاری هوش مصنوعی در شهرها را دنبال می‎‌کند. با بررسی و ترکیب نظام‌مند یافته‌های قبلی در این زمینه، این پژوهش به‌دنبال کمک به توسعه سیاست‌های کارآمدتر برای استفاده مسئولانه و موثر از هوش مصنوعی در مدیریت شهری است. روش: در این مطالعه متاسنتز با تکیه بر روش هفت‌مرحله‌ای، چارچوب سندلوسکی و بارسو (2007) استفاده شده است. ابزار تجزیه‌وتحلیل داده‌های کیفی، تحلیل تم بوده است. برای ارزیابی کیفیت پژوهش، در کنار استفاده از سنجش میزان توافق میان دو کدگذاری، از ارائه نمونه متن کدگذاری شده، گزارش‌دهی گام‌های اجرای پژوهش و بررسی مستمر و رفت‌وبرگشتی میان پژوهشگران نیز استفاده شده است. یافته‌ها: در این مطالعه مقالات مرتبط شناسایی و تجزیه‌ و تحلیل شده است. یافته‌های حاصل از کدگذاری در این پژوهش، یک بار در چارچوب تحلیل محیطی پستل و یک بار در قالب 27 تم موضوعی پیشنهادی نویسندگان دسته‌بندی و ترکیب شده است. علاوه‌بر این، سه دسته از سوگیری (داده‌ه‎ای، الگوریتمی و ارزشی) در سیستم‌های هوش مصنوعی که باید توسط مدیریت شهری در نظر گرفته شود، شناسایی شده است. نتیجه‌گیری: به‌عنوان نتیجه نهایی این پژوهش، یک چارچوب استعاری به نام «پلکان سیاست‌گذاری هوش مصنوعی برای شهرها» ارائه شده است که شامل پنج پله است: جهان‌بینی، جامعه، نظام حقوقی، مدیریت شهری و مدیریت فناوری. چارچوب استعاری پژوهشگران با نگاهی میان‌رشته‌ای، به اولویت‌بندی میان پنج مفهوم بالا و معرفی ابعاد اصلی هر یک پرداخته است و به ذی‏نفعان در موضوع خط‌مشی‌گذاری هوش مصنوعی در مدیریت شهری یاری می‌رساند.

a policy framework for harnessing artificial intelligence systems in urban settings using a meta synthesis approach

objectivethis systematic study aims to analyze qualitative research related to the use of artificial intelligence (ai) systems in urban management. the study seeks to achieve a comprehensive understanding of the current state of ai policy experiences in cities. by systematically reviewing and synthesizing prior findings in this domain, this research aims to contribute to the development of more effective policies for the responsible and efficient use of ai in urban management.methodsin this study, a meta synthesis approach was employed, relying on the seven-step framework proposed by sandelowski and barroso (2007). thematic analysis was used as the tool for qualitative data analysis. to assess research quality, inter-coder agreement, provision of coded text samples, reporting of research process steps, and iterative reviewer discussions were utilized.resultsrelevant articles were identified and analyzed. the findings from the coding process were categorized twice, first within a contextual framework following pestle’s analysis, and secondly into 27 proposed thematic categories. furthermore, three dimensions of sustainability (data-driven, algorithmic, and ethical) in ai systems relevant to urban management were identified.  conclusionas a final outcome of this research, we propose a metaphorical framework called the &ai policy staircase for cities.& this framework comprises five steps: world view, sociey, legal system, urban governance, and technology management. researchers of this metaphorical framework take a cross-disciplinary approach to prioritize among these five high-level concepts and introduce key dimensions within each, providing guidance to stakeholders involved in ai policy-making for urban management.objectivethis systematic study aims to analyze qualitative research related to the use of artificial intelligence (ai) systems in urban management. the study seeks to achieve a comprehensive understanding of the current state of ai policy experiences in cities. by systematically reviewing and synthesizing prior findings in this domain, this research aims to contribute to the development of more effective policies for the responsible and efficient use of ai in urban management.methodsin this study, a meta synthesis approach was employed, relying on the seven-step framework proposed by sandelowski and barroso (2007). thematic analysis was used as the tool for qualitative data analysis. to assess research quality, inter-coder agreement, provision of coded text samples, reporting of research process steps, and iterative reviewer discussions were utilized.resultsrelevant articles were identified and analyzed. the findings from the coding process were categorized twice, first within a contextual framework following pestle’s analysis, and secondly into 27 proposed thematic categories. furthermore, three dimensions of sustainability (data-driven, algorithmic, and ethical) in ai systems relevant to urban management were identified.  conclusionas a final outcome of this research, we propose a metaphorical framework called the &ai policy staircase for cities.& this framework comprises five steps: world view, sociey, legal system, urban governance, and technology management. researchers of this metaphorical framework take a cross-disciplinary approach to prioritize among these five high-level concepts and introduce key dimensions within each, providing guidance to stakeholders involved in ai policy-making for urban management.