ارزیابی اولویتهای استراتژیک هوش مصنوعی در صنعت ورزش ایران با استفاده از روش آراس
محورهای موضوعی : علوم ورزششادی رهبر یعقوبی 1 , مهوش نوربخش 2 , مهدی کهندل 3 , سید نعمت خلیفه 4
1 - دانشجوی دکتری گروه مدیریت ورزشی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
2 - استاد گروه مدیریت ورزشی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
3 - دانشیار گروه مدیریت ورزشی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
4 - استادیار گروه مدیریت ورزشی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
کلید واژه: فناوری های نوین, برنامه ریزی, اولویتهای استراتژیک, محیط ورزش, روش آراس ,
چکیده مقاله :
هدف این پژوهش، ارزیابی اولویتهای استراتژیک هوش مصنوعی در صنعت ورزش ایران با استفاده از روش آراس بود. این پژوهش از نوع کاربردی و به لحاظ راهبرد، توصیفی-تحلیلی است. جامعه آماری شامل دو بخش منابع اطلاعاتی (مقالات مرتبط با موضوع تحقیق) و منابع انسانی (کارشناسان حوزه هوش مصنوعی، کارشناسان حوزه صنعت ورزش و اساتید دانشگاه) بود. روش نمونهگیری در هر دو بخش جامعه اطلاعاتی و انسانی هدفمند بود. در بخش جامعه اطلاعاتی، 18 مطالعه و مشارکتکنندگان جامعه انسانی شامل 18 نفر بودند. برای ارزیابی اعتبار و قابلیت اطمینان نتایج، از راهبردهای تأییدپذیری، مطالعه حسابرسی فرآیند، دلفی در دو دور ارزیابی، روایی صوری و محتوایی و روش تنصیف استفاده شد. برای تحلیل مرور منابع و دیدگاههای خبرگان از تحلیل محتوا و در ادامه به ترتیب از تحلیل دلفی و تحلیل تأثیر متقابل (تحلیل ساختاری) و تحلیل آراس استفاده شد. یافتهها نشان داد گزینههای دامنه گسترش هوش مصنوعی و آمادگی پذیرش فناوری هوش مصنوعی مهمترین اولویتهای استراتژیک هستند و پس از آن دگرگونی شغلی، زیرساخت و تجهیزات و سرمایهگذاری در رتبههای بعدی قرار دارند. بنابراین، نتیجه مشخص میشود که تمرکز بر دامنه گسترش هوش مصنوعی و آمادگی پذیرش فناوری هوش مصنوعی میتواند به حداکثر استفاده از پتانسیلهای هوش مصنوعی در بهبود عملکرد و مدیریت صنعت ورزش منجر شود.
The aim of this research was to evaluate the strategic priorities of artificial intelligence in the sports industry of Iran using the ARAS method. This applied research is descriptive-analytical in terms of strategy. The statistical population consisted of two sections: informational resources (articles related to the research topic) and human resources (experts in the field of artificial intelligence, sports industry experts, and university professors). The sampling method in both informational and human communities was purposive. In the informational community section, 18 studies and 18 participants in the human community were included. To assess the validity and reliability of the results, strategies such as confirmability, process audit study, and Delphi method in two rounds, face and content validity, and the split-half method were used. For analyzing the literature review and expert opinions, content analysis was initially employed, followed by the Delphi analysis, structural analysis (cross-impact analysis), and the ARAS analysis. The findings showed that the most important strategic priorities are the expansion scope of artificial intelligence and the readiness to adopt artificial intelligence technology. Following these, job transformation, infrastructure and equipment, and investment were ranked. Therefore, it is concluded that focusing on the expansion scope of artificial intelligence and the readiness to adopt artificial intelligence technology can maximize the potential of artificial intelligence in improving the performance and management of the sports industry.
سلطانپور، ا.م.، اسماعیل¬زاده قندهاری، م.ر.، و فهیم دوین، ح. (1402). چارچوب مفهومی کاربرد فناوری نوین در رسانه ها (مطالعه موردی هوش مصنوعی در مطبوعات ورزشی). مدیریت ارتباطات در رسانه های ورزشی، پذیرفته شده انتشار آنلاین.
عشوری، م. (1402). تدوین الگوی توسعه هوش مصنوعی در صنعت ورزش ایران. پایان نامه کارشناسی ارشد، مدیریت ورزشی، گرایش مدیریت راهبردی در سازمان های ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه اصفهان.
فکرت، ا.، و جابری، ا. (1403). پدیدارشناسی نقش بازاریابی هوش مصنوعی بر افزایش فروش و صادرات کالاهای ورزشی ایرانی. مطالعات بازاریابی ورزشی، 5(1)، 15-1.
قربانی، ن. (1401). شناسایی و رتبه بندی عوامل موثر در بهبود استفاده از هوش مصنوعی در اماکن ورزشی. پایان نامه کارشناسی¬ارشد، مدیریت ورزشی، گرایش مدیریت اماکن و تأسیسات ورزشی، دانشگاه پیام نور استان تهران، مرکز پیام نور ری.
Araújo, D., Couceiro, M., Seifert, L., Sarmento, H., & Davids, K. (2021). Artificial intelligence in sport performance analysis. Routledge.
Cheng, L., Varshney, K. R., & Liu, H. (2021). Socially responsible ai algorithms: Issues, purposes, and challenges. Journal of Artificial Intelligence Research, 71, 1137-1181.
Dinca-Panaitescu, T., & Dinca-Panaitescu, S. (2023). Artificial Intelligence in the Sports Industry. In AI and Society (pp. 113-125). Chapman and Hall/CRC.
Eid, A. I. A., Miled, A. B., Fatnassi, A., Nawaz, M. A., Mahmoud, A. F., Abdalla, F. A., & Mohamed, I. B. (2024). Sports Prediction Model through Cloud Computing and Big Data Based on Artificial Intelligence Method. Journal of Intelligent Learning Systems and Applications, 16(2), 53-79.
Feng, J. (2023). Designing an Artificial Intelligence-based sport management system using big data. Soft Computing, 27(21), 16331-16352.
Glebova, E., Madsen, D. Ø., Mihaľová, P., Géczi, G., Mittelman, A., & Jorgič, B. (2024). Artificial intelligence development and dissemination impact on the sports industry labor market. Frontiers in Sports and Active Living, 6, 1-18.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press.
Igbinenikaro, E., & Adewusi, O. A. (2024). Policy recommendations for integrating artificial intelligence into global trade agreements. International Journal of Engineering Research Updates, 6(01), 1-10.
Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business horizons, 62(1), 15-25.
Kaur, D., Uslu, S., Rittichier, K. J., & Durresi, A. (2022). Trustworthy artificial intelligence: a review. ACM Computing Surveys (CSUR), 55(2), 1-38.
Liu, H., Wang, Y., Fan, W., Liu, X., Li, Y., Jain, S., & Tang, J. (2021). Trustworthy ai: A computational perspective. arXiv preprint arXiv:1(1), 1-55.
Lu, L., Yang, S., & Li, Q. (2024). The interaction of digital economy, artificial intelligence and sports industry development--based on China PVAR analysis of provincial panel data. Heliyon, 10(4)1-17.
Ma, W., & Chen, H. (2024). Application Scenarios and Forms of Artificial Intelligence in Physical Education. Advances in Education, Humanities and Social Science Research, 9(1), 13-13.
McAfee, A., & Brynjolfsson, E. (2017). Machine, Platform, Crowd: Harnessing Our Digital Future. W. W. Norton & Company.
Nadikattu, R. R. (2020). Implementation of new ways of artificial intelligence in sports. Journal of Xidian University, 14(5), 5983-5997.
Pavljuk, M. (2024). Forecast of Development Trends in Sport–Year 2030. In Management, Technology and Sport: Proceedings of the Second International Conference (pp. 61-67). Masarykova univerzita nakladatelství.
Qi, Y., Sajadi, S. M., Baghaei, S., Rezaei, R., & Li, W. (2024). Digital technologies in sports: Opportunities, challenges, and strategies for safeguarding athlete wellbeing and competitive integrity in the digital era. Technology in Society, 102496.
Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Pearson.
Shen, L., Lyu, C., & Li, M. (2024). Artificial Intelligence Technology Helps Inform the Sports Industry. Applied Mathematics and Nonlinear Sciences, 9(1), 1-17.
Song, Y., & Sun, J. (2023). Environmental Perspective and Strategy Selection for Sustainable Development of China's Sports Industry: An Analysis Based on SWOT-PEST Model. Reviews Of Adhesion And Adhesives, 11(2)1-15.
Tan, T. C., & Lee, J. W. (2023). Technology, innovation, and the future of the sport industry in Asia Pacific. Sport in Society, 26(3), 383-389.
Topol, E. (2019). Deep medicine: how artificial intelligence can make healthcare human again. Hachette UK.
Zavadskas, E. K., & Turskis, Z. (2010). A new additive ratio assessment (ARAS) method in multicriteria decision‐making. Technological and economic development of economy, 16(2), 159-172.
Zhang, H., Chai, J., & Li, C. (2024). On innovative strategies of youth sports teaching and training based on the internet of things and artificial intelligence technology from the perspective of humanism. Learning and Motivation, 86, 101969.