مطالعه جامعه شناختی تاثیر هوش مصنوعی بر الگوهای تعاملات اجتماعی شهری تحلیلی بر نسل زد در اصفهان

محورهای موضوعی : مطالعات جامعه شناختی شهری

میثم غلامی ¹ , سید ناصر حجازی ^{2 *} , اسماعیل باقری ³

1 - دانشجوی دکتری گروه جامعه شناسی، واحد دهاقان، دانشگاه آزاد اسلامی، اصفهان، ایران.
2 - استادیار گروه جامعه شناسی، واحد دهاقان، دانشگاه آزاد اسلامی، اصفهان، ایران (نویسنده مسئول).
3 - استادیار گروه کامپیوتر، واحد دهاقان، دانشگاه آزاد اسلامی، اصفهان، ایران

تاریخ دریافت : 1403/07/11 تاریخ پذیرش : 1403/10/07 تاریخ انتشار : 1404/05/02

کلید واژه: تعاملات اجتماعی, هوش مصنوعی, نسل زد, کالبدی, ساختاری, نمادین.,

چکیده مقاله :

با شتاب روزافزون فناوری‌های هوش مصنوعی، نحوه تعاملات اجتماعی نسل زد در بستر شهری اصفهان دچار دگرگونی‌های اساسی شده است. هدف پژوهش حاضر، بررسی تأثیر هوش مصنوعی بر الگوهای تعاملات اجتماعی نسل زد در شهر اصفهان است. این پژوهش از نظر روش، پیمایشی؛ از حیث زمان، مقطعی؛ از نظر هدف، کاربردی؛ و از لحاظ گستره، پهنانگر است. جامعه آماری شامل ۴۵۱۰۳۸ نفر از افراد نسل زد ساکن شهر اصفهان در سال ۱۴۰۴ بوده که با استفاده از نرم‌افزار Sample Power، حجم نمونه ۳۴۰ نفر تعیین و به روش نمونه‌گیری سهمیه‌ای متناسب با حجم جامعه انتخاب شد. ابزار گردآوری داده‌ها، پرسش‌نامه محقق‌ساخته‌ای بود که روایی آن از طریق اعتبار صوری، با نظر متخصصان و پایایی آن با استفاده از ضریب آلفای کرونباخ تأیید شد. برای تحلیل داده‌ها از نرم‌افزارهای SPSS و AMOS نسخه ۲۴ استفاده گردید. نتایج نشان داد میانگین تعاملات اجتماعی شهری نسل زد ساکن اصفهان با مقدار 50.93 اندکی بالاتر از حد متوسط ارزیابی شده است. در مقابل، میانگین استفاده از هوش مصنوعی با رقم 93.76 پایین‌تر از معیار نظری بوده و بیانگر فاصله این نسل با بهره‌برداری تخصصی از ظرفیت‌های این فناوری است. همچنین، تحلیل مدل معادلات ساختاری نشان داد هوش مصنوعی ۶۳ درصد از واریانس الگوهای تعاملات اجتماعی را تبیین می‌کند (۰٫۷۹β =­، ۰٫۰۰۱p ≤)؛ که این ضریب مسیر بالا و معنادار، حاکی از تأثیر قابل‌توجه و مثبت فناوری‌های هوشمند بر نحوه شکل‌گیری و تقویت تعاملات اجتماعی در میان نسل زد ساکن شهر اصفهان است.

چکیده انگلیسی:

With the rapid expansion of artificial intelligence technologies, the nature of social interactions among Generation Z within the urban context of Isfahan has undergone fundamental transformations. The present study aims to examine the impact of artificial intelligence on the patterns of social interaction among Generation Z in the city of Isfahan. Methodologically, this research is survey-based, cross-sectional in terms of time, applied in nature, and extensive in scope. The statistical population consisted of 451,038 members of Generation Z residing in Isfahan in the year 2025. Using Sample Power software, a sample size of 340 individuals was determined and selected through quota sampling proportional to population distribution. The data collection instrument was a researcher-designed questionnaire, whose face validity was confirmed by expert judgment and whose reliability was verified using Cronbach’s alpha coefficient. Data analysis was conducted using SPSS and AMOS software, version 24. The results indicated that the mean score of social interaction among Generation Z in Isfahan was 50.93, slightly above the average benchmark. In contrast, the mean score for artificial intelligence usage was 93.76, which falls below the theoretical standard of 102 highlighting a gap between general digital engagement and the specialized, effective use of AI. Furthermore, structural equation modeling revealed that artificial intelligence accounted for 63% of the variance in urban social interaction patterns (β = 0.79, p ≤ 0.001), suggesting a strong and significant influence of smart technologies on shaping and enhancing social behaviors among Generation Z in the urban environment.

منابع و مأخذ:

حمزه ئی، امیر مسعود؛ بندر آباد، علیرضا؛ شهابیان، پویان (1403) شهر هوشمند، محوری موثر در ارتقای سرزندگی شهری، مجله علمی گفتمان طراحی شهری، 5(1)، 1-15.
خزایی، حسین؛ همتی، مجتبی (1404) امکان سنجی تزاحم و تعارض هوش مصنوعی با حقوق بشر و شهروندی: چالش ها و راهکار ها، حقوق فناوری های نوین، 6(11)، 233-251.
کریمیان ششده، زهرا؛ داس مه، زهرا؛ نصر، طاهره (1403) تحلیل تاثیر طراحی فضاهای عمومی بر کیفیت زندگی شهری و تعاملات اجتماعی، پژوهش در هنر و علوم انسانی، 9(75)، 83-86.
گودرزی، مجید؛ دالوند، هنگامه (1403) نقش هوش مصنوعی در توسعه حمل و نقل شهر اهواز بر پایه مدل سازی معادلات ساختاری، جغرافیا و برنامه ریزی، انتشار آنلاین 10 دی 1403.
میجانی، محدثه؛ زارع، حمید؛ خنیفر، حسین (1401) طراحی مدل مدیریت منابع انسانی برای کارکنان نسل زد با استفاده از رویکرد GT، دو فصلنامه علمی مدیریت منابع انسانی پایدار، 4(7)، 191-213.
Boggs, A. S., Buchanan, K., Evans, H., Griffith, D., Meritis, D., Ng, L., Stephens, M. (2023). National institute of standards and technology environmental scan. Societal and technology landscape to inform science and technology research (pp. 1–79).
Castells, M. (2000). The Rise of the Network Society (second Ed.). Wiley-Blackwell.
Chen, M. A., & Wang, J. X. (2024). Displacement or Augmentation? The Effects of AI on Workforce Dynamics and Firm Value. The Effects of AI on Workforce Dynamics and Firm Value.
Cugurullo, F., Caprotti, F., Cook, M., Karvonen, A., MᶜGuirk, P., & Marvin, S. (2024). The rise of AI urbanism in post-smart cities: A critical commentary on urban artificial intelligence. Urban Studies, 61(6), 1168-1182. ‏
Durkheim, E. (1995). The Elementary Forms of Religious Life (K. E. Fields, Trans.). Free Press. (Original work published 1912)
Eshraghi, P., Dehnavi, A. N., Mirdamadi, M., Talami, R., & Zomorodian, Z. S. (2025). An AI-driven framework for rapid and localized optimizations of urban open spaces. ArXiv preprint arXiv: 2501.08019. ‏
Gardner, H., & Davis, K. (2013). The app generation: How today's youth navigate identity, intimacy, and imagination in a digital world? Yale University Press. ‏
Gottdiener, M., & Hutchison, R. (2011). The New Urban Sociology Fourth Edition Ed Westview Press.
GWI. (2024). "Generation Z Report: Understanding the Social and Cultural Shifts in
2024." Global Web Index. Retrieved from https://www.gwi.com/reports/gen-z
Lehtiö, A., Hartikainen, M., Ala-Luopa, S., Olsson, T., & Väänänen, K. (2023). Understanding citizen perceptions of AI in the smart city. Ai & Society, 38(3), 1123-1134.‏
Liu, H., Liu, W., Yoganathan, V., & Osburg, V. S. (2021). COVID-19 information overload and generation Z's social media discontinuance intention during the pandemic lockdown. Technological forecasting and social change, 166, 120600.‏
Lofland, L. H. (2017). The public realm: Exploring the city's quintessential social territory. Routledge.
Mauro, G., Minici, M., & Pappalardo, L. (2025). The Urban Impact of AI: Modeling Feedback Loops in Next-Venue Recommendation. ArXiv preprint arXiv: 2504.07911. ‏
Morgan F. J (2014). Differences in Generational Work Values in America and Their Implications for Educational Leadership: A Longitudinal Test of Twinge’s Model, (Doctoral Dissertation), University of Louisiana at Lafayette, Available from ProQuest Dissertation and Theses database, p.7.AA 3622936.
Nagelhout, R. (2024). Students are using AI already. Here is what they think adults should know. Retrieved from https://www.gse.harvard.edu/ideas/usable-knowledge/24/09/students-are-using-ai-already-heres-what-they-think-adults-should-know
Prensky, M. (2001). Digital natives, digital immigrants part one. On the horizon 9(5), p1-6.
Rathore, D. B. (2023). Future of AI & Generation Alpha: ChatGPT beyond Boundaries. Edu zone: International Peer Reviewed/Refereed Academic Multidisciplinary Journal, 12 (01).‏
Salesforce. (2024). Generative AI Usage among Generations. Retrieved from https://explodingtopics.com/blog/generative-ai-stats.
Seemiller, C., & Grace, M. (2016). Generation Z goes to college. John Wiley & Sons. ‏
Singh, A. P., & Dangmei, J. (2016). Understanding the generation Z: the future workforce. South-Asian journal of multidisciplinary studies, 3(3), 1-5. ‏
Turner, A. (2015). Generation Z: Technology and social interest. The Journal of Individual Psychology, 71(2), 103–113. https://doi.org/10.1353/jip.2015.0021
Twenge, J. M. (2017). iGen: Why today’s super-connected kids are growing up less rebellious, more tolerant, less happy and completely unprepared for adulthood and what that means for the rest of us. Simon and Schuster. ‏
Zulfikasari, S., Sulistio, B., & Aprilianasari, W. (2024). Utilization of Chat GPT Artificial Intelligence (AI) in Student’s Learning Experience Gen-Z Class. Lectura: Journal Pendidikan, 15(1), 259-272.
Salazar-Miranda, A., Fan, Z., Baick, M. B., Hampton, K. N., Duarte, F., Loo, B. P., & Ratti, C. (2024). Shifting Patterns of Social Interaction: Exploring the Social Life of Urban Spaces through AI (No. w33185). National Bureau of Economic Research.