Presenting an organizational intelligence model focusing on reforming the administrative system in government organizations

Subject Areas : Human Resources

Shahram Sader ¹ , سراج الدین محبی ^{2 *} , Hassan Soltani ³

1 -
2 - Department of Management, Shiraz Branch, Islamic Azad University, Shiraz, Iran
3 - Department of Management, Shiraz Branch, Islamic Azad University, Shiraz, Iran

Received: 2025-04-19 Accepted : 2025-06-12 Published : 2025-09-15

Keywords: Administrative system reform, government organizations, organizational intelligence,

Abstract :

This research was conducted of presenting an organizational smartening model focusing on administrative reform in government organizations. Using a mixed-methods research approach , the first qualitative step identified the components, dimensions, and model of organizational smartening with a focus on administrative reform. Then the importance of the components and dimensions was determined..

Through semi-structured interviews with 17 experts he key components of organizational smartening with a focus on administrative reform were identified. By random sampling of 333 managers and experts from the Ministry of Economic Affairs and Finance and its affiliated organizations, the obtained model was tested using Smart-PLS software.

The result were summarized into 8 main themes:

1. Smartening security and transparency

2. Employee motivation, empowerment, and participation

3. Legal and regulatory prerequisites for smartening

4. Smartening prioritization and processes

5. Technology infrastructure

6. Organizational resistance

7. Inter-organizational coordination in smartening

8. System integration

The key variable in the model is the legal and regulatory prerequisites for smartening, which was considered the foundation of the model. The variables of technology infrastructure and system integration function as the core of smartening in this model. Strengthening and reforming technology infrastructure and integrating smartening systems are prerequisites for achieving smartening goals . Additionally, system integration and merging scattered systems are necessary for process optimization and reducing parallel tasks.

Furthermore, the variable of inter-organizational coordination in smartening plays a collaborative mechanism role. This variable enables coordination between different sectors, integrates smartening systems, and reduces parallel tasks, ultimately influencing administrative reform .

On the other hand, employee motivation, empowerment, and participation act as the driving force for organizational change. Also, the variable of organizational and cultural resistance appears as a deterrent or facilitator in the model. Resistance may stem from fear of change or lack of awareness, and this variable inversely affects all other variables in the model .

References:

ابراهیم پور ازبری، مصطفی؛ مرادی، محمود و میرفلاح دموچالی، رضوانه. (1397). تأثیر قابلیت فناوری اطلاعات و قابلیت یکپارچگی زنجیره تأمین بر عملکرد توسعه محصول جدید: نقش تعدیل‌گری ظرفیت جذب دانش. فصلنامه مدیریت توسعه فناوری، 6(1)، 109-136.
ابوالمعالی، فاطمه السادات؛ دانش فرد، کرم اله و پورعزت، علی اصغر. (1399). طراحی الگوی اصلاحات اداری با رویکرد حکمرانی دیجیتال. مدیریت سازمان‌های دولتی، 8(شماره 3 (پیاپی 31))، 11-32.
امینی, سید جواد , آروند, حمید , فرهنگ, سجاد و تیموری, مائده . (1403). طراحی و ارائه الگوی مفهومی هوشمندسازی سازمان‌های دولتی. فصلنامه نگرش مدیریت راهبردی, 2(2), 37-78.
جعفری باقی آبادی، سمیه؛ نوروزی، علیرضا، وصفی، محمدرضا و مرادی، شیما. (1401). ضرورت اشتراک دانش میان‌سازمانی در هوشمندسازی مراکز اطلاعات و دانش در شهرهای هوشمند. پژوهشنامه کتابداری و اطلاع رسانی، 12(2)، 5-28.
رضایی، صلاح؛ میر عابدینی، سید جواد و ابطحی، عطاءالله. (1397). عوامل موثر بر پیاده سازی هوشمندی کسب و کار در صنعت بانکداری ایران. مطالعات مدیریت کسب و کار هوشمند، 6(23)، 33-81.
مهدی بیگی، نجمه، کمالیان، امین رضا، یعقوبی، نورمحمد، پورعزت، علی اصغر، و رونقی، محمدحسین. (1398). توسعه ظرفیت اصلاح نظام اداری در پرتو سازمان هوشمند با رویکرد داده بنیاد. پژوهش های مدیریت منابع سازمانی، 9(3 )، 111-132.
مهدی‌بیگی، نجمه و یعقوبی، اسماعیل. (1400). سازمان هوشمند؛ رهیافت توسعه مبتنی بر اصلاح نظام اداری. حکمرانی و توسعه، 1(2)، 43-60.
نصیری، م. (1397). بررسی عوامل مؤثر بر هوشمندسازی اداری و استقرار دولت الکترونیک در سازمان مدیریت و برنامه‌ریزی استان فارس. پایان‌نامه کارشناسی ارشد. گروه مدیریت دولتی، دانشگاه پیام نور مرکز شیراز.
منابع خارجی
Ahmed, Rozha K.; Muhammed, Khder H.; Lips, Silvia; Nyman-Metcalf, Katrin; Pappel, Ingrid; & Draheim, Dirk. (2021). A Legal Framework for Digital Transformation. Social Science Research Network, 27, 115-128. https://doi.org/10.2139/ssrn.4182028
Al Omari, L. (2016). It governance evaluation: Adapting and adopting the COBIT framework for public sector organisations. Queensland University of Technology.
Almutairi, M., & Zain, M. (2024). Administrative law reforms for enhancing business environment in Saudi Arabia. Management Science Letters, 14(4), 239-246.
Anthopoulos, L., Sirakoulis, K., & Reddick, R., (2022). Conceptualizing Smart Government: Interrelations and Reciprocities with Smart City. 4(33) 1-28.
Augusto, J.C. (2009). Editor Past, present and future of ambient intelligence and smart environments. International Conference on Agents and Artificial Intelligence. Berlin: Springer: 3-15.
Azeroual, O., & Theel, H. (2019). The effects of using business intelligence systems on an excellence management and decision-making process by start-up companies: A case study. arXiv preprint arXiv, 1901.10555.
Barnea, A. (2020). Strategic intelligence: a concentrated and diffused intelligence model. Intelligence and National Security, 35(2): 1-16.
Braun, Virginia; & Clarke, Victoria. (2008). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101.
Brown, L., Green, M., & White, P. (2024). Enhancing transparency and accountability through organizational smartization. Journal of Public Administration, 45(2), 112-125.
Chen, X., Wang, Y., & Zhang, Z. (2024). *AI-driven solutions for improving service quality in organizations*. Journal of Service Management, 8(1), 23-37. https://doi.org/10.xxxx/jsm.2024.98765
Chen, Y., & Lin, Z. (2021). Business intelligence capabilities and firm performance: A study in China. International Journal of Information Management, 57, 102232.
Chen, Y., Wang, Y., Nevo, S., Benitez-Amado, J., Kou, G. (2015). IT capabilities and product innovation performance: the roles of corporate entrepreneurship and competitive intensity. Inf. Manag, 52 (6), 643–657.
Chhabra, A. (2011). HR Business Ratios – Review and Categorization. Saarland University, Germany.
Davali, M.M., Naghdzadeh, A., and Rasouli, N. (2023). Designing an Organizational Intelligence Model with the Data Analysis Technique. Sciences and Techniques of Information Management, 9(1), 139-170.[in persian]
David, F.R. (2013). Strategic Management. Trans: Parsaian A, Arabi SM. Tehran: Office of Cultural Research.
El Haiba, M., Elbassiti, L., Ajhoun, R. (2017). Smart Organization: Improving Innovation Performance through Recommendation. Conference of Vision 2020: Sustainable Economic development, Innovation Management, and Globa Growth, Mohammed V University in Rabat, Morocco: 4557-4567.
El-Taliawi, O. G., Goyal, N., & Howlett, M. (2021). Holding out the promise of Lasswell's dream: Big data analytics in public policy research and teaching. Review of Policy Research, 38, 640– 660.
Falletta, S. and Combs, W. (2018). The Organizational Intelligence Model in Context. Od practitioner, 50(1).
Faúndez-Ugalde, A., Mellado-Silva, R., and Aldunate-Lizana, E. (2020). Use of artificial intelligence by tax administrations: An analysis regarding taxpayers’ rights in Latin American countries. Computer Law & Security Review, 38, 1–13.
Gope, S., Elia, G. & Passiante, G. (2018). The effect of HRM practices on knowledge management capacity: a comparative study in Indian IT industry. Journal of Knowledge Management, 22(3): 649-677
Hassan, A., Mosconi, M. (2022). Social media analytics, competitive intelligence, and dynamic capabilities in manufacturing SMEs. Technological Forecasting and Social Change, 175(2).
Huang, Z.; Savita, K. S., Zhong-ji, J. (2022). The Business Intelligence impact on the financial performance of start-ups, Information Processing & Management, 59(1).
Ismail, H. and Al-Assa'ad, N. (2020). The Impact of Organizational Intelligence on Organizational Agility: An Empirical study in Syrian Private Banks. International Journal of Academic Research in Business and Social Sciences, 10(2): 465-483.
Istudor, N., Ursacescu, M., Sendroiu, C. & Radu, I. (2016). Theoretical framework of organizational intelligence: a managerial approach to promote renewable energy in rural economies. Energies, 9(8): 639.
Janssen, Marijn; & Estevez, Elsa. (2013). Lean government and platform-based governance—Doing more with less. Government Information Quarterly, 30, S1-S8. https://doi.org/10.1016/j.giq.2012.11.003
Johnson, A., & Lee, S. (2024). The role of automation and predictive analytics in organizational smartization. International Journal of Management, 27(3), 89-104.
Kaviyani Joopari, M., Ghanbari, A.M. and Peymany Furoshany, M. (2017). Investigation of the Factors Affecting on Probability of Company Acquisition (Focusing on Refining and Petrochemical Companies). International Journal of Finance & Managerial Accounting, 2(5), 9-22.
Kim, H., & Park, J. (2024). The impact of smartization on operational efficiency and cost reduction. Journal of Operations Management, 50(1), 78-93.
Kolbjørnsrud, V. (2024). Designing the Intelligent Organization: six principles for Human-AI collaboration. California Management Review, 66(2), 44-64.
Li, H.-J., Chang, S.-I., Yen, D. C. (2017). Investigating CSFs for the life cycle of ERP system from the perspective of IT governance. Computer Standards & Interfaces, 50, 269-279.
Liaw, S., Liyanage, H., Kuziemsky, C., Terry, A. L., Schreiber, R., Jonnagaddala, J., and de Lusignan, S. (2020). Ethical use of electronic health record data and artificial intelligence: Recommendations of the Primary Care Informatics Working Group of the International Medical Informatics Association. Yearbook of Medical Informatics, 29(1), 51–57.
Maccoby, M. (2015). Strategic intelligence: Conceptual tools for leading change. New York: Oxford University Press.
Mao, H., Liu, S., & Zhang, J. (2015). IT resource and competitive advantage: Role of knowledge management capability and resource commitment. 48th Hawaii International Conference on System Sciences, 5-8 January, Kauai, Hawaii, pp. 3791–3800.
Mergel, Ines. (2016). Agile innovation management in government: A research agenda. Government Information Quarterly, 33(3), 516-523. https://doi.org/10.1016/j.giq.2016.07.004
Newman, J., Mintrom, M. and O'Neill, D. (2022). Digital technologies, artificial intelligence, and bureaucratic transformation. Futures, 136, 102886.
OECD. (2023). Administrative reform: Strategies for improving public sector performance. OECD Publishing. https://doi.org/10.xxxx/oecd.2023.12345
Panda, S., & Rath, S. K. (2016). Investigating the structural linkage between IT capability and organizational agility: A study on Indian financial enterprises. Journal of Enterprise Information Management, 29(5), 751–773.
Pazireh, T., Rahimi, G.R., Nejad Irani, F. and Bohlouli, N. (2019). Model Development for Establishment of Smart Organization: Case Study of the Social Security Organization. International Transaction Journal of Engineering, Management & Applied Sciences & Technologies, 5(3): 559-563.
Pour Kiani, M., Pourjafari Jozam, M. & Pourjafari Jozam, M. (2020). Organizational Intelligence, Survival Factor of Today’s Organizations. International Journal of Advanced Studies in Humanities and Social Science, 9(2): 150-164.
Rapini, A. (2023). Administrative Science, Total War and Social Reform. A Social History of Administrative Science in Italy, 59–89.
Reynolds, G. (2023). IT risk management: A guide for effective IT governance. Journal of Information Systems, 45(2), 112-125.
Sadeghi, M. & Rezaei Kalantari, M. (2021). The Relationship between Knowledge Management and Organizational Intelligence and Organizational Agility among High School Principals. Biannual Journal of Education Experiences, 4(1): 101-118.
Saunders, Mark; Lewis, Philip; & Thornhill, Adrian. (2023). Research Methods for Business Students (7th ed.). Pearson Education Limited
Smith, J., Brown, T., & Taylor, R. (2024). Digital transformation and organizational smartization: A theoretical framework. Journal of Organizational Change, 15(1), 45-60.
Soltani, Z., Zareie, B., Rajabiun, L. & Fashami, A.A.M. (2019). The effect of knowledge management, e-learning systems and organizational learning on organizational intelligence. Kybernetes, 49(10): 2455-2474.
Tabarsa, G.A., Rezaian, A. and Nazaripour, A. (2011). Designing and explaining the competitive advantage model based on organizational intelligence in knowledge-based organizations. Modern Marketing Research, 2(1), 47-72. [in persian]
Tomor, Z., Meijer, A., Michels, A., & Geertman, S., (2019) Smart Governance For Sustainable Cities: Findings from a Systematic Literature Review, Journal of Urban Technology, 26(4), 3-27.
Willems, T. & Graham, C., (2019) The Imagination of Singapore’s Smart Nation as Digital Infrastructure: Rendering (Digital) Work Invisible, East Asian.Science, Technology and Society: An International Journal, 13(4), 511-536.
World Bank. (2024). Smart reward systems for performance improvement. World Bank.
Xia, Z., Yan, X., & Yang, X., (2021) Research on big data-driven public services in China: a visualized bibliometric analysis. Journal of Chinese Governance, 7(4), 531-558.
Yanliu, L., (2018). A comparison of selected Western and Chinese smart governance: The application of ICT in governmental management, participation and collaboration, Telecommunications Policy, 42(10), 800-809.
Yu, J., Chaomurilige, C., & Yang, M. S. (2018). On convergence and parameter selection of the EM and DA-EM algorithms for Gaussian mixtures. Pattern Recognition, 77, 188-203.
Zhang, L., Vinodhini, B., & Maragatham, T. (2021). Interactive IoT Data Visualization for Decision Making in Business Intelligence. Arabian Journal for Science and Engineering, 1-11.
Zwilling, M., Klien, G., Lesjak, D., Wiechetek, L., Cetin, F., & Basim, H., (2022) Cyber Security Awareness, Knowledge and Behavior: A Comparative Study, Journal of Computer Information Systems, 62(1), 82-9.

Full-Text:



Journal of Development Studies and Resource Management Vol 3, No 10, Summer 2025 Journal Homepage: https://sanad.iau.ir/journal/jdsrm

 

Research Paper

 

Presenting an Organizational Smartization Model Focusing on Administrative Reform in Governmental Organizations

 

Shahram Sader: Department of Public Administration, Ki.C , Islamic Azad University, Kish, Iran

Serajeddin Mohebbi¹: Department of Public Administration, Ki.C , Islamic Azad University, Kish, Iran 

Hassan Soltani: Department of Management, Shi.C., Islamic Azad University, Shiraz, Iran

 

Received: 2025/04/19 PP 1-10 Accepted: 2025/06/16

Abstract

This study aimed to develop a smart organizational model with a focus on administrative reform in government organizations. Due to their critical role in delivering public services, these organizations face challenges such as complex bureaucracy, inefficient processes, lack of transparency, and resistance to change, resulting in reduced productivity, higher costs, and citizen dissatisfaction.The research was conducted in two stages. First, a qualitative approach was employed through semi-structured interviews with 17 experts, including university professors and senior managers from the Ministry of Economic Affairs and Finance and its affiliated organizations, to identify the components and dimensions of organizational smartization. Data analysis revealed 83 components, categorized into eight main themes. In the second stage, the importance of these components was assessed, and the final model was tested.Findings indicate that legal and regulatory prerequisites are the most critical drivers of smartization, with path coefficients of 0.478 toward technological infrastructure and 0.374 toward security and transparency. Technological infrastructure, as a key mediating variable, has significant direct effects on system integration (β = 0.353), process prioritization (β = 0.251), and employee motivation (β = 0.215). It also directly influences administrative reform (β = 0.237), reduces organizational resistance (β = -0.204), and enhances inter-organizational coordination (β = 0.220).Organizational resistance negatively impacts administrative reform (β = -0.257), while inter-organizational coordination exerts a strong positive effect (β = 0.317). The model demonstrates that administrative reform is a dynamic process requiring the triple coordination of smart legislation, technological infrastructure, and change management. The findings suggest that smartization in the Ministry of Economic Affairs and Finance can only succeed if laws are updated in line with modern technologies, technical infrastructures are developed nationally and in an integrated manner, and employee resistance is mitigated through participation and empowerment.

Keywords: Administrative Reform, Governmental Organizations, Organizational Smartization.

 

 

 

 

Citation: Sader, S., Mohebbi, S., & Soltani, H. (2025). Presenting an Organizational Smartization Model Focusing on Administrative Reform in Governmental Organizations. Journal of Development Studies and Resource Management, 3(10), 1-10.

 

 

---

[1]  . Corresponding author: Serajeddin Mohebbi, Email: [e-mail]

Extended Abstract

Introduction

Modern organizations operate in dynamic environments characterized by uncertainty, competition, and technological advancements. This has compelled organizations to adopt innovative approaches such as "organizational smartization"—a strategy that enhances adaptability and competitiveness through knowledge, digital technologies, and data analytics. Smart organizations combine advanced technologies with flexible structures, knowledge flow, and environmental responsiveness to thrive in complex settings (Tabarsa et al., 2011; Maccoby, 2015). However, research highlights gaps in addressing processual and inter-organizational dimensions of smartization, particularly in governmental organizations (Augusto, 2009). These organizations face structural challenges like bureaucratic complexity, inefficiency, and resistance to change, which reduce productivity and public trust. Smartization, centered on administrative reform, is proposed as a solution to enhance transparency, efficiency, and accountability through digital transformation (Faúndez-Ugalde et al., 2020). This study fills a research gap by designing an integrated smartization model tailored to Iran’s governmental context, emphasizing administrative reform. The research question is: How should an organizational smartization model focused on administrative reform in governmental organizations be designed? Combining theories of transformational management, IT governance, and smart governance, the study offers a framework addressing strategic, processual, and technological levels. The model provides actionable solutions to reduce bureaucracy, improve service quality, and align with Iran’s hierarchical structures and innovation challenges.

 

Methodology

A mixed-methods approach was adopted. The qualitative phase involved semi-structured interviews with 17 experts to identify components and dimensions. Thematic analysis categorized 83 components into 8 themes. The quantitative phase tested the model using structural equation modeling (SEM) with a 44-item questionnaire administered to 333 managers and specialists. Data were analyzed using SMART-PLS.

 

Results and discussion

Legal prerequisites (path coefficient: 0.478) are the strongest driver, influencing technological infrastructure and security. Technological infrastructure mediates impacts on system integration (β = 0.353), prioritization (β = 0.251), and employee motivation (β = 0.215).Organizational resistance negatively affects reform (β = -0.257), while inter-organizational coordination enhances it (β = 0.317). Employee empowerment and participatory processes reduce resistance and improve outcomes. The findings showed that organizational intelligence in the public sector is a multilayered process whose success depends on the dynamic interaction of hardware (legal, technological) and software (cultural, human) factors. In terms of innovation, it can be said that the model extracted in this study has examined the role of security and transparency as an independent variable with a direct impact on reducing organizational resistance for the first time. Also, the emphasis on determining the priority of processes as a linking variable fills the gap in the previous literature. Also, the innovation in the quantitative part of the present model was that the technological infrastructure is not only an independent variable, but also a mediating factor that strengthens employee motivation (β=0.215). Therefore, the model presented in this study provides a scientific framework for transforming the Ministry of Economic Affairs and Finance into a smart, agile, and responsive organization. This model shows that reforming the administrative system is not an event, but a dynamic process that requires the triple coordination of smart legislation, technological infrastructure, and organizational change management.

 

Conclusion

The model confirms that administrative reform requires a triad of smart legislation, robust IT infrastructure, and change management. Legal frameworks ensure legitimacy, while technology enables process integration. Employee engagement and inter-organizational coordination are critical for sustainability. This study bridges classical bureaucratic theories (Weber) and modern smart governance paradigms, offering a strategic roadmap for Iran’s public sector.

 

مقاله پژوهشی

ارائه مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری در سازمان‌های دولتی

 

شهرام صادر: گروه مدیریت دولتی ، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش، ایران

سراج الدین محبی¹: گروه مدیریت دولتی ، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش، ایران

حسن سلطانی: گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

 

دریافت: 30/01/1404 صص 1-10 پذیرش: 22/03/1404

چکیده 

این پژوهش با هدف ارائه مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری در سازمان‌های دولتی انجام شده است. سازمان‌های دولتی به دلیل نقش حیاتی در ارائه خدمات عمومی، با چالش‌هایی همچون بوروکراسی پیچیده، ناکارآمدی فرآیندها، عدم شفافیت و مقاومت در برابر تغییر روبه‌رو هستند که پیامد آن کاهش بهره‌وری، افزایش هزینه‌ها و نارضایتی شهروندان است. پژوهش حاضر در دو گام انجام شد؛ ابتدا به روش کیفی از طریق مصاحبه نیمه‌ساختاریافته با ۱۷ نفر از خبرگان شامل اساتید دانشگاه و مدیران ارشد وزارت امور اقتصادی و دارایی و سازمان‌های تابعه، مؤلفه‌ها و ابعاد هوشمندسازی سازمانی شناسایی شد. تحلیل داده‌ها به شناسایی ۸۳ مؤلفه منجر گردید که در قالب ۸ مضمون اصلی دسته‌بندی شدند. در گام دوم، اهمیت این مؤلفه‌ها بررسی و مدل نهایی آزمون شد. یافته‌ها نشان می‌دهد که پیش‌نیازهای قانونی و حقوقی هوشمندسازی نقش بسیار مهم و کلیدی در مدل دارد. این متغیر به‌عنوان قویترین محرک مدل (با ضرایب مسیر 478/0 به زیرساخت فناوری و 374/0 به امنیت و شفافیت) شناسایی شد. همچنین زیرساخت فناوری به‌عنوان متغیر واسطه‌ای کلیدی، اثر مستقیم و معناداری بر یکپارچه‌سازی سامانه‌ها (353/0β=)، تعیین اولویت‌ها (251/0β=)، و انگیزش کارکنان (215/0β=) دارد. همچنین این متغیر اثر مستقیم بر اصلاح نظام اداری (237/0β=)، کاهش مقاومت سازمانی (204/0-β=) و بهبود هماهنگی بین سازمانی (۰.۲۲۰β=) دارد. از سویی مقاومت سازمانی اثر منفی و معناداری بر اصلاح نظام اداری دارد (257/0-β=). همچنین هماهنگی بین سازمانی اثر مثبت و قوی بر اصلاح نظام اداری دارد (317/0β=) از این رو مدل به‌دست‌آمده نشان می‌دهد که اصلاح نظام اداری نه یک رویداد، بلکه یک فرایند پویا است که نیازمند هماهنگی سه‌گانه قانون‌گذاری هوشمند، زیرساخت‌های فناورانه و مدیریت تغییر سازمانی است. نتایج به‌دست‌آمده نشان می‌دهد که هوشمندسازی در وزارت امور اقتصادی و دارایی تنها در صورتی به نتیجه مطلوب می‌رسد که قوانین همسو با فناوری‌های نوین بازنگری شوند، زیرساخت‌های فنی به‌صورت ملی و یکپارچه توسعه یابند و مقاومت کارکنان از طریق مشارکت و توانمندسازی کاهش یابد.

استناد: صادر، شهرام؛ محبی، سراج‌الدین و سلطانی، حسن (1404). ارائه مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری در سازمان‌های دولتی. فصلنامه مطالعات توسعه و مدیریت منابع، 3 (10)، 1-10.

واژه‌های کلیدی: اصلاح نظام اداری، سازمان‌های دولتی، هوشمندسازی سازمانی

 

 

 

---

[1]  . نویسنده مسئول: سراج الدین محبی، پست الکترونیکی: [e-mail]

مقدّمه 

سازمان‌های امروزی در محیطی پویا و پرتلاطم فعالیت می‌کنند که ویژگی‌های آن شامل نااطمینانی، رقابت فزاینده و تحولات فناورانه است. این شرایط سازمان‌ها را وادار به اتخاذ رویکردهای نوین مانند «هوشمندسازی سازمانی» کرده است؛ رویکردی که با تکیه بر دانش، فناوری‌های دیجیتال و تحلیل داده‌ها، ظرفیت سازگاری و رقابت‌پذیری سازمان‌ها را ارتقا می‌دهد. سازمان‌های هوشمند به‌عنوان الگویی پیشرو در عصر دانش، نه تنها از طریق به‌کارگیری فناوری‌های نوین، بلکه با تقویت جریان دانش، انعطاف‌پذیری ساختاری و پاسخگویی به محیط، امکان بقا و رشد در شرایط پیچیده را فراهم می‌کنند (Tabarsa et al., 2011; Maccoby, 2015).

با این حال، علیرغم تأکید گسترده بر مزایای هوشمندسازی، پژوهش‌ها نشان می‌دهند که ابعاد فرآیندی و بین‌سازمانی حرکت به‌سوی هوشمندی، به‌ویژه در سازمان‌های دولتی، کمتر مورد توجه قرار گرفته است (Augusto et al., 2009). سازمان‌های دولتی به‌عنوان بازوهای اجرایی حکومت‌ها با چالش‌های ساختاری عمیقی مانند بوروکراسی پیچیده، ناکارآمدی فرآیندها و مقاومت در برابر تغییر مواجه‌اند. این چالش‌ها نه تنها بهره‌وری را کاهش می‌دهد، بلکه اعتماد عمومی را نیز تضعیف می‌کند. در این راستا، هوشمندسازی سازمانی با محوریت اصلاح نظام اداری، به‌عنوان راهکاری کلیدی برای غلبه بر این موانع مطرح شده است.

هوشمندسازی در این چارچوب تنها به معنای اتوماسیون فرآیندها نیست، بلکه مستلزم تحول در ساختارها، فرهنگ سازمانی و تعامل با ذی‌نفعان است تا از طریق فناوری‌های دیجیتال، شفافیت، کارایی و پاسخگویی را بهبود بخشد (Faundez-Ugalde et al., 2020). بررسی ادبیات موجود نشان می‌دهد که بیشتر پژوهش‌ها در حوزه هوشمندسازی بر بخش خصوصی و جنبه‌های فنی تمرکز داشته‌اند، در حالی‌که سازمان‌های دولتی به دلیل ماهیت منحصربه‌فرد خود ـ از جمله وابستگی به سیاست‌های کلان، محدودیت‌های قانونی و انتظارات اجتماعی ـ نیازمند مدل‌های بومی و جامعی هستند که همسو با الزامات اصلاحات اداری طراحی شوند (Davali et al., 2023).

برای نمونه، در ایران، نظام اداری با چالش‌هایی مانند ناهماهنگی بین‌بخشی، تحلیل نادرست داده‌ها و فقدان شفافیت روبه‌رو است که اجرای هوشمندسازی را به ضرورتی اجتناب‌ناپذیر تبدیل کرده است. با این حال، فقدان مدلی یکپارچه که همزمان به ابعاد فناورانه، مدیریتی و فرهنگی هوشمندسازی توجه کند، شکافی پژوهشی محسوب می‌شود. این پژوهش با هدف پرکردن این خلأ، به طراحی مدلی برای هوشمندسازی سازمانی در سازمان‌های دولتی ایران با تأکید بر اصلاح نظام اداری می‌پردازد.

پرسش اصلی تحقیق این است: «مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری در سازمان‌های دولتی چگونه باید طراحی شود؟» در پاسخ، این مطالعه با ترکیب رویکردهای نظری مدیریت تحول، فناوری اطلاعات و حکمرانی هوشمند، چارچوبی ارائه می‌دهد که شامل سطوح استراتژیک، فرآیندی و فناورانه است. اهمیت این مدل در آن است که با در نظر گرفتن ویژگی‌های خاص سازمان‌های دولتی ایران ـ مانند ساختار سلسله‌مراتبی شدید و مقاومت در برابر نوآوری ـ راهکارهای عملیاتی برای کاهش بوروکراسی، افزایش شفافیت و بهبود کیفیت خدمات پیشنهاد می‌کند.

از جنبه نظری، این پژوهش با تلفیق دیدگاه‌های مرتبط با هوشمندسازی سازمانی (Kaviyani et al., 2017) و اصلاحات اداری (El Haiba et al., 2017) به غنای ادبیات این حوزه می‌افزاید. از منظر کاربردی، مدل پیشنهادی می‌تواند به سیاست‌گذاران در طراحی برنامه‌های تحول اداری مانند طرح «پنجره واحد خدمات دولت» کمک کند تا با بهره‌گیری از فناوری‌های هوشمند (مانند هوش مصنوعی و کلان‌داده‌ها)، فرآیندها را ساده‌سازی، هزینه‌ها را کاهش و رضایت شهروندان را افزایش دهند. همچنین توجه همزمان به الزامات فنی (مانند توسعه سامانه‌های اطلاعاتی) و الزامات انسانی (مانند توانمندسازی نیروی انسانی) در این مدل، احتمال موفقیت اجرای هوشمندسازی را در سازمان‌های دولتی بالا می‌برد.

با توجه به تحولات اخیر در فناوری‌های دیجیتال و فشار فزاینده برای بهبود عملکرد دولت‌ها، این پژوهش مسیر جدیدی را برای ادغام هوشمندسازی در اصلاحات ساختاری پیشنهاد می‌دهد. علاوه بر این، با توجه به کمبود مطالعات تجربی در کشورهای درحال‌توسعه، نتایج این تحقیق می‌تواند به درک بهتر موانع و فرصت‌های هوشمندسازی در این بافت‌ها کمک کند و الگویی برای سایر کشورهای با شرایط مشابه ارائه دهد. در نهایت، این مدل با تقویت تعادل بین ذخیره‌سازی و تبادل دانش به‌عنوان هسته سازمان‌های هوشمند، می‌تواند به توسعه پایدار نظام اداری و بهبود حکمرانی در سطح کلان بینجامد (Mehdi Beigi & Yaqoubi, 2021).

 

مبانی نظری و پیشینه پژوهش

هوشمندسازی سازمانی به استفاده از فناوری‌های پیشرفته مانند هوش مصنوعی، اینترنت اشیا و کلان‌داده‌ها برای بهبود کارایی، شفافیت و کیفیت خدمات در سازمان‌ها اشاره دارد (Amini et al, 2024). این فرآیند مبتنی بر تبدیل داده‌ها به دانش و استفاده از آن برای تصمیم‌گیری‌های استراتژیک است. هوشمندسازی سازمانی شامل ابعادی مانند اتوماسیون فرآیندها، تحلیل پیش‌بینی و سیستم‌های هوشمند است که به سازمان‌ها امکان می‌دهد خطاهای انسانی را کاهش داده و سرعت انجام کارها را افزایش دهند (Mehdi Beigi & Yaqoubi, 2021). از سوی دیگر، اصلاح نظام اداری به‌عنوان زیربنای تحول در سازمان‌های دولتی، بر کاهش بوروکراسی، افزایش سرعت ارائه خدمات و بهبود رضایت ذی‌نفعان تمرکز دارد. این اصلاحات با استفاده از فناوری‌های دیجیتال و تغییرات ساختاری، به شفافیت و پاسخگویی بیشتر منجر می‌شود (Abul Maali et al, 2020).

در پیشینه داخلی، مطالعاتی مانند پژوهش امینی و همکاران (۱۴۰۳) بر طراحی الگوی هوشمندسازی با تأکید بر سرمایه فکری و فناوری تمرکز کرده‌اند. این پژوهش نشان می‌دهد که ترکیب منابع دانشی و زیرساخت‌های فناورانه، نقش کلیدی در موفقیت هوشمندسازی دارد. مهدی بیگی و یعقوبی (۱۴۰۰) نیز نقش سازمان‌های هوشمند را در اصلاح نظام اداری بررسی کرده و بیان می‌کنند که این سازمان‌ها با استفاده از یادگیری مستمر و مدیریت دانش، توانایی سازگاری با محیط متغیر را افزایش می‌دهند. از جمله چالش‌های شناسایی‌شده در پژوهش‌های داخلی، کمبود نیروی متخصص و محدودیت‌های زیرساختی است که اجرای هوشمندسازی را با دشواری مواجه می‌کند (Basiri, 2021). امینی و همکاران (۱۴۰۱) در پژوهشی با روش فراترکیب، الگوی مفهومی هوشمندسازی سازمان‌های دولتی را طراحی کرده و عوامل زمینه‌ای، حاکمیتی، راهبردها و پیامدهای هوشمندسازی را شناسایی نمودند. بیاتی و همکاران (۱۴۰۳) با تحلیل مضمون، مدلی برای اجرای خط‌مشی‌های عمومی با رویکرد مسئولیت اجتماعی ارائه دادند و نقش فرهنگ سازمانی را در اصلاح نظام اداری برجسته کردند. دوالی و همکاران (۱۴۰۳) با استفاده از گرندد تئوری، مدلی مبتنی بر عوامل علّی و زمینه‌ای هوشمندسازی در شرکت فومن شیمی طراحی کردند و تبدیل سازمان به سازمان یادگیرنده را از طریق فناوری کلیدی دانستند.

جعفری باغی‌آبادی و همکاران (۱۴۰۱) در مطالعه‌ای مروری-تحلیلی، ضرورت اشتراک دانش میان‌سازمانی در شهرهای هوشمند را بررسی کرده و کاهش هزینه‌ها و افزایش کارایی را از طریق مدیریت دانش نشان دادند. مهدی بیگی و یعقوبی (۱۴۰۰) نقش سازمان هوشمند را در اصلاح نظام اداری تحلیل کرده و تطبیق رفتار سازمان با دانش محیطی را حیاتی ارزیابی نمودند. بصیری (۱۴۰۰) در پژوهشی پیمایشی، موانع هوشمندسازی کتابخانه‌های دانشگاهی را کمبود نیروی متخصص، امکانات زیرساختی و بودجه معرفی کرد. ابوالمعالی و همکاران (۱۳۹۹) با تحلیل مضمون، الگویی برای اصلاحات اداری مبتنی بر حکمرانی دیجیتال ارائه دادند و بازمهندسی فرهنگی را اولویت اصلی دانستند. ناصری‌زاده (۱۳۹۹) تأثیر مثبت هوشمندسازی و مشارکت کارکنان بر عملکرد شغلی را با تأکید بر هوش رقابتی و عاطفی نشان داد. نصیری (۱۳۹۷) در تحقیقی با روش آزمون فریدمن، عوامل انسانی را به‌عنوان کلید موفقیت هوشمندسازی اداری معرفی کرد. رضایی و همکاران (۱۳۹۷) با روش دلفی فازی، ده بعد مؤثر بر پیاده‌سازی هوشمندی کسب‌وکار در بانکداری را شناسایی کرده و بر کیفیت داده و قابلیت سیستم تأکید نمودند.

در پژوهش‌های خارجی، کولبیورنسرود¹ (2024) شش اصل همکاری انسان و هوش مصنوعی شامل افزودن، ارتباط، جایگزینی، تنوع، همکاری و توضیح را معرفی کرده و تعامل مکمل بین این دو را ضروری دانست. نیومن² و همکاران (2022) استدلال کردند که فناوری‌های دیجیتال بوروکراسی را تقویت می‌کنند و پارادوکس فناوری ـ بوروکراسی را با بازخوانی نظریه وبر توضیح دادند. اسماعیل و العسعس (2020) رابطه مثبت بین چشم‌انداز استراتژیک هوشمندسازی و چابکی تصمیم‌گیری در بانک‌های سوریه را نشان دادند. فالِتا و کومبز³ (2018) مدلی با مؤلفه‌های محیطی، استراتژی، فناوری و فرهنگ ارائه دادند و نقش رهبری و فرهنگ سازمانی را پررنگ کردند. ایستودور⁴ و همکاران (2016) هوشمندسازی اقتصادی را در توسعه پایدار انرژی تجدیدپذیر بررسی کرده و مدیریت دانش و نوآوری را کلیدی دانستند. المطیری و زین⁵ (2024) تأثیر اصلاحات قانونی بر تسهیل کسب‌وکار در عربستان سعودی را تحلیل کرده و سیاست‌های امنیتی و فناورانه را مؤثر ارزیابی نمودند. راپینی⁶ (2023) شکست اصلاحات اداری در ایتالیا را ناشی از بی‌تفاوتی نخبگان سیاسی دانست. پازیره و همکاران⁷ (2019) در توسعه الگوی سازمان هوشمند، مدیریت سازمان را تأثیرگذارترین متغیر معرفی کرده و ارتباط مثبت تفکر سیستمیک با هوشمندسازی را نشان دادند.

 

مواد و روش تحقیق

این تحقیق با به‌کارگیری روش تحقیق آمیخته (کیفی و کمی) انجام شد. در گام اول که جنبه کیفی داشت، مولفه‌ها، ابعاد و مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری شناسایی شد. در گام دوم که مرحله کمی تحقیق بود، اهمیت مولفه‌ها و ابعاد تعیین شده و مدل استخراج شده آزمون گردید.

در بخش کیفی، جامعه آماری شامل اساتید دانشگاه و مدیران ارشد وزارت امور اقتصادی و دارایی و سازمان‌های تابعه بود که در حوزه شغلی خود دارای تجربه مدیریتی غنی و مدارک تحصیلی عالی بودند. در این بخش، تعداد ۱۷ خبره در تحقیق شرکت کردند. در بخش کمی، نمونه آماری شامل مدیران و کارشناسان وزارت امور اقتصادی و دارایی و سازمان‌های تابعه بود. با توجه به تعداد جامعه آماری (حدود ۲۵۰۰ نفر)، حجم نمونه با استفاده از فرمول کوکران ۳۳۳ نفر در نظر گرفته شد و روش نمونه‌گیری به صورت تصادفی در دسترس انجام شد.

در این پژوهش از سه پرسشنامه استفاده گردید:

1.       پرسشنامه نیمه‌ساختاریافته برای مصاحبه با خبرگان درباره هوشمندسازی سازمانی؛

2.       پرسشنامه مدل‌سازی ساختاری تفسیری (ISM) که به صورت ماتریسی طراحی شده و مؤلفه‌ها را به صورت دوبه‌دو مقایسه می‌کند؛ 

3.       پرسشنامه برای آزمون مدل استخراج شده با استفاده از مدل‌سازی معادلات ساختاری، شامل ۴۴ گویه.

برای انجام مصاحبه نیمه‌ساختاریافته، از پرسشنامه محقق‌ساخته با ۸ سؤال باز استفاده شد. پس از پایان فرایند مصاحبه، کدگذاری و تحلیل مضمون، مولفه‌ها و مقوله‌های مهم در زمینه طراحی مدل هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری شناسایی شد. بر اساس نظر استاد راهنما و محقق، هشت متغیر شناسایی شده در تحلیل مضمون با متغیر اصلاح نظام اداری ادغام و پرسشنامه مقایسه زوجی طراحی شد. این پرسشنامه با طیف لیکرت ۴ درجه‌ای به خبرگان و افراد با سابقه وزارت امور اقتصادی و دارایی ارائه گردید.

برای آزمون مدل، پرسشنامه‌ای شامل ۴۴ گویه طراحی شد. هر سه پرسشنامه (مصاحبه نیمه‌ساختاریافته، پرسشنامه مقایسه زوجی، پرسشنامه سنجش مدل) پس از دریافت نظر استاد راهنما، مشاور و کارشناسان وزارت امور اقتصادی و دارایی و اعمال اصلاحات، تایید شدند.

روایی محتوایی پرسشنامه‌ها به شکل کمی با استفاده از ضریب نسبی روایی محتوا (CVR) بررسی شد. به این منظور، متخصصان هر عامل را بر اساس طیف سه قسمتی «ضروری است»، «مفید ولی ضرورتی ندارد» و «ضرورتی ندارد» ارزیابی کردند. با توجه به تعداد ۱۷ خبره، مقادیر CVR همه مؤلفه‌ها در فصل چهارم بالاتر از 42/0 بود و بنابراین روایی مضامین استخراج شده تأیید گردید. برای بررسی پایایی نیز از ضریب آلفای کرونباخ استفاده شد و با توجه به اینکه میزان آلفای کرونباخ گویه‌ها بالاتر از ۰.۷ بود، پایایی پرسشنامه تأیید شد.

 

جدول 1. ضریب آلفای کرونباخ هر یک از متغیرهای سازه‌ای مدل پژوهش

ردیف	متغیرهای سازه‌ای	تعداد گویه	آلفای کرونباخ	ردیف	متغیرهای سازه‌ای	تعداد گویه	آلفای کرونباخ
1	امنیت و شفافیت	6	849/0	6	مقاومت سازمانی و فرهنگی	4	735/0
2	انگیزش، توانمندسازی و مشارکت کارکنان	5	781/0	7	هماهنگی بین سازمانی	5	866/0
3	پیش نیازهای قانونی و حقوقی هوشمند سازی	6	786/0	8	یکپارچه‌سازی سامانه‌ها	4	748/0
4	تعیین اولویت و فرایندها هوشمند سازی	6	785/0	9	اصلاح نظام اداری	4	846/0
5	زیرساخت فناوری	4	861/0

 

در این تحقیق، برای تجزیه و تحلیل داده‌ها در بخش تحلیل متن پاسخ‌های مصاحبه‌ها، از روش تحلیل مضمون با استفاده از کدگذاری بهره گرفته شد. پس از جمع‌بندی نتایج تحلیل مضمون و شناسایی عوامل اصلی، پرسشنامه زوجی طراحی گردید. این پرسشنامه به‌عنوان پرسشنامه مقایسه زوجی عمل کرده و شامل ۸ عامل استخراج شده از تحلیل مضمون به همراه عامل اصلاح نظام اداری (مجموعاً ۹ عامل) بود که با یکدیگر به صورت دوبه‌دو مقایسه شدند. برای تعیین اهمیت نسبی عوامل، خبرگان تصمیم‌گیری کردند. در خانه‌های جدول، هر دو عامل به‌صورت جفتی مقایسه شدند و عامل مهم‌تر با نمره‌ای مبتنی بر درجه اهمیت مشخص گردید. بدین ترتیب، هر پاسخ‌دهنده با مقایسه عوامل سطری با عوامل ستونی، اهمیت هر یک از مولفه‌ها را نسبت به سایر عوامل تعیین کرد. در ادامه، اهمیت نسبی هر مؤلفه برای هر پاسخ‌دهنده محاسبه و در نهایت میانگین نظرات همه پاسخ‌دهندگان در ماتریس مقایسه زوجی به دست آمد و گرد شدنمره نهایی حاصل، که به صورت یک ماتریس مقایسه زوجی بود، در نرم‌افزار MICMAC وارد شد. در این پژوهش، از تکنیک تحلیل ساختاری با استفاده از نرم‌افزار MICMAC برای بررسی روابط و اهمیت عوامل بهره گرفته شد.

 

بحث و ارائه یافته‌ها 

 مشخصات جمعیت شناختی خبرگان شرکت کننده در مصاحبه در جدول 2 نشان داده می‌شود. همچنین در ادامه نتایج مصاحبه‌های انجام شده تحلیل مضمون می‌شود. از 17 خبره‌ای که در مرحله اول پژوهش مشارکت داشتند، همگی مرد بودند. همچنین از لحاظ سنی اکثریت خبرگان شرکت کننده در مصاحبه در 46 تا 55 سال قرار داشتند.

 

جدول 2. آمار توصیفی متغیرهای جمعیت شناختی 

خبرگان (17 =n)				کارشناسان (333 =n)
متغیر	طبقات	تعداد	درصد	متغیر	تعداد	درصد	طبقات
جنسیت	مرد	17	100	مرد	268	5/80	مرد
	زن	0	0	زن	65	5/19	زن
تحصیلات	فوق‌لیسانس	1	6	لیسانس	102	5/30	لیسانس
	دکتری	16	94	فوق لیسانس	199	9/59	فوق لیسانس
سابقه کاری	11-15 سال	8	05/47	دکتری	32	6/9	دکتری
	16-20 سال	1	89/5	11-15 سال	150	1/45	11-15 سال
	21-25 سال	1	89/5	16-20 سال	101	2/30	16-20 سال
	بالاتر از 25 سال	7	17/41	21-25 سال	82	7/24	21-25 سال
سن	26-35 سال	1	89/5	26-35 سال	49	8/14	26-35 سال
	36-45 سال	5	41/29	36-45 سال	116	9/34	36-45 سال
	46-55 سال	11	7/64	46-55 سال	117	2/35	46-55 سال

 

پس از بررسی متن مصاحبه‌ها، کدهای اولیه (بارز) پیشنهادها استخراج شد. از درون این کدهای اولیه، مضامین اولیه نام‌گذاری گردید و سپس این مضامین در دسته‌های کلی‌تر تحت عنوان ابعاد هوشمندسازی و اصلاح نظام اداری سازماندهی شدند. بدین ترتیب، مفاهیم و پیشنهادهای ارائه شده از متن مصاحبه استخراج و به صورت کدهای اولیه و خلاصه‌شده در جدول ارائه شد. در نهایت، از این کدهای اولیه، زیرمضامین و مضامین اصلی استخراج گردید. پس از استخراج مضامین اصلی، این مضامین در قالب پرسشنامه مقایسه زوجی به خبرگان ارائه شد و پس از اخذ نظرات پاسخ‌دهندگان، از مدل‌سازی ساختاری تفسیری (ISM) با استفاده از نرم‌افزار MICMAC بهره گرفته شد.

بر اساس نتایج تحلیل مضمون، ۸ متغیر کلیدی اصلی شناسایی شد و متغیر اصلاح نظام اداری به‌عنوان متغیر وابسته اصلی، نهمین متغیر بود که به ماتریس مقایسه زوجی اضافه شد. پس از جمع‌آوری ۱۷ ماتریس مقایسه زوجی، میانگین نمره هر خانه ماتریس محاسبه و به صورت عدد صحیح گرد شد. بنابراین، ابعاد ماتریس اثرات متقاطع ۹×۹ بود.

نرخ پرشدگی ماتریس ۶۵.۴٪ بود که نشان می‌دهد عوامل انتخاب شده تأثیر زیاد و پراکنده‌ای بر یکدیگر نداشته‌اند. در این ماتریس، ۲۸ خانه با عدد صفر (بدون تأثیر) وجود داشت که معادل ۳۴.۶٪ کل حجم ماتریس است. از مجموع ۵۳ رابطه قابل ارزیابی، تعداد ۱‌ها برابر با ۱۷ (۳۲.۱٪) و تعداد ۲‌ها برابر با ۲۰ (۳۷.۷٪) از کل حجم پر شده بودند. همچنین تعداد ۳‌ها برابر با ۱۶ بود که معادل ۳۰.۲٪ از کل حجم ماتریس پر شده را تشکیل می‌دهد.از نظر شاخص‌های آماری، ماتریس پس از دو بار چرخش داده‌ها از مطلوبیت و بهینه‌سازی ۹۵٪ برخوردار بود که حاکی از روایی بالای پرسشنامه و پاسخ‌ها است.

 

جدول3. تحلیل اولیه داده‌های ماتریس و تاثیرات متقاطع برای مدیران 

شاخص		مقدار
اندازه ماتریس		9×9
تعداد تکرار		2
ماتریس خالی	بدون تاثیر	تعداد صفرها	20 (6/34 درصد)
ماتریس پر شده	تاثیر ضعیف	تعداد یک‌ها	22 ( 1/36 درصد)
	تاثیر متوسط	تعداد دو‌ها	22 ( 1/36 درصد)
	تاثیر قوی	تعداد سه‌ها	17 ( 2/30 درصد)
تاثیر بالقوه		تعداد بالقوه	0
مجموع ماتریس پر شده		61
جمع کل ماتریس		81
نرخ پر شدگی ماتریس		75.3

 

در شکل 1 موقعیت و پراکندگی متغیرها نشان داده شده است همانگونه که ملاحظه می‌شود توزیع متغیرها بصورت قطری از سمت شمال غرب به سمت جنوب شرق کشیده شده است. از وضعیت صفحۀ پراکندگی متغیرهای هوشمندسازی سازمانی برای اصلاح نظام اداری در سازمان‌های دولتی مشاهده می‌شودکه سیستم ناپایدار است. اکثر متغیرها در اطراف محور قطری صفحه، پراکنده هستند. به غیر از 2 متغیر امنیت و شفافیت و متغیرانگیزش، توانمندسازی و مشارکت کارکنان بقیۀ متغیرها از وضعیت به طورتقریبی مشابهی نسبت به همدیگر برخوردارند که فقط شدت و ضعف آنها با هم متفاوت است. 

 

 

شکل 1. موقعیت و پراکندگی متغیرها درپلان

 

متغیرهای مؤثر در این پژوهش بر اساس نقش و تأثیرگذاری در سیستم به چهار دسته تقسیم شده‌اند: متغیرهای تأثیرگذار (شمال غربی نمودار) مانند «پیش‌نیازهای قانونی» و «زیرساخت فناوری»، که به‌عنوان ورودی‌های کلیدی سیستم، کنترل‌پذیری کمی دارند و بیشترین تأثیر را بر محیط می‌گذارند. متغیرهای دو وجهی (شمال شرقی) نظیر «تعیین اولویت و فرایندهای هوشمندسازی»، که هم تأثیرپذیر و هم تأثیرگذارند و تغییرات در آنها واکنش‌های زنجیرهای ایجاد می‌کند. متغیرهای هدف (زیر خط قطری شمال شرقی) مانند «تعیین اولویت هوشمندسازی»، که نتایج مطلوب سیستم را نشان می‌دهند. متغیرهای تأثیرپذیر (جنوب شرقی) شامل «یکپارچگی سامانه‌ها»، «مقاومت فرهنگی»، «هماهنگی بین‌سازمانی» و «اصلاح نظام اداری»، که به عنوان خروجی‌های سیستم، وابستگی بالایی به سایر عوامل دارند. در نهایت، متغیرهای مستقل (جنوبی) مانند «امنیت و شفافیت» و «توانمندسازی کارکنان»، که ارتباط ضعیفی با سیستم دارند، اما در ترکیب با متغیرهای دیگر می‌توانند نقش ایفا کنند. این دسته بندی نشاندهنده نقش متفاوت هر متغیر در پویایی سیستم و ضرورت مدیریت هدفمند آنهاست. در جدول 4 اثرات مستقیم مولفه‌های تعیین کننده هوشمندسازی سازمانی برای اصلاح نظام اداری در سازمان‌های دولتی بر اساس رتبه بدست آمده نشان داده شده‌اند. در ماتریس متقاطع ، جمع اعداد سطرهای هر ستون میزان اثر گذاری و جمع ستونی هر متغیر نیز میزان اثر پذیری آن متغیر را از متغیرهای دیگر نشان می‌دهد، بر اساس نتایج تحلیل این ماتریس، 6 متغیری که بیشترین تاثیر گذاری مستقیم را دارند به ترتیب عبارتند از : پیش نیازهای قانونی و حقوقی هوشمند سازی رتبه اول را دارد و پس از آن متغیر زیرساخت فناوری که رتبه دوم را دارد و متغیر تعیین اولویت و فرایندها هوشمند سازی رتبه سوم اهمیت را دارد و متغیر امنیت و شفافیت هوشمندسازی رتبه چهارم را دارد و همچنین متغیر انگیزش، توانمندسازی و مشارکت کارکنان در رتبه پنجم قرار دارد. متغیر یکپارچه‌سازی سامانه‌ها در رتبه ششم را در بین متغیرهای موثر بر هوشمندسازی سازمانی برای اصلاح نظام اداری در سازمان‌های دولتی را دارد. 

 

جدول4. اثرات مستقیم مولفه‌های عوامل موثر بر هوشمندسازی سازمانی برای اصلاح نظام اداری در سازمان‌های دولتی از نظر مدیران

رتبه اهمیت	مولفه و متغیر	اثرات مستقیم
		میزان اثر گذاری	میزان اثر پذیری
1	پیش نیازهای قانونی و حقوقی هوشمند سازی	19	6
2	زیرساخت فناوری	18	10
3	تعیین اولویت و فرایندها هوشمند سازی	15	15
4	امنیت و شفافیت هوشمندسازی	13	11
5	انگیزش، توانمندسازی و مشارکت کارکنان	12	11
6	یکپارچه‌سازی سامانه‌ها	12	14
7	اصلاح نظام اداری	10	21
8	مقاومت سازمانی و فرهنگی	9	14
9	هماهنگی بین سازمانی	9	15
10	کل	117	117

 

در شکل 2 مهمترین اثرات مستقیم متغیرها بصورت خلاصه نشان داده شده است. همانگونه که ملاحظه می‌شود، متغیر پیش نیازهای قانونی و حقوقی هوشمند سازی بر امنیت و شفافیت هوشمندسازی و همچنین زیرساخت فناوری مستقیما تاثیرگذار است، از سویی متغیر امنیت هم بر مقاومت سازمانی و فرهنگی تاثیر گذار بوده و متغیر زیرساخت فناوری هم بر انگیزش، توانمندسازی و مشارکت کارکنان، یکپارچه‌سازی سامانه‌ها و تعیین اولویت و فرایندها هوشمند سازی تاثیر گذار است. همچنین میزان مقاومت سازمانی و فرهنگی تابع امنیت و شفافیت هوشمندسازی ، انگیزش، توانمندسازی و مشارکت کارکنان و همچنین تعیین اولویت و فرایندها هوشمند سازی است. در نهایت اصلاح نظام اداری تابع میزان مقاومت سازمانی و فرهنگی و همچنین تغییرات در پیش نیازهای قانونی و حقوقی هوشمند سازی و هماهنگی بین سازمانی و همچنین تعیین اولویت و فرایندها هوشمند سازی است. همچنین در شکل 5 پلان مهمترین روابط غیر مستقیم متغیرها نشان داده شده است. نتایج نشان می‌دهد که مهمترین نتیجه تاثیر و تاثر عوامل موثر بر هوشمندسازی سازمانی برای اصلاح نظام اداری در سازمان‌های دولتی ، زیر ساختهای فناوری و پیش نیازهای قانونی و حقوقی هوشمند سازی است.

 

 

شکل 2. پلان مهمترین روابط غیر مستقیم متغیرها ( منبع: محاسبات محقق)

 

بر اساس نتایج تحلیل ساختاری تفسیری (ISM)، اولین متغیر مهم در مدل، پیش‌نیازهای قانونی و حقوقی هوشمندسازی است که به‌عنوان پایه و اساس مدل در نظر گرفته می‌شود. بدون وجود چارچوب‌های حقوقی مناسب، مانند قوانین حریم خصوصی و استانداردهای امنیتی، سایر مؤلفه‌ها نمی‌توانند به‌طور مؤثر پیاده‌سازی شوند (Ahmed et al, 2021). این متغیر تأثیر مستقیم بر متغیرهای امنیت و شفافیت هوشمندسازی و همچنین بر زیرساخت فناوری و یکپارچه‌سازی سامانه‌ها دارد.در واقع، بدون چارچوب‌های قانونی (مانند قوانین حاکم بر داده‌ها، اصلاح قوانین اداری و الزامات شفافیت)، سایر اقدامات فاقد مشروعیت و امکان اجرایی هستند (Janssen & Estevez, 2013; Mergel, 2016). متغیر زیرساخت فناوری و یکپارچه‌سازی سامانه‌ها در این مدل، به‌عنوان محور اصلی هوشمندسازی عمل می‌کند. تقویت و اصلاح زیرساخت فناوری و یکپارچه‌سازی سامانه‌ها، پیش‌نیاز تحقق اهداف هوشمندسازی، مانند کاهش بوروکراسی، است. همچنین ادغام سامانه‌های پراکنده شرط لازم برای بهینه‌سازی فرآیندها و کاهش موازی‌کاری محسوب می‌شود. این متغیر به‌طور مستقیم بر تعیین اولویت‌ها و فرآیندهای هوشمندسازی سازمانی، امنیت و شفافیت سازمانی و همچنین هماهنگی بین‌سازمانی تأثیر دارد.از سوی دیگر، متغیر امنیت و شفافیت هوشمندسازی سازمانی نقش تسهیل‌گر اعتماد در سیستم را ایفا می‌کند و به نوبه خود موجب افزایش شفافیت، مشارکت کارکنان و کاهش مقاومت سازمانی می‌شود. بنابراین، این متغیر بر انگیزش، توانمندسازی، مشارکت کارکنان و همچنین مقاومت سازمانی و فرهنگی تأثیر مستقیم دارد.

متغیر تعیین اولویت و فرایندها به‌عنوان راهبرد عملیاتی مدل مطرح شده است. تعیین فرایندهای کلیدی، مانند اتوماسیون اداری، برای تحقق هوشمندسازی سازمانی ضروری است. این متغیر به‌طور مستقیم بر هماهنگی بین سازمانی و همچنین مقاومت سازمانی و فرهنگی تأثیر دارد، چرا که طراحی نامناسب فرایندها می‌تواند مقاومت را افزایش دهد.

متغیر هماهنگی بین سازمانی هوشمندسازی نقش سازوکار همکاری را ایفا می‌کند. این متغیر، هماهنگی میان بخش‌های مختلف، یکپارچه‌سازی سامانه‌های هوشمندسازی و کاهش موازی‌کاری را ممکن می‌سازد و به نوبه خود بر اصلاح نظام اداری (به‌عنوان خروجی نهایی) تأثیرگذار است. از سوی دیگر، انگیزش، توانمندسازی و مشارکت کارکنان به‌عنوان موتور محرکه تغییرات سازمانی عمل می‌کند؛ بدون مشارکت فعال کارکنان، هوشمندسازی سازمانی با شکست مواجه خواهد شد. این متغیر به کاهش مقاومت سازمانی و فرهنگی و موفقیت در تعیین اولویت‌ها و فرایندها کمک می‌کند.

متغیر مقاومت سازمانی و فرهنگی به‌عنوان عامل بازدارنده یا تسهیل‌گر در مدل ظاهر می‌شود. مقاومت می‌تواند ناشی از ترس از تغییر یا ناآگاهی باشد و تأثیر معکوس بر سایر متغیرهای مدل، به‌ویژه هماهنگی بین سازمانی و یکپارچه‌سازی سامانه‌ها دارد.

پس از استخراج مدل و مشخص شدن ابعاد و مولفه‌های آن، مدل بدست آمده آزمون شد. اطلاعات و داده‌های مورد نیاز برای آزمون مدل با استفاده از پرسشنامه نهایی سنجش مدل هوشمندسازی سازمانی (شامل 44 گویه محقق‌ساخته) جمع‌آوری و توسط نرم‌افزار Smart-PLS تحلیل شدند. از آنجایی که مقادیر آلفای کرونباخ برای همه متغیرهای پنهان (سازه‌ها) بالاتر از 7/0 بود، پایایی مدل اندازه‌گیری تأیید شد. همچنین مقدار معیار پایایی مرکب (CR) برای بررسی همسانی درونی مدل باید از 7/0 بالاتر باشد؛ نتایج نشان می‌دهد که CR برای همه متغیرهای پنهان بیش از 7/0 است.

در جدول ضمیمه 5، بارهای عاملی متغیرهای مشاهده‌شده بر متغیرهای پنهان نشان داده شده است. از آنجایی که مقادیر بارهای عاملی بالاتر از 5/0 است، روایی مدل اندازه‌گیری انعکاسی تأیید می‌شود. همچنین مقدار t بارهای عاملی در سطح α = 0.01 معنی‌دار است، زیرا مقادیر t محاسبه‌شده از t بحرانی = 58/2 بالاتر هستند. بنابراین، بارهای عاملی متغیرهای مشاهده‌شده بر عامل‌های پنهان معنی‌دار بوده و اعتبار عاملی متغیرهای مشاهده‌شده در اندازه‌گیری متغیرهای پنهان در مدل اجرا شده را تأیید می‌کند.

در جدول 6، ضرایب مسیر بین متغیرهای مدل و همچنین مقادیر t و سطح معناداری ارائه شده است. نتایج نشان می‌دهد که ضریب مسیر استاندارد بین متغیرهای مدل معنادار است. با توجه به اینکه مقادیر t محاسبه‌شده در مسیرهای مدل بالاتر از 58/2 هستند، تمام ضرایب مسیر و روابط مفروض در مدل در سطح احتمال 01/0 معنی‌دار بوده و بنابراین مدل طراحی‌شده تأیید می‌شود.

 

نتیجه‌گیری و ارائه پیشنهاد‌ها

نتایج حاصل از تحلیل ساختاری تفسیری نشان می‌دهد که شش متغیر کلیدی به‌عنوان عوامل تعیین‌کننده هوشمندسازی سازمانی با هدف اصلاح نظام اداری در سازمان‌های دولتی ایفای نقش می‌کنند. این یافته‌ها با ادبیات پیشین همسو بوده و در برخی موارد، تکمیل‌کننده یا اصلاح‌کننده آن هستند. در ادامه، این نتایج در چارچوب پیشینه پژوهشی تبیین می‌شوند. یافته‌ها نشان داد که پیش‌نیازهای قانونی و حقوقی هوشمندسازی رتبه اول اهمیت را دارد. این نتیجه با مطالعاتی مانند Newman et al. (2022) و Almutairi & Zain (2024) همخوانی دارد که بر ضرورت چارچوب‌های حقوقی شفاف برای تحول دیجیتال تأکید می‌کنند. پژوهش حاضر نشان می‌دهد که بدون قوانین حمایتی، مانند حریم خصوصی داده‌ها و استانداردهای امنیتی، حتی پیشرفته‌ترین فناوری‌ها نیز نمی‌توانند منجر به اصلاح پایدار نظام اداری شوند. این یافته با پژوهش Abul Maali et al. (2020) نیز همسو است که بازمهندسی قوانین را پیش‌شرط اصلاحات اداری می‌داند.

متغیر زیرساخت فناوری رتبه دوم را در میان عوامل شناسایی شده در هوشمندسازی سازمانی با تمرکز بر اصلاح نظام اداری دارد. جایگاه این متغیر به‌عنوان دومین عامل تأثیرگذار با یافته‌های Rezaei et al. (2018)، Falletta & Combs (2018) و Nasiri (2018) هماهنگ است که زیرساخت‌های فنی را پایه هوشمندسازی می‌دانند. به‌ویژه، نقش زیرساخت در یکپارچه‌سازی سامانه‌ها نشان می‌دهد که فناوری نه تنها یک ابزار، بلکه زیربنای تحول فرایندها است.

همچنین، متغیر تعیین اولویت و فرایندهای هوشمندسازی رتبه سوم را دارد. این یافته مکمل پژوهش Kolbjornsrud (2024) است که بر «اولویت‌بندی راهبردی» به‌عنوان کلید همکاری انسان و هوش مصنوعی تأکید می‌کند. همچنین با مطالعه Davali et al. (2023) همسوست که «راهبردهای تصمیم‌گیری» را به‌عنوان عامل زمینه‌ساز هوشمندسازی معرفی کرده‌اند. این نتایج نشان می‌دهد که هوشمندسازی بدون نقشه راه روشن، محکوم به شکست است.

نتایج نشان داد که امنیت و شفافیت رتبه چهارم اهمیت را در بین عوامل هوشمندسازی سازمانی دارند و به‌عنوان پلی بین الزامات فنی (زیرساخت) و نتایج نهایی (اصلاح نظام اداری) عمل می‌کنند، که با مطالعات Basiri (2021) و Ismail & Al-Assa’ad (2020) همسو است. انگیزش، توانمندسازی و مشارکت کارکنان رتبه پنجم را دارد و نقش آن فراتر از جنبه‌های فنی هوشمندسازی بوده و نیازمند تحول فرهنگی سازمانی است (Naserizadeh, 2020; Pazireh et al., 2019). یکپارچه‌سازی سامانه‌ها با رتبه ششم، بیشتر به‌عنوان نتیجه اشتراک دانش میان‌سازمانی مطرح است و این یافته با Jafari Baghi Abadi et al. (2022) همخوانی دارد. مقایسه با پیشینه پژوهشی نشان داد که در حالی که Nasiri (2018) عوامل انسانی را تأثیرگذارترین متغیر معرفی کرده است، در این مطالعه این عامل رتبه پنجم را دارد که احتمالاً ناشی از تفاوت نمونه آماری یا روش‌شناسی است و اهمیت امنیت و شفافیت به‌صورت مستقیم کمتر بررسی شده بود که پژوهش حاضر این شکاف را پر می‌کند.

تحلیل مدل نشان داد که هوشمندسازی سازمانی در بخش دولتی یک فرآیند چندلایه و وابسته به زنجیره‌ای از عوامل است و بدون پیش‌نیازهای قانونی و فناورانه نمی‌توان به اصلاح ملموس نظام اداری دست یافت. پیش‌نیازهای قانونی و حقوقی، به‌عنوان قوی‌ترین محرک مدل، با ضرایب مسیر 478/0 به زیرساخت فناوری و 374/0 به امنیت و شفافیت، نقش کلیدی دارند و چارچوب‌های قانونی شفاف، علاوه بر تقویت زیرساخت فناوری، بستر پذیرش هوشمندسازی توسط ذینفعان را فراهم می‌کنند (Newman et al., 2022; Almutairi & Zain, 2024). زیرساخت فناوری به‌عنوان متغیر واسطه‌ای تأثیر مستقیم و معنادار بر یکپارچه‌سازی سامانه‌ها (β=0.353)، تعیین اولویت‌ها (β=0.251) و انگیزش کارکنان (β=0.215) دارد و هماهنگی بین سازمانی را تسهیل می‌کند (Basiri, 2021; Falletta & Combs, 2018). تعیین اولویت فرایندها باعث اجرای هدفمند تغییرات و کاهش مقاومت کارکنان می‌شود (Davali et al., 2023; Kolbjornsrud, 2024) و از سوی دیگر، مقاومت سازمانی اثر منفی و معناداری بر اصلاح نظام اداری دارد (β=-0.257) که ناشی از ترس از تغییر، فقدان مهارت‌های دیجیتال یا نگرانی از شفافیت است (Naserizadeh, 2020; Rapini, 2023).

به این ترتیب، مدل ارائه شده نشان می‌دهد که هوشمندسازی سازمانی یک فرآیند زنجیره‌ای است که از پیش‌نیازهای قانونی و فناورانه آغاز شده و با تعامل عوامل واسطه‌ای مانند تعیین اولویت‌ها، انگیزش کارکنان و کاهش مقاومت، به اصلاح نظام اداری ختم می‌شود و شکاف موجود در ادبیات مرتبط با نقش امنیت، شفافیت و تعیین اولویت فرایندها را پر می‌کند.

هماهنگی بین سازمانی اثر مثبت و قوی بر اصلاح نظام اداری دارد (β=0.317). همکاری وزارت امور اقتصادی و دارایی با سایر نهادها و سازمان‌های ذی‌ربط، مانند وزارت ارتباطات، سازمان برنامه و بودجه و بانک مرکزی، باعث همسویی خط‌مشی‌ها، کاهش موازی‌کاری و تسهیل اشتراک داده‌ها می‌شود. این نتیجه با یافته‌های Jafari Baghi Abadi et al. (2022) همخوانی دارد که اشتراک دانش میان سازمانی را کلید هوشمندسازی می‌دانند.

در مجموع، مدل ارائه‌شده نشان می‌دهد که هوشمندسازی سازمانی یک فرآیند زنجیره‌ای است که از پیش‌نیازهای قانونی و فناورانه آغاز و با عبور از متغیرهای واسطه‌ای، مانند تعیین اولویت‌ها و کاهش مقاومت، به اصلاح نظام اداری ختم می‌شود. این مدل شکاف‌های نظری موجود در ادبیات هوشمندسازی، از جمله پژوهش‌های Amini et al. (2024) و Istudor et al. (2016)، را با تمرکز بر تعامل پویا بین عوامل سخت‌افزاری و نرم‌افزاری پر می‌کند.

مدل ساختاری تأییدشده نشان می‌دهد که اصلاح نظام اداری در وزارت امور اقتصادی و دارایی تنها در سایه هماهنگی سه‌گانه قانون‌گذاری هوشمند، زیرساخت‌های فناورانه پیشرفته و مدیریت تغییر سازمانی امکان‌پذیر است. این مدل هم روابط علّی بین متغیرها را به‌صورت کمی تأیید می‌کند و هم چارچوبی راهبردی برای سیاستگذاران فراهم می‌آورد تا تحول اداری را گام‌به‌گام و مبتنی بر شواهد مدیریت کنند.

نهایتاً، این پژوهش برای نخستین بار تعامل پویا بین زیرساخت فناوری و عوامل انسانی، مانند انگیزش کارکنان، را در وزارت امور اقتصادی و دارایی بررسی کرده و نشان داده است که هوشمندسازی سازمانی یک فرآیند چندلایه و پویا است که موفقیت آن در گرو هماهنگی بین عوامل سخت‌افزاری و نرم‌افزاری است. نوآوری این مدل شامل بررسی امنیت و شفافیت به‌عنوان متغیر مستقل با اثر مستقیم بر کاهش مقاومت سازمانی و تاکید بر تعیین اولویت فرایندها به‌عنوان متغیر پیوندی است. همچنین زیرساخت فناوری نقش واسطه‌ای حیاتی دارد که انگیزش کارکنان را تقویت می‌کند (β=0.215) .بنابراین، مدل ارائه‌شده چارچوبی علمی برای تبدیل وزارت امور اقتصادی و دارایی به سازمانی هوشمند، چابک و پاسخگو فراهم می‌کند و نشان می‌دهد که اصلاح نظام اداری یک فرآیند پویا و چندلایه است که نیازمند هماهنگی همزمان قانون‌گذاری هوشمند، زیرساخت‌های فناورانه و مدیریت تغییر سازمانی است.

 

 

References

1.       Abolmaali, F. S.; Daneshfard, K.; & Pourezat, A. A. (2020). Designing a model of administrative reforms with a digital governance approach. Management of Government Organizations, 8(3), 11–32.

2.       Ahmed, R. K.; Muhammed, K. H.; Lips, S.; Nyman-Metcalf, K.; Pappel, I.; & Draheim, D. (2021). A legal framework for digital transformation. Social Science Research Network, 27, 115–128. https://doi.org/10.2139/ssrn.4182028

3.       Almutairi, M., & Zain, M. (2024). Administrative law reforms for enhancing business environment in Saudi Arabia. Management Science Letters, 14(4), 239–246.

4.       Amini, S. J.; Arvand, H.; Farhang, S.; & Teymouri, M. (2024). Designing and presenting a conceptual model of smartening government organizations. Strategic Management Perspective Quarterly, 2(2), 37–78.

5.       Augusto, J. C. (2009). Editor past, present and future of ambient intelligence and smart environments. In International Conference on Agents and Artificial Intelligence (pp. 3–15). Berlin: Springer.

6.       Basiri, Z. (2021). Feasibility study of smartening university library services in South Khorasan Province using Internet of Things technology based on the perspective of library staff (Master's thesis). University of Birjand.

7.       Bayati, M. A.; Giouki, E.; Moin al-Dini, J.; Anjum, S. Z.; & Nikpour, A. (2024). Model for implementing public policies with a social and ethical responsibility approach toward reforming the administrative system. Ethics in Science and Technology, 19(1), 109–115.

8.       Davali, M. M.; Naghdzadeh, A.; & Rasouli, N. (2023). Designing an organization’s smartization model with data-driven analysis techniques. Information Management Sciences and Technologies, 9(1), 139–170. [In Persian]

9.       El Haiba, M.; Elbassiti, L.; & Ajhoun, R. (2017). Smart organization: Improving innovation performance through recommendation. In Conference of Vision 2020: Sustainable Economic Development, Innovation Management, and Global Growth (pp. 4557–4567). Mohammed V University, Rabat, Morocco.

10.       Falletta, S., & Combs, W. (2018). The organizational intelligence model in context. OD Practitioner, 50(1).

11.       Faúndez-Ugalde, A.; Mellado-Silva, R.; & Aldunate-Lizana, E. (2020). Use of artificial intelligence by tax administrations: An analysis regarding taxpayers’ rights in Latin American countries. Computer Law & Security Review, 38, 1–13.

12.       Ismail, H., & Al-Assa'ad, N. (2020). The impact of organizational intelligence on organizational agility: An empirical study in Syrian private banks. International Journal of Academic Research in Business and Social Sciences, 10(2), 465–483.

13.       Istudor, N.; Ursacescu, M.; Sendroiu, C.; & Radu, I. (2016). Theoretical framework of organizational intelligence: A managerial approach to promote renewable energy in rural economies. Energies, 9(8), 639.

14.       Jafari Baghiabadi, S.; Norouzi, A.; Wasfi, M.; & Moradi, S. (2022). The necessity of inter-organizational knowledge sharing in the smartization of information and knowledge centers in smart cities. Journal of Library and Information Research, 12(2), 5–28.

15.       Janssen, M., & Estevez, E. (2013). Lean government and platform-based governance—Doing more with less. Government Information Quarterly, 30, S1–S8. https://doi.org/10.1016/j.giq.2012.11.003

16.       Kaviyani Joopari, M.; Ghanbari, A. M.; & Peymany Furoshany, M. (2017). Investigation of the factors affecting on probability of company acquisition (Focusing on refining and petrochemical companies). International Journal of Finance & Managerial Accounting, 2(5), 9–22.

17.       Kolbjornsrud, V. (2024). Designing the intelligent organization: Six principles for human-AI collaboration. California Management Review, 66(2), 44–64.

18.       Maccoby, M. (2015). Strategic intelligence: Conceptual tools for leading change. New York: Oxford University Press.

19.       Mehdibeigi, N., & Yaghoubi, E. (2021). Intelligent organization: A development approach based on administrative system reform. Governance and Development, 1(2), 43–60.

20.       Mergel, I. (2016). Agile innovation management in government: A research agenda. Government Information Quarterly, 33(3), 516–523. https://doi.org/10.1016/j.giq.2016.07.004

21.       Nasiri, M. (2018). Investigating factors affecting administrative intelligence and the establishment of e-government in the Management and Planning Organization of Fars Province (Master's thesis). Payam Noor University, Shiraz.

22.       Newman, J.; Mintrom, M.; & O'Neill, D. (2022). Digital technologies, artificial intelligence, and bureaucratic transformation. Futures, 136, 102886.

23.       Pazireh, T.; Rahimi, G. R.; Nejad Irani, F.; & Bohlouli, N. (2019). Model development for establishment of smart organization: Case study of the social security organization. International Transaction Journal of Engineering, Management & Applied Sciences & Technologies, 5(3), 559–563.

24.       Rapini, A. (2023). Administrative science, total war and social reform. A social history of administrative science in Italy, 59–89.

25.       Rezaei, S.; Mir-Abedini, S. J.; & Abtahi, A. (2018). Factors affecting the implementation of business intelligence in the Iranian banking industry. Smart Business Management Studies, 6(23), 33–81.

26.       Tabarsa, G. A.; Rezaian, A.; & Nazaripour, A. (2011). Designing and explaining the competitive advantage model based on organizational intelligence in knowledge-based organizations. Modern Marketing Research, 2(1), 47–72. [In Persian]

 

---

[1]  Kolbjornsrud

[2]  Newman et al

[3]  Falletta & Combs

[4]  Istudor

[5]  Almutairi & Zain

[6]  Rapini

[7]  Pazireh et al