تحلیل و آیندهنگری سناریوهای هوش مصنوعی در صنعت ورزش ایران
محورهای موضوعی : علوم ورزش
شادی رهبر یعقوبی
1
,
مهوش نوربخش
2
,
مهدی کهندل
3
,
سید نعمت خلیفه
4
1 - دانشجو دکتری تخصصی 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: برنامه ریزی مبتنی بر سناریو, جبر تکنولوژیک, خلق شگفتی, صنعت ورزش, هوش مصنوعی,
چکیده مقاله :
این پژوهش به تحلیل و آیندهنگری سناریوهای هوش مصنوعی در صنعت ورزش ایران پرداخته است. این پژوهش از نظر هدف، کاربردی و از نظر ماهیت براساس روش های جدید علم آینده¬پژوهی، تحلیلی اکتشافی محسوب می شود که با استفاده از روش¬های تحلیل آثار متقابل و برنامه¬ریزی سناریو انجام گرفته است. جامعه آماری شامل مقالات مرتبط و کارشناسان حوزه هوش مصنوعی و صنعت ورزش بود. نمونهگیری هدفمند انجام شد و از ۱۸ مطالعه و ۱۸ کارشناس با معیارهای مشخص استفاده شد. ابزار گردآوری دادهها شامل چکلیست، پرسشنامه و ماتریسهای ۲۷×۲۷ و ۱۳×۱۳ بود. برای ارزیابی اعتبار و قابلیت اطمینان به نتایج از راهبردهای قابلیت باورپذیری، تأییدپذیری، مطالعه حسابرسی فرآیند، دلفی در دو دور، روایی صوری و محاسبه ضریب قابلیت اعتماد با روش تنصیف (دو نیمه کردن) استفاده شد. برای تحلیل مرور منابع و دیدگاه های خبرگان از تحلیل محتوا و در ادامه به ترتیب از تحلیل دلفی، تحلیل تأثیر متقابل (تحلیل ساختاری) و تحلیل موازنه تأثیر برگذر (سناریونویسی) استفاده شد. نتایج نشان داد ۲۷ پیشران کلیدی وجود دارد که ۵ مورد از آنها (دگرگونی شغلی، سرمایه گذاری، دامنه گسترش هوش مصنوعی، آمادگی پذیرش فناوری هوش مصنوعی و زیرساخت و تجهیزات) سازنده آینده هوش مصنوعی در ورزش هستند. دو سناریو با امتیاز بالا و احتمال وقوع بیشتر شناسایی شد؛ یکی با شرایط امیدوارکننده (جبر تکنولوژیک) و دیگری با شرایط بحرانی (خلق شگفتی). باورپذیرترین سناریو جبر تکنولوژیک بود که نشان میدهد همزیستی صنعت ورزش با هوش مصنوعی توسعه این صنعت را تسهیل میکند.
This study analyzes and foresees AI scenarios in Iran's sports industry. The research is applied in nature and exploratory in nature, based on new methods of futures studies, and conducted using cross-impact analysis and scenario planning. The statistical population included relevant articles and experts in AI and the sports industry. Purposeful sampling was performed, including 18 studies and 18 experts selected based on specific criteria. Data collection tools included checklists, questionnaires, and 27×27 and 13×13 matrices. To evaluate the validity and reliability of the results, strategies such as credibility, confirmability, process audit studies, Delphi in two rounds, face validity, and split-half reliability coefficient were used. Content analysis was employed for literature review and expert opinions, followed by Delphi analysis, cross-impact analysis (structural analysis), and balance impact analysis (scenario writing). The results identified 27 key drivers, five of which (job transformation, investment, AI expansion scope, AI technology acceptance readiness, and infrastructure and equipment) shape the future of AI in sports. Two scenarios with high scores and higher probability of occurrence were identified: one with promising conditions (technological determinism) and the other with critical conditions (creation of surprise). The most credible scenario was technological determinism, indicating that the coexistence of the sports industry with AI facilitates the development of this industry.
