راهبردهای مدیریت هوشمند و توسعه 3115-9052 2 پیاپی 3 2024 04 01 Decision-Making Models in Smart Policymaking مدل‌های تصمیم‌گیری تطبیقی در سیاست‌گذاری هوشمند 1 11 EN پریسا قنبری گروه مدیریت منابع انسانی، دانشگاه شیراز، شیراز، ایران محمدمهدی صابری گروه مدیریت منابع انسانی، دانشگاه شیراز، شیراز، ایران Journal Article 2024 01 22 <p><strong>Objective:</strong> This study aims to explore the conceptual foundations, theoretical frameworks, components, and outcomes of adaptive decision-making models in smart policymaking, emphasizing data-driven governance, continuous feedback, and institutional learning.</p> <p><strong>Methods and Materials: </strong>This qualitative review was conducted through a systematic analysis of the literature published between 2015 and 2025. Twelve peer-reviewed articles on adaptive decision-making, data-driven governance, and smart policymaking were selected based on relevance and quality. Thematic analysis was performed using NVivo 14 software through open, axial, and selective coding until theoretical saturation was reached.</p> <p><strong>Findings: </strong>The results revealed that adaptive decision-making models are structured around three key dimensions: theoretical foundations (complex systems theory and institutional learning), core components (data-driven decision-making, continuous feedback, institutional flexibility, and stakeholder participation), and practical outcomes (policy effectiveness, decision transparency, and institutional resilience). Integration of artificial intelligence, machine learning, and big data analytics enhances adaptive decision-making as a critical tool for digital governance.</p> <p><strong>Conclusion: </strong>Adaptive decision-making provides a dynamic and learning-oriented framework for smart policymaking, emphasizing responsiveness and continuous improvement. Its successful implementation requires robust data infrastructure, analytical capacity building among policymakers, and institutionalization of learning loops within governance systems.</p> <p><strong>هدف: </strong>هدف این پژوهش، بررسی مفاهیم، چارچوب‌های نظری، مؤلفه‌ها و پیامدهای به‌کارگیری مدل‌های تصمیم‌گیری تطبیقی در سیاست‌گذاری هوشمند با تأکید بر نقش داده‌محوری، بازخورد مستمر و یادگیری نهادی است.</p> <p><strong>روش‌ها و مواد: </strong>این پژوهش از نوع مروری کیفی است که با مرور نظام‌مند متون علمی منتشرشده در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ انجام شد. داده‌ها از میان ۱۲ مقاله علمی منتخب در حوزه تصمیم‌گیری تطبیقی، سیاست‌گذاری داده‌محور و حکمرانی هوشمند استخراج گردید. تحلیل داده‌ها با استفاده از روش تحلیل مضمون و نرم‌افزار NVivo نسخه 14 انجام شد. فرآیند تحلیل تا رسیدن به اشباع نظری ادامه یافت و کدگذاری باز، محوری و انتخابی برای شناسایی مفاهیم اصلی و زیرمفاهیم انجام شد.</p> <p><strong>یافته‌ها: </strong>نتایج پژوهش نشان داد که مدل‌های تصمیم‌گیری تطبیقی بر سه محور اساسی استوارند: چارچوب‌های نظری (نظریه سیستم‌های پیچیده و یادگیری نهادی)، مؤلفه‌های کلیدی (داده‌محوری، بازخورد مستمر، انعطاف نهادی و مشارکت ذی‌نفعان) و پیامدهای کاربردی (افزایش اثربخشی سیاست‌ها، شفافیت تصمیم‌گیری و ارتقای تاب‌آوری نهادی). همچنین، شواهد حاکی از آن است که ادغام الگوریتم‌های هوش مصنوعی، یادگیری ماشینی و تحلیل داده‌های کلان، تصمیم‌گیری تطبیقی را به ابزاری مؤثر در حکمرانی دیجیتال تبدیل کرده است.</p> <p><strong>نتیجه‌گیری: </strong>بر اساس یافته‌ها، تصمیم‌گیری تطبیقی چارچوبی پویا برای سیاست‌گذاری هوشمند فراهم می‌کند که بر بازخورد، یادگیری و سازگاری مداوم استوار است. اجرای موفق این مدل‌ها مستلزم ایجاد زیرساخت‌های داده‌ای یکپارچه، ارتقای مهارت‌های تحلیلی سیاست‌گذاران، و نهادینه‌سازی چرخه‌های یادگیری در نظام‌های حکمرانی است.</p> https://www.jimds.com/index.php/jimds/article/download/14/14