<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>راهبردهای مدیریت هوشمند و توسعه</JournalTitle>
      <Issn>3115-9052</Issn>
      <Volume>2</Volume>
      <Issue>پیاپی 6</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>01</Month>
        <Day>08</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Institutional Transformation Toward the Development of Smart Governance</ArticleTitle>
    <VernacularTitle>تحول نهادی در راستای توسعه حکمرانی هوشمند</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>9</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>پروانه</FirstName>
        <LastName>عسگری</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه تبریز، تبریز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>مهدی</FirstName>
        <LastName>کریمان</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه شهید باهنر کرمان، کرمان، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>10</Month>
        <Day>29</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective:&lt;/strong&gt; This study aimed to examine the dimensions and mechanisms of institutional transformation toward the development of smart governance through a systematic review and qualitative content analysis.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Methods and Materials:&lt;/strong&gt; This research employed a qualitative systematic review design based on inductive content analysis. Data were collected from 12 peer-reviewed articles published between 2015 and 2025 in major databases including Scopus, Web of Science, and ScienceDirect. The analysis was conducted using Nvivo version 14, following three stages of open, axial, and selective coding to identify major themes and categories associated with institutional transformation in smart governance.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Findings:&lt;/strong&gt; The qualitative findings revealed three main themes: “institutional structural transformation,” “technological and digital transformation,” and “participatory and learning-based governance.” The results indicated that reengineering processes, digitizing public services, fostering digital culture, and institutionalizing organizational learning are key enablers for building smart governments. The interaction among these three dimensions enhances agility, transparency, accountability, and institutional legitimacy, thus creating the foundation for data-driven, technology-enabled, and multi-actor collaborative governance.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; Institutional transformation serves as the cornerstone for achieving smart governance and requires the redefinition of structures, processes, and organizational culture based on technology, learning, and participation. The findings can inform the design of context-specific institutional transformation models in public and governmental organizations, facilitating the transition from traditional bureaucracy to intelligent, data-oriented, and citizen-centered governance.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف: &lt;/strong&gt;هدف این مطالعه بررسی ابعاد و سازوکارهای تحول نهادی در راستای توسعه حکمرانی هوشمند از طریق مرور نظام‌مند پژوهش‌های علمی اخیر و تحلیل کیفی مضامین مرتبط است.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;روش‌ها و مواد:&lt;/strong&gt; این پژوهش از نوع مروری نظام‌مند و کیفی است که با رویکرد تحلیل محتوای استقرایی انجام شد. داده‌ها از طریق مرور هدفمند ۱۲ مقاله علمی منتشرشده بین سال‌های ۲۰۱۵ تا ۲۰۲۵ در پایگاه‌های داده معتبر بین‌المللی شامل Scopus، Web of Science و ScienceDirect گردآوری شد. تحلیل داده‌ها با نرم‌افزار Nvivo 14 و از طریق کدگذاری باز، محوری و انتخابی صورت گرفت تا مقوله‌ها و مضامین اصلی شناسایی گردند.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;یافته‌ها:&lt;/strong&gt; نتایج تحلیل کیفی نشان داد که تحول نهادی در مسیر توسعه حکمرانی هوشمند دارای سه محور اصلی است: «تحول ساختاری نهادها»، «تحول فناورانه و دیجیتال» و «حکمرانی مشارکتی و یادگیرنده». یافته‌ها نشان داد که بازمهندسی فرآیندها، دیجیتالی‌سازی خدمات، توسعه فرهنگ فناوری و نهادینه‌سازی یادگیری سازمانی از عوامل کلیدی در شکل‌گیری دولت‌های هوشمند محسوب می‌شوند. هم‌افزایی میان این سه بعد موجب ارتقای چابکی، شفافیت، پاسخگویی و مشروعیت نهادی می‌گردد و زمینه را برای حکمرانی مبتنی بر داده، فناوری و همکاری چندبازیگرانه فراهم می‌سازد.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; تحول نهادی پیش‌شرط اساسی تحقق حکمرانی هوشمند است و مستلزم بازتعریف ساختارها، فرآیندها و فرهنگ سازمانی بر مبنای فناوری، یادگیری و مشارکت است. نتایج پژوهش می‌تواند مبنای طراحی مدل‌های بومی تحول نهادی در سازمان‌های دولتی و عمومی قرار گیرد تا مسیر حرکت از دولت سنتی به دولت داده‌محور و پاسخگو تسهیل شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Institutional transformation</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">smart governance</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">digitalization</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">organizational learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">smart government</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحول نهادی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">حکمرانی هوشمند</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">دیجیتال‌سازی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری نهادی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">دولت هوشمند</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.jimds.com/index.php/jimds/article/download/36/36</ArchiveCopySource>
  </Article>
</ArticleSet>
