<?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 3</Issue>
      <PubDate PubStatus="epublish">
        <Year>2024</Year>
        <Month>04</Month>
        <Day>02</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Artificial Intelligence in Crisis Management and Public Policy</ArticleTitle>
    <VernacularTitle>هوش مصنوعی در مدیریت بحران و سیاست عمومی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>11</LastPage>
    <Language>EN</Language>
    <AuthorList>
      <Author>
        <FirstName>فرهاد</FirstName>
        <LastName>کریمی</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه پیام نور، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>زهرا</FirstName>
        <LastName>جعفری</LastName>
        <Affiliation>گروه برنامه‌ریزی آموزشی، دانشگاه پیام نور، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>01</Month>
        <Day>16</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective:&lt;/strong&gt; This study aims to systematically review existing literature to identify the roles, applications, and challenges of artificial intelligence (AI) in crisis management and public policy.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Methods and Materials:&lt;/strong&gt; This qualitative review employed a thematic content analysis approach. The research population consisted of scholarly articles published between 2015 and 2024 in major academic databases including Scopus, Web of Science, and ScienceDirect. Based on inclusion criteria—direct relevance to the topic, a clear theoretical framework, and peer-reviewed publication—twelve studies were selected. Data analysis was conducted using Nvivo version 14, following open, axial, and selective coding until theoretical saturation was achieved.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Findings:&lt;/strong&gt; The analysis revealed three main themes: (1) the multifaceted role of AI in crisis management, including prediction, early warning, decision-making, and recovery; (2) technological, ethical, and institutional challenges limiting its adoption in public policy; and (3) strategic and policy applications of AI in enhancing data-driven governance, institutional resilience, and decision transparency. Results highlighted that AI, through real-time analytics and adaptive learning, significantly improves the accuracy and efficiency of crisis-related policymaking.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; Artificial intelligence possesses substantial potential to transform crisis management and public governance. However, realizing this potential requires robust ethical frameworks, advanced data infrastructures, and improved digital literacy among policymakers. Responsible and transparent use of AI can lead to proactive, resilient, and evidence-based governance in the twenty-first century.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف: &lt;/strong&gt;هدف این پژوهش مرور نظام‌مند مطالعات علمی به‌منظور شناسایی نقش‌ها، کاربردها و چالش‌های هوش مصنوعی در مدیریت بحران و سیاست‌گذاری عمومی است.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;روش‌ها و مواد:&lt;/strong&gt; پژوهش حاضر از نوع مروری کیفی است که با رویکرد تحلیل مضمون انجام شد. جامعه پژوهش شامل مقالات علمی منتشرشده در حوزه هوش مصنوعی، مدیریت بحران و سیاست عمومی در پایگاه‌های معتبر بین‌المللی نظیر Scopus، Web of Science و ScienceDirect بین سال‌های ۲۰۱۵ تا ۲۰۲۴ بود. از میان مقالات شناسایی‌شده، ۱۲ مقاله بر اساس معیارهای ورود شامل ارتباط مستقیم با موضوع، برخورداری از چارچوب نظری مشخص و انتشار در مجلات داوری‌شده انتخاب شدند. تحلیل داده‌ها با استفاده از نرم‌افزار Nvivo 14 و روش کدگذاری باز، محوری و انتخابی تا رسیدن به اشباع نظری انجام شد.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;یافته‌ها: &lt;/strong&gt;نتایج تحلیل کیفی سه مضمون اصلی را نشان داد: (1) نقش چندبعدی هوش مصنوعی در مدیریت بحران شامل پیش‌بینی، هشدار، تصمیم‌سازی و بازسازی؛ (2) چالش‌ها و محدودیت‌های فناورانه، اخلاقی و نهادی در به‌کارگیری آن در سیاست عمومی؛ و (3) کاربردهای سیاستی و راهبردی هوش مصنوعی در بهبود حکمرانی داده‌محور، افزایش شفافیت، و ارتقای تاب‌آوری نهادی. یافته‌ها تأکید کردند که هوش مصنوعی با تحلیل داده‌های بلادرنگ و یادگیری تطبیقی می‌تواند دقت تصمیم‌گیری و کارایی سیاست‌گذاری را به‌طور معناداری افزایش دهد.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; هوش مصنوعی ظرفیت چشمگیری برای تحول در سیاست‌گذاری عمومی و مدیریت بحران دارد، اما تحقق کامل این ظرفیت مستلزم وجود چارچوب‌های اخلاقی شفاف، زیرساخت‌های داده‌ای پیشرفته، و ارتقای سواد دیجیتال در میان مدیران دولتی است. استفاده مسئولانه از هوش مصنوعی می‌تواند به شکل‌گیری حکمرانی پیش‌نگر، شفاف و تاب‌آور در قرن بیست‌ویکم بینجامد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">crisis management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">public policy</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">data-driven governance</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">institutional resilience</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدیریت بحران</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سیاست عمومی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">حکمرانی داده‌محور</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تاب‌آوری نهادی</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.jimds.com/index.php/jimds/article/download/8/8</ArchiveCopySource>
  </Article>
</ArticleSet>
