کارکردهای پردازش زبان طبیعی در سیاستگذاری مبتنی بر شواهد

نویسندگان

1 دانشیار سیاستگذاری علم و فناوری، پژوهشکده جامعه و اطلاعات، پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)، تهران، ایران

doi
10.22059/jppolicy.2025.102508
چکیده

با افزایش سرعت پیچیدگی و پیشرفت‌های علمی و فناوری، استفاده از قابلیت‌های هوش مصنوعی و به طور ویژه پردازش زبان طبیعی برای تقویت سیاستگذاری مبتنی بر شواهد، حصول اطمینان از حکمرانی آگاهانه‌تر، پاسخگوتر و مؤثرتر به یک نیاز فوری تبدیل شده است. در همین راستا، هدف این پژوهش بررسی نقش‌ها و کارکردهای پردازش زبان طبیعی در سیاستگذاری مبتنی بر شواهد است. این مطالعه با استفاده از یک روش تحقیق ساختاریافته دو مرحله‌ای، ابتدا کارکردهای سیاستی کلیدی پردازش زبان طبیعی را از طریق بررسی ادبیات موضوع و تحلیل مضمون شناسایی و دسته‌بندی می‌کند. سپس، با استفاده از روش تحلیل تطبیقی پایدار، یک چارچوب مفهومی را برای نگاشت این کارکردهای سیاستی به گام‌های گوناگون فرآیند سیاستگذاری مبتنی بر شواهد، توسعه می‌دهد. این پژوهش پنج کارکرد اصلی پردازش زبان طبیعی در سیاستگذاری مبتنی بر شواهد را شناسایی می‌کند که عبارتند از تجزیه و تحلیل داده‌های متنی و استخراج اطلاعات، تجزیه و تحلیل بازخورد ذینفعان، کاوش ادبیات و نظرات کارشناسان، ارزیابی تأثیر سیاست‌ها و تحلیل گفتمان عمومی. این کارکردها، مراحل مختلف سیاستگذاری مبتنی بر شواهد را تقویت می‌کنند. چارچوب حاصل نشان می‌دهد که چگونه پردازش زبان طبیعی می‌تواند قابلیت‌های انسانی را در طول چرخه سیاستگذاری مبتنی بر شواهد تقویت کند که به طور بالقوه این امر منجر به حکمرانی داده‌محور، پاسخگوتر و شفاف‌تر در حوزه‌های علم و فناوری می‌شود. این مطالعه به تقویت نظری مطالعات سیاستگذاری و حکمرانی هوش مصنوعی کمک می‌کند و بینش‌های عملی را برای سیاستگذاران و مدیران ارائه می‌دهد.