<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <title>تعامل انسان و اطلاعات</title>
    <link>https://hii.khu.ac.ir/</link>
    <description>تعامل انسان و اطلاعات</description>
    <atom:link href="" rel="self" type="application/rss+xml"/>
    <language>fa</language>
    <sy:updatePeriod>daily</sy:updatePeriod>
    <sy:updateFrequency>1</sy:updateFrequency>
    <pubDate>Sat, 22 Nov 2025 00:00:00 +0330</pubDate>
    <lastBuildDate>Sat, 22 Nov 2025 00:00:00 +0330</lastBuildDate>
    <item>
      <title>نقش فناوری های نوین در بهبود حکمرانی داده و افزایش امنیت در سازمان ثبت اسناد و املاک کشور</title>
      <link>https://hii.khu.ac.ir/article_4454.html</link>
      <description>زمینه و هدف: پژوهش حاضر با هدف بررسی نقش فناوری‌های نوین در بهبود حکمرانی داده و ارتقای امنیت اطلاعات در سازمان ثبت اسناد و املاک کشور انجام شده است. اهمیت روزافزون داده‌ها در تصمیم‌گیری‌های نهادی و ضرورت هماهنگی با استانداردهای بین‌المللی، ضرورت پرداختن به این موضوع را دوچندان می‌سازد.روش پژوهش: این پژوهش از نوع کیفی و با رویکرد گراندد تئوری انجام شد. جامعه آماری شامل مدیران و کارشناسان سازمان ثبت اسناد بود و داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۱۲ نفر گردآوری شد. فرایند کدگذاری در سه مرحله باز، محوری و انتخابی انجام گرفت و برای اعتباربخشی به داده‌ها از بازبینی مشارکت‌کنندگان و مقایسه با پژوهش‌های بین‌المللی استفاده شد.یافته‌ها: تحلیل داده‌ها نشان داد که چالش‌های اصلی شامل ضعف زیرساخت‌های فناورانه، پراکندگی سامانه‌ها، خلأهای قانونی، نگرانی‌های امنیتی و مقاومت فرهنگی کارکنان است. در مقابل، فرصت‌هایی همچون افزایش شفافیت، کاهش جعل اسناد، ارتقای اعتماد عمومی و بهبود کارآمدی خدمات شناسایی شد. یافته‌ها با مطالعات بین‌المللی هم‌خوان بود؛ از جمله تأکید OECD بر پیوند فناوری و فرهنگ سازمانی و تجربه سوئد و گرجستان در استفاده از بلاک‌چین در نظام ثبتی.نتیجه‌گیری: سازمان ثبت اسناد ایران گام‌هایی مانند دیجیتالی‌سازی و استفاده آزمایشی از بلاک‌چین برداشته است، اما همچنان با کاستی‌های قانونی، امنیتی و نهادی مواجه است. تحقق حکمرانی داده‌محور و افزایش امنیت، مستلزم تلفیق اصلاحات نهادی، سرمایه‌گذاری فناورانه و ارتقای فرهنگ داده‌محور است.</description>
    </item>
    <item>
      <title>بررسی شیوه‌های مدیریت داده‌ها برای انتخاب تأمین‌کنندگان در شرکت‌های ساختمانی: نگاهی ویژه به نقش فناوری‌اطلاعات</title>
      <link>https://hii.khu.ac.ir/article_4457.html</link>
      <description>هدف:انتخاب تأمین‌کنندگان یکی از چالش‌های کلیدی در پروژه‌های ساختمانی است که دسترسی به داده‌های دقیق و به‌موقع نقش حیاتی در بهبود آن دارد. این پژوهش قصد دارد تا با بررسی و تحلیل منابع و روش‌های جمع‌آوری و مدیریت داده‌ها در فرایند انتخاب تأمین‌کنندگان در صنعت ساخت‌وساز، به شناسایی چالش‌های موجود در روش‌های کنونی جمع‌آوری اطلاعات و بررسی قابلیت‌های فناوری‌های نوین در ارتقای این فرایند بپردازد.روش:این پژوهش از رویکرد آمیخته استفاده کرده است. در مرحله کیفی، با بهره‌گیری از مصاحبه‌های نیمه‌ساختاریافته با خبرگان، منابع داده، روش‌های جمع‌آوری، ابزارهای ساماندهی و چالش‌های موجود در ارزیابی تأمین‌کنندگان شناسایی شدند. در مرحله دوم، یافته‌ها با استفاده از روش دلفی تأیید گردیدند. در نهایت، تحلیل کمی با استفاده از پرسش‌نامه در جامعه‌ای شامل ۳۲۸ شرکت پیمانکاری انجام شد.یافته‌ها:یافته‌های پژوهش نشان داد که منابع اطلاعاتی سنتی مانند بازخورد مشتریان (87%) و مصاحبه با کارکنان پروژه (83%) که متکی بر قضاوت افراد می‌باشند، همچنان بیشترین استفاده را در ارزیابی تأمین‌کنندگان دارند. در بررسی روش‌های جمع‌آوری اطلاعات مشخص شد اگرچه فرم های الکترونیکی جایگاه خود را ایجاد کرده اند(63%) اما روش‌های سنتی، یعنی تماس تلفنی (84%) و فرم‌های کاغذی (%52) همچنان به‌طور گسترده استفاده می‌شوند. بخش عمده‌ای از پاسخ‌دهندگان بر وجود چالش های پایین‌بودن دقت(42%) و به‌هنگام نبودن اطلاعات(54%)، عدم اعتماد به اطلاعات ارائه شده توسط تامین‌کنندگان(59%) دسترسی ناکافی به عملکرد گذشته تامین‌کنندگان(44%)، پایگاه‌داده‌های عمومی(85%) و ابزارهای نوین اطلاعاتی(79%) اذعان نمودند.نتیجه‌گیری:نتایج این پژوهش نشان داد ابزارهای نوین اطلاعاتی، باوجود تأثیر بالقوه‌شان در تصمیم‌گیری‌ها، به‌دلیل دسترسی محدود و نبود زیرساخت‌های مناسب، به‌طور گسترده مورد استفاده قرار نمی‌گیرند. اما استفاده از فرم‌های دیجیتال و توجه به منابع اطلاعاتی مدرن نظیر پروفایل شرکت‌ها در فضای مجازی، نوید شکل‌گیری روند توجه به منابع اطلاعاتی دیجیتال و روش‌های مدرن جمع‌آوری داده‌ها را به همراه دارد. نتایج همچنین، بر لزوم ایجاد مکانیسم‌های مستقل برای اعتبارسنجی داده‌ها و دسترسی به اطلاعات تاریخی تأمین‌کنندگان دلالت دارد.</description>
    </item>
    <item>
      <title>ارزیابی سواد هوش مصنوعی دانشجویان دانشگاه خوارزمی بر اساس مقیاس سواد هوش مصنوعی متا</title>
      <link>https://hii.khu.ac.ir/article_11694.html</link>
      <description>هدف: پژوهش حاضر با هدف ارزیابی سواد هوش مصنوعی دانشجویان دانشگاه خوارزمی و تحلیل تفاوت آن بر حسب مؤلفه‌ها، ابعاد، مقطع تحصیلی و گروه رشته تحصیلی انجام شد. تمرکز پژوهش بر این بود که دانشجویان تا چه اندازه از دانش، مهارت، خودکارآمدی و خودمدیریتی لازم برای مواجهه آگاهانه، انتقادی و مسئولانه با ابزارهای هوش مصنوعی برخوردارند.&#13;
روش: پژوهش از نظر هدف کاربردی و از نظر شیوه گردآوری داده‌ها، توصیفی ـ پیمایشی بود. جامعه آماری شامل دانشجویان دانشگاه خوارزمی در مقاطع کارشناسی، کارشناسی ارشد و دکتری بود. نمونه نهایی پژوهش ۳۳۵ نفر بود که با نمونه‌گیری طبقه‌ای نسبی و با ملاحظه اصل دسترسی انتخاب شدند. داده‌ها با استفاده از مقیاس استاندارد سواد هوش مصنوعی متا گردآوری و با نرم‌افزار SPSS&amp;amp;rlm; نسخه ۲۷ تحلیل شد. با توجه به اعتبارسنجی نسخه فارسی مقیاس در پژوهش‌های پیشین، در پژوهش حاضر صرفاً روایی صوری کیفی آن از نظر وضوح و فهم‌پذیری گویه‌ها بررسی شد و پایایی با آلفای کرونباخ سنجیده شد.&#13;
یافته‌ها: میانگین سواد کلی هوش مصنوعی دانشجویان ۵٫۸۳ از ۱۰ بود و آزمون t&amp;amp;rlm; تک‌نمونه‌ای نشان داد که این میانگین به‌طور معناداری بالاتر از حد متوسط نظری است (t = 11.02, p &amp;amp;lt;.001)&amp;amp;rlm;. ۷۳ درصد دانشجویان در سطح مطلوب قرار گرفتند. بیشترین میانگین مربوط به بُعد استفاده و کاربرد هوش مصنوعی و کمترین میانگین مربوط به بُعد ایجاد ابزارهای جدید بود. آزمون فریدمن نشان داد میان مؤلفه‌ها و ابعاد مختلف تفاوت معنادار وجود دارد. تفاوت معناداری میان مقاطع تحصیلی مشاهده نشد، اما تفاوت بر حسب رشته تحصیلی معنادار بود و دانشجویان علوم و مهندسی کامپیوتر بالاترین میانگین را کسب کردند.&#13;
نتیجه‌گیری: اگرچه کلیت سواد ادراک‌شده هوش مصنوعی دانشجویان مطلوب ارزیابی شد، بااین‌حال شکاف میان استفاده از ابزارهای آماده و توانایی خلق، ارزیابی انتقادی و حل مسئله با هوش مصنوعی نشان می‌دهد که آموزش دانشگاهی نباید به مهارت مصرف ابزار محدود شود. طراحی برنامه‌های آموزشی میان‌رشته‌ای، تقویت اخلاق، راستی‌آزمایی و ارزیابی انتقادی، و توجه به تفاوت‌های رشته‌ای برای توسعه سواد هوش مصنوعی مسئولانه ضروری است. سنجش‌های آینده باید انتقال یادگیری پس از حذف حمایت هوش مصنوعی، توان راستی‌آزمایی، مالکیت شناختی بر محصول، توان توضیح مسیر استدلال و قابلیت امتناع از استفاده نامناسب را ارزیابی کنند. همچنین، سواد داده و حریم خصوصی باید بخشی صریح از آموزش دانشگاهی باشد تا دانشجویان بتوانند منشأ، گردآوری، اشتراک‌گذاری و بهره‌برداری از داده‌های شخصی و پژوهشی را ارزیابی و از محرمانگی اطلاعات حفاظت کنند.</description>
    </item>
  </channel>
</rss>
