دانلود ترجمه مقاله هوش مصنوعی انسان محور برای بخش عمومی (ساینس دایرکت – الزویر ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

هوش مصنوعی انسان محور برای بخش عمومی: نقش درواز بانی متخصص تدارکات عمومی

Human-centered artificial intelligence for the public sector: The gate keeping role of the public procurement professional

چکیده

۱- مقدمه

۲- روش ها

۳- نتایج و بحث ها

۴- نتیجه گیری

منابع

چکیده

     با استقرار روز افزون ابزارهای مبتنی بر هوش مصنوعی در بخش عمومی، امید می رود که شیوه ی ارائه ی خدمات کشورهای در حال توسعه در بخش های کلیدی همچون کشاورزی، مراقبت های بهداشتی، آموزش، و بخش های اجتماعی تغییر کند. با وجود این، هوش مصنوعی قابلیت بالایی برای سوءاستفاده دارد و خطرهایی را می آفریند که در صوت عدم مدیریت و نظارت، شأن و کرامت آسیب پذیرترین اقشار جامعه را به مخاطره خواهد انداخت. در این مطالعه، ما درباره ی ترسیم نقش تدارکات های عمومی در گفتمان های هوش مصنوعی انسان محور (HCAI) استدلال می کنیم و تمرکز عمده ی ما بر کشورهای در حال توسعه خواهد بود. این مطالعه مبتنی بر تحقیق اکتشافی است و داده هایی را از میان کارگزاران تدارکات در کشورهای اوگاندا و کنیا گردآوری می کند که دارای نظام تدارکات مشابهی هستند: شکل های سنتی رقابت در تدارکات در مقایسه با سازوکارهای تدارکات پیش از تجارتِ نوین تر که مناسبِ تدارکات هوش مصنوعی هستند، برقرارند. ما سفارشی سازی محدود در فن آوری های هوش مصنوعی، فقدان چهارچوب های حکومت توسعه یافته، دانش اندک، و تمایز میان تدارکات هوش مصنوعی و دیگر فرایندهای تدارکات فن آوریِ معمول را یافتیم. ما یک چهارچوب پیش نهادیم که در فقدان چهارچوب های قانونی مناسب می تواند به متخصصان تدارکات این امکان را بدهد که اصول HCAI را در فرایندهای تدارکات هوش مصنوعی بگنجانند.

روش ها
     این مطالعه یک رویکرد کیفی اکتشافی برای پاسخ دادن به پرسش پژوهشی در بخش ۱ دنبال می کند. پژوهش اکتشافی برای موضوعات نسبتاً تازه و کم تر مورد مطالعه قرار گرفته و کم تر نظریه پردازی شده همچون موارد مطرح شده در این مقاله مناسب است، جایی که دانش ژرف و دقیق برای روشن کردن ابهام یا کشف ایده هایی که شاید توسعه ی نظریه را ارتقا دهد، لازم و بایسته است [۲۱]. از آنجا که پژوهش اکتشافی بر کشف تأکید می کند، تشریح نظریه نیز مورد توجه قرار گرفت [۳۳]. مطالعه ی ما بر بافت کشورهای در حال توسعه متمرکز می شود—به ویژه کنیا و اوگاندا، جایی که دانش درباره ی تدارکات فن آوری حکومت و HCAI همچنان در یک محیطی که موضوعات اخلاق داده، دسترسی به داده، و قوانین بسیار پیچیده هستند، بدوی است [۲۲].

مواد و روش های گردآوری داده
     ما یک رویکرد دوجانبه به گردآوری داده را دنبال کردیم. نخست، ما یک تحلیل مروری مستند از قوانین حاکم بر تدارکات عمومی در دو کشور اوگاندا و کنیا انجام دادیم. در اوگاندا، قوانین تدارکات مالیه ی عمومی سال ۲۰۰۰، و جایگزین اش یعنی لایحه ی تدارکات عمومی و خارج کردن دارایی های عمومی (اصلاح سال ۲۰۱۶) و لایحه ی کارگزاران تأمین سال ۲۰۱۵ مرور و بازبینی شدند. این قوانین، مستندات خط مشی اصلی حاکم بر تدارکات عمومی در این دو کشور هستند.

     دوم، ما داده هایی از متخصصان تدارکات عمومی درگیر در تدارکات فن آوری در مقطع ژوئن ۲۰۲۱ و ژوئن ۲۰۲۱ گردآوری کردیم. منبع اصلی داده، بحث های گروه کانونی (FGDs) (در اوگاندا) و مصاحبه های یک به یک مجازی (در کنیا) بود. هدف، درک اقدامات و تجربیات شرکت کنندگان از طریق داستان ها، ادراک ها، و انگیزه ها بر پایه ی یک پروتکل پژوهشی بود که بر مبنای پیشینه ی مربوط به چهارچوب های HCAI تدوین شده بود [۲۳].