مدلسازی و شبیه سازی
آتوسا ابراهیمی شاه آبادی؛ جهانگیر یدالهی فارسی؛ نیلوفر نوبری
چکیده
رشد شتابان پلتفرم‌های مبتنی بر هوش مصنوعی در دهه گذشته ضرورت واکاوی ابعاد فناورانه و مدیریتی این پدیده را دوچندان کرد. این پژوهش با هدف تحلیل تطبیقی ساختار و پیامدهای سه گونه پلتفرم‌های تراکنشی، نوآوری و منسجم در چارچوب ADO انجام شد. مطالعه حاضر به روش فراترکیب و تحلیل کیفی، طی سه مرحله کدگذاری باز، محوری و انتخابی، بر اساس مرور ۷۰ ...
بیشتر
رشد شتابان پلتفرم‌های مبتنی بر هوش مصنوعی در دهه گذشته ضرورت واکاوی ابعاد فناورانه و مدیریتی این پدیده را دوچندان کرد. این پژوهش با هدف تحلیل تطبیقی ساختار و پیامدهای سه گونه پلتفرم‌های تراکنشی، نوآوری و منسجم در چارچوب ADO انجام شد. مطالعه حاضر به روش فراترکیب و تحلیل کیفی، طی سه مرحله کدگذاری باز، محوری و انتخابی، بر اساس مرور ۷۰ مقاله منتخب از سال‌های ۲۰۱۵ تا ۲۰۲۵ پیش رفت و داده‌ها در سه محور پیش‌نیازها، تصمیمات و پیامدها بررسی شدند. چارچوب تحلیلی با ترکیب دسته‌بندی پلتفرم‌ها و مدل ADO، زمینه مقایسه دقیق اجزای کلیدی را فراهم ساخت. نتایج نشان دادند پلتفرم‌های تراکنشی با معماری میکروسرویس و API باز، پلتفرم‌های نوآوری با چارچوب‌های یادگیری عمیق و GPU/TPU و پلتفرم‌های منسجم با یکپارچگی داده و حکمرانی کلان‌داده، مسیرهای متفاوتی برای ارتقای بهره‌وری و امنیت اطلاعات طی کردند. همچنین یافته‌ها تأکید کردند که پردازش ابری، حکمرانی داده و امنیت اطلاعات عناصر مشترک و الزامی این گونه‌ها بوده‌اند. این تحلیل نشان داد که کاربست چارچوب ADOمی‌تواند به طراحی سیاست‌های کارآمد برای مدیریت، امنیت و توسعه اکوسیستم های داده‌محور کمک کند و بینش‌هایی تازه برای محققان و سیاست‌گذاران در مسیر بهینه‌سازی عملکرد پلتفرم‌های هوش‌مصنوعی فراهم آورد.
