تحلیل اثر فناوریهای هوشمند بر کارایی نظام بودجهریزی دولت با تأکید بر بودجهریزی مبتنی بر عملکرد و داده
کلمات کلیدی:
فناوریهای هوشمند, بودجهریزی دولت, بودجهریزی مبتنی بر عملکرد, دادهمحوری, هوش مصنوعی, کارایی بودجهای, مدیریت مالی عمومیچکیده
هدف این پژوهش، تحلیل اثر فناوریهای هوشمند بر ارتقای کارایی نظام بودجهریزی دولت با تمرکز بر بودجهریزی مبتنی بر عملکرد، دادهمحوری، شفافیت مالی و بهبود کیفیت تخصیص منابع عمومی بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. جامعه پژوهش شامل خبرگان بودجهریزی، مدیران مالی دستگاههای اجرایی، کارشناسان برنامهریزی و بودجه، متخصصان سامانههای مالی دولت و اعضای هیئت علمی حوزه مدیریت دولتی و مالی عمومی در شهر تهران بود. نمونهگیری بهصورت هدفمند و گلولهبرفی انجام شد و فرایند گردآوری دادهها تا دستیابی به اشباع نظری ادامه یافت. در مجموع، ۲۲ مصاحبه نیمهساختاریافته انجام شد. دادهها پس از پیادهسازی کامل مصاحبهها، با استفاده از نرمافزار NVivo و در سه سطح کدگذاری باز، محوری و انتخابی تحلیل شدند. برای افزایش اعتبار یافتهها از بازبینی مشارکتکنندگان، مرور همتایان، ثبت مسیر تحلیل و مقایسه مستمر دادهها استفاده شد. یافتهها نشان داد فناوریهای هوشمند از طریق پنج مقوله اصلی بر کارایی نظام بودجهریزی دولت اثر میگذارند: یکپارچهسازی دادههای مالی و عملکردی، هوشمندسازی تخصیص منابع، تقویت بودجهریزی مبتنی بر عملکرد، ارتقای شفافیت و پاسخگویی بودجهای، و بازطراحی ظرفیتهای نهادی و حکمرانی داده. مشارکتکنندگان تأکید کردند که هوش مصنوعی، تحلیل کلانداده، داشبوردهای مدیریتی، سامانههای یکپارچه مالی و الگوریتمهای پیشبینی میتوانند خطای انسانی، تصمیمگیری سلیقهای، تأخیر اطلاعاتی و تخصیصهای غیرهدفمند را کاهش دهند. با این حال، ضعف کیفیت داده، مقاومت سازمانی، جزیرهای بودن سامانهها، نبود استانداردهای ارزیابی عملکرد و نگرانیهای اخلاقی مربوط به تصمیمگیری الگوریتمی از موانع اصلی شناسایی شدند. نتایج پژوهش نشان میدهد فناوریهای هوشمند زمانی میتوانند کارایی بودجهریزی دولت را افزایش دهند که در چارچوب حکمرانی داده، شفافیت نهادی، شاخصهای معتبر عملکرد، قابلیت تعامل سامانهها و ظرفیت انسانی متخصص بهکار گرفته شوند. بنابراین، هوشمندسازی بودجهریزی صرفاً یک پروژه فناورانه نیست، بلکه یک تحول نهادی، مدیریتی و دادهمحور در نظام مالی دولت محسوب میشود.
دانلودها
مراجع
Bovens, M. (2007). Analysing and assessing accountability: A conceptual framework. European Law Journal, 13(4), 447–468.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.
Davenport, T. H., & Harris, J. G. (2007). Competing on analytics: The new science of winning. Harvard Business School Press.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.
Dawes, S. S. (2010). Stewardship and usefulness: Policy principles for information-based transparency. Government Information Quarterly, 27(4), 377–383.
Dener, C., & Min, S. Y. (2013). Financial management information systems and open budget data: Do governments report on where the money goes? World Bank.
Dener, C., Watkins, J. A., & Dorotinsky, W. L. (2011). Financial management information systems: 25 years of World Bank experience on what works and what doesn’t. World Bank.
European Commission High-Level Expert Group on Artificial Intelligence. (2019). Ethics guidelines for trustworthy AI. European Commission.
Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59–82.
Hood, C. (1991). A public management for all seasons? Public Administration, 69(1), 3–19.
Janssen, M., Charalabidis, Y., & Zuiderwijk, A. (2012). Benefits, adoption barriers and myths of open data and open government. Information Systems Management, 29(4), 258–268.
Kroll, A. (2015). Drivers of performance information use: Systematic literature review and directions for future research. Public Performance & Management Review, 38(3), 459–486.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Sage.
Moynihan, D. P., & Beazley, I. (2016). Toward next-generation performance budgeting: Lessons from the experiences of seven reforming countries. World Bank.
Moynihan, D. P., & Pandey, S. K. (2010). The big question for performance management: Why do managers use performance information? Journal of Public Administration Research and Theory, 20(4), 849–866.
OECD. (2019). OECD good practices for performance budgeting. OECD Publishing.
OECD. (2019). Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments.
OECD. (2020). The OECD digital government policy framework: Six dimensions of a digital government. OECD Publishing.
PEFA Secretariat. (2016). Framework for assessing public financial management. PEFA.
Pollitt, C., & Bouckaert, G. (2017). Public management reform: A comparative analysis—into the age of austerity (4th ed.). Oxford University Press.
Robinson, M. (Ed.). (2007). Performance budgeting: Linking funding and results. Palgrave Macmillan.
Robinson, M., & Last, D. (2009). A basic model of performance-based budgeting. International Monetary Fund.
Rubin, I. S. (2019). The politics of public budgeting: Getting and spending, borrowing and balancing (9th ed.). CQ Press.
Schick, A. (1966). The road to PPB: The stages of budget reform. Public Administration Review, 26(4), 243–258.
Uña, G., Allen, R., & Botton, N. M. (2019). How to design a financial management information system: A modular approach. International Monetary Fund.
Wildavsky, A. (1964). The politics of the budgetary process. Little, Brown.
World Bank. (2022). GovTech maturity index, 2022 update: Trends in public sector digital transformation. World Bank.