Providing a strategy for measuring the state of smartness and the structure of public organizations through the design of a fuzzy expert system

Document Type : Original Article

Authors

1 . Professor, Faculty of Electrical and Computer Engineering, Kharazmi University, Tehran, Iran. Responsible Author

2 . Director of ICT office in www.uast.ac.ir.

3 . Member of the Faculty of Management, Islamic Azad University, Central Tehran Branch.

Abstract

The scope of activities and strategic goals in modern organizations has led to the development of organizational structure and increase their utilization of various IT-based systems. Inadequate bureaucracy and administrative hierarchies in public organizations such as ministries make them difficult to manage. The diversity of policy units, the weakness of management power in achieving organizational goals, and as a result, poor monitoring and evaluation of programs in these organizations, making them smart is essential. But considering the structural and functional complexities of these organizations, how can one measure their smartness and organizational structure. Therefore, this study was conducted with the aim of providing a strategy for measuring the status of smartness and the structure of public organizations. The method of work includes designing a fuzzy expert system; First, effective indicators were identified. Then, using fuzzy theory and expert opinion, a fuzzy expert system was designed. In the designed system, 13 quality indicators were used that can determine the status of the structure and the level of smartness of the organization in 5 categories. In order to collect research data, a questionnaire was designed and provided to managers and senior experts of the Ministry of Health and Medical Education and then technology radar is used to display the system output results. Finally, the system sensitivity is analyzed. Based on the research results, the studied organization is in an unfavorable situation in terms of smartness and organizational structure.
 

Keywords


  • الف. منابع فارسی

    • اعرابی، محمد (1398)، طراحی ساختار سازمانی، نشر دفتر پژوهش‌های فرهنگی.
    • بنار، احد؛ رضائیان، علی؛ معماریانی، عزیزالله؛ معینی، علی (1400)، طراحی الگوی سیاست‌گذاری مبتنی بر هوش تجاری در وزارت علوم، تحقیقات و فناوری با دو رویکرد کلان و تفصیلی. مطالعات بین‌ رشته‌ای دانش راهبردی، 11(42), 42-7.
    • تقوا، محمدرضا؛ تقوی فرد، محمدتقی؛ معینی، علی و زین الدینی، محمدرضا (1396)، الگویی برای دولت هوشمند: تبیین ابعاد دولت هوشمند با استفاده از روش فراترکیب، فصلنامه مدیریت فناوری اطلاعات، شماره 21، از صفحه 135 تا صفحه 197.
    • صابری‌فر، رستم (1399)، تعیین و تشخیص عوامل مؤثر در طراحی سازمان هوشمند برای مدیریت شهری، پژوهش‌های ‌جغرافیای ‌برنامه‌ریزی‌ شهری، ‌دورة‌8‌، شمارة‌ 2‌، تابستان 1399، از صفحه 445 تا 467.
    • لاریجانی، باقر و گروه همکار (1393)، سیاستگذاری سلامت در جمهوری اسلامی ایران، ناشر انتشارات اطلاعات.
    • مهدی بیگی، نجمه؛ کمالیان، امین رضا؛ یعقوبی، نورمحمد؛ پورعزت، علی اصغر و رونقی، محمدحسین (1398)، توسعه ظرفیت اصلاح نظام اداری در پرتو سازمان هوشمند با رویکرد داده‌بنیاد،)؛ انتشارات دانشگاه تربیت مدرس؛ مجله پژوهش‌های مدیریت منابع انسانی؛ جلد ۹ شماره ۳ صفحات ۱۱۱-۱۳2.
    • میرکمالی، سید محمد و فرهادی راد، حمید (1392)، کنکاشی در ساختارهای سازمانی دانشگاه به منظور ارائه یک الگوی تلفیقی، نشریه تحقیقات مدیریت آموزشی، دوره 5 , شماره  1 (مسلسل 17)؛ از صفحه 75 تا صفحه 100.
    • نجاری، رضا و معدنی (1397)، جواد؛ بررسی تطبیقی ساختار و کارکرد دانشگاه پیام نور با پنج دانشگاه باز جهان، فصلنامه مدیربت سازمان‌های دولتی، دوره 7، شماره 1 (پیاپی 25)، زمستان 1397، صفحه 89-110.
    • نجاری، رضا؛ آذر، عادل و جلیلیان، حمیدرضا (1394)، ارائه الگوی هوشمندی سازمان: مورد مطالعه شرکت‌های تولیدی، فصلنامه مطلاعات رفتار سازمانی، شماره 1، از صفحه 1 تا 24.

     

     

    ب. منابع انگلیسی

    • Ciliz, M K. (2003). An advanced tuning methodology for fuzzy control: with application to a vacuum cleaner. Conference: Control Applications, CCA 2003. Proceedings of 2003 IEEE Conference on, Volume:1. DOI: 10.1109/CCA.2003.1223320.
    • Ciliz, M K. (2005). Rule base reduction for knowledge-based fuzzy controllers with application to a vacuum cleaner. Expert Systems with Applications 28(1):175-184· January, DOI: 10.1016/j.eswa.2004.10.009· Source: DBLP.
    • Gil-Garcia, J. R, Zhang, J, Uron-Cid, G. (2016). Conceptualizing smartness in government: An integrative and multi-dimensional view. Government Information Quarterly. DOI: 10.1016/j.giq.2016.03.00.
    • Guo, X, Lu, J. (2007). Intelligent e-government services with personalized recommendation techniques. International Journal of Intelligent Systems, 22(5), 401-417.
    • Hoshino, H, Zhong, N. (2007). Dynamic Hybrid Type Mining in an Intelligent e-Government Model. In Proceedings of the 2007 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology-Workshops. 26-30. IEEE Computer.
    • Khalil, A.M, Li, S., Lin, Y. et al. (2020). A new expert system in prediction of lung cancer disease based on fuzzy soft sets. Soft Computing A Fusion of Foundations, Methodologies and Applications.
    • https://doi.org/10.1007/s00500-020-04787-x.
    • Landsbergen, D, Girth, A, Westover-Muñoz, Angie. (2022). Governance rules for managing smart city information. The official journal of Shanghai Jiao Tong University. https://doi.org/10.1016/j.ugj.2022.05.003.
    • Liu, D, Qi, X. (2022). Smart governance:The era requirements and realization path of basic government governance ability. Procedia Computer Science. 199 (2022) 674–680. https://doi.org/10.1016/j.procs.2022.01.083
    • Machova, Renata, Komarkova, Jitka, Kopackova, Hana, Lnenicka, Martina. (2018). Benchmarking smart e-government development: insight from a national perspective. Scientific papers of the University of Pardubice. Series D, Faculty of Economics and Administration. 42/2018 Page No: 154-162.
    • Petrov, O. (2011). Next generation e-government: transformation into open government, ICT@The World Bank. E-Democracy Conference, Ohrid, Macedonia.
    • Reis, J, Espírito Santo, P, Melao, Nuno. (2019). Artificial Intelligence in Government Services: A Systematic Literature Review. World Conference on Information Systems and Technologies WorldCIST'19. In book: New Knowledge in Information Systems and Technologies pp 241-252.
    • World Health Organization. (2016). Monitoring and evaluating digital health interventions: a practical guide to conducting research and assessment. ISBN 978-92-4-151176-6.