توظيف التقنيات المعرفية المتقدمة في تعزيز فعالية عمليات صنع القرار الأكاديمي والإداري
(دراسة تطبيقية في مؤسسات التعليم العالي العراقية، جامعة تكريت نموذجاً)
الملخص
أظهرت نتائج التحليل الوصفي لعينة الدراسة في جامعة تكريت تنوعًا ديموغرافيًا وتنظيميًا يعكس تمثيلاً متوازنًا للقيادات الأكاديمية والإدارية، مع توزيع مناسب للمناصب والتخصصات وسنوات الخبرة. وقد كشفت البيانات عن مستوى متوسط يميل إلى الارتفاع في توظيف التقنيات المعرفية المتقدمة، بمتوسط عام 3.147، حيث تصدرت أنظمة دعم القرار الذكية الأبعاد الأكثر توظيفًا، تليها التحليلات التنبؤية، ثم الأتمتة والتعلم الآلي، وأخيرًا التقنيات التوليدية المتقدمة، مما يعكس تفاوتًا في الجاهزية التقنية والبنية التحتية فيما يتعلق بفعالية عمليات اتخاذ القرار، أظهرت النتائج متوسطًا مرتفعًا بلغ 4.791، مع تفوق القرار الأكاديمي، يليه تخطيط البرامج، ثم القرار الإداري. وبين التحليل الاستدلالي وجود علاقة ارتباط قوية وموجبة بين توظيف التقنيات وفعالية اتخاذ القرار (r=0.825)، وقدرة تفسيرية عالية (R²=0.680)، تؤكد التأثير الإيجابي الكبير لهذه التقنيات في دعم القرار المؤسسي كما أظهرت الاختبارات وجود فروقات دالة إحصائيًا في مستوى التوظيف بحسب المنصب والتخصص، حيث سجل العمداء والتخصصات الهندسية أعلى المتوسطات. وأوضح تحليل الانحدار المتعدد أن أنظمة دعم القرار تُعد المتنبئ الأقوى بفعالية اتخاذ القرار، ضمن نموذج يفسر ما نسبته 76.9% من التباين تؤكد هذه النتائج الحاجة إلى تبني استراتيجية مؤسسية مرحلية لتوظيف التقنيات المعرفية المتقدمة، بدءًا من الأنظمة الناضجة وصولاً إلى التقنيات المتقدمة، مع تعزيز القدرات البشرية والبنية التحتية التقنية لدعم هذا التحول.
المراجع
2. Alenezi, H., Alshammari, S., & Alobaid, M. (2021). Barriers to adopting AI technologies in higher education: A systematic review. Education and Information Technologies, 26(2), 2311–2331.
3. Alturki, U., & Aldraiweesh, A. (2022). Integration of cognitive technologies in higher education: A roadmap. Journal of Applied Research in Higher Education.
4. Arnott, D., & Pervan, G. (2008). Eight key issues for the decision support systems discipline. Decision Support Systems, 44(3), 657–672.
5. Bommasani, R., Hudson, D. A., Adeli, E., et al. (2021). On the opportunities and risks of foundation models. arXiv preprint arXiv:2108.07258.
6. Brown, T. B., Mann, B., Ryder, N., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33.
7. Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.
8. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
9. Daniel, B. K. (2015). Big data and analytics in higher education: Opportunities and challenges. British Journal of Educational Technology, 46(5), 904–920.
10. EDUCAUSE. (2023). Analytics and decision-making in higher education. Retrieved from https://www.educause.edu
11. Hannah, R. (2021). Augmented decision-making in universities: Integrating AI with academic leadership. Journal of Educational Technology.
12. Janssen, M., et al. (2017). Big and open linked data (BOLD) in government: A challenge to transparency and privacy? Government Information Quarterly, 34(1), 61–70.
13. Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255–260.
14. Katz, D., & Kahn, R. L. (1978). The social psychology of organizations. Wiley.
15. Kezar, A., & Holcombe, E. (2019). Shared leadership in higher education. American Council on Education.
16. Power, D. J. (2002). Decision support systems: Concepts and resources for managers. Greenwood Publishing Group.
17. Rowley, J. (2006). Information strategy: Making corporate plans work. Aslib Proceedings.
18. Scott, W. R., & Davis, G. F. (2015). Organizations and organizing: Rational, natural and open systems perspectives. Routledge.
19. Simon, H. A. (1997). Administrative behavior: A study of decision-making processes in administrative organizations (4th ed.). Free Press.
20. Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–40.
21. Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315.
22. Witten, I. H., Frank, E., & Hall, M. A. (2016). Data mining: Practical machine learning tools and techniques. Morgan Kaufmann.
الحقوق الفكرية (c) 2025 محمود فوزي حميد , مايا ماهر عساف
هذا العمل مرخص حسب الرخصة Creative Commons Attribution-ShareAlike 4.0 International License.
