تعیین اولویت‌های توسعه استان مرکزی نیازمند داده‌کاوی علمی است

به گزارش بخش استان‌ها در وبانگاه به نقل از خبرگزاری تسنیم از اراک، محمدباقر آقاعلیخانی، معاون هماهنگی امور اقتصادی استاندارمرکزی در نشست شورای برنامه‌ریزی و توسعه استان مرکزی و آغاز سرشماری نفوس و مسکن با اشاره به اهمیت جمع آوری اطلاعات گفت: روش‌های سنتی جمع‌آوری اطلاعات برای اولویت‌بندی طرح‌ها کافی نیست و باید از مدل‌های نوین علمی و داده‌کاوی برای تعیین دقیق نیازهای استان بهره گرفت.

وی افزود: جمع‌آوری اطلاعات به‌صورت رفت‌وبرگشتی از بدنه جامعه اگرچه اقدامی ارزشمند است، اما به‌تنهایی نمی‌تواند فرآیند اولویت‌بندی پروژه‌ها را تکمیل کند بنابراین باید برنامه ریزی لازم در این خصوص صورت پذیرد.

آقاعلیخانی با اشاره به ظرفیت مدل‌های نوین علمی اظهار کرد: با به‌کارگیری این مدل‌ها و تحلیل داده‌ها از جمله روش‌های علم داده‌کاوی، می‌توان اولویت پروژه‌های استان را با دقت بالا و بر اساس فرمول‌های دقیق مشخص کرد.

معاون هماهنگی امور اقتصادی استاندار مرکزی با اشاره به احصای نیازمندی‌ها و مزیت‌های اقتصادی استان و شهرستان‌ها خاطرنشان کرد: این رویکرد در بخش اقتصادی دنبال شده است، اما تا زمانی که داده‌های جمع‌آوری‌شده در چارچوب فرمول‌های علمی قرار نگیرند، خروجی واقعی و کارآمدی نخواهند داشت.

وی با اشاره به ضرورت تلفیق اطلاعات با مدل‌های فرمولی اضافه کرد: این اقدام می‌تواند تصمیم‌گیری مدیران استان را تسهیل کرده و اثربخشی برنامه‌ها را دوچندان کند.

شاخص‌های نظام مسائل استان به شفاف‌سازی علمی نیاز دارد

حسین صادقی، رئیس دانشگاه اراک در این نشست با اشاره به موضوع نظام مسائل استان مرکزی گفت: فرآیند انتخاب شاخص‌ها، تعداد ورودی‌ها و متغیرهای مدل تدوین نظام مسائل استان مرکزی با ابهام روبه‌رو است و باید به سمت شاخص‌های کمی و روش‌های مبتنی بر هوش مصنوعی سوق یابد.

وی با اشاره به اهمیت کیفیت و نحوه انتخاب شاخص‌ها در تصمیم‌گیری‌های کلان بیان کرد: بخش عمده شاخص‌های ارائه‌شده در این طرح کیفی بوده و فاقد ارزیابی‌های کمی و داده‌کاوی است.

رئیس دانشگاه اراک با اشاره به ابهام در ورودی‌های مدل مورد استفاده خاطرنشان کرد: تعداد پرسشنامه‌ها، مشخصات ذی‌نفعان و سازوکار دستیابی به شاخص‌های کلیدی عملکرد همچنان نامشخص است و مهندسی شاخص‌ها به شفاف‌سازی بیشتری نیاز دارد.

صادقی با اشاره به ظرفیت الگوهای نوین مبتنی بر هوش مصنوعی بیان کرد: این الگوها قادر هستند فرآیندهای تحلیل داده و اعتبارسنجی شاخص‌ها را با دقت بالایی انجام دهند، در حالی که تمرکز صرف بر شاخص‌های کیفی، امکان داده‌کاوی دقیق را سلب می‌کند.

وی با اشاره به ضرورت کمی‌سازی شاخص‌ها و بهره‌گیری از مدل‌های هوشمند خاطرنشان کرد: استفاده از این روش‌ها موجب ارتقای دقت تصمیم‌گیری‌ها و کاهش ابهام‌ها در اجرای برنامه‌های توسعه‌ای استان خواهد شد.