مقاله انگلیسی هوش مصنوعی در کمک‌های بشردوستانه: مرور و دستور کار تحقیقات آینده

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

هوش مصنوعی در کمک‌های بشردوستانه: مرور و دستور کار تحقیقات آینده

عنوان انگلیسی:

Artificial intelligence in humanitarian aid: A review and future research agenda

کد محصول: M2024

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله:Technovation

نوع مقاله: مروری (Review Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 11 صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M2024)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده

با افزایش و پیچیدگی بحران‌ها، چه بحران های طبیعی و چه بحران های ناشی از اقدامات انسانی، نیاز به مداخلات بشردوستانه مؤثر و به موقع به طور فزاینده‌ای حیاتی شده است. هوش مصنوعی به عنوان یک ابزار تحول‌آفرین برای ارتقای کمک‌های بشردوستانه و رسیدگی به تمام مراحل چرخه مدیریت بحران، ظهور کرده است. با وجود علاقه رو به رشد به کاربرد هوش مصنوعی در حوزه بشردوستانه، ادبیات موجود همچنان پراکنده است و ترکیب جامعی از تأثیر کلی آن وجود ندارد. این مطالعه رویکرد مرور سیستماتیک ادبیات را برای ارائه یک تحلیل جامع از بکارگیری هوش مصنوعی در کمک‌های بشردوستانه در تمام مراحل چرخه بحران، و همچنین نقش آن در زمینه‌های بشردوستانه گسترده‌تر خارج از زمینه‌های بحران فوری، اتخاذ می‌کند. بر اساس 60 مطالعه منتخب، یافته‌ها نشان می‌دهند که کاربردهای هوش مصنوعی در هر دو مرحله پیش از بحران و پس از بحران می‌توانند در چهار دسته خاص گروه‌بندی شوند، و نقش هوش مصنوعی در زمینه‌های بشردوستانه گسترده‌تر نیز به طور مشابه می‌تواند به چهار حوزه تمرکز تقسیم شود. به طور خاص، دسته‌بندی‌ها در مرحله پیش از بحران شامل انتخاب مکان، بهبود خدمات پزشکی، هشدار زودهنگام، و جریان اطلاعات هستند و دسته‌بندی‌ها در مرحله پس از بحران شامل توزیع و تحویل، ارزیابی خسارت، بینش‌های آنلاین و متنی، و بهینه‌سازی مسیر می‌باشند. این مطالعه پتانسیل قابل توجه هوش مصنوعی را برای ارتقای اثربخشی و کارایی تلاش‌های بشردوستانه برجسته می‌کند و بینش‌های ارزشمندی را برای سازمان‌هایی که به دنبال بهره‌گیری از قدرت تحول‌آفرین هوش مصنوعی هستند، ارائه می‌دهد.

واژگان کلیدی: هوش مصنوعی، مدیریت بحران، کمک‌های بشردوستانه، مرور سیستماتیک

Abstract: As crises, both natural and man-made, continue to escalate in frequency and complexity, the need for effective and timely humanitarian interventions has become increasingly critical. Artificial intelligence (AI) has emerged as a transformative tool in enhancing humanitarian aid, addressing all stages of the crisis management cycle. Despite growing interest in AI’s application within the humanitarian field, the existing literature remains fragmented, with limited synthesis of its overall impact. This study adopts a systematic literature review approach to provide a comprehensive analysis of AI’s utilization in humanitarian aid across the crisis cycle, as well as its role in broader humanitarian settings outside of immediate crisis contexts. Based on 60 selected studies, the findings reveal that AI applications in both the pre- and post-crisis phases can be grouped into four specific categories, and that AI’s role in broader humanitarian contexts can similarly be divided into four focus areas. Specifically, the categories in the pre-crisis phase include site selection, medical services enhancement, early warning, and information flow, and the categories in the post-crisis phase include distribution and delivery, damage assessment, online and textual insights, and routing optimization. The review highlights AI’s significant potential to enhance the effectiveness and efficiency of humanitarian efforts, offering valuable insights for organizations seeking to harness AI’s transformative power.

Keywords: Artificial intelligence, Crisis management, Humanitarian aid, Systematic review

1.مقدمه

هدف هوش مصنوعی توانمندسازی ماشین‌ها برای تقلید از فرآیندهای فکری انسان، و در عین حال فراتر رفتن از کارایی انسان است (میسل‌هورن، 2018). این امر مستلزم تجهیز ماشین‌ها به توانایی جمع‌آوری و تحلیل مستقل اطلاعات از محیط اطراف خود برای انجام وظایف، تصمیم‌گیری و حل مسائل است—اقداماتی که معمولاً مستلزم استدلال انسانی هستند (برینجولفسون و مک‌آفی، 2017؛ فون کروگ، 2018). ادغام هوش مصنوعی در کمک‌های بشردوستانه نشان‌دهنده یک تغییر تحول‌آفرین در تلاش‌های امداد جهانی است که فرصت‌های بی‌سابقه‌ای را ارائه می‌دهد. با افزایش تعداد بحران‌ها، هم طبیعی و هم ناشی از اقدامات انسانی، نیاز به کمک‌های بشردوستانه مؤثر—که شامل ارائه خدمات و منابع ضروری، از جمله غذا، آب، مراقبت‌های پزشکی، و سرپناه است که محدود به این موارد نیست (صاحب‌جامنیا و همکاران، 2017)—بیش از هر زمان دیگری حیاتی است (چین و همکاران، 2024). اگر تنها وقوع بلایای طبیعی را در نظر بگیریم، سال 2024 شاهد وقوع مجموعاً 393 رویداد ثبت‌شده در سراسر جهان بوده ایم (EM-DAT، 2025)…

1. Introduction The goal of artificial intelligence (AI) is to enable machines to emulate human thought processes, yet surpass human efficiency (Misselhorn, 2018). This involves endowing machines with the ability to autonomously collect and analyze information from their surroundings to perform tasks, make decisions, and solve problems-actions that typically require human reasoning (Brynjolfsson and McAfee, 2017; Von Krogh, 2018). The integration of AI into humanitarian aid marks a transformative shift in global relief efforts, offering unprecedented opportunities. With an increasing number of crises, both natural and man-made, the need for effective humanitarian assistance-which encompasses the provision of essential services and resources, including but not limited to, food, water, medical care, and shelter (Sahebjamnia et al., 2017)- is more critical than ever (Chin et al., 2024). If we consider the occurrence of natural disasters only, the year 2024 saw a total of 393 recorded events worldwide (EM-DAT, 2025)…

2.هوش مصنوعی و کمک‌های بشردوستانه

 حوزه هوش مصنوعی گسترده است و به گسترش خود ادامه می‌دهد و طیف وسیعی از سیستم‌ها و کاربردهای مبتنی بر رایانه را در بر می‌گیرد که برای درک، تفسیر و یادگیری از تجربیات طراحی شده‌اند و در نتیجه قابلیت‌های انسانی را ارتقا می‌دهند. این امر به سیستم‌ها اجازه می‌دهد تا به سطوح عملکردی فراتر از توانایی‌های افراد دست یابند و ربات‌ها را قادر می‌سازد تا وظایفی را انجام دهند که ممکن است برای انسان‌ها خطرناک باشد (احمد و همکاران، 2022). هوش مصنوعی اغلب با اصطلاحات رایجی مانند یادگیری ماشینی، یادگیری عمیق، شبکه‌های عصبی، تکنیک‌های بهینه‌سازی، تحلیل‌های پیش‌بینی‌کننده، پردازش زبان طبیعی، بینایی کامپیوتری، سیستم‌های خبره، رباتیک، سیستم‌های خودران، و موارد دیگر همراه است (به عنوان مثال، کاریزیارانی و مرادخانی، 2023؛ مادیانو، 2021؛ پریرا و همکاران، 2023)…

2.AI and humanitarian aid The field of AI is vast and continues to expand, encompassing a wide range of computer-based systems and applications designed to perceive, interpret, and learn from experiences, thereby enhancing human capabilities. This allows systems to achieve performance levels beyond people’s abilities and enables robots to perform tasks that may be hazardous for humans (Ahmed et al., 2022). AI is often associated with popular terms such as machine learning, deep learning, neural networks, optimization techniques, predictive analytics, natural language processing, computer vision, expert systems, robotics, autonomous systems, and more (e.g., Karimiziarani and Moradkhani, 2023; Madianou, 2021; Pereira et al., 2023)…

3.1. رویه و انتخاب مقالات

 برای ارزیابی دقیق ادبیات موجود و پاسخگویی به دو سؤال تحقیق خود، ما یک مرور سیستماتیک ادبیات (SLR) را با پیروی از یک رویکرد مبتنی بر شواهد که توسط ترنفیلد و همکاران (2003) توصیه شد، انجام دادیم. SLR  برای شناسایی، ارزیابی و ترکیب تمام ادبیات موجود در یک موضوع از طریق یک فرآیند شفاف و قابل تکرار مؤثر است (فان و همکاران، 2022)، که یک روش مناسب برای دستیابی به اهداف این مطالعه می باشد. مرحله اول روش‌شناسی ما شامل برنامه‌ریزی مرور ادبیات بود. پس از تشخیص نیاز به مرور، نویسندگان برای تدوین پروتکل مرور که استراتژی جستجو را برای تعیین اینکه کدام مطالعات باید در تحقیق گنجانده یا حذف شوند، همکاری کردند. از طریق اجماع، ما اصطلاحات جستجو را شناسایی کرده و پایگاه‌های داده را برای جمع‌آوری داده‌ها تعیین کردیم…

3.1. Procedure and selection of articles To rigorously evaluate the existing literature and address our two research questions, we conducted a systematic literature review (SLR) following an evidence-informed approach recommended by Tranfield et al. (2003). A SLR is effective for identifying, assessing, and synthesizing all the available literature on a topic through a transparent and reproducible process (Fan et al., 2022), making it a suitable method for achieving the objectives of this study. The first stage of our methodology included planning the review. Upon recognizing the need for the review, the authors collaborated to establish the review protocol, which outlined the search strategy for determining which studies to include or exclude in the research. Through consensus, we identified the search terms and decided on the databases for the data collection…

5.بحث و دستاورد

 یافته‌های این مطالعه به سؤال اول تحقیق ما پاسخ داد: «هوش مصنوعی چگونه در کمک‌های بشردوستانه در سراسر چرخه بحران استفاده می‌شود؟» نتایج نشان می‌دهند که کاربردهای هوش مصنوعی را می‌توان به دو فاز کلیدی تقسیم کرد: فاز پیش از بحران، که بر ارتقای آمادگی تمرکز دارد، و فاز پس از بحران، که شامل تلاش‌های واکنش و بازیابی است. هر یک از این موارد را می‌توان بر اساس تمرکز به چهار گروه دیگر تقسیم کرد. در فاز پیش از بحران، یافته‌ها نشان می‌دهند که بیشتر ادبیات موجود در مورد پیوند هوش مصنوعی و کمک‌های بشردوستانه مربوط به این است که چگونه هوش مصنوعی می‌تواند به بهبود جریان اطلاعات بین فعالان بشردوستانه کمک کند و به ارائه کمک کارآمدتر کمک نماید. این تأکید حیاتی است، زیرا هماهنگی مؤثر به عنوان سنگ بنای عملیات بشردوستانه موفق شناخته می‌شود (مشتری و گونسالوز، 2017). تمرکز بر جریان اطلاعات، این موضوع را برجسته می‌کند که ارتباطات ساده در هنگام وقوع بحران ضروری است…

5. Discussion and contribution The findings of this review answered our first research question “How is AI utilized in humanitarian aid across the crisis cycle?” The results reveal that AI applications can be divided into two key phases: the pre-crisis phase, which focuses on enhancing preparedness, and the post-crisis phase, which involves response and recovery efforts. Each of these can be further categorized into four groups based on focus. In the pre-crisis phase, the findings indicate that most existing literature on the AI-humanitarian aid nexus has been related to how AI can help improve the information flow among humanitarian actors, contributing to more efficient aid delivery. This emphasis is crucial, as effective coordination is recognized as a cornerstone of successful humanitarian operations (Moshtari and Gonçalves, 2017). The focus on information flow highlights the sector’s recognition that streamlined communication is essential when a crisis unfolds…