THE IMPACT OF ARTIFICIAL INTELLIGENCE ON THE QUALITY OF WORK OF DEVELOPMENT INSTITUTIONS IN THE DIGITAL WORLD: MANAGEMENT AND ADMINISTRATION ASPECTS
Notice bibliographique
Résumé
The introduction of high technologies and breakthrough innovations, the active use of AI in management and administration is fundamentally changing the quality of functioning of development institutions, making it faster, more efficient and freer from the influence of the human factor. To achieve this, emphasis should be placed on developing tools and mechanisms to support AI. The purpose of the article is to present the readiness for AI in different countries of the world, to determine the manifestation of the impact of AI on the quality of management in development institutions. To achieve the specified goal, the work used methods of analysis, grouping, generalization, comparison, which allowed to comprehensively process the existing scientific works on the impact of AI and the potential effects that it “carries with it”, to outline the prospects for future research on the new generation of digital innovations. The article substantiates and reveals the fact that through the application of AI, the organizational culture in the development institute is improved, the institutional mechanism is implemented more effectively, and the community and teams will receive a new quality of digital life. It is indicated that artificial intelligence is currently perceived by development institutes as a new opportunity for the high-quality generation of work functions in management. It was found that the USA, Great Britain, Finland, South Korea, Germany, the Netherlands, Sweden, Denmark, and Norway weakened their AI readiness index in 2024 compared to 2021 within the framework of the “Electronic Government” criterion. Singapore, Canada, France, and Japan strengthened their positions. The authors express the opinion that technological skills and readiness for changes in management already determine the pace and qualitative evolution of business processes and business systems today. Scientists are of the opinion that digital technologies automate management beyond recognition. The processes of making managerial decisions are changing. In addition, the skills and competencies of managers and executives are changing through advanced training and retraining of employees through involvement in machine learning based on AI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».