Cultivating organizational culture for AI integration: A framework for Smart Cities and Regional Development
Notice bibliographique
Résumé
Objectives: This study addresses the gap between technological capability and organizational readiness in Artificial Intelligence (AI) integration within smart cities and regional development. It aims to establish a framework for understanding how organizational culture influences AI implementation success, focusing on cultural prerequisites that enable or constrain digital transformation. Prior work: Existing literature emphasizes technical and regulatory aspects of smart cities governance and digital transformation, with limited attention to organizational culture dynamics. The OECD’s governance frameworks and research on public sector modernization provide foundational understanding, but systematic cultural assessment methodologies for AI readiness remain underdeveloped. Recent developments in organizational culture measurement offer emerging evidence from transformation initiatives across sectors. Approach: Drawing from four decades of experience in public administration, governance reform, and institutional capacity building across regions like the Middle East, Africa, South-East Asia, and Europe, this conceptual paper synthesizes empirical observations from organizational transformations, public sector modernization initiatives, and international governance reform projects. The analysis incorporates insights from leading institutional reform projects, including the transformation of the International Institute of Administrative Sciences (IIAS), the establishment of the Bahrain Institute for Public Administration (BIPA) and the Middle East & North Africa Public Administration Research (MENAPAR) Network. Results: The research identifies five critical cultural dimensions for successful AI implementations: purpose alignment, collaborative capacity, learning agility, ethical clarity, and technological fluency. Organizations with strong cultural foundations across these dimensions show significantly higher transformation success rates. Cultural factors, rather than technical sophistication, primarily determine implementation outcomes in complex multi-stakeholder environments typical of smart cities initiatives. Implications: This framework provides actionable diagnostic tools for assessing organizational readiness before technology deployment. It suggests a fundamental reorientation of transformation strategies toward systematic cultural stewardship alongside technological implementation. Value: This research bridges organizational psychology and smart cities literature by introducing the first comprehensive cultural readiness framework for AI-driven urban innovation contexts, offering theoretical contributions and practical tools for governance practitioners.
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 | 0,010 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,025 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».