Оцінка факторів і перспектив впровадження інтелектуальних систем в практику публічного управління

Размещено на http://www.allbest.ru/

Науково-дослідний інститут публічного управління та права

Хмельницький регіональний центр підвищення кваліфікації

Хмельницький університет управління та права імені Леоніда Юзькова

Оцінка факторів і перспектив впровадження інтелектуальних систем в практику публічного управління

Гасюк Ігор Леонідович доктор наук з державного управління, професор, заступник директора

Баюк Микола Іванович кандидат наук з державного управління, старший викладач кафедри публічного управління та адміністрування, директор

Хмельницький

Анотація

У статті представлені результати опитування публічних службовців щодо сучасного стану використання та перспективних шляхів впровадження технологій інтелектуальних систем в практику публічного управління. Дослідження передбачало пошук відповідей і перевірку достовірності шести гіпотез шляхом побудови рефлексивної моделі із застосуванням програмного комплексу Smart-PLS. Ми використовували можливості SmartPLS (версія 4) для моделювання структурних рівнянь, що дозволяють побудувати моделі, які відображають особливості взаємозв'язків між латентними та спостережуваними змінними, які утворювали відповідні конструкти: стан використання технологій інтелектуальних систем, обізнаності публічних службовців із їх змістом, визначення факторів негативного впливу та перспективних шляхів впровадження таких систем в практичну діяльність. Отримані результати дослідження дозволяють беззаперечно констатувати, що заміна людей інтелектуальними системами в управлінських процесах є складним процесом і буде залежати від кількох факторів, включаючи розвиток технологій, рівня правової, релігійної, світоглядної заангажованості населення, суспільної прийнятності та ефективності самих інтелектуальних систем. Зрозуміло, що інтелектуальні системи вже зараз виконують певні завдання у сферах, де вони можуть показати високу ефективність, проте для повного заміщення людини в управлінських процесах потрібно враховувати наступні аспекти: складність завдань, етичні аспекти, особливості людської взаємодії та наявні правові обмеження, соціокультурні фактори та готовність громадян до таких змін. Слід наголосити, хоча інтелектуальні системи все більше використовуються в управлінні, повна заміна людини в управлінських процесах є питанням тривалого часу і вимагає збалансованого підходу, враховуючи вищезазначені фактори.

Ключові слова: публічне управління, інтелектуальні системи.

Abstract

Hasiuk Ihor Leonidovich Doctor of Science in Public Administration, Professor, Deputy Director, scientific-research institute for public management and law (Khmelnitsky), Khmelnytsky

Baiuk Mykola Ivanovich Candidate of Sciences in Public Administration, Senior Lecturer of the Department of Public Administration of the Leonid Yuzkov Khmelnytsky University of Management and Law, Director, Khmelnytsky Regional Center for Advanced Training, Khmelnytsky

ASSESSMENT OF FACTORS AND PROSPECTS FOR THE INTRODUCTION OF INTELLIGENT SYSTEMS IN THE PRACTICE OF PUBLIC ADMINISTRATION

The article presents the results of a survey of public servants on the current state of use and promising ways of introducing intelligent systems technologies into the practice of public administration. The study involved finding answers and testing the validity of six hypotheses by building a reflexive model using the Smart-PLS software package. We used the capabilities of SmartPLS (version 4) to model structural equations that allow us to build models that reflect the peculiarities of the relationship between latent and observed variables that formed the relevant constructs: the state of use of technologies of intelligent systems, awareness of public servants with their content, identification of factors of negative influence and promising ways to implement such systems in practice. The results of the study allow us to indisputably state that the replacement of people with intelligent systems in management processes is a complex process and will depend on several factors, including the development of technology, the level of legal, religious, ideological bias of the population, social acceptability and efficiency of the intellectual systems themselves. It is clear that intelligent systems are already performing certain tasks in areas where they can show high efficiency, but in order to completely replace a person in management processes, it is necessary to take into account the following aspects: the complexity of tasks, ethical aspects, features of human interaction and existing legal restrictions, socio-cultural factors and the readiness of citizens for such changes. It should be emphasized that although intelligent systems are increasingly used in management, the complete replacement of humans in management processes is a matter of time and requires a balanced approach, taking into account the above factors.

Keywords: public administration, intelligent systems.

Вступ

Постановка проблеми. Останніми роками висвітленню змісту теоретичних аспектів застосування технологій інтелектуальних систем в публічному управлінні присвячено надзвичайно багато наукових праць адже ця проблема є багатогранною із безліччю різноманітних аспектів. Водночас, як свідчить практичний досвід, теорія з практикою не завжди узгоджуються між собою, а подекуди деякі теоретичні засади залишаються впродовж багатьох років не витребуваними в практичних аспектах їх застосування. Бурхливі темпи розвитку та впровадження технологій інтелектуальних систем в практику публічного управління обумовлюють необхідність дослідження проблеми готовності публічних службовців до їх використання у своїй повсякденній діяльності і бачення практиків щодо перспективних шляхів їх впровадження. Саме цьому аспекту ми присвятимо цю статтю з метою визначення факторів, які сприяють або навпаки, уповільнюють темпи впровадження технологій інтелектуальних систем в практику публічного управління, рівня їх впровадження і технічної озброєності інститутів публічного управління комп'ютерною технікою та обладнанням, визначення рівня обізнаності за суб'єктивною оцінкою із змістом сучасних технологій інтелектуальних систем та готовності до їх застосування.

Аналіз останніх досліджень і публікацій. З метою забезпечення якісного та ефективного впровадження технологій інтелектуальних систем в практику публічного управління багатьма науковцями проводяться дослідження можливостей інформаційно-комунікаційного, нормативно-правового, організаційного, фінансового механізмів [4], механізмів формування електронного уряду [15], механізмів впровадження цілісної системи для підтримки органів державного управління у прийнятті рішень та визначенні політики у відповідній соціально-економічній сфері [3], механізмів забезпечення прозорості інформації [13], інформаційно-комунікаційного механізму для побудови нових інтелектуальних систем і розробки нових стратегій запобігання ризикам [14]. Водночас, наразі дуже обмаль наукових праць які б на основні математико-статистичного аналізу об'єктивно висвітлювали стан проблеми впровадження технологій інтелектуальних систем в практику публічного управління на основі суб'єктивної оцінки усіх аспектів цього процесу безпосереднім учасниками і зацікавленими особами - публічними службовцями.

Метою статті є висвітлення результатів рефлексивної моделі щодо оцінки використання та впровадження технологій інтелектуальних систем в практику публічного управління та заміни ними людини.

Виклад основного матеріалу

Для вирішення вищеозначених завдань нами було проведене анонімне опитування державних службовців та працівників органів місцевого самоврядування з різних міст України, які проходили навчання в Хмельницькому регіональному центрі підвищення кваліфікації і під час якого опитування пройшли 253 посадових особи. Як свідчать дані із офіційних джерел [11] станом на 2022 рік в Україні налічувалось близько 237 тисяч державних службовців, і станом на момент дослідження ця цифра на зазнала суттєвих змін. Відповідно до загальної кількості державних службовців, посадових осіб територіальних громад, яка сягає близько 237 тисяч осіб, вибірка у 253 особи для отримання результатів з точністю 95% та довірчим інтервалом ± 6,16% є достатньою. Аналіз результатів опитування проводився із використанням комп'ютерної програми SmartPLS-4.0 [5]. Інтерпретація та узагальнення отриманих результатів здійснювалась із дотримання усіх рекомендацій і вимог щодо проведення таких видів дослідження [1, 8, 9, 10, 17, 19].

Окрім загальних, описових даних про респондентів до опитувальника увійшло сім блоків, які складались із п'яти питань в кожному. Кожний блок характеризує окрему складову проблеми сучасного стану впровадження, використання, загроз та ризиків використання технологій інтелектуальних систем в практиці публічного управління. Охарактеризуємо кожний із блоків, шість з яких за логікою дослідження можна охарактеризувати як незалежні змінні або фактори, і один як залежна змінна. Перший блок - «Стан впровадження та використання технологій інтелектуальних систем» (абревіатура СВІС) до якого було віднесено наступні питання: робоче місце обладнане сучасною технікою (СВСІ_1); використовую щоденно різноманітні експертні системи, реєстри (СВСІ_2); користуюсь прикладними програмами для прийняття рішень (СВСІ_3); комунікація за допомогою засобів Інтернет зв'язку (СВСІ_4); усі щоденні ділові операції автоматизовано (СВСІ_5). Другий блок - «Ефективність використання інтелектуальних систем» (абревіатура ПЕІС) складався із наступних питань: експертні системи та електронні реєстри надійний помічник (ПЕІС_1); комунікація з колегами через корпоративні програми (ПЕІС_2); прийняття рішень за допомогою програм обробки юридичною та статистичної інформації (ПЕІС_3); рутинні задачі повністю автоматизовані є час для вирішення складних задач (ПЕІС_4); постійно користуюсь технологіям е-управління (ПЕІС_5). Третій блок - «Найбільш витребувані технології інтелектуальних систем» (абревіатура ВТІС) складався із наступних питань: системи пошуку і верифікації інформації (ВТІС_1); системи підтримки прийняття управлінських рішень з огляду їх законності (ВТІС_2); автоматизація прийняття рішень щодо надання адміністративних послуг (ВТІС_3); інструменти фінансового обліку, бюджетування, статистичного аналізу, прогнозування (ВТІС_4); технології е-управління із можливістю відстеження у реальному часі (ВТІС_5). Четвертий блок - «Суб'єктивна оцінка обізнаності із змістом технологій інтелектуальних систем» (абревіатура СОЗ) до якого увійшли наступні питання: розумію основи і володію навичками роботи в Інтернеті (СОЗ_1); володію знаннями і маю навички роботи із прикладними програмами статистичної обробки інформації (СОЗ_2); знаю як і отримую інформацію з реєстрів, кадастрів (СОЗ_3); використовую офісні пакети програм, друкую, складаю звітність, форми та презентації, використовую можливості штучного інтелекту (ChatGPT) (СОЗ_4); обізнаний із технологіями машинного навчання та нейронних мереж, розумію принципи роботи інтелектуальних систем (СОЗ_5). П'ятий блок - «Фактори негативного впливу на впровадження інтелектуальних систем» (абревіатура ФНВ) до якого увійшли наступні питання: недостатня кваліфікація працівників (ФНВ_1); обмеженість фінансових можливостей держави, місцевих громад (ФНВ_2); технологічна відсталість, відсутність інфраструктури (ФНВ_3); недосконала державна політика щодо цифровізації процесів публічного управління (ФНВ_4); недовіра до технологій, людина все одно зробить краще (ФНВ_5). Шостий блок - «Перспективні шляхи підвищення ефективності використання технологій інтелектуальних систем в публічному управлінні» (абревіатура ПШПЕ) до якого увійшли наступні запитання: введення в програми навчання публічних службовців відповідних курсів (ПШПЕ_1); проводити навчання із оволодіння змістом нових технологій інтелектуальних систем (ПШПЕ_2); фінансування в повному обсязі програми цифровізації процесів управління (ПШПЕ_3); налагодити випуск необхідного устаткування та розробку технологій (ПШПЕ_4); впроваджувати технології та найкращий світовий досвід (ПШПЕ_5). Сьомий блок, це залежна змінна або фактор, який є кінцевою метою удосконалення процесів та підвищення ефективності публічного управління і до якого було віднесено три запитання - «Чи частково замінять людину і будуть ефективними технології інтелектуальних систем в публічному управлінні» абревіатура (ЗЛІС): так, це посприяє прозорості та ефективності публічного управління (ЗЛІС_1); так, буде усунуто людський фактор і помилки (ЗЛІС_2); так, людина буде вирішувати творчі завдання і визначати розвиток суспільства (ЗЛІС_3).

Усі питання згруповані за блоками було оформлено за допомогою програмного забезпечення «Microsoft Forms», а посилання для отримання відповідей надавалось респондентам під час проходження курсів підвищення кваліфікації [12]. Усі питання були побудовані за шкалою Лайкерта.

Характеристика вибіркової сукупності респондентів полягає в наступних особливостях. Найчисельнішою віковою групою серед респондентів були державні службовці віком від 31 до 40 років, загальна кількість яких становила 38% або 97 осіб, найменшою групою були люди віком понад 60 років, яких було лише 4% або 10 осіб. Власне можна стверджувати, що в опитуванні переважно приймали участь люди найбільш продуктивного віку до 50 років. публічний службовець інтелектуальний

Більшість із респондентів за посадовими обов'язками та посадами віднесли себе до категорії «Виконавець» - 160 осіб або 63% опитаних, а керівників старшої ланки, які надали свої відповіді було 16 осіб або 6% із загальної кількості.

Важливою характеристикою вибірки є досвід і стаж роботи респондентів в органах державної влади та органах місцевого самоврядування. Слід відзначити, що значна більшість опитаних мала досвід роботи в сфері публічного управління понад 5 років, загальна кількість яких становила 194 особи або 77% вибірки. Найменш досвідчену групу із стажем роботи до 1 року становило лише 16 респондентів або 6% від усіх опитаних.

Показовим є факт, що більшість опитаних державних службовців мають освіту на рівні «спеціаліст, магістр» - 232 респондента або 92% опитаних. Слід відзначити, що серед усієї вибірки було лише 2 особи, які мали освітньо- кваліфікаційний рівень «молодший бакалавр» (1%), і навпаки - 3 особи мали науковий ступінь «кандидата наук».

Згідно логіки використання інструменту SmartPLS ми побудували модель згідно якої було перевірено низку гіпотез щодо оцінки стану та перспективних шляхів використання технологій інтелектуальних систем в публічному управлінні України. Незалежними ми визначили фактори, які утворюють п'ять змінних в кожному із них які ми описали вище із наведенням абревіатур. Залежною змінною або на яку можуть чинити вплив незалежні фактори є змінна яка відображає бажаний або можливий кінцевий стан впровадження та удосконалення технологій інтелектуальних систем в практику публічного управління. Усі шість гіпотез, які будуть сформульовані нижче, передбачають пошук відповіді на питання чи впливають незалежні фактори на залежну змінну і яким чином. Наведемо відповідно до моделі дослідження сформульовані нами гіпотези:

H_1 - стан використання технологій інтелектуальних систем пов'язаний і впливає на часткову заміну людини в публічному управлінні технологіями інтелектуальних систем.

* H_2 - заходи підвищення ефективності використання технологій інтелектуальних систем в публічному управлінні впливають і пов'язані с процесами заміни людини в публічному управлінні на технології інтелектуальних систем.

* Н_3 - використання найбільш популярних технологій інтелектуальних систем в процесах публічного управління пов'язані і впливають на заміну людини в публічному управлінні на технології інтелектуальних систем.

* Н_4 - рівень освіченості і знань технологій інтелектуальних систем державними службовцями впливають і пов'язані із темпами і якістю впровадження технологій інтелектуальних систем в практику публічного управління.

* Н_5 - фактори негативного впливу на процеси інформатизації в публічному управлінні пов'язані і впливають на процеси заміни людини в публічному управлінні на технології інтелектуальних систем.

* Н_6 - чинники, які складають перспективні шляхи підвищення ефективності впровадження інтелектуальних систем в публічне управління впливають і пов'язані із процесами заміни людини технологіями інтелектуальних систем в публічному управлінні.

В нашому випадку усі змінні за змістом ми вважаємо за наслідки, причиною яких є інформатизація управлінських процесів, які утворюють певний фактор [18], а також, які є окремими ознаками, суб'єктивними характеристиками процесу управління, і які не є комбінацією незалежних змінних, які необхідно пояснити [7]. Тому зважаючи на вище наведене наша модель є рефлексивною і відповідно до її типу ми опишемо основні критерії її відповідності на надійність внутрішньої узгодженості (internal consistency reliability), конвергентну валідність (convergent validity), дискримінанту валідність (discriminant validity) (див. рис. 1).

Надійність внутрішньої узгодженості моделі. Існує два критерії для визначення надійності внутрішньої узгодженості: критерій Кронбаха альфа (Cronbach's alpha), який характеризує нижню межу значення надійності та критерій комплексної надійності (composite reliability), який представляє верхню межу значення надійності. Обидва показники варіюються від 0 до 1, чим вище значення, тим вищий рівень надійності. Значення комплексної надійності від 0,6 до 0,7 є прийнятними, а значення від 0,7 до 0,9 можна вважати високими [16]. Комплексна надійність, нижча за 0.6, свідчить про недостатню надійність внутрішньої узгодженості (табл. 1).

Як свідчать значення вищеозначених критеріїв, які наведені в таблиці 1, побудована нами модель характеризується високим рівнем надійності внутрішньої узгодженості моделі.

Рис. 1. Модель оцінки стану та перспективних шляхів використання технологій інтелектуальних систем в публічному управлінні України

Таблиця 1 Значення критеріїв надійності внутрішньої узгодженості моделі

Конвергентна валідність моделі. Конвергентна валідність - це міра, яка визначає позитивну кореляцію із альтернативними, можливими вимірюваннями змінних того ж самого конструкту (моделі). Існує два критерії для оцінки конвергентної валідності рефлексивних конструктів (моделей): зовнішнє навантаження індикатора (outer loading) і середня добута дисперсія (Average variance extracted (AVE)). AVE визначається як середнє арифметичне значення квадратів навантажень індикаторів, пов'язаних з конструктами. Значення AVE 0.5 або вище вказує на те, що в середньому конструкт пояснює більше половини дисперсії своїх показників. Як бачимо із рисунка 1 та таблиці 1 усі значення цього показника є вищими за цифрове значення 0.5, тому можна зробити висновок, що за цим показником модель є валідною.

Дискримінанта валідність моделі. Дискримінанта валідність - це міра, яка визначає наскільки конструкт відрізняється від інших конструктів моделі. Існує три найбільш розповсюджених способи визначення унікальності конструктів в моделі: перехресне навантаження (cross loading), критерій Форнелла-Ларкера (Fornell-Larcker criterion) та критерій HTMT (The heterotraitmonotrait ratio). Як свідчать результати розрахунків, всі навантаження змінних, які утворюють відповідний конструкт перевищують перехресні навантаження інших конструктів до яких вони також включені, це дозволяє констатувати, що дискримінанта валідність моделі є значущою за цим критерієм.

Критерій Форнелла-Ларкера полягає у порівнянні значень коефіцієнтів кореляції по кожній із латентних змінних з квадратним коренем значення критерію AVE по кожній із конструкції. Квадратний корінь із значення критерію AVE по кожному із конструктів має бути більшим за його найвищу кореляцію з будь-яким іншим конструктом (див. табл. 2).

Таблиця 2 Значення критерію Форнелла-Ларкера для кожного із конструктів моделі

Порівняння усіх значень квадратного кореня з AVE, яке знаходиться на головній діагоналі таблиці з коефіцієнтами кореляції з іншими конструктами як по рядках так і по стовпчиках свідчить, що вони є вищими, ніж кореляція конструкту з іншими латентними змінними. Це свідчить про те, що всі конструкти у моделі є валідними і унікальними з точки зору їх дискримінантних можливостей.

Критерій HTMT. Коефіцієнт співвідношення гетеро- і моноконструктів (Heterotrait-monotrait ratio) HTMT - це оцінка того, якою була б справжня кореляція між двома конструктами, якби вони були абсолютно надійними. HTMT є середнім значенням усіх кореляцій між показниками які входять до відповідних конструктів. Коефіцієнт HTMT це відношення кореляцій між ознаками до кореляцій всередині ознак, і може бути використаний для оцінки дискримінантної валідності. Значення HTMT вище 0.9 свідчить про відсутність дискримінантної валідності моделі, тобто усі значення мають бути меншими за цей показник. Як свідчать отримані нами дані усі розраховані значення критерію HTMT є меншими за критичне значення 0.9, що попередньо свідчить ймовірно високу дискримінанту валідність моделі, але згідно вимог необхідно визначити чи ці показники статистично значимо відрізняються від 1 за допомогою процедури бутстрепінгу (bootstrapping) [6]. В нашому випадку, жоден довірчий інтервал не включає значення 1, тому відношення HTMT є значущим.

Таким чином, підводячи підсумки щодо можливості використання та інтерпретації результатів перевірки наших гіпотез за побудованою нами моделлю слід відзначити, що вона є надійною, валідною і релевантною за усіма критеріями.

PLS-SEM оцінює параметри з метою максимізації поясненої дисперсії ендогенних латентних змінних. Нам необхідно оцінити структуру моделі з точки зору того, наскільки добре вона пояснює та прогнозує ендогенні змінні. Основними критеріями оцінки структури нашої моделі в PLS-SEM є колінеарність, значущість коефіцієнта шляху, рівень R², розмір ефекту f².

Ми оцінюємо ВТІС, ПЕІС, ПШПЕ, СВСІ, СОЗ, ФНВ як предиктори ЗЛІС. Як бачимо із таблиці 3, всі значення VIF є нижчими за поріг 5. Таким чином, колінеарність між предикторами не є критичною проблемою в нашій структурній моделі.

Таблиця 3 Оцінка структури моделі за основними критеріями

Коефіцієнт шляху має стандартизоване значення приблизно між -1 і +1. Коефіцієнт шляху близький до +1 означає сильний позитивний зв'язок, який зазвичай є статистично значущим. Коли значення коефіцієнта шляху дуже низьке або близьке до 0, вони, як правило, несуттєво відрізняються від нуля і такий зв'язок є слабким і подекуди статистично не значущим.

Для оцінки структурної моделі найчастіше використовується коефіцієнт детермінації (R²). Коефіцієнт представляє кількість дисперсії в ендогенних конструктах і пояснюється всіма пов'язаними з нею екзогенними конструктами [9].

Для оцінки значущості впливу окремого предиктора або конструкта на залежний конструкт окрім коефіцієнтів шляху застосовуються метрика f². В якості орієнтира для оцінки даного критерію використовують граничні значення 0.02, 0.15 та 0.35 які можна інтерпретувати як незначний, середній та великий ефекти. У разі коли значення f², менші за 0.02 можна стверджувати про відсутність значного впливу або ефекту [2].

Таким чином, аналізуючи значення розрахованих критеріїв, які характеризують нашу модель слід відзначити, що найбільш вагомими і статистично значущими є взаємозв'язки і впливи між конструктами ПЕІС (коефіцієнт шляху - 0.202, p = 0.031 < 0.05), ФНВ (коефіцієнт шляху - 0.235, p = 0.009 < 0.05) та ЗЛІС усі решта конструкцій не мають достовірно значущих та вагомих коефіцієнтів шляху. Ці цифри дозволяють стверджувати, що сформульовані нами друга та шоста гіпотези приймаються, решта відхиляється. Зв'язок між цими конструктами можна охарактеризувати як слабкий і який чинить хоч і незначний але вплив на процеси впровадження інтелектуальних систем в практику публічного України адже коефіцієнт f² становить 0.021 та 0.036 одиниць відповідно. Нагадаємо що першим конструктом є «Ефективність використання інтелектуальних систем» (абревіатура ПЕІС), який складався із наступних питань і факторні навантаження яких в конструкті становлять: експертні системи та електронні реєстри надійний помічник (ПЕІС_1 - 0.789); комунікація з колегами через корпоративні програми (ПЕІС_2 - 0.799); прийняття рішень за допомогою програм обробки юридичною та статистичної інформації (ПЕІС_3 - 0.827); рутинні задачі повністю автоматизовані є час для вирішення складних задач (ПЕІС_4 - 0.793); постійно користуюсь технологіям е-управління (ПЕІС_5 - 0.815), а другим конструктом із відповідними факторними навантаженнями по змінним є: «Фактори негативного впливу на впровадження інтелектуальних систем» (абревіатура ФНВ): недостатня кваліфікація працівників (ФНВ_1 - 0.806); обмеженість фінансових можливостей держави, місцевих громад (ФНВ_2 - 0.797); технологічна відсталість, відсутність інфраструктури (ФНВ_3 - 0.791); недосконала державна політика щодо цифровізації процесів публічного управління (ФНВ_4 - 0.759); недовіра до технологій, людина все одно зробить краще (ФНВ_5 - 0.522). Такі факторні навантаження в кожному із конструктів дозволяють констатувати, що якість та ефективність процесів впровадження інтелектуальних систем в практику публічного управління в Україні, за даними опитування державних службовців, в першу чергу залежить від можливостей самих систем, які сприяють підвищенню ефективності повсякденної управлінської діяльності, адже найвагоміший вплив в цьому конструкті є змінна, яка характеризує ступінь використання інтелектуальних систем для обробки юридичної та статистичної інформації державними службовцями для прийняття рішень (0.827) із використанням технологій е-управління (0.815) та комунікація з цього приводу через корпоративні програми (0.799). Вагомий вплив також має змінна автоматизації рутинних задач державного управління та надання адміністративних послуг населенню (0.793) із використанням електронних реєстрів та баз даних (0.789).

Другий конструкт який впливає на процеси впровадження інтелектуальних систем в практику публічного управління є «Фактори негативного впливу» який найбільшою мірою обумовлений негативним впливом недостатньої кваліфікації працівників в сфері застосування інтелектуальних систем (0.806), яка підсилюється недостатністю коштів щодо впровадження таких систем, і як наслідок здійснення навчання публічних службовців (0.797). Це одночасно є і тими напрямами, над якими слід замислитись державним діячам, які розробляють відповідні стратегії впровадження технологій інтелектуальних систем в практичну діяльність публічних службовців. Вагомим є факт, що на думку публічних службовців така змінна, як недовіра до технологій інтелектуальних систем чинить незначний вплив на процеси впровадження інтелектуальних систем, і відповідно теза про те, що людина все одно зробить краще є сумнівною (ФНВ_5 - 0.522). Власне за логікою нашої моделі і критеріїв якості та валідності ми могли б виключити цю змінну із даного конструкту, як таку яка не є значущою. Це в свою чергу свідчить про високий рівень довіри з боку державних службовців технологіями інтелектуальних систем з одного боку, а з другого, підтверджує їх переконання, що вони найближчим часом замінять людину за багатьма функціями та процесами публічного управління. В цілому переважно цих два конструкти із не значним внеском інших до загальної дисперсії пояснюють 25.6% інформації, яка може впливати на кінцевий результат: заміни людини інтелектуальними системами в процесах публічного управління, адже значення критерію R² становить 0.256 одиниць.

Слід відзначити, що за факторними навантаженням відповідно до висловлених думок державних службовців що питання: «Чи частково замінять людину і будуть ефективними технології інтелектуальних систем в публічному управлінні» абревіатура (ЗЛІС) за вагомістю розташувались наступні змінні у такому порядку: так, людина буде вирішувати творчі завдання і визначати розвиток суспільства (ЗЛІС_3 - 0.860); так, буде усунуто людський фактор і помилки (ЗЛІС_2 - 0.859); так, це посприяє прозорості та ефективності публічного управління (ЗЛІС_1 - 0.835). Звертаємо увагу читача на те, що сподівання опитаних публічних службовців лежать в площині концепту вивільнення людини від рутинної, щоденної, монотонної праці, а системи інтелектуальних систем дозволять людині не тільки вирішувати творчі завдання але й усунути людський фактор, власне зменшити ризики корупції в публічному управлінні, появи помилок в управлінських рішеннях, під час аналізування великих обсягів інформації, що в сукупності призведе до підвищення прозорості та ефективності публічного управління. Зрозуміло, що даний концепт можливо реалізувати в межах парадигми повного контролю використання технологій інтелектуальних систем на благо і на розвиток суспільства, а не для його фізичного, духовного та інтелектуального знищення.

Висновки

Завершуючи наше дослідження ми хотіли б наголосити на тому, що розвиток і впровадження технологій інтелектуальних систем в практику публічного управління є важливим напрямком розвитку суспільства і інститутів публічного управління і має значний потенціал для поліпшення якості життя людей та підвищення ефективності управління державними та громадськими справами. Основними перспективами такого розвитку згідно нашого дослідження є підвищення ефективності процесів, аналітика та прийняття рішень на основі даних, посилення взаємодії з громадськістю, зменшення бюрократії і корупції, розвиток «розумних» міст і регіонів, забезпечення кібербезпеки, значне покращення процесів освіти і підготовки кадрів, вирішення низки етичних та юридичних питань шляхом усунення негативного впливу людського фактору. Загалом, інтелектуальні системи мають потенціал якісно змінити публічне управління, поліпшити якість послуг для громадян і зробити процеси управління більш прозорими та ефективними.

Література

1. Chin, W., & Marcoulides, G. (1998). The Partial Least Squares Approach to Structural Equation Modeling. Modern Methods for Business Research, 8.

2. Cohen, J. (1998). Translation, validation, and norming of the Dutch language version of the SF-36 Health Survey in community and chronic disease populations. Journal of Clinical Epidemiology, 51(11), 1055-1068.

3. Conejero, J. M., Preciado, J. C., Fernandez-Garcia, A. J., Prieto, A. E., & Rodriguez- Echeverria, R. (2021). Towards the use of Data Engineering, Advanced Visualization techniques and Association Rules to support knowledge discovery for public policies. Expert Systems with Applications, 170. https://doi.org/10.1016/j.eswa.2020.114509

4. Davyd Shatirishvili. (2020). Public administration of public transport through implementation of an information and communication mechanism. World Science, 2(1(53)). https://doi.org/10.31435/rsglobal_ws/31012020/6899

5. Download SmartPLS 4 - SmartPLS. (n.d.). Retrieved September 7, 2023, from https://www.smartpls.com/downloads

6. Farrell, A. M. (2010). Insufficient discriminant validity: A comment on Bove, Pervan, Beatty, and Shiu (2009). Journal of Business Research, 63(3), 324-327. https://doi.org/10.1016/ jjbusres.2009.05.003

7. Fornell, C. . & B. F. L. (1982). Two structural equation models: LISREL and PLS applied to consumer exit-voice theory. Journal of Marketing Research, 440-452.

8. Gefen, D., Straub, D., & Boudreau, M. (2000). Structural Equation Modeling And Regression: Guidelines For Research Practice. Communications of the Association for Information Systems, 4. https://doi.org/10.17705/1CAIS.00407

9. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139-152. https://doi.org/10.2753/MTP1069- 6679190202

10. Hair, J., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). https://doi.org/10.1007/978-3-030-80519-7

11. How many civil servants are there in Ukraine and why they failed to reduce their number | Ekonomichna Pravda. (n.d.). Retrieved September 7, 2023, from https://www.epravda.com.ua/ news/2022/06/23/688497/

12. Intelligent systems in public administration. (n.d.). Retrieved September 8, 2023, from https://forms.office.com/Pages/DesignPageV2.aspx?origin=NeoPortalPage&subpage=design&id=eESr00_rP0WPdwXqFf0w_zw0kWNALZVMtbp8a0FWPfhUM09D0EMxMEE2MlZPNlFK0 DV SVkI2VVo5Uy4u&analysi s=false&tab=0

13. Jaya, D. P., Kurniawan, R., Nasirin, C., Lionardo, A., & Basrun Umanailo, M. C. (2021). Challenges of public administration reform in the industrial age 4.0. Proceedings of the International Conference on Industrial Engineering and 0perations Management.

14. Kouziokas, G. N. (2017). The application of artificial intelligence in public administration for forecasting high crime risk transportation areas in urban environment. Transportation Research Procedia, 24. https://doi.org/10.1016/_j.trpro.2017.05.083

15. Manoharan, A., & Melitski, J. (2019). Introduction to E-Government. E-Government and Information Technology Management: Concepts and Best Practices, August 2006.

16. Nunnally, J. C. and B. I. H. (1994). The Assessment of Reliability. Psychometric Theory, 3, 248-292.

17. Ringle, C., Wende, S., & Becker, J.-M. (2015). SmartPLS 3.

18. Rossiter, J. R. (2002). The C-OAR-SE procedure for scale development in marketing. International Journal of Research in Marketing, 19(4), 305-335.

19. Shmueli, G., Ray, S., Velasquez Estrada, J., & Chatla, S. (2016). The elephant in the room: Predictive performance of PLS models. Journal of Business Research, 69. https://doi.org/ 10.1016/j.jbusres.2016.03.049

References

2. Cohen, J. (1998). Translation, validation, and norming of the Dutch language version of the SF-36 Health Survey in community and chronic disease populations. Journal of Clinical Epidemiology, 51(11), 1055-1068.

3. Conejero, J. M., Preciado, J. C., Fernandez-Garcia, A. J., Prieto, A. E., & Rodriguez- Echeverria, R. (2021). Towards the use of Data Engineering, Advanced Visualization techniques and Association Rules to support knowledge discovery for public policies. Expert Systems with Applications, 170. https://doi.org/10.1016/j.eswa.2020.114509

4. Davyd Shatirishvili. (2020). Public administration of public transport through implementation of an information and communication mechanism. World Science, 2(1(53)). https://doi.org/10.31435/rsglobal_ws/31012020/6899

5. Download SmartPLS 4 - SmartPLS. (n.d.). Retrieved September 7, 2023, from https://www.smartpls.com/downloads

6. Farrell, A. M. (2010). Insufficient discriminant validity: A comment on Bove, Pervan, Beatty, and Shiu (2009). Journal of Business Research, 63(3), 324-327. https://doi.org/10.1016/ j.jbusres.2009.05.003

7. Fornell, C. . & B. F. L. (1982). Two structural equation models: LISREL and PLS applied to consumer exit-voice theory. Journal of Marketing Research, 440-452.

8. Gefen, D., Straub, D., & Boudreau, M. (2000). Structural Equation Modeling And Regression: Guidelines For Research Practice. Communications of the Association for Information Systems, 4. https://doi.org/10.17705/1CAIS.00407

9. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139-152. https://doi.org/10.2753/MTP1069- 6679190202

10. Hair, J., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). https://doi.org/10.1007/978-3-030-80519-7

11. How many civil servants are there in Ukraine and why they failed to reduce their number | Ekonomichna Pravda. (n.d.). Retrieved September 7, 2023, from https://www.epravda.com.ua/ news/2022/06/23/688497/

12. Intelligent systems in public administration. (n.d.). Retrieved September 8, 2023, from https://forms.office.com/Pages/DesignPageV2.aspx?origin=NeoPortalPage&subpage=design&id=eESr00_rP0WPdwXqFf0w_zw0kWNALZVMtbp8a0FWPfhUM09D0EMxMEE2MlZPNlFK0 DVSVkI2VVo5Uy4u&analysis=false&tab=0

13. Jaya, D. P., Kurniawan, R., Nasirin, C., Lionardo, A., & Basrun Umanailo, M. C. (2021). Challenges of public administration reform in the industrial age 4.0. Proceedings of the International Conference on Industrial Engineering and 0perations Management.

14. Kouziokas, G. N. (2017). The application of artificial intelligence in public administration for forecasting high crime risk transportation areas in urban environment. Transportation Research Procedia, 24. https://doi.org/10.1016/j.trpro.2017.05.083

15. Manoharan, A., & Melitski, J. (2019). Introduction to E-Government. E-Government and Information Technology Management: Concepts and Best Practices, August 2006.

16. Nunnally, J. C. and B. I. H. (1994). The Assessment of Reliability. Psychometric Theory, 3, 248-292.

17. Ringle, C., Wende, S., & Becker, J.-M. (2015). SmartPLS 3.

18. Rossiter, J. R. (2002). The C-OAR-SE procedure for scale development in marketing. International Journal of Research in Marketing, 19(4), 305-335.

19. Shmueli, G., Ray, S., Velasquez Estrada, J., & Chatla, S. (2016). The elephant in the room: Predictive performance of PLS models. Journal of Business Research, 69. https://doi.org/10.1016/jjbusres.2016.03.049

Размещено на Allbest.ru