Bu sistematik icmal süni intellektin yoxsulluğu birbaşa “həll edib-etmədiyini” deyil, yoxsulluqla mübarizə proqramlarının necə hədəfləndiyi, resursların necə bölüşdürüldüyü, xidmətlərin necə çatdırıldığı, proqramların necə izlənildiyi və alqoritmik qərarların necə nəzarətdə saxlanıldığı üzərindəki rolunu araşdırır. Tədqiqatçılar Scopus, Web of Science Core Collection və Directory of Open Access Journals (DOAJ) vasitəsilə 2015–2025 dövrünü araşdırmış; 387 ilkin qeyddən PRISMA 2020 əsaslı seçim və keyfiyyət qiymətləndirməsi nəticəsində 48 tədqiqat yekun sintezə daxil edilmişdir.

Araşdırılan ədəbiyyatda süni intellekt xüsusilə peyk görüntüləri, coğrafi məlumatlar, inzibati qeydlər və rəqəmsal izlərin birlikdə istifadə edildiyi yoxsulluğun proqnozlaşdırılması; sosial müdafiə proqramlarının hədəfləndirilməsi; maliyyə inklüzivliyi; kənd təsərrüfatı və kənd yaşayış mənbələri; səhiyyə, təhsil və əsas xidmətlər kimi sahələrdə önə çıxır. Maşın öyrənməsi və digər AI metodları ənənəvi olaraq seyrək və ya gecikmiş şəkildə toplanan məlumatlarla yanaşı, daha tez-tez yenilənə bilən məlumat axınlarından istifadə edərək yoxsulluq göstəricilərinin daha detallı qiymətləndirilməsinə və inzibati proseslərin avtomatlaşdırılmasına töhfə verə bilər.

Lakin tədqiqat süni intellekti avtomatik olaraq yoxsul yönümlü və ya qərəzsiz texnologiya kimi qiymətləndirmir. Natamam və qərəzli məlumat dəstləri, rəqəmsal çıxış bərabərsizlikləri, qeyri-kafi infrastruktur, zəif tənzimləyici qabiliyyət, məxfilik problemləri, müşahidə, alqoritmik ayrı-seçkilik və qərarların etiraz edilə bilməz hala gəlməsi mövcud sosial bərabərsizlikləri gücləndirə bilər. İcmalın əsas mesajı budur ki, süni intellektin yoxsulluq idarəçiliyindəki dəyəri yalnız model dəqiqliyindən deyil; məlumat idarəçiliyi, institusional qabiliyyət, yerli kontekstə uyğunluq, şəffaflıq, insan nəzarəti və təsirlənən icmaların iştirakından da asılıdır.

Tədqiqat qlobal əhatəlidir və Türkiyəyə xas qiymətləndirmə təqdim etmir. Türkiyə üçün birbaşa siyasət nəticəsi çıxarmaq üçün istifadə olunacaq məlumatların təmsiletmə gücü, rəqəmsal çıxış, institusional qabiliyyət, sosial yardım və xidmət proseslərinin quruluşu, insan nəzarəti və avtomatik qərarlara etiraz mexanizmləri yerli məlumatlarla ayrıca qiymətləndirilməlidir.

“Yoxsulluq idarəçiliyi” ilə “yoxsulluğun azaldılması” eyni şey deyil

Tədqiqatın mühüm konseptual fərqlərindən biri yoxsulluq idarəçiliyi ilə yoxsulluğun azaldılması arasındadır. Yoxsulluğun azaldılması gəlir, səhiyyə, təhsil və ya yaşayış şəraitində yaxşılaşma kimi yekun inkişaf nəticələrini ifadə edir. Yoxsulluq idarəçiliyi isə ehtiyacların necə müəyyən edildiyi, hansı şəxslərin və ya icmaların prioritetləşdirildiyi, resursların necə ayrıldığı, proqramların necə tətbiq edildiyi, nəticələrin necə izlənildiyi və qərar verənlərin necə hesabat verdiyi ilə bağlıdır.

Buna görə tədqiqat süni intellektin texniki baxımdan nə qədər inkişaf etmiş olmasından çox, AI sistemlərinin sosial müdafiə və inkişaf institutlarının qərarvermə mexanizmlərini necə dəyişdirdiyini araşdırır.

Tədqiqatda istifadə olunan dörd idarəçilik mexanizmi

Müəlliflər müxtəlif sektorlar üzrə AI tətbiqlərini dörd əsas idarəçilik mexanizmi vasitəsilə müqayisə edirlər:

1. Hədəfləmə və resurs bölgüsü: Kimin dəstək alacağının və resursların hansı şərtlərlə bölüşdürüləcəyinin müəyyən edilməsi.
2. Xidmətlərin təqdim edilməsi: Sosial müdafiə, səhiyyə, təhsil və digər xidmətlərin həyata keçirilməsi və çatdırılması.
3. Monitorinq və qiymətləndirmə: Proqram performansının, risklərin və dəyişən yoxsulluq şəraitinin izlənilməsi.
4. Hesabatlılıq və iştirak: Alqoritmik qərarların izah oluna bilməsi, audit oluna bilməsi və vətəndaşların qərarları anlayıb sorğulaya bilməsi.

Süni intellekt niyə sosial-texniki sistem kimi nəzərdən keçirilir?

İcmal süni intellekti yalnız alqoritmlərdən ibarət hesablama vasitəsi kimi qiymətləndirmir. Bir AI sisteminin real təsiri təlim məlumatları, məlumat infrastrukturu, institutların iş prinsipləri, tənzimləmə qabiliyyəti, siyasi və sosial güc münasibətləri və tətbiq olunduğu yerli kontekst tərəfindən birlikdə formalaşır.

Bu yanaşma xüsusilə resursların məhdud olduğu mühitlərdə vacibdir. Bir şəxs və ya icma məlumat sistemlərində kifayət qədər təmsil olunmursa, texniki baxımdan yüksək dəqiqlik göstərən model belə həmin qrupu yanlış təsnif edə və ya tamamilə görünməz hala gətirə bilər.

Tədqiqatın nəzəri əsasları

Tədqiqat bir neçə fərqli nəzəri yanaşmanı bir araya gətirir. Çoxölçülü yoxsulluq yanaşması yoxsulluğu yalnız gəlir çatışmazlığı kimi deyil; səhiyyə, təhsil, qidalanma, mənzil, xidmətlərə çıxış, təhlükəsizlik və söz haqqı kimi bir-biri ilə əlaqəli məhrumiyyətlər vasitəsilə nəzərdən keçirir.

Qabiliyyət yanaşması texnologiyanın dəyərini insanların mənalı həyat seçimlərini genişləndirib-genişləndirmədiyi əsasında qiymətləndirməyə kömək edir. AI dəstəkli səhiyyə, təhsil və ya maliyyə xidmətləri çıxışı artıra bilər; lakin eyni texnologiya müəyyən qrupları kənarda qoyarsa, insanların seçim imkanlarını da daralda bilər.

Rəqəmsal inkişaf ədəbiyyatı texnologiyanın nəticəsinin yalnız texniki xüsusiyyətlərlə müəyyən edilmədiyini; institutların, mədəniyyətin, güc münasibətlərinin və yerli qabiliyyətin tətbiqin uğurunda həlledici olduğunu vurğulayır.

Mürəkkəblik yanaşması isə yoxsulluğun iqtisadi, sosial, ekoloji və institusional sistemlərin qarşılıqlı təsirindən yarandığını qəbul edir. Süni intellektin çoxsaylı dəyişənləri və qeyri-xətti münasibətləri eyni modeldə emal edə bilməsi bu nöqtədə potensial üstünlük kimi qiymətləndirilir.

Sonda AI etikası və məlumat ədaləti yanaşmaları məlumatlarda kimin təmsil olunduğunu, məlumatın kim tərəfindən idarə edildiyini, alqoritmik qərarların hansı qruplara fayda və ya zərər verdiyini və insanların avtomatik qərarları sorğulamaq hüququnun olub-olmadığını mərkəzə gətirir.

Mövzu 1: Yoxsulluğun proqnozlaşdırılması və hədəflənməsində AI

İcmalda ən nəzərəçarpan istifadə sahələrindən biri yoxsulluğun coğrafi və zaman baxımından daha detallı proqnozlaşdırılmasıdır. Araşdırılan tədqiqatlar peyk görüntüləri, gecə işıqları, tikili sıxlığı, ərazi xüsusiyyətləri, mobil telefon istifadəsi və digər rəqəmsal izləri maşın öyrənməsi modelləri ilə birləşdirən yanaşmaları əhatə edir.

Bu sistemlərin məqsədi yalnız “kim yoxsuldur?” sualını cavablandırmaq deyil. Yüksək riskli bölgələrin daha erkən müəyyən edilməsi, həssaslığın zaman ərzində izlənilməsi və böhrandan əvvəl ərzaq yardımı, nağd transferlər və ya digər dəstəklərin planlaşdırılması da araşdırılan istifadə sahələri sırasındadır.

Mənbə icmalının şərhi AI əsaslı metodların uzun fasilələrlə aparılan klassik ev təsərrüfatı sorğularını tamamilə aradan qaldırmalı olduğu istiqamətində deyil. Süni intellekt, daha tez-tez yenilənə bilən və fərqli mənbələrdən gələn məlumatlardan istifadə edərək mövcud məlumat infrastrukturunu tamamlaya bilən vasitə kimi təqdim olunur.

Mövzu 2: Sosial müdafiə və xidmət təqdimatında avtomatlaşdırma

İkinci tədqiqat xətti sosial yardım və dövlət xidmətlərinin idarə edilməsidir. Araşdırılan ədəbiyyatda AI; benefisiar uyğunluğunun qiymətləndirilməsi, inzibati qeydlərin birləşdirilməsi, fırıldaqçılığın aşkarlanması, ödəniş planlaşdırılması və proqram performansının izlənməsi kimi vəzifələrdə nəzərdən keçirilir.

Bu tətbiqlər xüsusilə inzibati qabiliyyətin məhdud olduğu sistemlərdə əməliyyat yükünü azalda bilər. Bununla yanaşı, sosial yardım hüququnun alqoritmik təsnifata bağlanması xəta riskini daha həssas hala gətirir. Modelin yanlış mənfi təsnifatı dəstəyə ehtiyacı olan şəxsin sistemdən kənarda qalmasına səbəb ola bilər.

Mövzu 3: Maliyyə inklüzivliyi və yaşayış mənbələri

İcmalda AI dəstəkli maliyyə texnologiyaları aşağı gəlirli şəxslərin kredit, əmanət və ya sığorta xidmətlərinə çıxışını genişləndirə bilən vasitələr kimi qiymətləndirilir. Ənənəvi kredit tarixçəsi və ya təminatı olmayan şəxslərin mobil ödəniş tarixçəsi və digər alternativ rəqəmsal məlumatlar əsasında qiymətləndirilməsi ədəbiyyatda önə çıxan tətbiqlərdən biridir.

AI əsaslı biznes analitikası və tövsiyə sistemləri kiçik müəssisələrin tələbin proqnozlaşdırılması, qiymətləndirmə, risk qiymətləndirilməsi və təchizat zəncirinin planlaşdırılması kimi məsələlərdə dəstəklənməsi ilə də əlaqələndirilir.

Lakin alternativ məlumat istifadəsi maliyyə inklüzivliyini avtomatik olaraq ədalətli etmir. Qərəzli məlumatlar, qeyri-şəffaf kredit qiymətləndirmə mexanizmləri və ya güclü platformaların məlumat üzərində nəzarəti yeni kənarlaşdırma formaları yarada bilər.

Mövzu 4: Kənd təsərrüfatı, ərzaq sistemləri və kənd yaşayış mənbələri

Kənd təsərrüfatı yoxsulluq və ərzaq təhlükəsizliyi ilə birbaşa əlaqəsinə görə icmalda mühüm sahə təşkil edir. Araşdırılan AI tətbiqləri arasında dəqiq kənd təsərrüfatı, məhsuldarlıq proqnozu, xəstəlik və zərərverici aşkarlanması, torpaq və suvarma optimallaşdırılması, iqlim əsaslı erkən xəbərdarlıq və bazar proqnozları yer alır.

Bu alətlər istehsalçıların giriş resurslarından istifadəsini və risk idarəçiliyini yaxşılaşdıra bilər. Lakin tədqiqat eyni zamanda istifadə olunan bulud infrastrukturunun, özəl modellərin və məlumat emalı sistemlərinin müdaxilənin həyata keçirildiyi ölkələrin xaricində idarə olunması halında məlumat asılılığı və yerli nəzarətin itirilməsi yarana biləcəyini vurğulayır.

Mövzu 5: Səhiyyə, təhsil və əsas xidmətlər

Səhiyyə sahəsindəki ədəbiyyat AI dəstəkli diaqnostika sistemləri, uzaqdan səhiyyə xidmətləri, triaj və epidemiyaların erkən müəyyən edilməsi kimi tətbiqlərə fokuslanır. Məqsəd xüsusilə xidmətə çıxışın məhdud olduğu mühitlərdə səhiyyə imkanlarını dəstəkləməkdir.

Təhsil sahəsində adaptiv öyrənmə, fərdiləşdirilmiş tədris, dil dəstəyi və ağıllı tədris sistemləri önə çıxır. Bu texnologiyalar öyrənmə dəstəyini fərdiləşdirə bilər; lakin rəqəmsal infrastruktura çıxışı olmayan şagirdlərin kənarda qalması bərabərsizliyi artıra bilər.

Su və enerji kimi əsas xidmətlərdə isə tələbin proqnozlaşdırılması, sızmaların aşkarlanması, sensor məlumatlarının analizi və paylanmanın optimallaşdırılması kimi tətbiqlər araşdırılır.

Mövzu 6: Bütün sahələri kəsən risklər

Altıncı mövzu müəyyən sektordan çox, bütün tətbiq sahələrinin ortaq problemlərini əhatə edir. İcmalda təkrarlanan əsas risklər məlumat qərəzi, rəqəmsal kənarlaşdırma, məxfilik, müşahidə, qeyri-kafi infrastruktur, zəif tənzimləmə, alqoritmik şəffaflıq çatışmazlığı və yerli institusional qabiliyyətin zəifliyi kimi müəyyən edilir.

İcmalın müqayisəli nəticəsinə görə AI-nın töhfəsi nəticələrin rəqəmləşdirilə və müşahidə oluna bildiyi proqnozlaşdırma, təsnifat və inzibati koordinasiya kimi vəzifələrdə daha aydın görünür. Bölüşdürmə ədaləti, insan mülahizəsi, sosial legitimlik və fundamental hüquqlar kimi keyfiyyət qiymətləndirmələrinin mərkəzdə olduğu sahələrdə isə sübutlar daha mübahisəli və kontekstdən asılıdır.

Məlumat qərəzi niyə yoxsulluq siyasətində xüsusilə kritikdir?

AI sistemi təlim aldığı məlumatların təmsil etmədiyi şəxsləri düzgün qiymətləndirməyə bilər. Aşağı gəlirli və ya uzaq bölgələrdə yaşayan şəxslər rəqəmsal qeydlərdə daha az görünürsə, model onları olduğundan daha az həssas göstərə bilər. Sosial müdafiə və ya kredit uyğunluğu kimi yüksək təsirli qərarlarda belə xətalar resurs bölgüsünü birbaşa dəyişə bilər.

Buna görə icmal yalnız alqoritm dəqiqliyini deyil, məlumatın haradan gəldiyini, kimin natamam təmsil olunduğunu və yanlış qərarların kimlər üzərində nəticə doğurduğunu sorğulamağı təklif edir.

“Human-in-the-loop” niyə vacibdir?

Tədqiqat insan nəzarətini yalnız texniki seçim kimi deyil, idarəçilik təminatı kimi nəzərdən keçirir. Gəlir dəstəyi, səhiyyə, təhsil və ya digər əsas xidmətlərə çıxışı təsir edən avtomatik qərarların tamamilə qapalı alqoritmə həvalə edilməsi yanlış qərarların aşkarlanmasını və onlara etiraz edilməsini çətinləşdirə bilər.

İcmalın tövsiyə etdiyi məsuliyyətli yanaşma insan nəzarəti, müstəqil audit, alqoritmik şəffaflıq, ədalətə həssas model dizaynı və təsirlənən icmaların dizayn prosesində iştirakını birlikdə nəzərdən keçirir.

Məlumat müstəmləkəçiliyi riski nə deməkdir?

Mənbə tədqiqat yoxsulluqla mübarizədə istifadə olunan məlumat və AI infrastrukturunun yerli icmalardan məlumat toplayarkən model, hesablama infrastrukturu və qərar gücünün başqa aktorlarda cəmləşə biləcəyinə diqqət çəkir. Belə struktur yerli institutların öz inkişaf məlumatları üzərində nəzarətinin azalmasına və uzunmüddətli texnoloji asılılığa səbəb ola bilər.

Buna görə AI infrastrukturunun kimə məxsus olduğu, modellərin harada hazırlandığı və əldə olunan məlumatların hansı məqsədlərlə yenidən istifadə oluna biləcəyi tədqiqatda idarəçilik məsələsi kimi nəzərdən keçirilir.

Tədqiqatın dəstəklədiyi nəticələr

• Araşdırılan ədəbiyyatda AI yoxsulluğun proqnozlaşdırılması və benefisiarların hədəflənməsində çoxmənbəli məlumatların inteqrasiyasını dəstəkləyə bilən vasitə kimi önə çıxır.
• AI əsaslı avtomatlaşdırma sosial müdafiə və xidmət təqdimatındakı bəzi inzibati proseslərin daha sürətli və koordinasiyalı aparılmasına töhfə verə bilər.
• Alternativ məlumatlar və maşın öyrənməsi maliyyə xidmətlərinə çıxış, kənd təsərrüfatında qərar dəstəyi və əsas xidmətlərin planlaşdırılması kimi sahələrdə yeni imkanlar yaradır.
• AI-nın faydası məlumat keyfiyyəti, rəqəmsal infrastruktur, yerli qabiliyyət, şəffaflıq və institusional idarəçilik şərtlərindən güclü şəkildə asılıdır.
• Alqoritmik qərəz, məxfilik, müşahidə, rəqəmsal kənarlaşdırma və hesabatlılıq çatışmazlığı yoxsulluq siyasətində birbaşa bölüşdürmə ədaləti problemlərinə çevrilə bilər.

Tədqiqatın dəstəkləmədiyi, sınaqdan keçirmədiyi və ya sübut etmədiyi nəticələr

• Süni intellektin yoxsulluğu müəyyən faizlə azaltdığını göstərən ortaq təsir ölçüsü hesablanmamışdır.
• AI əsaslı sosial yardım hədəflənməsinin hər ölkədə klassik metodlardan daha ədalətli olduğu sübut edilməmişdir.
• Peyk görüntüsü və ya mobil məlumat əsaslı yoxsulluq proqnozu rəsmi ev təsərrüfatı sorğularını tamamilə əvəz edə bilən üsul kimi təsdiqlənməmişdir.
• Alternativ məlumatlarla kredit qiymətləndirilməsinin bütün aşağı gəlirli qruplar üçün ayrı-seçkiliyi azaltdığı göstərilməmişdir.
• AI-nın səhiyyə, təhsil və ya kənd təsərrüfatında istifadəsinin təkbaşına uzunmüddətli yoxsulluq azalmasına səbəb olduğu sübut edilmir.
• Araşdırılan tətbiqlərin bütün aşağı gəlirli ölkələrdə eyni nəticələri verəcəyi göstərilməmişdir.
• İcmal meta-analiz deyil və tədqiqatların ortaq kəmiyyət təsir ölçüsünü hesablamır.

Türkiyə baxımından necə oxunmalıdır?

Tədqiqat qlobal əhatəlidir və Türkiyə üçün ayrıca alt analiz təqdim etmir. Buna görə icmaldakı beynəlxalq nümunələrdən Türkiyədəki sosial müdafiə və ya dövlət xidmətləri üçün birbaşa effektivlik nəticəsi çıxarmaq olmaz.

Türkiyə kontekstində oxşar AI sistemləri qiymətləndirilərkən model dəqiqliyi ilə yanaşı məlumatın təmsiletmə gücü, rəqəmsal çıxış, yerli institusional qabiliyyət, insan nəzarəti, qərarların izah edilə bilməsi və yanlış təsnifata qarşı etiraz mexanizmləri birlikdə nəzərdən keçirilməlidir. Bu tələblər tədqiqatın ümumi idarəçilik çərçivəsindən çıxarılır; araşdırma Türkiyədə bu elementləri birbaşa sınaqdan keçirməmişdir.

Tədqiqatın Metodu və Nəticələri

Sistematik icmalın əhatəsi

Son ədəbiyyat axtarışı 15 Oktyabr 2025 tarixində aparılmışdır. Tədqiqat dövrü 1 Yanvar 2015 ilə 15 Oktyabr 2025 arasındakı ingilisdilli nəşrlərlə məhdudlaşdırılmışdır.

Üç biblioqrafik mənbədən istifadə olunmuşdur:

• Scopus
• Web of Science Core Collection
• Directory of Open Access Journals (DOAJ)

Daxil edilən nəşr növləri resenziyalı jurnal məqalələri və elmi kitab bölmələridir. Redaksiya yazıları, konfrans xülasələri və resenziyadan keçməmiş hesabatlar xaric edilmişdir.

Axtarış strategiyası

Axtarış üç əsas anlayış qrupunu birləşdirmişdir. Birinci blok “artificial intelligence”, “machine learning”, “deep learning” və “predictive analytics”; ikinci blok “poverty”, “poverty reduction”, “social protection” və “livelihoods”; üçüncü blok isə “governance”, “targeting”, “delivery” və “accountability” terminlərindən ibarət olmuşdur.

Tədqiqatın daxil edilmə meyarlarına görə AI araşdırmanın mərkəzi mövzusu olmalı, tədqiqat yoxsulluq və ya yoxsulluqla əlaqəli nəticə ilə maraqlanmalı və açıq və ya dolayı şəkildə idarəçilik mexanizminə toxunmalıdır.

PRISMA seçim prosesi

İlkin axtarışda 387 qeyd müəyyən edilmişdir. 56 təkrar qeydin çıxarılmasından sonra 331 qeyd başlıq və xülasə yoxlamasına daxil edilmişdir. Bu mərhələdə 258 tədqiqat xaric edilmiş, 73 tam mətn uyğunluq qiymətləndirməsinə keçmişdir. Tam mətn qiymətləndirməsində daha 25 tədqiqat çıxarılmış və yekun sintezə 48 tədqiqat daxil edilmişdir.

Tam mətn mərhələsində niyə 25 tədqiqat çıxarıldı?

Bu üç səbəbin cəmi 25-dir və mənbə tədqiqatın tam mətn seçimi izahı ilə uyğundur.

Keyfiyyət qiymətləndirməsi necə aparıldı?

Kəmiyyət, keyfiyyət və qarışıq metodlu empirik tədqiqatlar Mixed Methods Appraisal Tool, 2018 versiyası ilə qiymətləndirilmişdir. Qiymətləndirmə iki tədqiqatçı tərəfindən müstəqil şəkildə aparılmışdır.

Empirik tədqiqatlar yüksək etibarlılıq, orta etibarlılıq və ya aşağı etibarlılıq səviyyəli töhfələr kimi təsnif edilmişdir. Aşağı etibarlılıqlı tədqiqatlar yalnız bənzərsiz sektoral və ya kontekstual məlumat təqdim etdikdə saxlanılmış və nəticələri daha ehtiyatla şərh edilmişdir.

Konseptual tədqiqatlara və icmallara empirik keyfiyyət balı verilməmiş; onlar konseptual uyğunluq baxımından qiymətləndirilərək daha çox çərçivə və şərh məqsədilə istifadə olunmuşdur.

Mənbə tədqiqat bu etibarlılıq qruplarındakı tədqiqat saylarını və ya hər bir tədqiqat üzrə MMAT nəticələrini yayımlamadığı üçün keyfiyyət bölgüsünün Verianla tərəfindən rəqəmsal şəkildə yenidən qurulması mümkün deyil.

Hansı məlumatlar çıxarıldı?

Hər tədqiqatdan biblioqrafik məlumatlar, ölkə və ya region, tətbiq sektoru, istifadə olunan AI metodu, araşdırılan idarəçilik mexanizmi, bildirilən fayda və risklər və istifadə olunan konseptual çərçivələr standartlaşdırılmış forma vasitəsilə çıxarılmışdır.

Daha sonra iterativ kodlaşdırma, təsviri mövzuların inkişaf etdirilməsi və fərdi tədqiqatların hüdudlarını aşan analitik mövzuların yaradılmasını əhatə edən tematik sintez tətbiq edilmişdir.

Tədqiqatda müəyyən edilən altı tematik sahə

Bu cədvəl mənbə tədqiqatda “indicative”, yəni istiqamətverici və tam olmayan təsnifat kimi təsvir edilmişdir. Mövzular üzrə tədqiqat sayı verilmədiyinə görə cədvəl yayılma tezliyi və ya təsir ölçüsü cədvəli kimi oxunmamalıdır.

Ən güclü sübut hansı idarəçilik tapşırıqlarında görünür?

Müəlliflərin müqayisəli sintezinə görə AI-nın töhfəsi ən ardıcıl şəkildə proqnozlaşdırma, təsnifat və inzibati koordinasiya tələb edən sahələrdə görünür. Yoxsulluq xəritələndirməsi, benefisiar hədəflənməsi və fırıldaqçılığın aşkarlanması buna nümunə göstərilir.

Bunun əksinə, bölüşdürmə ədaləti, kontekstə həssas insan qərarı, vətəndaş iştirakı və fundamental hüquqlar kimi elementlərin mərkəzdə olduğu idarəçilik vəzifələrində nəticələr daha dəyişkən və mübahisəlidir. Buna görə yüksək proqnoz performansı ilə yaxşı idarəçilik eyni şey deyil.

İcmaldan çıxan əsas idarəçilik şərtləri

Tədqiqatın bütün sektorlar boyunca təkrarladığı şərtlər güclü məlumat idarəçiliyi, inklüziv rəqəmsal infrastruktur, kontekstə həssas dizayn, alqoritmik şəffaflıq, institusional qabiliyyət, insan nəzarəti və təsirlənən icmaların iştirakıdır.

Bu şərtlər tədqiqatda sonradan əlavə edilmiş etik detallar kimi deyil, AI-nın yoxsulluq idarəçiliyində uğurunu müəyyən edən əsas sistem komponentləri kimi qiymətləndirilir.

Əsas metodoloji və sübut məhdudiyyətləri

Meta-analiz aparılmamışdır: Araşdırılan tədqiqatların ortaq təsir ölçüsü hesablanmamış və AI-nın yoxsulluq üzərində ümumi kəmiyyət təsiri qiymətləndirilməmişdir.

Sübut coğrafi baxımdan balanssızdır: Daha güclü rəqəmsal infrastruktur və tədqiqat qabiliyyətinə malik ölkələr ədəbiyyatda daha çox görünür; kövrək, münaqişədən təsirlənmiş və çox aşağı gəlirli mühitlərdə sübut daha məhduddur.

Uzunmüddətli nəticələr məhduddur: Bir çox tədqiqat texniki performans göstəricilərinə fokuslandığı halda gəlir bölgüsü, sosial təsirlər, gender fərqləri və kəsişən nəticələri uzun müddət izləyən araşdırmalar azdır.

Müqayisəli institusional tədqiqatlar məhduddur: Eyni AI müdaxiləsinin fərqli idarəçilik modellərində niyə uğurlu və ya uğursuz olduğunu müqayisə edən tədqiqatların sayı yetərli deyil.

Bəzi yoxsulluq sahələri az araşdırılmışdır: Xüsusilə qeyri-formal şəhər yaşayış mənbələri və qayğı əməyi kimi çoxölçülü yoxsulluğun mühüm sahələri AI-inkişaf ədəbiyyatında daha az təmsil olunur.

Tematik tezliklər bildirilməmişdir: Altı tematik sahə müəyyən edilsə də, hər mövzuda neçə tədqiqatın olduğu verilməmişdir.

Keyfiyyət bölgüsü tam bildirilməmişdir: MMAT əsaslı etibarlılıq sinifləri izah olunsa da, tədqiqatların ayrı-ayrılıqda keyfiyyət nəticələri və qrup sayları təqdim edilməmişdir.

Korpus sərhədi tam izlənə bilmir: Ədəbiyyat siyahısı nəzəri və kontekstual mənbələrlə yekun 48 tədqiqatı ayrıca ayıran siyahı təqdim etmədiyi üçün hər bir istinadın sistematik icmal korpusuna aid olub-olmadığını bütün hallarda müstəqil müəyyən etmək mümkün deyil.

Mənbə və Metod Qeydi

Tam orijinal tədqiqat adı: The Role of Artificial Intelligence in Poverty Governance: A Systematic Literature Review of Innovations and Implementation Challenges

Müəlliflər: Ismail Sheik; Gabriel Kabanda.

Müəllif sırası: Ismail Sheik birinci, Gabriel Kabanda ikinci müəllifdir.

Bərabər töhfə/bərabər birinci müəllif: Mənbədə bərabər töhfə və ya bərabər birinci müəlliflik bildirişi yoxdur.

Məsul müəllif: Ismail Sheik.

Qurum: Graduate School of Business and Leadership, University of KwaZulu-Natal, Westville Campus, Durban 4000, KwaZulu-Natal, South Africa.

Jurnal: Administrative Sciences.

Nəşriyyat: MDPI, Basel, Switzerland.

Cild / nömrə / məqalə: 16(6), 269.

DOI: 10.3390/admsci16060269

Təqdim tarixi: 3 Fevral 2026.

Reviziya tarixi: 8 Aprel 2026.

Qəbul tarixi: 9 Aprel 2026.

Nəşr tarixi: 4 İyun 2026.

Mənbə növü: PRISMA 2020 rəhbərliyində sistematik ədəbiyyat icmalı və tematik sintez.

Resenziya statusu: Tədqiqat resenziyalı Administrative Sciences jurnalında dərc olunmuş sistematik icmaldır.

Rəsmi nəşr bağlantısı:Rəsmi DOI səhifəsi

Lisenziya: Creative Commons Attribution (CC BY).

Maliyyələşdirmə: Araşdırma xarici maliyyələşdirmə almamışdır.

Etik komitə: Mənbədə “Not applicable” kimi göstərilmişdir.

Məlumatlandırılmış razılıq: Mənbədə “Not applicable” kimi göstərilmişdir.

Məlumat əlçatanlığı: Tədqiqatda yeni məlumat dəstinin yaradılmadığı və ya analiz edilmədiyi; araşdırmanın dərc olunmuş resenziyalı jurnal məqalələri və elmi kitab bölmələrinin sistematik icmalına əsaslandığı bildirilir.

Təşəkkür / yazı aləti bildirişi: Müəlliflər məqalənin hazırlanması zamanı uyğun söz seçimini dəstəkləmək üçün Grammarly istifadə etdiklərini, nəticələri nəzərdən keçirib redaktə etdiklərini və məzmunun məsuliyyətini öz üzərlərinə götürdüklərini bildirmişlər.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşmasının olmadığını bəyan etmişlər.

Müəllif töhfələri: Konseptuallaşdırma, metodologiya, doğrulama və formal analiz I.S. və G.K.; araşdırma və resurslar I.S.; məlumat kurasiyası I.S. və G.K.; ilkin layihə və nəzərdən keçirmə/redaktə I.S. və G.K.; maliyyələşdirmənin əldə edilməsi I.S. və G.K. tərəfindən bildirilib.

Bu Verianla məzmunundakı elmi nəticələr, mövzu təsnifatları, metod məlumatları və şərh sərhədləri yüklənmiş orijinal sistematik icmala əsaslanır. Xarici doğrulama yalnız nəşr kimliyi və jurnalın resenziya statusunu yoxlamaq məqsədilə istifadə edilmiş; əsas elmi məzmuna xarici mənbədən yeni AI performans nəticəsi, yoxsulluq məlumatı və ya siyasət təsiri əlavə edilməmişdir.

Tədqiqat yeni süni intellekt sistemi inkişaf etdirməmiş, yoxsulluq yaşayan şəxslər üzərində birbaşa müdaxilə aparmamış və meta-analitik ortaq təsir ölçüsü hesablamamışdır. Buna görə AI-nın yoxsulluğu müəyyən faizlə azaltdığı və ya konkret tətbiqin real dünyada səbəb-nəticə baxımından üstün olduğu nəticəsi bu icmaldan çıxarıla bilməz.

Mənbədə tematik sahələrin və dünya regionlarının bölgüsünün tərtib edildiyi bildirilsə də, Cədvəl 1 sayısal mövzu və ya region bölgüsü vermir. MMAT keyfiyyət qiymətləndirməsində istifadə olunan etibarlılıq sinifləri izah edilmiş, lakin siniflər üzrə tədqiqat sayları və ayrıca qiymətləndirmələr bildirilməmişdir. Bundan başqa, yekun 48 tədqiqatla çərçivə/müzakirə məqsədilə istifadə olunan digər mənbələri ayrı-ayrılıqda ayıran korpus siyahısı yoxdur. Bu hesabat məhdudiyyətləri Verianla tərəfindən səssiz şəkildə tamamlanmamış və ya təxmin edilməmişdir.