Бул системалуу сереп жасалма интеллект жакырчылыкты түздөн-түз “чечеби же жокпу” деген суроону эмес, жакырчылык менен күрөшүү программалары кантип максатталары, ресурстар кантип бөлүштүрүлөрү, кызматтар кантип жеткирилери, программалар кантип көзөмөлдөнөрү жана алгоритмдик чечимдер кантип текшерилери боюнча анын ролун изилдейт. Изилдөөчүлөр Scopus, Web of Science Core Collection жана Directory of Open Access Journals (DOAJ) аркылуу 2015–2025 мезгилин карап чыгышкан; 387 баштапкы жазуудан PRISMA 2020 негизиндеги иргөө жана сапатты баалоонун натыйжасында 48 изилдөө акыркы синтезге киргизилген.

Каралган адабиятта жасалма интеллект өзгөчө спутник сүрөттөрү, географиялык маалыматтар, административдик жазуулар жана санарип издер бирге колдонулган жакырчылыкты божомолдоо; социалдык коргоо программаларын максаттоо; финансылык инклюзия; айыл чарба жана айылдык жашоо булактары; саламаттык сактоо, билим берүү жана негизги кызматтар сыяктуу тармактарда өзгөчөлөнөт. Машиналык үйрөнүү жана башка AI ыкмалары салттуу түрдө сейрек же кечигип чогултулган маалыматтар менен катар тез-тез жаңыртылып туруучу маалымат агымдарын колдонуп, жакырчылык көрсөткүчтөрүн тереңирээк баалоого жана административдик процесстерди автоматташтырууга салым кошо алат.

Бирок изилдөө жасалма интеллектти автоматтык түрдө жакырларга багытталган же бейтарап технология катары баалабайт. Толук эмес жана бир жактуу маалымат топтомдору, санарип жеткиликтүүлүктөгү теңсиздиктер, жетишсиз инфраструктура, алсыз жөнгө салуу мүмкүнчүлүгү, купуялуулук маселелери, көзөмөл, алгоритмдик басмырлоо жана чечимдерге даттануу мүмкүн болбой калышы учурдагы социалдык теңсиздиктерди күчөтүшү мүмкүн. Серептин негизги билдирүүсү — жасалма интеллекттин жакырчылыкты башкаруудагы баалуулугу моделдин тактыгына гана эмес; маалыматтарды башкарууга, институционалдык мүмкүнчүлүккө, жергиликтүү контекстке шайкештикке, ачык-айкындыкка, адамдык көзөмөлгө жана таасирленген коомчулуктардын катышуусуна да көз каранды.

Изилдөө глобалдык масштабда жүргүзүлгөн жана Түркияга өзүнчө баа бербейт. Түркия үчүн түз саясаттык жыйынтык чыгаруу үчүн колдонулуучу маалыматтардын өкүлчүлүгү, санарип жеткиликтүүлүк, институционалдык мүмкүнчүлүк, социалдык жардам жана кызмат көрсөтүү процесстеринин түзүмү, адамдык көзөмөл жана автоматтык чечимдерге даттануу механизмдери жергиликтүү маалыматтар менен өзүнчө бааланышы керек.

“Жакырчылыкты башкаруу” менен “жакырчылыкты азайтуу” бир эле нерсе эмес

Изилдөөдөгү маанилүү түшүнүктүк айырмачылыктардын бири жакырчылыкты башкаруу менен жакырчылыкты азайтуу ортосунда. Жакырчылыкты азайтуу киреше, саламаттык сактоо, билим берүү же жашоо шарттарынын жакшырышы сыяктуу акыркы өнүгүү жыйынтыктарын билдирет. Жакырчылыкты башкаруу болсо муктаждыктар кантип аныкталары, кайсы адам же коомчулук артыкчылыктуу болору, ресурстар кантип бөлүнөрү, программалар кантип ишке ашырылары, жыйынтыктар кантип көзөмөлдөнөрү жана чечим кабыл алуучулар кантип жоопкерчилик берери менен байланыштуу.

Ошондуктан изилдөө жасалма интеллекттин техникалык жактан канчалык өнүккөнүнө караганда, AI системалары социалдык коргоо жана өнүгүү институттарынын чечим кабыл алуу механизмдерин кантип өзгөртөрүн карайт.

Изилдөө колдонгон төрт башкаруу механизми

Авторлор ар түрдүү секторлордогу AI колдонмолорун төрт негизги башкаруу механизми аркылуу салыштырышат:

1. Максаттоо жана ресурстарды бөлүштүрүү: Ким колдоо аларын жана ресурстар кандай шарттарда бөлүштүрүлөрүн аныктоо.
2. Кызмат көрсөтүү: Социалдык коргоо, саламаттык сактоо, билим берүү жана башка кызматтарды ишке ашыруу жана жеткирүү.
3. Мониторинг жана баалоо: Программанын натыйжалуулугун, коркунучтарды жана өзгөрүп жаткан жакырчылык шарттарын көзөмөлдөө.
4. Жоопкерчилик жана катышуу: Алгоритмдик чечимдердин түшүндүрүлүшү, текшерилиши жана жарандардын чечимдерди түшүнүп, суроо коё алышы.

Эмне үчүн жасалма интеллект социо-техникалык система катары каралат?

Сереп жасалма интеллектти алгоритмдерден гана турган эсептөө куралы катары карабайт. AI системасынын реалдуу таасири окутуу маалыматтары, маалымат инфраструктурасы, институттардын иштөө тартиби, жөнгө салуу мүмкүнчүлүгү, саясий жана социалдык күч мамилелери жана ал колдонулган жергиликтүү контекст менен бирге калыптанат.

Бул ыкма өзгөчө ресурстары чектелүү чөйрөлөрдө маанилүү. Эгер адам же коомчулук маалымат системаларында жетиштүү деңгээлде өкүлчүлүккө ээ болбосо, техникалык жактан жогорку тактык көрсөткөн модель да ошол топту туура эмес классификациялап же таптакыр көрүнбөй калтырышы мүмкүн.

Изилдөөнүн теориялык негиздери

Изилдөө бир нече теориялык ыкманы бириктирет. Көп өлчөмдүү жакырчылык ыкмасы жакырчылыкты кирешенин жетишсиздиги катары гана эмес; саламаттык сактоо, билим берүү, тамактануу, турак жай, кызматтарга жетүү, коопсуздук жана үн укугу сыяктуу өз ара байланышкан ажыроолор аркылуу карайт.

Мүмкүнчүлүктөр ыкмасы технологиянын баасын адамдардын маанилүү жашоо тандоолорун кеңейтеби же жокпу деген суроо аркылуу баалоого жардам берет. AI колдоосундагы саламаттык сактоо, билим берүү же финансылык кызматтар жеткиликтүүлүктү кеңейте алат; бирок ошол эле технология айрым топторду четтетсе, адамдардын мүмкүнчүлүктөрүн да кыскарта алат.

Санарип өнүгүү адабияты технологиянын жыйынтыгы техникалык мүнөздөмөлөр менен гана аныкталбасын; институттар, маданият, күч мамилелери жана жергиликтүү мүмкүнчүлүк ишке ашыруунун ийгилигинде чечүүчү экенин баса белгилейт.

Татаалдык ыкмасы болсо жакырчылык экономикалык, социалдык, экологиялык жана институционалдык системалардын өз ара аракеттенүүсүнөн жараларын кабыл алат. Жасалма интеллекттин көп сандагы өзгөрмөлөрдү жана сызыктуу эмес мамилелерди бир моделде иштете алышы бул жерде потенциалдуу артыкчылык катары бааланат.

Акырында AI этикасы жана маалымат адилеттүүлүгү ыкмалары маалыматта ким өкүлчүлүккө ээ экенин, маалымат ким тарабынан көзөмөлдөнөрүн, алгоритмдик чечимдер кайсы топторго пайда же зыян алып келерин жана адамдар автоматтык чечимдерге каршы суроо коё алабы деген маселелерди борборго коёт.

Тема 1: Жакырчылыкты божомолдоо жана максаттоодо AI

Серептеги эң көрүнүктүү колдонуу багыттарынын бири жакырчылыкты географиялык жана убакыттык жактан майда деңгээлде божомолдоо болуп саналат. Каралган изилдөөлөр спутник сүрөттөрүн, түнкү жарыктарды, курулуш тыгыздыгын, жер өзгөчөлүктөрүн, мобилдик телефон колдонулушун жана башка санарип издерди машиналык үйрөнүү моделдери менен бириктирген ыкмаларды камтыйт.

Бул системалардын максаты “ким жакыр?” деген суроого гана жооп берүү эмес. Жогорку коркунучтагы аймактарды эртерээк аныктоо, аялуулукту убакыт ичинде көзөмөлдөө жана кризистин алдында азык-түлүк жардамын, акчалай которууларды же башка колдоолорду пландаштыруу да изилденген колдонуу багыттарына кирет.

Булак серептин түшүндүрмөсү AI негизиндеги ыкмалар узак аралыктарда жүргүзүлгөн салттуу үй-бүлөлүк сурамжылоолорду толук жок кылышы керек дегенге барбайт. Жасалма интеллект тез-тез жаңыртылган жана ар башка булактардан келген маалыматтарды колдонуп, учурдагы маалымат инфраструктурасын толуктоочу курал катары көрсөтүлөт.

Тема 2: Социалдык коргоо жана кызмат көрсөтүүдө автоматташтыруу

Экинчи изилдөө багыты социалдык жардамды жана мамлекеттик кызматтарды башкарууга байланыштуу. Каралган адабиятта AI; бенефициарлардын ылайыктуулугун баалоо, административдик жазууларды бириктирүү, алдамчылыкты аныктоо, төлөмдөрдү пландаштыруу жана программалардын натыйжалуулугун көзөмөлдөө сыяктуу милдеттерде каралат.

Бул колдонмолор өзгөчө административдик мүмкүнчүлүгү чектелүү системаларда иш жүгүн азайта алат. Бирок социалдык жардам алуу укугун алгоритмдик классификацияга байлоо ката коркунучун өтө сезимтал кылат. Моделдин жалган терс классификациясы жардамга муктаж адамдын системадан сыртта калышына алып келиши мүмкүн.

Тема 3: Финансылык инклюзия жана жашоо булактары

Серепте AI колдоосундагы финансылык технологиялар төмөн кирешелүү адамдардын кредит, аманат же камсыздандыруу кызматтарына жетүүсүн кеңейтүүчү куралдар катары каралат. Салттуу кредиттик тарыхы же күрөөсү жок адамдарды мобилдик төлөм тарыхы жана башка альтернативдүү санарип маалыматтар аркылуу баалоо адабияттагы көрүнүктүү колдонмолордун бири.

AI негизиндеги бизнес аналитикасы жана сунуштоо системалары чакан ишканаларды суроо-талапты божомолдоо, баа коюу, коркунучту баалоо жана жеткирүү чынжырын пландаштыруу сыяктуу маселелерде колдоо менен да байланыштуу.

Бирок альтернативдүү маалыматтарды колдонуу финансылык инклюзияны автоматтык түрдө адилет кылбайт. Бир жактуу маалымат, түшүнүксүз кредиттик баалоо механизмдери же күчтүү платформалардын маалыматка көзөмөлү жаңы четтетүү формаларын жаратышы мүмкүн.

Тема 4: Айыл чарба, азык-түлүк системалары жана айылдык жашоо булактары

Айыл чарба жакырчылык жана азык-түлүк коопсуздугу менен түз байланыштуу болгондуктан серепте маанилүү багыт болуп саналат. Каралган AI колдонмолорунун арасында так айыл чарба, түшүмдүүлүктү божомолдоо, оору жана зыянкечтерди аныктоо, топурак жана сугарууну оптималдаштыруу, климатка негизделген эрте эскертүү жана базар божомолдору бар.

Бул куралдар өндүрүүчүлөрдүн кириш ресурстарын колдонушун жана коркунучтарды башкаруусун жакшырта алат. Бирок изилдөө колдонулган булут инфраструктурасы, жеке моделдер жана маалымат иштетүү системалары кийлигишүү болгон өлкөлөрдүн сыртында көзөмөлдөнсө, маалыматка көз карандылык жана жергиликтүү көзөмөлдүн жоголушу пайда болушу мүмкүн экенин баса белгилейт.

Тема 5: Саламаттык сактоо, билим берүү жана негизги кызматтар

Саламаттык сактоо тармагындагы адабият AI колдоосундагы диагностика системаларына, алыстан медициналык кызматтарга, триажга жана эпидемияларды эрте аныктоого багытталган. Максат — өзгөчө кызматтарга жетүү чектелүү чөйрөлөрдө саламаттык сактоо мүмкүнчүлүгүн колдоо.

Билим берүү тармагында адаптивдүү окутуу, жекелештирилген билим берүү, тилдик колдоо жана акылдуу окутуу системалары алдыга чыгат. Бул технологиялар окутуу колдоосун жекелештире алат; бирок санарип инфраструктурага жетпеген окуучулардын четте калышы теңсиздикти күчөтүшү мүмкүн.

Суу жана энергия сыяктуу негизги кызматтарда болсо суроо-талапты божомолдоо, агып кетүүнү аныктоо, сенсордук маалыматтарды талдоо жана бөлүштүрүүнү оптималдаштыруу сыяктуу колдонмолор изилденет.

Тема 6: Бардык тармактарды кесип өткөн коркунучтар

Алтынчы тема белгилүү бир секторго эмес, бардык колдонуу багыттарына мүнөздүү жалпы көйгөйлөргө байланыштуу. Серепте кайталанган негизги коркунучтар маалымат бир жактуулугу, санарип четтетүү, купуялуулук, көзөмөл, жетишсиз инфраструктура, алсыз жөнгө салуу, алгоритмдик ачык-айкындуулуктун жоктугу жана жергиликтүү институционалдык мүмкүнчүлүктүн жетишсиздиги катары аныкталган.

Серептин салыштырма жыйынтыгына ылайык, AIнын салымы натыйжаларды санга айлантып, байкоого боло турган божомолдоо, классификация жана административдик координация сыяктуу милдеттерде ачыгыраак көрүнөт. Ал эми бөлүштүрүү адилеттүүлүгү, адамдык баам, коомдук легитимдүүлүк жана негизги укуктар сыяктуу сапаттык баалоолор борбордо турган чөйрөлөрдө далилдер талаштуу жана контекстке көбүрөөк көз каранды.

Маалымат бир жактуулугу эмне үчүн жакырчылык саясатында өзгөчө маанилүү?

AI системасы окутулган маалыматтарда өкүлчүлүгү жок адамдарды туура баалай албашы мүмкүн. Төмөн кирешелүү же алыскы аймактарда жашаган адамдар санарип жазууларда аз көрүнсө, модель аларды чындыгындагысынан азыраак аялуу деп көрсөтүшү мүмкүн. Социалдык коргоо же кредитке ылайыктуулук сыяктуу таасири жогору чечимдерде мындай каталар ресурстарды бөлүштүрүүнү түз өзгөртүшү мүмкүн.

Ошондуктан сереп алгоритмдин тактыгын гана эмес, маалымат кайдан келгенин, ким жетишсиз өкүлчүлүккө ээ экенин жана туура эмес чечим кимге кесепет алып келерин да суроону сунуштайт.

“Human-in-the-loop” эмне үчүн маанилүү?

Изилдөө адамдык көзөмөлдү техникалык тандоо катары гана эмес, башкаруу кепилдиги катары карайт. Киреше колдоосу, саламаттык сактоо, билим берүү же башка негизги кызматтарга жетүүгө таасир эткен автоматтык чечимдерди толугу менен жабык алгоритмге берүү туура эмес чечимдерди байкоону жана аларга даттанууну кыйындатышы мүмкүн.

Сереп сунуш кылган жоопкерчиликтүү ыкма адамдык көзөмөлдү, көз карандысыз аудитти, алгоритмдик ачык-айкындуулукту, адилеттүүлүккө сезимтал модель дизайнын жана таасирленген коомчулуктардын долбоорлоо процессине катышуусун бирге карайт.

Маалымат колониализми коркунучу эмнени билдирет?

Булак изилдөө жакырчылык менен күрөшүүдө колдонулган маалымат жана AI инфраструктурасы жергиликтүү коомчулуктардан маалымат чогултуп жатканда, модель, эсептөө инфраструктурасы жана чечим күчү башка акторлордо топтолушу мүмкүн экенине көңүл бурат. Мындай түзүлүш жергиликтүү институттардын өз өнүгүү маалыматтарына көзөмөлүн азайтып, узак мөөнөттүү технологиялык көз карандылыкка алып келиши мүмкүн.

Ошондуктан AI инфраструктурасы кимге таандык экени, моделдер кайда иштелип чыкканы жана алынган маалымат кандай максаттарда кайра колдонулары изилдөөдө башкаруу маселеси катары каралат.

Изилдөө колдогон жыйынтыктар

• Каралган адабиятта AI жакырчылыкты божомолдоо жана бенефициарларды максаттоодо көп булактуу маалыматтарды бириктирүүнү колдой алган курал катары айырмаланат.
• AI негизиндеги автоматташтыруу социалдык коргоо жана кызмат көрсөтүүдөгү айрым административдик процесстердин тез жана координацияланган аткарылышына салым кошо алат.
• Альтернативдүү маалымат жана машиналык үйрөнүү финансылык кызматтарга жетүү, айыл чарбада чечим колдоо жана негизги кызматтарды пландаштыруу сыяктуу тармактарда жаңы мүмкүнчүлүктөрдү түзөт.
• AIнын пайдасы маалымат сапатына, санарип инфраструктурага, жергиликтүү мүмкүнчүлүккө, ачык-айкындуулукка жана институционалдык башкаруу шарттарына күчтүү көз каранды.
• Алгоритмдик бир жактуулук, купуялуулук, көзөмөл, санарип четтетүү жана жоопкерчиликтин жетишсиздиги жакырчылык саясатында түздөн-түз бөлүштүрүү адилеттүүлүгү көйгөйлөрүнө айланышы мүмкүн.

Изилдөө колдобогон, сынабаган же далилдебеген жыйынтыктар

• Жасалма интеллект жакырчылыкты белгилүү бир пайызга азайтат деген жалпы таасир өлчөмү эсептелген эмес.
• AI негизиндеги социалдык жардамды максаттоо ар бир өлкөдө салттуу ыкмалардан адилеттүүрөөк экени далилденген эмес.
• Спутник сүрөттөрүнө же мобилдик маалыматка негизделген жакырчылык божомолу расмий үй чарба сурамжылоолорун толугу менен алмаштыра ала турган ыкма катары тастыкталган эмес.
• Альтернативдүү маалымат менен кредиттик баалоо бардык төмөн кирешелүү топтор үчүн басмырлоону азайтары көрсөтүлгөн эмес.
• AIнын саламаттык сактоо, билим берүү же айыл чарбада колдонулушу өз алдынча узак мөөнөттүү жакырчылыктын азайышына себеп болот деп далилденген эмес.
• Каралган колдонмолор бардык төмөн кирешелүү өлкөлөрдө бирдей натыйжа берет деп көрсөтүлгөн эмес.
• Сереп мета-анализ эмес жана изилдөөлөрдүн жалпы сандык таасир өлчөмүн эсептебейт.

Түркия жагынан кантип окуу керек?

Изилдөө глобалдык масштабда жана Түркия үчүн өзүнчө под-анализ бербейт. Ошондуктан серептеги эл аралык мисалдардан Түркиядагы социалдык коргоо же мамлекеттик кызматтар үчүн түз натыйжалуулук жыйынтыгын чыгарууга болбойт.

Түркия контекстинде окшош AI системаларын баалоодо моделдин тактыгынан тышкары маалыматтын өкүлчүлүгү, санарип жеткиликтүүлүк, жергиликтүү институционалдык мүмкүнчүлүк, адамдык көзөмөл, чечимдердин түшүндүрүлүшү жана туура эмес классификацияга каршы даттануу механизмдери бирге бааланышы керек. Бул талаптар изилдөөнүн жалпы башкаруу алкагынан чыгарылган; изилдөө бул элементтерди Түркияда түз сынаган эмес.

Изилдөөнүн Методу жана Жыйынтыктары

Системалуу серептин камтуусу

Акыркы адабият издөөсү 15 Октябрь 2025 күнү жүргүзүлгөн. Изилдөө мезгили 1 Январь 2015 менен 15 Октябрь 2025 аралыгындагы англис тилиндеги жарыялар менен чектелген.

Үч библиографиялык булак колдонулган:

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

Киргизилген жарыя түрлөрү рецензияланган журнал макалалары жана илимий китеп бөлүмдөрү. Редакциялык материалдар, конференция тезистери жана рецензиядан өтпөгөн отчеттор чыгарылган.

Издөө стратегиясы

Издөө үч негизги түшүнүк тобун бириктирген. Биринчи блок “artificial intelligence”, “machine learning”, “deep learning” жана “predictive analytics”; экинчи блок “poverty”, “poverty reduction”, “social protection” жана “livelihoods”; үчүнчү блок болсо “governance”, “targeting”, “delivery” жана “accountability” терминдеринен түзүлгөн.

Изилдөөнүн киргизүү критерийлерине ылайык AI изилдөөнүн борбордук темасы болушу, изилдөө жакырчылык же жакырчылык менен байланышкан натыйжага тиешелүү болушу жана ачык же жашыруун түрдө башкаруу механизмине кайрылышы керек.

PRISMA тандоо процесси

Алгачкы издөөдө 387 жазуу аныкталган. 56 кайталанган жазуу чыгарылгандан кийин 331 жазуу аталыш жана аннотация скринингине алынган. Бул этапта 258 изилдөө чыгарылып, 73 толук текст ылайыктуулук баалоосуна өткөн. Толук текст баалоосунда дагы 25 изилдөө чыгарылып, акыркы синтезге 48 изилдөө киргизилген.

Толук текст этабында эмне үчүн 25 изилдөө чыгарылды?

Бул үч себептин суммасы 25 болуп, булак изилдөөнүн толук текст иргөөсү тууралуу түшүндүрмөсүнө туура келет.

Сапатты баалоо кантип жүргүзүлгөн?

Сандык, сапаттык жана аралаш методдогу эмпирикалык изилдөөлөр Mixed Methods Appraisal Tool, 2018 версиясы аркылуу бааланган. Баалоо эки изилдөөчү тарабынан өз алдынча жүргүзүлгөн.

Эмпирикалык изилдөөлөр жогорку ишеним, орточо ишеним же төмөн ишеним деңгээлиндеги салымдар катары классификацияланган. Төмөн ишенимдеги изилдөөлөр уникалдуу сектордук же контексттик маалымат бергенде гана калтырылып, жыйынтыктары этият чечмеленген.

Концептуалдык изилдөөлөргө жана серептерге эмпирикалык сапат упайы берилген эмес; алар концептуалдык ылайыктуулук жагынан бааланып, негизинен алкак жана чечмелөө үчүн колдонулган.

Булак изилдөө бул ишеним топторундагы изилдөө сандарын же ар бир изилдөө үчүн MMAT жыйынтыктарын жарыялабагандыктан, сапат бөлүштүрүлүшүн Verianla тарабынан сандык түрдө кайра түзүү мүмкүн эмес.

Кайсы маалыматтар чыгарылган?

Ар бир изилдөөдөн библиографиялык маалыматтар, өлкө же аймак, колдонуу сектору, колдонулган AI ыкмасы, каралган башкаруу механизми, билдирилген пайда жана коркунучтар жана колдонулган концептуалдык алкактар стандартташтырылган форма аркылуу алынган.

Андан кийин кайталанма коддоо, сүрөттөмөлүү темаларды иштеп чыгуу жана жеке изилдөөлөрдөн жогору турган аналитикалык темаларды түзүүнү камтыган тематикалык синтез колдонулган.

Изилдөөдө аныкталган алты тематикалык тармак

Бул таблица булак изилдөөдө “indicative”, башкача айтканда багыт берүүчү жана толук эмес классификация катары сүрөттөлгөн. Темалар боюнча изилдөө саны берилбегендиктен, таблица таралыш же таасир өлчөмү таблицасы катары окулбашы керек.

Эң күчтүү далил кайсы башкаруу милдеттеринде көрүнөт?

Авторлордун салыштырма синтезине ылайык, AIнын салымы эң туруктуу түрдө божомолдоо, классификация жана административдик координация талап кылган тармактарда көрүнөт. Жакырчылыкты картага түшүрүү, бенефициарларды максаттоо жана алдамчылыкты аныктоо буга мисал.

Ал эми бөлүштүрүү адилеттүүлүгү, контекстке сезимтал адамдык чечим, жарандардын катышуусу жана негизги укуктар борбордо турган башкаруу милдеттеринде жыйынтыктар көбүрөөк өзгөрмө жана талаштуу. Ошондуктан жогорку божомол ийгилиги менен жакшы башкаруу бир эле нерсе эмес.

Серептен чыккан негизги башкаруу шарттары

Изилдөө бардык секторлор боюнча кайра-кайра белгилеген шарттар — күчтүү маалымат башкаруусу, инклюзивдүү санарип инфраструктура, контекстке сезимтал дизайн, алгоритмдик ачык-айкындуулук, институционалдык мүмкүнчүлүк, адамдык көзөмөл жана таасирленген коомчулуктардын катышуусу.

Бул шарттар изилдөөдө кийин кошулган этикалык деталдар эмес, AIнын жакырчылыкты башкаруудагы ийгилигин аныктаган негизги система компоненттери катары бааланат.

Негизги методологиялык жана далилдик чектөөлөр

Мета-анализ жүргүзүлгөн эмес: Каралган изилдөөлөрдүн жалпы таасир өлчөмү эсептелген эмес жана AIнын жакырчылыкка жалпы сандык таасири бааланган эмес.

Далил географиялык жактан тең эмес: Санарип инфраструктурасы жана изилдөө мүмкүнчүлүгү күчтүү өлкөлөр адабиятта көбүрөөк көрүнөт; алсыз, жаңжалдан жабыркаган жана өтө төмөн кирешелүү чөйрөлөрдөгү далил чектелүү.

Узак мөөнөттүү жыйынтыктар чектелүү: Көптөгөн изилдөөлөр техникалык натыйжалуулук көрсөткүчтөрүнө көңүл бурса, киреше бөлүштүрүү, социалдык таасирлер, гендердик айырмачылыктар жана кесилишкен жыйынтыктарды узак мөөнөттө көзөмөлдөгөн изилдөөлөр аз.

Салыштырма институционалдык изилдөөлөр чектелүү: Бир эле AI кийлигишүүсү ар башка башкаруу моделдеринде эмне үчүн ийгиликтүү же ийгиликсиз болорун салыштырган изилдөөлөр жетишсиз.

Жакырчылыктын айрым тармактары аз изилденген: Айрыкча расмий эмес шаардык жашоо булактары жана кам көрүү эмгеги сыяктуу көп өлчөмдүү жакырчылыктын маанилүү тармактары AI-өнүгүү адабиятында азыраак көрсөтүлгөн.

Тематикалык жыштыктар билдирилген эмес: Алты тематикалык тармак аныкталганы менен ар бир темада канча изилдөө бар экени берилген эмес.

Сапат бөлүштүрүлүшү толук билдирилген эмес: MMAT негизиндеги ишеним класстары түшүндүрүлсө да, изилдөөлөрдүн жеке сапат жыйынтыктары жана топ сандары берилген эмес.

Корпустун чеги толук кайра байкалбайт: Булактар тизмеси теориялык жана контексттик булактар менен акыркы 48 изилдөөнү өзүнчө бөлгөн тизме бербегендиктен, ар бир шилтеменин системалуу сереп корпусуна тиешелүү экенин ар бир учурда өз алдынча аныктоо мүмкүн эмес.

Булак жана Метод Эскертүүсү

Толук оригинал изилдөө аталышы: The Role of Artificial Intelligence in Poverty Governance: A Systematic Literature Review of Innovations and Implementation Challenges

Авторлор: Ismail Sheik; Gabriel Kabanda.

Авторлордун тартиби: Ismail Sheik биринчи, Gabriel Kabanda экинчи автор.

Тең салым/тең биринчи автор: Булакта тең салым же тең биринчи авторлук билдирүүсү жок.

Жооптуу автор: Ismail Sheik.

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

Журнал: Administrative Sciences.

Басмакана: MDPI, Basel, Switzerland.

Том / сан / макала: 16(6), 269.

DOI: 10.3390/admsci16060269

Жөнөтүлгөн күнү: 3 Февраль 2026.

Кайра каралган күнү: 8 Апрель 2026.

Кабыл алынган күнү: 9 Апрель 2026.

Жарыяланган күнү: 4 Июнь 2026.

Булак түрү: PRISMA 2020 көрсөтмөсүнө ылайык системалуу адабият сереби жана тематикалык синтез.

Рецензия статусу: Изилдөө рецензияланган Administrative Sciences журналында жарыяланган системалуу сереп.

Расмий жарыя шилтемеси:Расмий DOI баракчасы

Лицензия: Creative Commons Attribution (CC BY).

Каржылоо: Изилдөө тышкы каржылоо алган эмес.

Этика кеңеши: Булакта “Not applicable” деп көрсөтүлгөн.

Маалыматтандырылган макулдук: Булакта “Not applicable” деп көрсөтүлгөн.

Маалымат жеткиликтүүлүгү: Изилдөөдө жаңы маалымат топтому түзүлбөгөнү же талданбаганы; изилдөө жарыяланган рецензияланган журнал макалалары жана илимий китеп бөлүмдөрүнүн системалуу серебине негизделгени билдирилет.

Ыраазычылык / жазуу куралы билдирүүсү: Авторлор макаланы даярдоо учурунда ылайыктуу сөз тандоону колдоо үчүн Grammarly колдонушканын, чыгыштарды карап чыгып оңдогонун жана мазмун үчүн жоопкерчиликти өздөрү аларын билдиришкен.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Автордук салымдар: Концептуалдаштыруу, методология, валидация жана формалдык талдоо I.S. жана G.K.; изилдөө жана ресурстар I.S.; маалыматтарды курациялоо I.S. жана G.K.; алгачкы долбоор жана карап чыгуу/редакциялоо I.S. жана G.K.; каржылоо алуу I.S. жана G.K. тарабынан билдирилген.

Бул Verianla мазмунундагы илимий жыйынтыктар, тема классификациялары, метод маалыматтары жана чечмелөө чектери жүктөлгөн оригинал системалуу серепке негизделген. Тышкы текшерүү жарыянын идентификациясын жана журналдын рецензия статусун тастыктоо үчүн гана колдонулган; негизги илимий мазмунга тышкы булактан жаңы AI натыйжалуулук жыйынтыгы, жакырчылык маалыматы же саясат таасири кошулган эмес.

Изилдөө жаңы жасалма интеллект системасын иштеп чыккан эмес, жакырчылыкта жашаган адамдарга түз кийлигишүү жүргүзгөн эмес жана мета-аналитикалык жалпы таасир өлчөмүн эсептеген эмес. Ошондуктан AI жакырчылыкты белгилүү пайызга азайтат же белгилүү бир колдонмо реалдуу дүйнөдө себептик жактан артык деген жыйынтык бул серептен чыгарылбайт.

Булакта тематикалык тармактардын жана дүйнө аймактарынын бөлүштүрүлүшү жыйналганы айтылганы менен, Таблица 1 сандык тема же аймак бөлүштүрүлүшүн бербейт. MMAT сапат баалоосунда колдонулган ишеним класстары түшүндүрүлгөн, бирок класстар боюнча изилдөө сандары жана жеке баалоолор билдирилген эмес. Мындан тышкары, акыркы 48 изилдөө менен алкак/талкуу максатында колдонулган башка булактарды өзүнчө бөлгөн корпус тизмеси жок. Бул отчеттук чектөөлөр Verianla тарабынан унчукпай толукталган же божомолдонгон эмес.