B2G Cloud Intelligence — oliy ta’limda Business-to-Government (B2G) axborot tizimlari, integratsiyalashgan ma’lumotlar tahlili, siyosatdagi bo‘shliqlarni aniqlash va dalillarga asoslangan tavsiyalar ishlab chiqish jarayonlarini tajribaviy usulda o‘rgatish uchun ishlab chiqilgan sun’iy intellekt yordamidagi, bulutga asoslangan simulyatsiya va qarorlarni qo‘llab-quvvatlash platformasidir. Subagyo va hamkasblari platformani Indoneziyadagi Universitas Negeri Malangda Management Information Systems fanini o‘qiyotgan talabalar bilan to‘rt haftalik bir guruhli pre-test–post-test pilot dizaynida baholagan. Dastlab 72 talaba qatnashgan, yetishmayotgan ma’lumotlar sabab 68 talabaning natijalari tahlil qilingan. Umumiy o‘rganish bali 60,3 dan 81,7 gacha oshgan, o‘rtacha farq 21,4 ball, o‘rtacha normallashtirilgan yutuq 0,54 va umumiy Cohen's dz effekt o‘lchami 2,49 deb hisobot qilingan. Biroq nazorat guruhi bo‘lmagani sabab bu o‘sishni faqat platformadan foydalanish keltirib chiqargan sababiy ta’sir sifatida talqin qilib bo‘lmaydi.
Platforma oltita asosiy funksiyani yagona B2G o‘rganish oqimida birlashtiradi: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis va Policy Map. Talabalar avval ssenariy ko‘rsatkichlari va ma’lumot manbalarini o‘rganadi, keyin siyosat muammolarini talqin qiladi, AI yordamidagi muqobillarni baholaydi, mavjud va maqsadli holatlar o‘rtasidagi bo‘shliqlarni aniqlaydi va yakunda dalillarga asoslangan Policy Map yaratadi.
Technology Acceptance Model asosidagi foydalanish qulayligi so‘rovnomasida umumiy o‘rtacha 4,22/5 bo‘lgan. Qabul qilingan foydalilik 4,31, foydalanish osonligi 4,08, o‘rganishdagi ishtirok 4,27 va qarorlarni qo‘llab-quvvatlash sifati 4,22 bo‘lgan. Guruh darajasidagi Gap Analysis Report, Policy Map va Project Reflection baholashining umumiy bali 86,1/100 bo‘lgan.
Tadqiqot platforma oliy ta’limda asosiy raqamli boshqaruv, ma’lumotlarni integratsiyalash, siyosat tahlili va dalillarga asoslangan tavsiyalar ishlab chiqish kompetensiyalari bilan bog‘liq ijobiy pre/post o‘zgarishlarni ko‘rsatishi mumkinligiga doir pilot dalillarni taqdim etadi. Biroq mehnat bozoriga tayyorgarlik, professional samaradorlik, davlat sektori samaradorligi yoki makroiqtisodiy natijalar bevosita o‘lchanmagan.
Tadqiqotning asosiy muammosi
Davlat sektori va bizneslar o‘rtasidagi raqamli o‘zaro aloqalar faqat dasturiy interfeysdan foydalanishni emas, balki turli ma’lumot manbalarini birlashtirishni, tashkilotlar va manfaatdor tomonlar o‘rtasidagi munosabatlarni tushunishni, siyosatdagi bo‘shliqlarni aniqlashni va dalillarga asoslangan qarorlarni shakllantirishni talab qiladi. Manbaning boshlang‘ich nuqtasi shundan iboratki, an’anaviy Management Information Systems ta’limi bu murakkab munosabatlarni ko‘pincha alohida texnologik xususiyatlar yoki yozma holatlar sifatida yetkazadi va talabalarning integratsiyalashgan qaror qabul qilish jarayonini tajribadan o‘tkazish imkoniyati cheklangan bo‘lib qolishi mumkin.
B2G kontekstida menejer nafaqat tizim texnik jihatdan qanday ishlashini, balki ma’lumot qaysi tashkilotdan kelganini, qaysi siyosat muammosini ifodalashini, qaysi aktorlarga ta’sir qilishini va tahlil natijasi qanday qilib tavsiyaga aylantirilishini ham tushunishi kerak. Shu sababli tadqiqot bulutga asoslangan simulyatsiyani inson kapitali va asosiy raqamli boshqaruv kompetensiyalarini rivojlantirish vositasi sifatida joylashtiradi.
B2G Cloud Intelligence nima?
B2G Cloud Intelligence — talabalarni B2G axborot tizimi kontekstida ma’lumotlarni kashf etish, integratsiyalash, siyosatni talqin qilish, AI yordamida muqobillar ishlab chiqish, bo‘shliq tahlili va Policy Map yaratish bosqichlaridan olib o‘tadigan, yakuniy qaror talaba va o‘qituvchida qoladigan bulutga asoslangan ta’lim va qarorlarni qo‘llab-quvvatlash simulyatsiyasidir.
Business-to-Government konteksti
Business-to-Government (B2G) — bizneslar va davlat tashkilotlari o‘rtasidagi axborot, xizmat, tartibga solish, ma’lumot va qaror jarayonlarini qamrab oluvchi o‘zaro aloqa kontekstidir. Manbada qo‘llanilgan ta’lim ssenariylarida davlat xizmatlari ehtiyojlari, biznesga oid ma’lumotlar, siyosat ko‘rsatkichlari, foydalanuvchi ehtiyojlari va manfaatdor tomonlarning rollari birgalikda ko‘rib chiqiladi.
Talabalar tizim tahlilchisi va qaror qabul qiluvchi roliga qo‘yilib, faqat to‘g‘ri texnik xususiyatni tanlash o‘rniga quyidagi zanjirni tushunishga harakat qiladi:
muammo konteksti → ma’lumot → manfaatdor tomon → siyosat bo‘shlig‘i → muqobil izoh → tavsiya.
Konseptual o‘rganish doirasi
Manbaning 1-rasmida B2G Cloud Intelligence ning konseptual tuzilishi to‘rtta asosiy bosqichda taqdim etilgan.
- Kirishlar: boshqaruv yo‘nalishi talabalari, Management Information Systems fani, B2G ssenariysi va davlat/biznes ma’lumotlari.
- B2G Cloud Intelligence platformasi: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis va Policy Map.
- Tajribaviy o‘rganish jarayoni: kashf etish, muammo tahlili, jamoaviy muhokama, qaror qabul qilish va refleksiya.
- O‘rganish natijalari: B2G axborot tizimlarini tushunish, ma’lumotlar tahlili, siyosat tavsiyasi ishlab chiqish, hamkorlikdagi muammoni hal qilish va loyiha refleksiyasi.
Bu tuzilma platformani faqat kontent taqdim etuvchi o‘rganishni boshqarish tizimidan ajratib turadi. Talabaning vazifasi berilgan materialni o‘qishdan ko‘ra ssenariy doirasida ma’lumot va qaror zanjirini qurishdir.
Oltita asosiy modul
| Modul | Ilmiy/ta’limiy vazifasi |
|---|---|
| Helicopter View | B2G ssenariysidagi ko‘rsatkichlar va muammo kontekstini makro darajada ko‘rish imkonini beradi. |
| Data Integration | Turli ma’lumot manbalari va ko‘rsatkichlar o‘rtasidagi munosabatlarni o‘rganishni qo‘llab-quvvatlaydi. |
| Policy Insight | Siyosat muammolari va tegishli ko‘rsatkichlarni tizimli ravishda talqin qilishni qo‘llab-quvvatlaydi. |
| AI Consultant | Muqobil izohlar, analitik maslahatlar va dastlabki tavsiya variantlarini taqdim etuvchi yo‘naltirilgan qarorlarni qo‘llab-quvvatlash komponentidir. |
| Gap Analysis | Mavjud sharoitlar bilan kutilayotgan/maqsadli sharoitlar o‘rtasidagi farqlarni aniqlashga yordam beradi. |
| Policy Map | Ma’lumot, aktor, muammo, bo‘shliq va tavsiyalarni tuzilmaviy, dalillarga asoslangan qaror natijasiga aylantiradi. |
AI Consultant talabalar o‘rniga qaror qabul qiladimi?
Yo‘q. Manbada AI Consultant avtonom qaror qabul qiluvchi sifatida emas, balki muammoni tushuntirish va muqobil tavsiyalar ishlab chiqishni qo‘llab-quvvatlovchi scaffolding vositasi sifatida berilgan; talabalar AI natijasini Data Integration, Policy Insight va Gap Analysis natijalari bilan tekshirishi, o‘qituvchilar esa tavsiyalarning mantiqi va izchilligini nazorat qilishi shart.
Inson nazorati nega markaziy?
Tadqiqot AI natijalaridan bevosita yakuniy javob sifatida foydalanishga ruxsat beradigan dizaynni taqdim etmaydi. Talabalar AI Consultant dan olingan tavsiyalarni mavjud ko‘rsatkichlar va ssenariy konteksti bilan solishtirgan. O‘qituvchilar guruh muhokamalari va taqdimotlar davomida tavsiyalarning tegishliligi, mantiqi va izchilligini baholagan.
Ushbu dizaynning maqsadi talabaning AI dan olingan tavsiyani passiv ravishda ko‘chirishidan ko‘ra, tavsiyaning ma’lumot va siyosat asoslarini savol ostiga qo‘yishidir. Manba AI ning hissasini, ayniqsa, kashf etishni tezlashtirish va kognitiv scaffolding kontekstida muhokama qiladi.
Biroq manba AI Consultant ostida ishlaydigan aniq AI modeli yoki katta til modeli, versiya, provayder, API, prompt shabloni yoki inference konfiguratsiyasi kabi texnik tafsilotlarni hisobot qilmaydi. Shu sababli AI komponentini dasturiy ta’minot darajasida aynan qayta yaratish uchun zarur bo‘lgan barcha texnik ma’lumotlar maqolada mavjud emas.
Tizim arxitekturasi
Manbaning 2-rasmi platformani qatlamli arxitektura sifatida ko‘rsatadi:
| Qatlam | Manbada ko‘rsatilgan funksiyalar |
|---|---|
| User Layer | Talabalar, o‘qituvchilar va administratorlar |
| Interface Layer | Dashboard, Helicopter View, Policy Map Interface, Gap Analysis Interface |
| Core Service Layer | Simulation Engine, AI Consultant, Policy Insight Engine, Learning Activity Manager |
| Data Layer | B2G ssenariy ma’lumotlar to‘plamlari, foydalanuvchi faolligi qaydlari, siyosat ko‘rsatkichlari va talaba natijalari |
| Evaluation Layer | Pre-test/post-test, TAM/foydalanish qulayligi, rubrika asosida ball berish va o‘rganish analitikasi |
| Learning Outcomes | B2G tizimini tushunish, ma’lumotlar tahlili, siyosat tavsiyasi va loyiha refleksiyasi |
Rasm platforma faqat ma’lumot taqdim etuvchi bitta ekran emas, balki foydalanuvchi o‘zaro aloqasi, tahlil xizmatlari, ma’lumotlar qatlami va baholash jarayonlarini bir-biriga bog‘laydigan o‘rganish tizimi sifatida ishlab chiqilganini ko‘rsatadi.
Tadqiqot savollari
Manba ikkita asosiy tadqiqot savolini ilgari suradi. Birinchi savol B2G Cloud Intelligence sun’iy intellekt yordamidagi, bulutga asoslangan simulyatsiya sifatida raqamli iqtisodiy boshqaruv salohiyatini qo‘llab-quvvatlaydigan tarzda qanday loyihalashtirilgani va joriy qilinganidir. Ikkinchi savol esa platformadan foydalangandan keyin talabalarning raqamli ko‘nikmalar, ma’lumotlarni integratsiyalash, siyosat tahlili va dalillarga asoslangan qaror qabul qilish ko‘rsatkichlarida qay darajada o‘zgarish kuzatilganidir.
Bu savollarning ikkinchi qismi “platforma talabalarning professional faoliyatini yaxshilaydimi?” degan savol bilan bir xil emas. Tadqiqot real davlat xizmatchilari yoki mehnat bozoridagi professionallar ustida o‘tkazilmagan.
Tadqiqot Usuli va Natijalari
Tadqiqot dizayni
Tadqiqot baholovchi bir guruhli pre-test–post-test pilot dizaynidan foydalangan. Xuddi shu talabalarning simulyatsiyadan oldingi va keyingi ballari solishtirilgan. Nazorat guruhi bo‘lmagani sabab kuzatilgan o‘zgarishlar vaqt jihatidan platforma bilan bog‘liq; ularni faqat platforma sabab bo‘lgan ta’sir sifatida belgilab bo‘lmaydi.
Ishtirokchilar
| Band | Qiymat |
|---|---|
| Dastlabki ishtirokchilar | 72 talaba |
| Tahlilga kiritilgan haqiqiy ma’lumot | 68 talaba |
| Chiqarilgan | 4 talaba; post-test yoki so‘rovnoma yakunlanmagan |
| Sinf soni | 4 |
| Tadqiqot guruhi | 12 guruh |
| Guruh kattaligi | 5–6 talaba |
| Avval B2G ni maxsus o‘rganmagan | 49 talaba |
| Asosiy B2G bilimiga ega | 19 talaba |
To‘rt haftalik jarayon
| Hafta | Asosiy faoliyat |
|---|---|
| 1 | Platforma orientatsiyasi, B2G ssenariysini tushuntirish, guruh tuzish va pre-test |
| 2 | Helicopter View va Data Integration yordamida ko‘rsatkichlar va ma’lumotlar o‘rtasidagi munosabatlarni o‘rganish |
| 3 | Policy Insight, AI Consultant va Gap Analysis yordamida muammoni talqin qilish va muqobil yechimlar ishlab chiqish |
| 4 | Policy Map va Gap Analysis Report, guruh taqdimoti, post-test va TAM/foydalanish qulayligi so‘rovnomasi |
Tadqiqot to‘rt hafta davomida haftasiga ikki sessiya shaklida olib borilgan.
Pre-test va post-test qaysi kompetensiyalarni o‘lchadi?
Beshta ko‘rsatkich qo‘llangan:
- B2G axborot tizimi oqimini tushunish,
- bulutga asoslangan tizim arxitekturasini tushunish,
- ma’lumotlarni integratsiyalash tahlili,
- siyosat tahlili,
- tizim dizayni va qaror qabul qilish.
Manbada bandlarning mazmuniy haqiqiyligi boshqaruv axborot tizimlari, raqamli boshqaruv va ta’limiy baholash ekspertlari tomonidan ko‘rib chiqilgani aytiladi. Biroq ekspertlar soni, bandlar soni va alohida miqdoriy mazmuniy haqiqiylik koeffitsienti hisobot qilinmagan.
Normallashtirilgan yutuq
Manba o‘rganishdagi o‘zgarishni xom ball farqi bilan birga normallashtirilgan yutuq orqali ham ifodalaydi:
\[ g = \frac{\text{post-test puanı}-\text{pre-test puanı}} {\text{maksimum puan}-\text{pre-test puanı}} \]
Manba tasnifida \(g<0{,}30\) past, \(0{,}30\leq g\leq0{,}70\) o‘rta va \(g>0{,}70\) yuqori yutuqdir. Tadqiqotning umumiy o‘rtachasi \(g=0{,}54\) bo‘lgani sabab manba buni o‘rta darajadagi normallashtirilgan yutuq sifatida tasniflaydi.
Pre-test va post-test o‘rtacha ko‘rsatkichlari
| Kompetensiya | Pre-test | Post-test | O‘sish |
|---|---|---|---|
| B2G axborot tizimi oqimini tushunish | 60,8 | 82,1 | +21,3 |
| Bulutga asoslangan tizim arxitekturasi | 57,6 | 78,4 | +20,8 |
| Ma’lumotlarni integratsiyalash tahlili | 59,2 | 80,7 | +21,5 |
| Siyosat tahlili | 62,1 | 84,3 | +22,2 |
| Tizim dizayni va qaror qabul qilish | 61,7 | 83,0 | +21,3 |
| Umumiy o‘rtacha | 60,3 | 81,7 | +21,4 |
Eng katta xom o‘sish siyosat tahlili ko‘rsatkichida kuzatilgan: 62,1 dan 84,3 gacha, ya’ni 22,2 ball.
Statistik taqqoslash
| Ko‘rsatkich | O‘rtacha farq | Normallashtirilgan yutuq | Test | p | Cohen's dz | %95 GA |
|---|---|---|---|---|---|---|
| B2G axborot tizimi oqimi | 21,3 | 0,54 | t(67)=15,14 | <0,001 | 1,84 | [18,49; 24,11] |
| Bulutli tizim arxitekturasi | 20,8 | 0,49 | t(67)=13,83 | <0,001 | 1,68 | [17,80; 23,80] |
| Ma’lumotlarni integratsiyalash tahlili | 21,5 | 0,53 | t(67)=15,03 | <0,001 | 1,82 | [18,64; 24,36] |
| Siyosat tahlili | 22,2 | 0,59 | t(67)=16,35 | <0,001 | 1,98 | [19,49; 24,91] |
| Tizim dizayni va qaror qabul qilish | 21,3 | 0,56 | t(67)=14,52 | <0,001 | 1,76 | [18,37; 24,23] |
| Umumiy ball | 21,4 | 0,54 | t(67)=20,52 | <0,001 | 2,49 | [19,32; 23,48] |
21,4 ballik o‘sish platformaning sababiy ta’sirini isbotlaydimi?
Yo‘q. Pre-test va post-test o‘rtasidagi 21,4 ballik farq statistik jihatdan yaqqol bo‘lsa-da, nazorat guruhi bo‘lmagani sabab odatiy dars jarayoni, takroriy test ta’siri, o‘qituvchi yo‘riqnomasi, guruh muhokamasi va vaqt o‘tishi bilan mavzuga tanishuv kabi muqobil izohlarni chiqarib tashlab bo‘lmaydi.
TAM asosidagi foydalanuvchi qabul qilishi
| O‘lcham | O‘rtacha | SS | Manba 3-jadval yorlig‘i |
|---|---|---|---|
| Qabul qilingan foydalilik | 4,31 | 0,52 | Excellent |
| Qabul qilingan foydalanish osonligi | 4,08 | 0,61 | Good |
| O‘rganishdagi ishtirok | 4,27 | 0,55 | Excellent |
| Qarorlarni qo‘llab-quvvatlash sifati | 4,22 | 0,58 | Excellent |
| Umumiy o‘rtacha | 4,22 | 0,57 | Excellent |
Manba ichidagi kategoriya izohi: usul bo‘limi 1–5 Likert shkalasida 3,41–4,20 oralig‘ini “good”, 4,21–5,00 oralig‘ini “very good” deb belgilaydi. Shunga qaramay, manbaning 3-jadvalida 4,21 dan yuqori qiymatlar “Excellent” deb yorliqlangan. Verianla raqamli natijalarni aynan saqlaydi va ikki xil og‘zaki kategoriya tizimini yashirincha birlashtirmaydi.
Manbada TAM shkalasi uchun Cronbach's alpha yordamida ichki izchillik tahlili o‘tkazilgani aytiladi; biroq natijalar bo‘limida raqamli Cronbach alfa koeffitsienti hisobot qilinmagan. Shu sababli shkalaning ichki izchilligi haqida yangi qiymat ishlab chiqib bo‘lmaydi.
Loyiha natijalarining guruh darajasidagi baholanishi
| Baholash o‘lchami | O‘rtacha ball | Manba talqini |
|---|---|---|
| Muammoni aniqlash | 12,6/15 | Good |
| B2G jarayonlarini xaritalash | 13,0/15 | Good |
| Ma’lumotlarni kashf etish va integratsiyalash | 13,0/15 | Good |
| AI Consultant va Policy Insight dan foydalanish | 13,2/15 | Good |
| Gap Analysis sifati | 12,8/15 | Good |
| Policy Map va tavsiya | 13,4/15 | Excellent |
| Refleksiya va jamoaviy ish | 8,1/10 | Good |
| Jami | 86,1/100 | Good |
Bu ballar 68 talabaning individual rubrika ballari o‘rtachasi emas. Policy Map, Gap Analysis Report va Project Reflection 12 ta ishchi guruh tomonidan birgalikda tayyorlanganligi sabab natijalar guruh darajasidagi analitik natija sifati sifatida talqin qilinishi kerak.
Nega platformadan foydalanish qaydlari natija modeliga kiritilmadi?
Helicopter View, Data Integration, AI Consultant, Policy Insight, Gap Analysis va Policy Map o‘zaro aloqa qaydlari qo‘llab-quvvatlovchi ma’lumot sifatida saqlangan; biroq manba ushbu loglarni yakunlangan miqdoriy ma’lumotlar to‘plami sifatida tahlil qilmagan. Shu sababli “AI Consultant dan tez-tez foydalangan talabalar ko‘proq rivojlandi” yoki muayyan modul ball o‘sishini tushuntirdi kabi bog‘liqlik natijalarini ushbu tadqiqotdan chiqarib bo‘lmaydi.
Tadqiqot qo‘llab-quvvatlaydigan natijalar
- To‘rt haftalik amaliyotdan so‘ng ayni talabalarning barcha besh asosiy kompetensiya sohasidagi o‘rtacha ballari oshgan.
- Umumiy pre/post farqi 21,4 ball bo‘lib, juftlangan taqqoslashda p<0,001 deb hisobot qilingan.
- Umumiy Cohen's dz effekt o‘lchami manbada 2,49 deb berilgan.
- O‘rtacha normallashtirilgan yutuq 0,54 bo‘lib, manbaning o‘rta yutuq kategoriyasiga kiradi.
- Talabalar platformaning foydalilik, ishtirok va qarorlarni qo‘llab-quvvatlash o‘lchamlarini yuqori baholagan.
- 12 talaba guruhi o‘rtacha 86,1/100 darajasida Gap Analysis Report, Policy Map va Project Reflection natijalarini yaratgan.
- AI Consultant yakuniy qaror qabul qiluvchi emas, balki inson tekshiruviga bog‘liq qo‘llab-quvvatlovchi vosita sifatida qo‘llangan.
Tadqiqot qo‘llab-quvvatlamaydigan natijalar
- B2G Cloud Intelligence ball oshishining yagona sababi ekanini isbotlamaydi.
- Nazorat guruhi bo‘lmagani sabab platforma an’anaviy ta’limdan yaxshiroq ekanini ko‘rsatmaydi.
- Talabalar real davlat tashkilotlarida yaxshiroq ishlashini isbotlamaydi.
- Mehnat bozoriga tayyorgarlik yoki ish topish ehtimolining oshishini o‘lchamaydi.
- Davlat sektori samaradorligi, institutsional samaradorlik yoki makroiqtisodiy natijalarni o‘lchamaydi.
- Bitta universitetdagi natijalar boshqa mamlakatlar, universitetlar yoki professional guruhlar uchun ham bir xil bo‘lishini ko‘rsatmaydi.
- AI Consultant ning o‘rganish yutug‘iga mustaqil hissasini ajratib ko‘rsatmaydi.
Asosiy cheklovlar
- Nazorat guruhi yo‘q. Bir guruhli dizayn sababiylikni belgilay olmaydi.
- O‘lchangan tuzilma asosiy darajada. Manfaatdor tomonlar muzokarasi, siyosiy amalga oshirish imkoniyati, haqiqiy siyosatni joriy etish salohiyati va davlat sektori samaradorligi o‘lchanmagan.
- Bitta universitet va bitta fan konteksti. Umumlashtirish imkoniyati cheklangan.
- Ishtirokchilar talabalar. Ular davlat xizmatchilari yoki mehnat bozori professionallari emas.
- Platforma loglari inferensial tahlilga kiritilmagan. Moduldan foydalanish chastotasi bilan o‘rganish natijasi o‘rtasidagi munosabat noma’lum.
- AI texnik tafsilotlari yetishmaydi. AI Consultant ning model provayderi, model versiyasi va texnik inference konfiguratsiyasi manbada berilmagan.
- Shkala ishonchlilik koeffitsienti yetishmaydi. Cronbach alfa usul sifatida ko‘rsatilgan bo‘lsa-da, raqamli natija hisobot qilinmagan.
Kelajakdagi tadqiqotlar
Manba kuchliroq dalillar uchun nazorat guruhli, kutish ro‘yxatli, moslashtirilgan taqqoslashli yoki kvazi-eksperimental dizaynlarni tavsiya qiladi. Shuningdek, turli universitetlar, davlat xodimlari, mahalliy boshqaruv xodimlari va MSME siyosat fasilitatorlari kabi xilma-xil ishtirokchi guruhlarda baholash o‘tkazilishi kerakligi aytiladi.
Kelajakda platformadan foydalanish jurnallarini miqdoriylashtirish ham tavsiya etiladi. Potensial ko‘rsatkichlar qatoriga funksiyalarga kirish chastotasi, foydalanish davomiyligi, AI Consultant so‘rovlari soni, Policy Map tahrirlari soni va bu xatti-harakatlarning baholash natijalari bilan aloqasi kiradi.
Haqiqiy davlat ma’lumotlari, MSME siyosat ma’lumotlari va mahalliy boshqaruv qaror holatlaridan foydalangan tadqiqotlar platformaning ta’lim muhitidan tashqaridagi amaliy qiymatini bevosita baholashi mumkin.
Manba va Usul Haqida Izoh
Asl sarlavha: AI-Assisted B2G Cloud Intelligence Simulation for Foundational Digital Governance Competencies: A Pilot Study in Higher Education
Mualliflar: Subagyo; Andi Basuki; I Nyoman Suputra; Ari Gunawan; Afis Baghiz Syafruddin
Mas’ul muallif: Andi Basuki
Tashkilot 1: Department of Management, Universitas Negeri Malang, Malang 65145, Indonesia
Tashkilot 2: Department of Management, Universitas Gadjah Mada, Yogyakarta 55281, Indonesia
Jurnal: Economies
Nashriyot: MDPI
Nashr turi: Taqrizdan o‘tgan tadqiqot maqolasi; oliy ta’limni baholash bo‘yicha pilot tadqiqot
Bibliografik yozuv: Economies, 2026, 14(9), 362
DOI: 10.3390/economies14090362
Topshirilgan: 8 Iyul 2026
Tahrir: 7 Avgust 2026
Qabul: 19 Avgust 2026
Nashr: 1 Sentabr 2026
Litsenziya: Creative Commons Attribution (CC BY).
Tadqiqot dizayni: Bir guruhli, pre-test–post-test, to‘rt haftalik baholash piloti.
Namuna: 72 boshlang‘ich ishtirokchi; 68 haqiqiy individual pre/post va so‘rovnoma qaydi; 12 guruh darajasidagi loyiha natijasi.
Asosiy platforma modullari: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis va Policy Map.
Asosiy baholash vositalari: besh ko‘rsatkichli pre-test/post-test, TAM asosidagi 1–5 Likert foydalanish qulayligi so‘rovnomasi va 100 ballik guruh loyiha rubrikasi.
Statistika: tavsifiy o‘rtachalar, xom yutuq, normallashtirilgan yutuq, juftlangan tanlanma taqqoslash, %95 ishonch oraliqlari va Cohen's dz effekt o‘lchami. Manbada normallik sharti bajarilmaganda Wilcoxon signed-rank testi qo‘llanishi aytiladi; hisobot qilingan asosiy natijalar t statistikasi bilan berilgan.
Moliyalashtirish: Institute for Research and Community Service, State University of Malang; KBK Topic Competitive scheme, contract No. 24.2.121/UN32.14.1/LT/2025.
Etika: Universitas Negeri Malang tomonidan etik istisno; No. 19.06.11/UN32.14.2.8/LT/2026. Manba hujjatida istisno 19 Iyun 2025 da berilgani va 19 Iyun 2026 gacha amal qilgani qayd etilgan.
Ongli rozilik: Barcha ishtirokchilardan olingan.
Ma’lumotlarning mavjudligi: Ma’lumotlar so‘rov bo‘yicha taqdim etilishi aytilgan.
Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvini bildirmagan.
Muallif hissalari: Konseptuallashtirish Subagyo va I Nyoman Suputra; metodologiya Andi Basuki va Subagyo; dasturiy ta’minot Afis Baghiz Syafruddin; tekshirish Ari Gunawan va I Nyoman Suputra; formal tahlil Andi Basuki va Subagyo; tadqiqot Subagyo; resurslar Afis Baghiz Syafruddin; ma’lumotlarni kuratsiya qilish Ari Gunawan; dastlabki qoralama Subagyo, Andi Basuki va I Nyoman Suputra; ko‘rib chiqish/tahrirlash Afis Baghiz Syafruddin, Andi Basuki va Ari Gunawan; vizuallashtirish Afis Baghiz Syafruddin va Ari Gunawan; nazorat Subagyo; loyiha boshqaruvi I Nyoman Suputra; mablag‘ jalb qilish Subagyo tomonidan amalga oshirilgan.
Manba ichidagi TAM kategoriya izohi: usul bo‘limi 4,21–5,00 oralig‘ini “very good” deb belgilagan bo‘lsa, 3-jadval shu oraliqdagi ayrim ballarni “Excellent” deb yorliqlaydi.
Ishonchlilikni hisobot qilish chegarasi: Cronbach's alpha yordamida ichki izchillik tahlili o‘tkazilgani aytiladi; biroq maqolada raqamli alpha qiymati hisobot qilinmagan.
AI qayta yaratilish chegarasi: AI Consultant ning pedagogik va funksional roli ta’riflangan; biroq ishlatilgan AI modeli, provayder, model versiyasi, API/prompt konfiguratsiyasi va batafsil bulut infratuzilmasi hisobot qilinmagan.
Asosiy talqin chegarasi: Tadqiqot asosiy raqamli boshqaruv kompetensiyalarida kuzatilgan pre/post o‘zgarishlar bo‘yicha pilot dalillarni taqdim etadi; mehnat bozori, professional samaradorlik, davlat sektori samaradorligi yoki makroiqtisodiy ta’sir bo‘yicha sababiy dalil emas.
Vizualni qayta chizish: Manbadagi 1-rasmning konseptual o‘rganish oqimi va 2-rasmning qatlamli tizim arxitekturasi Verianla uchun semantik jihatdan ekvivalent, ammo grafik jihatdan original sxemalar ko‘rinishida qayta qurilishi mumkin. 3–6-rasmlardagi platforma ekranlari va talaba natijalari bevosita ekran nusxasi o‘rniga asosiy axborot oqimini ifodalovchi tushuntiruvchi sxemalar sifatida qayta ishlab chiqilishi kerak.
Verianla Live mosligi: Live Architecture, Live Process, Live Compare va Live Data uchun yuqori darajada mos. Foydalanuvchi parametrlaridan yangi o‘rganish effektini yaratadigan interaktiv simulyatsiya manba tomonidan qo‘llab-quvvatlanmaydi.
Izoh qoldiring
E-pochta manzilingiz chop etilmaydi. Majburiy maydonlar * bilan belgilangan