مقدمه

ماهیت برنامه‌های کاربردی جمع‌سپاری در شهرهای هوشمند، تحریک شهروندان برای انجام‌دادن کار تیمی، دستیابی به هدف‌های جامعه با استفاده از هوش جمعی و ایجاد یک جامعۀ آنلاین تعاملی است. طرفداران جمع‌سپاری بر جنبه‌های مثبت مانند سهولت ارتباط افراد، تعامل و تبادل اطلاعات تمرکز می‌کنند و نوید یک تحول اجتماعی مثبت را می‌دهند. مطالعات جدید نشان می‌دهد که مشارکت شهروندان در شهرهای هوشمند ناکافی است (Heaton & Parlikad, 2019, p. 38; Molinillo et al., 2019, p. 250). چند محقق به‌تازگی اهمیت آمادگی شهروندان را برای مشارکت در خدمات دولت الکترونیک بررسی کرده‌اند (Belanche, Casaló, & Orús, 2016, p. 79; Vidiasova & Cronemberger, 2020, p. 128). نتایج نشان می‌دهد که نقش شهروندان در‌حال حرکت به‌سمت اقدام‌های پیشگیرانه‌تر است؛ زیرا آنها در به‌اشتراک‌گذاری اطلاعات و تصمیم‌گیری با خدمات مشارکت الکترونیکی فعّال‌تر هستند. فناوری‌های جدید مانند برنامه‌های تلفن‌همراه و رسانه‌های اجتماعی بر چگونگی مدیریت شهری که دولت‌های محلی به وجود ‌آورده‌اند، اثر می‌گذارد ( Sobaci, 2016, p. 20; Silva, Khan, & Han, 2018, p. 701). یکی از مهم‌ترین این تأثیر‌ها، امکان مشارکت بیشتر شهروندان در مدیریت و برنامه‌ریزی شهری است (Thomsen, 2018, p. 81; Löfgren & Webster, 2020, p. 12 ). بر این اساس، افرادی چون هلندز [1](2008)، لیندزکاگ[2] (2004) و نام[3] و پاردو[4] (2011) استدلال کرده‌اند که پیاده‌سازی فناوری، اگرچه لازم و ضروری است، برای هوشمندسازی یک شهر کافی نیست. در‌واقع، پیشینۀ رو‌به‌رشدی در‌حال حاضر وجود دارد که نشان می‌دهد پرداختن به ملاحظه‌های نهادی و فنی برای توسعۀ موفقیت‌آمیز شهرهای هوشمند ضروری است (Chourabi et al., 2012, p. 2012). از سوی دیگر، لیندزکاگ (2004) عنوان کرد که با‌وجود وعدۀ شهرهای هوشمند و تولید مشترک شهروندان برای مدیریت بهتر، در پیشینۀ علمی اطلاعات کمی دربارۀ اینکه آیا فناوری، تسهیل‌کنندۀ مشارکت شهروندان است، وجود دارد. این مطالعات فقط چارچوب‌هایی را برای ایجاد مشترک و مشارکت الکترونیکی ارائه می‌دهد که بیشتر به‌طور کامل، نظری است (Pirannejad & Janssen, 2019, p. 88) و اثبات تجربی را ارائه نمی‌دهد (McBride et al., 2019, p. 1135). با‌وجود چالش‌های جذب تعداد کافی از شهروندان برای مشارکت در مشاغل عمومی، مطالعات اخیر نشان می‌دهد که فناوری‌های نوین می‌تواند میزان مشارکت بیشتر را تسهیل کند؛ زیرا فناوری به شرکت‌کنندگان اجازه می‌دهد تا به اطلاعات بیشتری دربارۀ نگرانی‌های خود دسترسی پیدا کنند (Hong et al., 2015, p. 780). در سال‌های اخیر تأمین منابع گسترده (جمع‌سپاری) به‌عنوان یک زمینۀ در‌حال رشد سریع در‌زمینۀ پژوهش و تولید محتوای آنلاین ظهور کرده است (Doan, Ramakrishnan, & Halevy, 2011, p. 87). یک موضوع مشترکِ در‌حال تکوین این است که فناوری می‌تواند تولید همبستگی را در بخش دولتی افزایش دهد؛ برای مثال، دانشمندان بر این باور هستند که پیشرفت فناوری توانایی دولت‌ها را برای انجام‌دادن فعالیت‌های تولید مشترک با جمع‌سپاری افزایش داده است و به‌دنبال آن تبادل اطلاعات بین شهروندان و دولت نیز افزایش یافته است. هدف از این ابتکارات اغلب گسترش مشارکت با شهروندان در فرآیندهایی است که تا آن زمان برای آنها در‌دسترس نبوده است؛ مانند نقشه‌برداری مشترک مکان‌محور. امروزه با در‌دسترس‌بودن تلفن‌های همراه که بیشتر مجهز به گیرنده‌های GPS است و نیز با‌توجه به اصطلاح تأثیرگذار «سنسورهای انسانی» که گودچایلد[5] (2007) آن را مطرح کرد، می‌توان گفت شهروندان قادر به تولید اطلاعات جغرافیایی داوطلبانه با سطحی از دقت هستند؛ زیرا پیش از این تولید اطلاعات جغرافیایی داوطلبانه تنها با کمک ابزارهای بسیار تخصصی و با استفاده از روش‌های علمی خاص (متخصصان نقشه‌کشی و نقشه‌برداران) امکان‌پذیر بود و درنهایت، این اطلاعات باعث جذب شهروند به‌عنوان حسگر می‌شود. سیستم‌عامل‌های  VGIو GIS تحت‌وب، روند تولید و استفاده از اطلاعات مکانی را به‌طور عمیق، دموکراتیک کرده‌اند (Elwood, 2008, p. 179 ;Stephens et al., 2013, p. 211). در کشور ایران به‌دلیل اینکه هنوز زیرساخت‌های فیزیکی، سرمایه‌های انسانی و اجتماعی در‌زمینۀ نرم‌افزارهای جمع‌سپاری مشارکتی داوطلبانه به مرحلۀ تکامل نرسیده است، پیاده‌سازی این مفاهیم هنوز در مرحلۀ جنینی قرار دارد و نیازمند استفاده از تجربه‌ها و نظر‌های پژوهشگران و مسئولان شهری (به‌عنوان دو قطب اصلی در برنامه‌ریزی و طراحی یک فناوری نوین در مدیریت شهرهای هوشمند) است. مسئلۀ اصلی پیش از اجرای فناوری کارآمد، شناخت جامع دیدگاه پژهشگران و مسئولان در‌زمینۀ استفاده از فناوری‌های نوین شهری است و با‌توجه به انواع نرم‌افزارهای داوطلبانۀ جمع‌سپاری امروزه تمایل بیشتری به استفاده از استراتژی‌های مبتنی بر جمعیت یا جامعه‌محور مانند VGI وجود دارد؛ زیرا این سیستم علاوه‌بر مکان‌محور‌بودن، داوطلبانه است. به همین خاطر، می‌توان به‌طور همزمان داده‌های انسانی را در‌زمینه‌های مختلف جمع‌آوری کرد. باتوجه به خلأ تئوریکی موجود که از مرور و بررسی پژوهش‌ها در این حوزه استنباط می‌شود، مسئلۀ اصلی این است که مهم‌ترین عوامل مؤثر در الگوی پذیرش و استفاده از فناوری‌های جدید جمع‌‌سپاری، داوطلبانه، مکان‌محور (VGI) در مدیریت شهری از دیدگاه، پژوهشگران و مسئولان چیست؟ در‌واقع، هدف اصلی پژوهش حاضر شناخت الگوی پذیرش فناوری جمع‌‌سپاری داوطلبانۀ مکان‌محور (VGI) از‌دیدگاه پژوهشگران و مسئولان است تا بتوان چارچوبی نظام‌مند دربارۀ مفاهیم فناوری‌های مشارکتی جمع‌سپاری داوطلبانۀ مکان‌محور را از‌‌دیدگاه پژوهشگران و مسئولان طراحی و با آن بتوان به گسترش مرزهای دانش موجود در این حوزه کمک کرد.

پیشینۀ پژوهش

لیائو[6] و همکاران (2019) در مقاله‌ای با عنوان«به‌کارگیری تکنیک‌های جمع‌سپاری در برنامه‌ریزی شهری: تحلیل کتاب‌سنجی چشم‌اندازهای تحقیق و عمل» چشم‌اندازهای پیاده‌سازی جمع‌سپاری را در برنامه‌ریزی شهری با تحلیل کتاب‌سنجی بر‌روی پژوهش‌های انجام‌شده شناسایی کرده‌اند. سهم عمدۀ این مطالعه شناسایی جمع‌سپاری به‌عنوان یک روش جدید در برنامه‌ریزی شهری است؛ زیرا در این روش می‌توان ظرفیت‌های دولت را با مشارکت عمومی، یعنی تبدیل دولت‌ها به تکلیف‌کننده تقویت کرد. با‌توجه به الگوهای آینده انتظار می‌رود که کاربرد جمع‌سپاری در برنامه‌ریزی شهری به مسائل حمل‌ونقل، بهداشت عمومی و محیط‌زیست گسترش یابد. همچنین، نتایج این پژوهش نشان می‌دهد که استفاده از جمع‌سپاری دولت‌ها را ملزم به تعدیل مکانیسم‌های برنامه‌ریزی شهری می‌کند.

استلتیک[7] و همکاران (2020) در مقاله‌ای با عنوان «آمادگی شهروندان برای جمع‌سپاری خدمات شهر هوشمند: چشم‌انداز کشور در‌حال توسعه» میزان آمادگی شهروندان را برای اجرای خدمات جمع‌سپاری یک شهر هوشمند بررسی کرده‌اند. رویکرد روش‌شناختی این پژوهش مبتنی بر تحلیل مدل‌های جمع‌سپاری مانند خرد‌جمعی، تأمین مالی جمعی، رأی جمعی، سنجش جمعی و کاربرد آنها در‌زمینه‌های مختلف مانند ترافیک، حفاظت از محیط‌زیست، خدمات شهری و سلامت است. نتایج نشان می‌دهد که شهروندان، آمادۀ پذیرش خدمات جمع‌سپاری مربوط به حفاظت از محیط‌زیست (خدمات تأمین مالی جمعی که از توسعۀ انرژی خورشیدی و حفاظت از محیط‌زیست پشتیبانی می‌کنند) و حمل‌و نقل عمومی (خدمات رأی جمعی و خرد‌جمعی که می‌توانند وضعیت حمل‌و‌نقل عمومی را بهبود بخشند) هستند. رویکرد روش‌شناختی پیشنهادی و نتایج به‌دست‌آمده می‌تواند مبنای خوبی برای شروع اجرای پروژه‌های شهر هوشمند در صربستان و سایر شهرها باشد.

سیمونفسکی[8] و همکاران (2017) در مقاله‌ای با عنوان «مشارکت شهروندان در شهر هوشمند از‌طریق پلتفرم‌های مشارکت: چارچوبی برای کارمندان و توسعه‌دهندگان عمومی» به این سؤال پاسخ دادند که الزامات شهروندان و کارمندان دربارۀ بسترهای مشارکت چیست؟ نتایج نشان می‌دهد که 164 نفر (79/69 درصد) از مفهوم مشارکت شهروندی آگاه بودند؛ اما تنها 87 نفر (02/37 درصد) از بسترهای مشارکت آگاهی داشتند. در این پژوهش عوامل دسترسی آزاد و کاربرپسند‌بودن تفاوت معنا‌داری با یکدیگر ندارند. به همین دلیل، در یک دسته اهمیت قرار گرفتند. در‌مجموع، 11 الزام برای شهروندان و 10 نمونه برای کارمندان عمومی شناسایی شد. از‌نظر شهروندان دسترسی رایگان و کاربر‌پسند‌بودن دو ویژگی مهم است که پلتفرم‌های مشارکت باید آن را داشته باشند تا شهروندان آن را بپذیرند و درنهایت، از آن استفاده کنند. با‌توجه به موارد ذکر‌شده و شروع هوشمندسازی مشارکتی در ایران ابتدا نیاز به شناخت جامع از ابعاد مؤثر در اجرای موفق اینگونه فناوری‌هاست که با شناخت دیدگاه‌های محققان می‌توان به این شاخت دست یافت.

سرگلزایی و ابراهیم‌زاده سپاسگزار (1396) پژوهشی با عنوان «مدل‌سازی پذیرش فناوری از‌سوی کاربران برای دستیابی به شهر هوشمند: مطالعۀ موردی: مراکز استان» انجام داده‌اند. محققان در این پژوهش یک مدل اولیه را (شامل نه سازه) معرفی کردند که براساس مرور پیشینۀ موضوع طراحی شده بود. این مدل براساس داده‌های 110 پرسشنامه از زاهدان آزمون و اصلاح و سپس مدل اصلاحی با داده‌های حاصل از 428 پرسشنامه از بجنورد، اصفهان، شیراز و تبریز اعتبارسنجی و اصلاح نهایی شد. مدل نهایی به پنج سازۀ کارآمدکردن فرد، قابلیت بهره‌برداری، تسهیل در انجام‌دادن امور، مزیت نسبی و سازگاری به‌عنوان اولویت نخست کاربران مراکز استان‌ها و نیز به سه معیار با عنوان کیفیت کم خدمات، امنیت داده‌ها و ذخیرۀ انرژی با عنوان کم‌اهمیت‌ترین‌ها اشاره دارد. مدل پذیرش فناوری با کاربران مراکز استان‌ها، ابزاری مهم ازجهت پیش‌بینی پذیرش فناوری برای مدیران شهری است.

مبانی نظری پژوهش

مشارکت عمومی و جمع‌آوری اطلاعات همواره دو موضوع اصلی در برنامه‌ریزی شهری بوده است. برنامه‌ریزان شهری باید همیشه در‌نظر داشته باشند که هیچ برنامۀ توسعه یا توسعۀ سیاستی نمی‌تواند به‌طور مؤثر، بدون مشارکت شهروندان و تجمیع اطلاعات اجرا شود (Certoma, Corsini, & Rizzi, 2015, p. 101). دلیل اصلی این است که برنامه‌ریزی شهری برای دستیابی به تعادل بین اقدام‌های حفاظت از محیط‌زیست، انسجام اجتماعی و ارائۀ دموکراسی به اطلاعات چند‌منبعی نیاز دارد؛ با این حال گسترش جمعیت شهری و شهرنشینی سریع یکسری چالش‌ها را برای برنامه‌ریزان شهری به همراه دارد؛ زیرا رشد جمعیت به‌طور چشمگیری، میزان داده‌هایی را افزایش می‌دهد که منعکس‌کنندۀ رفتارهای مردم در فعالیت‌های مربوط و عملکرد سیستم‌های شهری مرتبط است (Wei et al., 2016, p. 91). در چند سال گذشته، مقابله با این مشکلات به‌دلیل کمبود رویکردهای مؤثر برای جمع‌آوری و پردازش مقدار‌های زیادی از داده‌های عملکرد مربوط به رفتار انسانی یا سیستم‌های شهری، دشوار و یا حتی غیرممکن بوده است. به‌تازگی، افزایش استفاده از فناوری‌های جمع‌سپاری داوطلبانه در مناطق شهری منجر به حجم زیادی از داده‌ها شده است؛ زیرا می‌تواند به برنامه‌ریزان شهری در تصمیم‌گیری آگاهانه‌ترکمک کند؛ برای مثال، برنامه‌ریزان شهری با استفاده از داده‌های حرکت انسان و وسیلۀ نقلیه می‌توانند خطر‌ها را در شبکه‌های ترافیک شهری شناسایی و حتی پیش‌بینی کنند (Yuan, Zheng, & Xie, 2012, p. 192).

یو[9] و همکاران (2014) پژوهشی با عنوان «ارزیابی اجرای طرح جامع شهری پکن بر‌اساس داده‌های کارت هوشمند ترانزیت مترو» انجام داده‌اند. محققان سوابق کارت هوشمند حمل‌و نقل مترو را در چین برای ارزیابی اجرای کلی طرح جامع شهر هوشمند پکن در یک دهۀ گذشته تجزیه‌و‌تحلیل کرده‌اند. نتایج نشان داد که تحلیل داده‌های مرتبط با رفتار انسان که با فناوری‌های حسگر مختلف به‌ویژه فناوری‌های جمع‌سپاری مکان‌محور جمع‌آوری شده است، راه را برای مدیران و برنامه‌ریزان شهری به‌سمت تصمیم‌گیری مبتنی بر داده‌ها هموار می‌کند. فناوری‌ها نوین به شیوه‌های مختلف زندگی شهروندان را تغییر می‌دهد. تحولات اخیر در فناوری‌ها از‌قبیل تلفن‌های هوشمند، بانکداری الکترونیک (Malaquias & Silva, 2020) رسانه‌های اجتماعی (Cho, Chi, & Chiu, 2020, p. 101429)، فناوری‌های انرژی هوشمند (Shin, Park, & Lee, 2018, p. 251) و بسیاری دیگر از مهم‌ترین عوامل مؤثر در مدیریت نوین شهری است. در‌واقع، فناوری یک عنصر کلیدی برای رقابت و رشد شهرها در دنیای امروز است (Malaquias & Silva, 2020, p. 101260). علاوه بر این، اجرای موفقیت‌آمیز هر فناوری جدید در شهرها به تعداد افرادی بستگی دارد که از آن استفاده می‌کنند. همچنین، پذیرش فناوری‌های نوین برای توسعۀ آینده شهرها به‌سمت شهرهای هوشمند پایدار امری ضروری است (سرگلزایی و ابراهیم‌زاده سپاسگزار، 1396، ص. 40). به‌طور کلی، میزان پذیرش فناوری با شهروندان عامل اصلی برای فعّال‌کردن روندهای آینده در شهرهاست. همچنین، میزان موفقیت یک فناوری در شهرها نیز به درک چگونگی و چرایی پذیرش فناوری‌های جدید ازسوی کاربران بستگی دارد (Shuhaiber & Mashal, 2019, p. 2). جمع‌سپاری (Crowdsourcing) در پیشینۀ برنامه‌ریزی نوعی مشارکت عمومی است (Certomà, Corsini, & Frey, 2020, p. 101229) که شامل طیف گسترده‌ای از انواع مختلف رویکردهای تعامل است. در رویکرد مشارکت مستقیمِ مردم، می‌توان بینشی را دربارۀ درک جمع‌سپاری به‌عنوان ابزاری ازجهت بیان تعریف کرد. منظور از مشارکت مستقیم مردم «فرآیندهای شخصی است که به افراد اجازه می‌دهد شخصاً و به‌صورت فعّالانه از وسیله‌ایی استفاده کنند که عقاید، نگرانی‌ها، نیازها، علایق و ارزش‌های آنها در تصمیم‌گیری‌های دولتی لحاظ شود» (Xu & Nyerges, 2017, p. 100).

مفهوم  VGI(نرم‌افزار‌های داوطلبانۀ مکان‌محور) از‌سوی متخصصان، کاربران و محققان GI Science شکل گرفته است. در یک چارچوب کلی VGI بیشتر دربارۀ کاربرد داده‌های بزرگی است که شهروندان به‌صورت داوطلبانه تولید کرده‌اند. ظهور VGI اصطلاحی اساسی برای مجموعه‌رویکردها، سیستم‌ها، روش‌های جمع‌آوری و سازماندهی دانش محلی (فضایی) شهروندان است (Xu & Nyerges, 2017, p. 101). در پژوهش حاضر کوشش شده است تا بر فناوری‌های جمع‌سپاری به‌عنوان روشی نوین برای برنامه‌ریزی شهری ازجهت رسیدگی به این چالش‌ها تمرکز شود؛ زیرا جمع‌سپاری مکان‌محور، تکنیک مؤثری است که اطلاعات را مشخص و ارزیابی و درنهایت، به فرآیند تصمیم‌گیری گروهی کمک می‌کند؛ در‌حالی که جمع‌سپاری در ابتدا به‌عنوان یک مدل کسب‌و‌کار مبتنی بر اینترنت تعریف شده بود که به‌دنبال راه‌حل‌های خلاقانه با همکاری آزادِ داوطلبانه است (Howe, 2006, p. 2). اما اکنون جمع‌سپاری یک فرآیند نوآورانه و توزیع آنلاین است که می‌تواند به‌عنوان ابزار مولد در مدیریت شهری استفاده شود (Brabham, 2012, p. 318). در حال حاضر، کاربرد جمع‌سپاری داوطلبانۀ مکان‌محور در برنامه‌ریزی شهری بیشتر بر‌روی نقشه‌های منبع‌باز مبتنی بر اطلاعات جغرافیایی متمرکز است (برای مثال، در پروژۀ OpenStreetMap که از قدرت جامعه و خرد ‌‌جمعی برای تسهیل بهینه‌سازی نقشه‌های آنلاین استفاده می‌کند). این نوع برنامه در آینده با تکنیک‌هایی مانند شناسایی معنایی و تشخیص تصویر توسعه می‌یابد. پلتفرم‌های نقشه‌برداری قادر خواهند بود اطلاعاتی را که جمعیت ارائه کرده است، با دقت بیشتری متمایز کنند. بررسی پیشینه اولیه نشان داد که با‌توجه به اهمیت روزافزون اینگونه از فناوری‌ها در مدیریت شهری به‌ویژه در کشور ایران، محققان در تعداد کمی از مطالعات عوامل مؤثر در پذیرش و استفاده از فناوری‌های نوین را بر‌اساس دو گروه مؤثر در طراحی و اجرای فناوری (محققان و مسئولان) مطالعه کرده‌اند. هدف از پژوهش حاضر به‌کارگیری یک رویکرد اکشافی و تأییدی برای شناسایی عوامل تأثیرگذار بر پذیرش و استفاده از فناوری‌های نوین شهری (جمع‌سپاری، داوطلبانۀ مکان‌محور) است. در این مطالعه محققان و مسئولان یک الگوی مفهومی تأیید‌شده را ارائه می‌کنند و درنهایت، عوامل تأثیرگذار بر تصمیم شهروندان را برای پذیرش و استفاده از فناوری‌های جمع‌سپاریِ داوطلبانه و مکان‌محور معرفی خواهند کرد.

روش‌شناسی پژوهش

پژوهش حاضر از‌حیث هدف کاربردی و از‌نظر ماهیت و روش توصیفی-تحلیلی است. مراحل پژوهش بر پایۀ گردآوری داده‌ها، طبقه‌بندی و سازماندهی داده‌ها، تجزیه‌و‌تحلیل و نتیجه‌گیری است. در بخش اول پژوهش از استراتژی ترکیبی اکتشافی استفاده شده است که هدف از طرح اکتشافی ترکیبی آن است که نتایج روش اول (کیفی) باعث شکل‌گیری و روشن‌شدن روش دوم (کمّی) می‌شود (Greene, Benjamin, & Goodyear, 2001, p. 27). پژوهش حاضر به چند دلیل نیاز به اکتشاف دارد: اندازه‌گیری‌ها یا ابزارها در‌دسترس نیست، متغیرها ناشناخته است یا چارچوب هدایت‌کننده یا نظریه‌ای وجود ندارد. از آنجا که این طرح به‌صورت کیفی آغاز می‌شود، بیشتر مناسب کشف یک پدیده است (Plano Clark, 2008, p. 1551). این طرح بیشتر زمانی مفید است که پژوهشگر به‌دلیل مهیا‌نبودن ابزار پژوهشی به تدوین و آزمایش چنین ابزاری نیاز داشته باشد (Creswell et al., 2003, p. 220) یا زمانی که متغیرها ناشناخته است، باید متغیرهای مهم را شناسایی کرد تا بتوان مطالعه را به‌صورت کمّی انجام داد. در پژوهش حاضر از دو روش کیفی دلفی و روش کمّی پیمایش پرسشنامه‌ای به‌طور متوالی و سپس از تلفیق نتایج آنها استفاده شده است. جامعۀ آماری این پژوهش پژوهشگران با سوابق پژوهشی در موضع فناوری‌های نوین به‌ویژه جمع‌سپاری، سیستم اطلاعات جغرافیایی داوطلبانه و مسئولان مرتبط با امور هوشمندسازی در شهر اصفهان است. در این پژوهش با استفاده از نمونه‌گیری به‌شکل غیراحتمالی و هدفمند 40 متخصص بین‌المللی و 25 نفر از مسئولان در امور هوشمندسازی شهر اصفهان اعضای پانل دلفی پژوهش را تشکیل داده‌اند. در بخش اول پژوهش پس از تعریف موضوع و انجام ‌دادن مطالعات اکتشافی و کتابخانه‌ای اولیه و مکاتبه‌هایی به‌صورت باز (کیفی)، عوامل و مؤلفه‌های مربوط با روش دلفی (جزء روش‌های کیفی پژوهش) تعیین شده است. در مرحلۀ بعد، پرسشنامۀ ساخته‌شده از نتایج مرحلۀ اول (پاسخ‌های طیف 5 گزینه‌ای لیکرت و یک پرسش باز برای اضافه‌‌شدن مؤلفه‌های جدید احتمالی) به نظر اعضای پانل دلفی پژوهش رسید و پس از اخذ نظر‌های اصلاحی کیفی و کمّی (اولویت بندی عوامل) و براساس روش‌های آماری مرتبط، تحلیل شد و سپس طی سه دور رفت‌و‌برگشت تناسب مدل، مؤلفه‌ها و ترکیب عوامل به اجماع پژوهشگران می‌رسد. سپس با استفاده از نرم‌افزار SPSS و مدل تحلیل عاملی اکتشافی مؤلفه‌های اصلی استخراج و در‌نهایت، برای تأیید ساختار عاملی اکتشافی به‌دست‌آمده از نرم‌افزار Mplus استفاده می‌شود. مراحل پژوهش در شکل (1) نشان داده شده است.

شکل1: شکل شماتیک روش انجام‌دادن پژوهش (منبع: نگارندگان 1400)

Figure 1: Research method

یافته‌های پژوهش و تجزیه‌تحلیل

شناســایی متغیرها / شــاخص‌های تبیین‌کننــده

گویه‌سازی اولیه به سه روش قیاسی، استقرایی و ترکیبی دسته‌بندی می‌شود که در این پژوهش از روش ترکیبی استفاده شده است. برای شناســایی متغیرهای تبیین‌کنندۀ فناوری‌های نوین شهری (جمع‌سپاری داوطلبانۀ مکان‌محور در مدیریت شهری) ابتــدا با رویکرد منابع‌محور، متــون نظــری و تجربــی مرتبــط بــه‌طــور گســترده، مطالعه شده است تــا از این طریق، ابعاد و شــاخص‌های نشــان‌دهندۀ موضوع بررسی‌شده استخراج شود؛ اما با‌توجه به نوپا‌بودن موضوع مطالعه‌شده و نبود معیارها و نظریه‌های تأیید‌شده از ‌نظر متخصصان و پژوهشگران استفاده شده است.

شناسایی متخصصان و انتخاب اعضای پانل دلفی

مهم‌ترین نکته در روش دلفی، انتخاب اعضای پانل است.؛ زیرا دستیابی به هدف‌های پژوهش حاضر وابسته به انتخاب دقیق شرکت‌کنندگان است (Theofanidis & Fountouki, 2018, p. 156). در پژوهش حاضر گروه اول اعضای پانل شامل40 نفر از خبرگان دانشگاهی است که با‌توجه به سطح تحصیلات، آشنایی با روش پژوهش، سوابق پژوهشی و داشتن تجربه دربارۀ فناوری‌های نوین به‌ویژه فناوری‌های جمع‌سپاری مکان‌محور انتخاب شده‌اند. همچنین، با‌توجه به نوپا‌بودن موضوع مطالعه‌شده در ایران از نظر‌های پژوهشگران بین‌المللی و برای انتخاب استادان و پژوهشگران مرتبط با موضوع از موتورهای جست‌وجوی آکادمیکی همچون اسکُپس، وب‌آوساینس و مایکروسافت آکادمیک استفاده شده است. همچنین، در این پژوهش علاوه‌بر مطالعۀ مقاله‌های چاپ‌شده، آدرس ایمیل و صفحۀ پژوهش‌های پژوهشگران برای مکاتبه به دست آمده است. در‌نهایت، از 74 پژوهشگر انتخاب‌شده 40 نفر به‌صورت کامل، همکاری کردند. در پژوهش حاضر نمونه‌گیری به‌شکل غیراحتمالی و هدفمند انجام شد که با هدف مطالعه سازگاری دارد. گروه دوم مسئولان و تصمیم‌گیران در هوشمندسازی شهرداری اصفهان است که به‌دلیل در‌دسترس‌نبودن مسئولان به‌صورت نمونه‌گیری گلوله‌برفی انجام و اولین عضو نمونه از مدیران بخش هوشمندسازی شهرداری شهر اصفهان انتخاب شد؛ زیرا بیشترین ارتباط را با موضوع پژوهش داشتند و سپس از‌طریق ارتباط این اعضا با اعضای دیگر جامعۀ آماری، امکان دسترسی به سایر نمونه‌ها میسر شد. سرانجام، تعداد 25 نفر در مراحل مصاحبه و تکمیل پرسشنامه همکاری کردند. اطلاعات جمعیت‌شناختی اعضای منتخب برای پانل دلفی در جدول 1خلاصه شده است.

جدول 1: اطلاعات جمعیت‌شناختی اعضای منتخب پانل دلفی

Tabl 1: Demographic information of selected Delphi panel members

منبع: یافته‌های پژوهش 1400

طراحی و تنظیم پرسشنامه

از آنجایی که هدف از پژوهش حاضر شناسایی عوامل مؤثر بر پذیرش و استفاده از فناوری‌های نوین شهری در هوشمندسازی شهرها بود، با‌توجه به جدید‌بودن نوع فناوری (جمع‌سپاری، داوطلبانه و مکان‌محور) در اولین گام برای گردآوری اطلاعات پایه و چارچوب نظری به متون علمی و پژوهشی مربوط مراجعه و سپس با دو گروه مطالعه‌شده، یعنی40 نفر از متخصصان بین‌المللی و 25 نفر از مسئولان (کارشناسان هوشمندسازی شهر و فناوری اطلاعات شهرداری اصفهان) مکاتبه انجام شد. در‌واقع، در این مکاتبه از آنها پرسیده شد که به نظر شما عوامل مهم و تأثیرگذار در پذیرش فناوری جمع‌‌سپاری و سیستم اطلاعات جغرافیایی داوطلبانۀ (VGIS) شهروندان چیست؟ بر این اساس در گروه محققان و پژوهشگران 70 مؤلفه شناسایی و و در‌نهایت، تعداد40 مؤلفه مورد تأیید جمعی پژوهشگران قرار گرفته است  در گروه مسئولان و کارشناسان شهرداری از 50 مؤلفۀ شناسایی‌شده 38 مؤلفه تأیید نهایی شد. در مرحلۀ بعد دو پرسشنامه از مؤلفه‌های تأیید‌شدۀ پژوهشگران و مسئولان به‌صورت جداگانه ساخته شد که به‌ترتیب از 40 و 38 ماده تشکیل شده بود. هر‌کدام از این ماده‌ها یکی از عواملی را می‌سنجید که تصور می‌شد بر پذیرش و استفادۀ شهروندان از فناوری‌های جمع‌سپاری سیستم اطلاعات جغرافیایی داوطلبانۀ مکان‌محور (VGIS) مؤثر است. سرانجام، پرسشنامه‌ها دوباره به‌صورت جداگانه به دو گروه پژوهشگران و مسئولان ارسال شد.

کنترل تناسب داده‌ها برای انجام‌دادن تحلیل عاملی

روش تحلیل عاملی با استفاده از 40 شاخص نهایی که به اجماع پژوهشگران رسیده و 38 ماده که به اجماع مسئولان رسیده و نیز با استفاده از نرم‌افزار SPSS به‌صورت جداگانه انجام شده است. قبل از انجام‌دادن تحلیل عاملی از‌طرفی، باید از مناسب‌بودن داده‌ها برای انجام‌دادن تحلیل عاملی اطمینان حاصل کرد و از طرف دیگر، باید نوع و کیفیت داده‌ها و تعداد نمونه‌ها بررسی و کنترل شود؛ بدین صورت که برای کنترل مناسب‌بودن داده‌ها ازجهت انجام‌دادن تحلیل عاملی مواردی چون نحوۀ توزیع داده‌های هریک از شاخص‌ها و میزان انطباق آنها از توزیع نرمال بررسی شد. همچنین، برای کنترل تناسب داده‌ها ازجهت تحلیل عاملی قبـل از انجام‌دادن تحلیل عاملی اکتشافی از آزمون Kaiser-Meyer-Olkin (KMO) و Bartlett استفاده شد. ضریب به‌دست‌آمدۀ KMO برای پژوهشگران 840/0 و برای مسئولان 78/0بود که نشان‌دهندۀ رضایت‌بخش‌بودن حجم نمونه برای تحلیل عاملی اکتشافی است. معناداری اطلاعات موجود در یک ماتریس و به عبارت دیگر مناسب‌بودن داده‌ها با آزمون بارتلت صورت گرفت. نتایج آزمون کرویت بارتلت (Bartletts Sephercity Test) به‌دست‌آمده در‌سطح 001/0 در هر دو گروه معنادار بود. فرض صفر آزمون کرویت بارتلت این است که متغیرها فقط با خودشان همبستگی داشته باشند؛ بنابراین رد این فرض نشان‌دهندۀ مناسب‌بودن ماتریس همبستگی برای تحلیل عاملی است. سرانجام، نتایج نشان می‌دهد که تحلیل عاملی اکتشافی برای شناسایی ساختار به‌دست‌آمده از مدل تحلیل عاملی برای هر دو گروه مناسب است.

جدول2: نتایج آزمون بارتلت و ضریب KMO

Table 2: Results of kmo and Bartlett index

منبع: یافته‌های‌پژوهش1400

نتایج تحلیل عاملی اکتشافی

برای انجام‌دادن تحلیل عاملی اکتشافی از روش تحلیل مؤلفه‌های اصلی و چرخش واریماکس استفاده شده است. همچنین، بیشتر پژوهشگران در شناسایی مؤلفه‌ها از چرخش واریمکس که یک چرخش متعامد است، استفاده کرده‌اند. پس از حذف این سؤال‌ها با 36 سؤال باقی‌مانده، تحلیل عاملی (تحلیل عاملی مرتبة دوم) به روش تحلیل مؤلفه‌های اصلی و با چرخش «واریماکس» انجـام شد. بـر‌اسـاس اطلاعـات جـدول 2 ضریب به‌دست‌آمدۀ KMO برابر 897/0 بود که نشان‌دهندۀ رضایت‌بخش‌بودن حجم نمونه برای تحلیل عاملی اکتشافی است. همچنین، آزمون Bartlett به‌دست‌آمده در‌سطح 001/0 معنادار بود. سرانجام، نتایج نشان می‌دهد که تحلیل عاملی اکتشافی برای شناسایی ساختار مدل، عاملی مناسب است؛ اما در گروه مسئولان هیچ گویه‌ایی حذف نشد و تحلیل عاملی اکشافی یک‌مرحله‌ایی انجام شد. برای تعیین تعداد عامل‌هایی که باید برای مجموعه‌داده‌ها در این تحلیل استخراج شود، ابتدا از معیار Kaiser استفاده شد. بر‌اساس این معیار، تنها عامل‌های با مقدار ویژۀ 1 یا بیشتر به‌عنوان منبع ممکن تغییرات در داده‌ها پذیرفته می‌شود. جدول 3 عوامل استخراج‌شده و درصد تغییرات آنها را در هر دو گروه نشان می‌دهد. همچنین، این جدول بیانگر آن است که در گروه پژوهشگران مقدار ویژۀ 6 عامل بیشتر از 1 بوده است؛ به‌طوری که این عوامل در‌مجموع، 69/254 درصد تأثیر را در ساختار مدل به خود اختصاص داده‌اند. همان‌گونه که ملاحظه می‌شود، ارزش ویژۀ هیچ‌کدام از عامل‌ها از 1 کمتر نیست. در گروه پژوهشگران عامل اول با مقدار ویژۀ 59/28 و درصد واریانس 641/21 مؤثرترین عامل است و در کل، 6 عامل اصلی که در ساختار مدل بیشترین تأثیر را دارند، در‌مجموع، 254/69 درصد واریانس داده‌ها را به خود اختصاص داده‌اند. در گروه مسئولان و کارشناسان شهرداری مقدار ویژۀ 7 عامل بیشتر از 1 بوده است؛ به‌طوری که این عوامل در‌مجموع، 275/71 درصد تأثیر را در ساختار مدل دارند. به‌طور کلی، در 7 عامل شناسایی‌شده 275/71 درصد واریانس داده‌ها به دست آمده است. عامل اول بیشترین سهم را در تبیین گویه‌های مرتبط با عوامل مؤثر و بیشترین نقش را در پذیرش فناوری مشارکتی جمع‌سپاری داوطلبانۀ مکان‌محور دارد.

جدول 3: عوامل استخراج‌شده همراه با مقدار ویژه، درصد واریانس و درصد تجمعی واریانس آنها بعد از چرخش در دو گروه مطالعه‌شده

Table 3: Extracted factors with specific value, percentage of variance and cumulative percentage of variance after rotation in the two studied groups

منبع:‌ یافته‌های‌پژوهش1400

تفسیر و نام‌گذاری عوامل

با‌توجه به ارتباط هریک از گویه‌های استخراج‌شده در پذیرش فناوری جمع‌سپاری داوطلبانۀ مکان‌محور ازسوی شهروندان با متون نظری و تجربی در این زمینه، عوامل استخراج‌شده در دو گروه پژوهشگران و مسئولان نام‌گذاری شد. در گروه پژوهشگران 6 عامل شناخته شده است که عامل اول 9 گویه را در‌برمی‌گیرد. گویه‌هایی که در عامل اول قرار گرفته، مواردی است که به شهروندان مربوط می‌شود. بر این اساس، عامل اول به نام «شهروندان» نام‌گذاری شد که مواردی از‌قبیل آموزش، احساس مسئولیت، انگیزه، بازخورد و نتیجه‌گرایی را در‌برمی‌گیرد. عامل دوم 7 گویه را در خود جای داده است و در‌برگیرندۀ ویژگی‌های محیطی و زمینه‌ایی مؤثر از‌قبیل سواد دیجیتال، کیفیت اینترنت منطقه، وضعیت اقتصادی، وضعیت تحصیلی، فرهنگ‌سازی و مسائل سیاسی و دموکراسی در منطقه است؛ بنابراین عامل دوم به نام «شرایط محیطی و زمینه‌ایی» نام‌گذاری شد. عامل سوم 4 ماده دارد که مسائل مربوط به چگونگی طراحی، روش درخواست، روشن و واضح‌بودن هدف و مسیر مشارکت را در‌بر‌می‌گیرد؛ بنابراین عامل سوم به نام «طراحی» نام‌گذاری شد. عامل چهارم با 7 گویه (از‌قبیل، قابلیت اطمینان داده‌ها، حریم‌خصوصی، اعتبار‌سنجی داده‌ها، اعتبارسنجی نتایج، زمانبر‌بودن پروسۀ اعتبار‌سنجی، شاخص ایمنی دیجیتال نرم‌افزار و کاربران جعلی) به نام «کیفیت ذاتی و بیرونی داده‌ها» نام‌گذاری شد. عامل پنجم 4 گویه دارد که به مواردی از‌قبیل هزینۀ تبلیغات، هزینۀ لازم برای تشویق به مشارکت شهروندان، افزایش هزینه با افزایش اندازه و زمان پروژه اشاره می‌کند و به نام «مالی و هزینۀ اجرا» نام‌گذاری شد و در‌نهایت، عامل ششم با 5 گویه به مواردی از‌قبیل توانایی‌های سیستم فناوری جمع‌سپاری داوطلبانۀ مکان‌محور مانند توانایی ایجاد پلتفرم و سنسور انسانی، توانایی به‌کارگیری داده‌های مختلف و نیاز به زیرساخت‌های ویژه اشاره دارد و به نام عامل«فنی و زیرساختی» نام‌گذاری شد. در گروه مسئولان 7 عامل شناخته شده است که عامل اول به سیاست‌گذاری و امور سازمانی و نهادی مرتبط (از‌قبیل شفافیت در اصول و قوانین اجرا و پشتیبانی، سیاست‌گذاری‌های کلان و داشتن نقشۀ راه مشخص، ایجاد تمرکز مدیریتی، مشخص‌بودن ارگان‌های سازنده و حمایت‌کننده و تعامل بین حوزه‌های بهره‌بردار نهادی و سازمانی) و از‌نظر مسئولان مهم‌ترین عامل است. عامل دوم به مشارکت شهروندان در تمام مراحل از نیازسنجی و افکارسنجی قبل از برنامه‌ریزی تا پشتیبانی پس از اجرای فناوری اشاره دارد که با‌توجه به گویه‌های تشکیل‌دهنده به نام «طراحی تبادلی و تعاملی» نام‌گذاری شد. عامل سوم که به نام فنی و زیر ساختی (سهولت، سودمندی و جذابیت) نام‌گذاری شده است به ویژگی‌های فناوری اشاره دارد. این عامل در گروه پژوهشگران نیز وجود دارد؛ البته در گروه پژوهشگران این عامل در رتبۀ ششم قرار دارد. عامل چهارم از گویه‌های ایجاد نگرش مثبت و اعتماد اجتماعی در گروه‌های مختلف جامعه، شناخت گروه‌های مقاوم در‌برابر نوآوری و تغییر دیدگاه این گروه، در‌نظر‌گرفتن ترس‌ها و نگرانی‌های شهروندان، ایجاد حس ارزشمندی فردی و اجتماعی برای کاربران و ایجاد آمادگی ذهنی و روانی شهروندان برای ضرورت استفاد از فناوری‌های نوین تشکیل شده است که به نام «عامل ذهنی و هنجاری» نام‌گذاری شد. عامل پنجم در گروه مسئولان با عنوان «شهروندان» نام‌گذاری شد که از گویه‌های سطح سواد شهروندان، سابقه و تجربۀ شهروندان، سطح رفاه شهروندان، نیاز‌سنجی از عموم شهروندان قبل از طراحی و اجرا، نگرش و دیدگاه شهروندان و جایگاه اجتماعی شهروندان تشکیل شده است. این عامل در گروه پژوهشگران نیز وجود دارد؛ اما در اولویت اول و مهم‌ترین عامل از‌دیدگاه پژوهشگران است. عامل ششم به نام «آموزش و فرهنگ‌سازی» ‌نام‌گذاری شد که از گویه‌های تربیت و به‌کارگیری نیروی متخصص و آموزش‌دیده، آموزش و ایجاد تمایل برای نوآوری در کارکنان شهرداری، آموزش و فرهنگ‌سازی برای عموم شهروندان پیش از اجرای فناوری و ملموس‌کردن اثربخشی و کارایی فناوری برای شهروندان تشکیل شده است. آخرین عامل به نام «اقتصادی و مالی» نام‌گذاری شد که از سه گویۀ ارائۀ نمونه رایگان در مراحل ابتدایی اجرای فناوری، داشتن صرفۀ اقتصادی برای شهروندان و ارائۀ مشوق‌های مالی برای ایجاد انگیزه برای شهروندان تشکیل شده است. (جدول4)

جدول 4: عوامل استخراج‌شده و متغیرهای مربوط به هر‌یک از عامل‌ها در دو گروه مطالعه‌شده

Table 4: Extracted factors and variables related to each of the factors in the two studied groups

منبع:‌ یافته‌های‌پژوهش1400

برازش مدل

پس از بررسی بارهای عاملی باید به برازش داده‌های گردآوری‌شده با مدل مفهومی پروژه نیز اطمینان حاصل کرد. به‌طور معمول، برای ارزیابی برازندگی مدل‌های ساختاری از آزمون مجذور کای استفاده می‌شود. با‌توجه به این نتایج می‌توان گفت که مدل ایجاد‌شده در مرحلۀ قبل قابل برازش و کاربرد است. به عبارت دیگر، داده‌های مشاهده‌شده تا میزان زیادی منطبق بر مدل مفهومی پروژه بوده است. جدول 5 نشان می‌دهد که تمامی مشخصه‌های برازندگی در هر دو گروه پژوهشگران و مسئولان در‌سطح پذیرفتنی است. داده‌های پژوهش حاضر با ساختار عاملی برازش مناسبی دارد و گویه‌های این مقیاس با سازۀ زیربنایی همسوست.

نتایج تحلیل عاملی تأییدی

در مرحلۀ نخست بر‌اساس جدول 5 از شاخص کای اسکوئر برای ارزیابی برازش کلی مدل استفاده می‌شود. مقدار‌های بین 1 تا 3 برای این شاخص به‌عنوان برازش خوب درنظر گرفته شده است. با‌توجه به مقدار عددی این شاخص در پژوهش حاضر و نیز با‌توجه به اینکه سطح معناداری آن بزرگ‌تر از 05/0است، معناداری مقدار عددی این شاخص تأیید می‌شود و درنتیجه می‌توان گفت که برازش کلی مدل ساختاری پژوهش حاضر خوب است. ضرایب مسیر بین هر‌یک از سؤال‌ها، عوامل و بین عوامل و متغیر مکنون در‌صورتی که معنادار باشد، دلیلی از وجود روایی همگرای اولیه در ابزار پژوهش است. علاوه بر این، در‌صورتی که ضرایب کمتر از 5/0 باشد، نشانه‌ای از وجود روایی همگرای کامل و بسیار‌خوب در ابزار پژوهش است. همان‌گونه که شکل 2 نشان می‌دهد تمامی ضرایب مسیر معنادار است. با‌توجه به این نتایج می‌توان گفت که مدل مفهومی نهایی پذیرش فناوری‌های مشارکتی جمع‌سپاری داوطلبانۀ مکان‌محور ازسوی پژوهشگران و مسئولان قابل برازش و کاربرد است.

جدول5: شاخص‌های نیکویی برازش مدل ساختاری در دو گروه مطالعه‌شده

Table 5: Goodness of fit indices of the structural model in the two studied groups

منبع: یافته‌های پژوهش 1400

شکل2: مدل مفهومی ترکیبی پذیرش فناوری‌های مشارکتی جمع‌سپاری داوطلبانۀ مکان‌محور ازسوی متخصصان و مسئولان (منبع: نگارندگان 1400)

Figure 2: The combined conceptual model of acceptance of place-based voluntary crowdsourcing collaborative technologies by researchers and officials

نتیجه‌گیری

ظهور و تکامل سریع پلتفرم‌های مشارکتی به‌صورت جمع‌سپاری و مکان‌محور (VGI) مانند OpenStreetMap تعداد زیادی از شهروندان را درگیر جمع‌آوری و به‌اشتراک‌گذاری اطلاعات و ویژگی‌های جغرافیایی به‌ویژه در محیط‌های شهری کرده است. این مدل فرآیند جمع‌آوری داده باعث ایجاد مشارکت‌های افراد از پایین به بالا و شکل‌دهی داده‌های (جغرافیایی) بزرگ شده است. در این پلتفرم‌ها از برنامه‌های کاربردی جدیدی مانند نقشه‌برداری داخلی، برنامه‌های مسیریابی، گردشگری و نظارت بر محیط‌زیست استفاده شده است. در پژوهش حاضر به شناخت عوامل تأثیرگذار در پذیرش و استفاده از یک پروژۀ کاربردی با سیستم اطلاعات جغرافیایی داوطلبانه از‌دیدگاه پژوهشگران و مسئولان پرداخته شده است. نتایج پژوهش نشان می‌دهد که برای پذیرش و استفادۀ شهروندان در سیستم اطلاعات جغرافیایی داوطلبانه، شهروندان مهم‌ترین و مؤثرترین عامل از‌دیدگاه پژوهشگران هستند. این عامل در گروه مسئولان در جایگاه پنجم قرار دارد. ازدیدگاه پژوهشگران پروژه‌هایی که شهروندان و عوامل مؤثر در تحریک شهروندان برای مشارکت در‌نظر می‌گیرند، احتمال موفقیت بیشتری دارند. به همین خاطر، باید از عوامل مطرح‌شده در عامل شهروندان برای درگیر‌کردن، ایجاد انگیزه و اعتماد در شهروندان استفاده شود. عواملی از‌قبیل، نیازسنجی، بازخورد، نتیجه‌گرایی، تعامل، خلاقیت و نوآوری و ایجاد احساس مسئولیت از عوامل موثر در ایجاد انگیزه و اعتماد شهروندان است. بادهاتوکی[10] و هایتورویت[11] (2013) 22 عامل را به‌عنوان عوامل برانگیزاننده در مشارکت داوطلبانه در OpenStreetMap بیان کردند که نوع‌دوستی، اهمیت ادراک‌شدۀ یک پروژه برای یک هدف عمومی و باور به ارزش فراوان سهم دانش محلی مردم ‌مهم‌ترین عوامل محرک برای ایجاد اعتماد‌به‌نفس در مشارکت داوطلبانۀ شهروندان است. فاکتور سرگرم‌کننده‌بودن در طراحی پلتفرم‌های جمع‌سپاری مکان‌محور اهمیت فراوانی دارد؛ بنابراین رابط‌های کاربری جذاب و مدرن با کاربرد آسان و جذاب و روش‌های بازی در ایجاد انگیزه برای شرکت‌کنندگان مهم و مفید است که با گویه‌های دو عامل شهروندان و طراحی در این پژوهش همسوست؛ اما در گروه مسئولان و کارشناسان شهرداری مهم‌ترین عامل با عنوان عوامل سازمانی و نهادی بیان شده است که به موارد سیاست‌گذاری و پشتیبانی حقوقی و قانونی اشاره دارد. در‌واقع، از‌نظر مسئولان و کارشناسان شهرداری برای اجرای موفق یک فناوری داوطلبانۀ مکان‌محور ابتدا باید مسئولان بالادست مسیر راه را مشخص کنند.. لیائو و همکاران (2019) نیز در نتایج خود به نقش دولت به‌عنوان تکلیف‌کنندۀ اصلی برای مشارکت اشاره کردند. عامل دوم از‌دیدگاه پژوهشگران شرایط محیطی و زمینه‌ایی نامیده شده است. یکی از ویژگی‌های فناوری‌های VGI ماهیت ناهمگن آن با‌توجه به فضای اجتماعی، اقتصادی و فرهنگی محیط است؛ برای مثال، اغلب یک سوءگیری فضایی در جمع‌آوری اطلاعات با شهروندان است. در محیط‌های متفاوت با‌توجه به سطح فرهنگی، اجتماعی و اقتصادی میزان مشارکت شهروندان متفاوت است؛ برای مثال، احتمال مشارکت در مناطق شهری بیشتر از مناطق روستایی است یا شهروندان به برخی موضوع‌ها علاقۀ بیشتری دارند؛ مانند اطلاعات گردشگری. این سوگیری‌ها می‌تواند بیشتر تحت‌تأثیر دسترسی و سطح دانش شهروندان، تفاوت‌های فرهنگی و مدت زمان کاربران برای مشارکت قرار گیرد. این عوامل تأثیرگذار را می‌توان با عنوان شرایط زمینه‌ایی و محیطی با راهبردهایی از‌قبیل نوع‌شناسی شرکت‌کنندگان، شناخت توانایی‌ها و تحلیل اقتصادی، اجتماعی و رفتاری جامعۀ هدف پروژه مدیریت کرد. در گروه متخصصان و کارشناسان عامل دوم یک دیدگاه تعاملی و تبادلی در فرآیند طراحی و اجرای فناوری است و به عواملی نظیر نظرسنجی، افکارسنجی، پشتیبانی، اصل مشارکت و راه‌های افزایش مشارکت از پایین اشاره دارد. در‌واقع، از‌دیدگاه مسئولان ابتدا باید شرایط برای مشارکت شهروندان مهیا باشد و سپس به عوامل دیگر پرداخت. عامل سوم در گروه پژوهشگران با عنوان کیفیت ذاتی و بیرونی داده‌ها تعیین شده است. کیفیت در پروژه‌های جمع‌سپاری ویژگی‌های متفاوتی را ارائه می‌کند؛ مانند نیاز به شاخص‌های جدیدی که باید به اندازۀ کافی توصیف و ارزیابی شود.کیفیت داده‌ها در فناوری‌های VGIS در‌واقع، یک ویژگی با ترکیبی از کیفیت داخلی و خارجی است. کیفیت داخلی به ویژگی‌های ذاتی اطلاعات (دقت مکانی، دقت زمانی، صحت معنایی و ...) اشاره دارد؛ در‌حالی که کیفیت بیرونی به تناسب استفاده از اطلاعات مربوط می‌شود و به ویژگی‌های زمینه‌ایی بستگی دارد. بررسی هر دو نوع کیفیت داده بر‌روی اطلاعات مرحله‌ای و کل داده‌ها ضروری است که در پژوهش حاضر با 7 گویه مشخص شده است. برآورد کیفیت در نرم‌افزارهای جمع‌سپاری چالشی است که باید با‌توجه به هدف پروژه و چگونگی مشارکت مطالعه شود. از‌دیدگاه مسئولان سومین عامل، ایجاد زیرساخت‌های لازم و توانایی‌های فنی فناوری (کاربرد چندگانه و به‌روز‌رسانی فناوری) است که باید پیش از طراحی و اجرای یک فناوری مطالعه شود. مقایسۀ نتایج پژوهش با پژوهش سرگلزایی و ابراهیم‌زاده سپاسگزار (1396) که در نتایج خود به عواملی مانند کارآمدکردن فرد، قابلیت بهره‌برداری، تسهیل در انجام‌دادن امور اشاره کردند. سیمونفسکی و همکاران (2017) که به عواملی مانند دسترسی آزاد و کاربرپسند بودن در پذیرش فناوری اشاره کردند، نشان می‌دهد عوامل انسانی که به شهروندان مرتبط است از مهم‌ترین عوامل اجرای موفق یک فناوری داوطلبانۀ مکان‌محور است که با نتایج این پژوهش همسوست.

[1]. Hollands

[2]. Lindskog

[3]. Nam

[4]. Pardo

[5]. Goodchild

[6]. Liao

[7]. Staletić

[8]. Simonofski

[9]. Yu

[10]. Budhathoki

[11]. Haythornthwaite