بررسی کمی مدل خط مشی‌گذاری سازمانی در سازمان امور مالیاتی با رویکرد هوشمندسازی

بحرینی, روح اله; ربیعی مندجین, محمدرضا; امیرکبیری, علیرضا

doi:JABM.3.2.15564.35536

بررسی کمی مدل خط مشی‌گذاری سازمانی در سازمان امور مالیاتی با رویکرد هوشمندسازی

نوع مقاله : مقاله علمی-پژوهشی

نویسندگان

روح اله بحرینی ¹

محمدرضا ربیعی مندجین ²

علیرضا امیرکبیری ²

¹ دانشجو دکتری، گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

² گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

JABM.3.2.15564.35536

چکیده

هدف این پژوهش، اعتبارسنجی مدل خط‌مشی‌گذاری سازمانی با رویکرد هوشمندسازی در سازمان امور مالیاتی است. پژوهش از نظر هدف کاربردی و از نظر روش توصیفی–پیمایشی می‌باشد. جامعه آماری کارکنان ستادی سازمان امور مالیاتی کل کشور بوده و حجم نمونه با استفاده از فرمول کوکران ۳۶۰ نفر تعیین شد. داده‌ها از طریق پرسشنامه پنج‌گزینه‌ای لیکرت جمع‌آوری و با بهره‌گیری از نرم‌افزارهای SPSS و Smart PLS و روش تحلیل عاملی تأییدی و مدل‌سازی معادلات ساختاری تحلیل گردید. نتایج نشان داد مدل پژوهش از برازش مناسب برخوردار است و تمامی روابط بین خط‌مشی سازمانی و ابعاد هوشمندسازی معنادار می‌باشند (P<0.05). بیشترین تأثیر مربوط به امنیت و حاکمیت داده و کمترین آن مربوط به سیاست‌گذاری و حکمرانی هوشمند است. به‌طور کلی، یافته‌ها بر نقش محوری زیرساخت‌های داده‌ای، برنامه‌ریزی راهبردی و توانمندسازی سرمایه انسانی در موفقیت خط‌مشی‌گذاری هوشمند نظام مالیاتی تأکید دارد.

کلیدواژه‌ها

خط مشی‌گذاری

سازمان امور مالیاتی

رویکرد هوشمندسازی

موضوعات

رفتار سازمانی

عنوان مقاله English

Quantitative study of organizational policy-making model in the Tax Affairs Organization with a smart approach

نویسندگان English

Rouhollah Bahraini ¹

Mohammad Reza Rabiee Mondjin ²

Alireza Amirkabiri ²

¹ PhD Student, Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran.

² Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran.

چکیده English

The aim of this research is to validate the organizational policy-making model with a smart approach in the Tax Affairs Organization. The research is applied in terms of purpose and descriptive-survey in terms of method. The statistical population is the staff of the Tax Affairs Organization throughout the country, and the sample size was determined using the Cochran formula of 360 people. Data were collected through a five-option Likert questionnaire and analyzed using SPSS and Smart PLS software and confirmatory factor analysis and structural equation modeling. The results showed that the research model has a good fit and all relationships between organizational policy and smart dimensions are significant (P<0.05). The greatest impact is related to data security and governance, and the least is related to smart policy-making and governance. In general, the findings emphasize the pivotal role of data infrastructure, strategic planning, and human capital empowerment in the success of smart policy-making in the tax system.

کلیدواژه‌ها English

Policymaking

Tax Affairs Organization

Smartization Approach

اسدپور، حمزه و امیرکبیری، علیرضا و ربیعی مندجین، محمدرضا. (1402). ارائه الگوی خط‌مشی‌گذاری عمومی مطلوب در سازمان امور مالیاتی کشور.

پژوهش حاضر بدنبال آن است تا برای هوشمندسازی سازمان خط‌مشی‌گذاری نموده و پیشنهاداتی برای اجرا و پیاده سازی آن ارائه نماید و در نهایت مدلی برای آن شناسایی و پیشنهاد نماید تا در کنار تشخیص مالیات، وصول مالیات مغفول نماند.

حسنی، مجید و ربیعی مندجین، محمدرضا و گیوریان، حسن. (1400). ارائه مدل پارادایمی خط‌مشی‌گذاری مسئله محور در زمینه مالیات‌های سبز با روش تئوری داده بنیاد.

زند، افشین، و مداحیان، شیوا. (1401). چالش‌های خط‌مشی‌گذاری عمومی در حوزه مدیریت دولتی و خط‌مشی‌گذاری توسعه کارآفرینی. کنفرانس ملی مدیریت و کارآفرینی در مکتب شهید حاج قاسم سلیمانی (با محوریت محرومیت زدایی در منقطه جازمو.

Chatterjee, S., Chaudhuri, R., & Vrontis, D. (2022). Does remote work flexibility enhance organization performance? Moderating role of organization policy and top management support. Journal of Business Research, 139, 1501-1512.

Ifeakachukwu, N. P., & Fagite, B. A. (2024). Macroeconomic Policy, Institutional Quality and Inclusive growth in Nigeria. The Pakistan Development Review, 63(1), 89-100.

Immervoll, H., Pacifico, D., & Vandeweyer, M. (2019). Faces of joblessness in Australia: an anatomy of employment barriers using household data.

Kassa, B. Y., & Worku, E. K. (2025). The impact of artificial intelligence on organizational performance: The mediating role of employee productivity. Journal of open innovation: technology, market, and complexity, 11(1), 100474.

Niu, Y., Ying, L., Yang, J., Bao, M., & Sivaparthipan, C. B. (2021). Organizational business intelligence and Policymakingmaking using big data analytics. Information Processing & Management, 58(6), 102725.

Onyeador, I. N., Hudson, S. K. T., & Lewis Jr, N. A. (2021). Moving beyond implicit bias training: Policy insights for increasing organizational diversity. Policy Insights from the Behavioral and Brain Sciences, 8(1), 19-26.

Rajagopal, N. K., Qureshi, N. I., Durga, S., Ramirez Asis, E. H., Huerta Soto, R. M., Gupta, S. K., & Deepak, S. (2022). Future of business culture: An artificial intelligence‐driven digital framework for organization Policymaking process. Complexity, 2022(1), 7796507.

Rudko, I., Bashirpour Bonab, A., & Bellini, F. (2021). Organizational structure and artificial intelligence. Modeling the intraorganizational response to the AI contingency. Journal of Theoretical and Applied Electronic Commerce Research, 16(6), 2341-2364.

White, L. A., An, I. Y., Dhuey, E., & Perlman, M. (2025). Selective Adoption or Comprehensive Learning? Domestic Policy Makers’ Use of International Organization and Global Management Consulting Firm Advce in Future Skills Policy Making in Canada. International Review of Public Policy, 7(7: 2).