<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه قم</PublisherName>
				<JournalTitle>علوم و فنون مدیریت اطلاعات</JournalTitle>
				<Issn>2476-6658</Issn>
				<Volume>12</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>03</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Digital transformation in the Central Bank of the Islamic Republic of Iran (with a focus on identifying knowledge areas and indicators)</ArticleTitle>
<VernacularTitle>تحول دیجیتال در بانک مرکزی جمهوری اسلامی ایران (با تمرکز بر شناسایی حوزه‌های دانشی و شاخص‌ها)</VernacularTitle>
			<FirstPage>61</FirstPage>
			<LastPage>83</LastPage>
			<ELocationID EIdType="pii">3337</ELocationID>
			
<ELocationID EIdType="doi">10.22091/stim.2025.11483.2171</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سمیرا</FirstName>
					<LastName>طهماسبی آشتیانی</LastName>
<Affiliation>دانشجوی دکتری مدیریت اطلاعات و دانش ،دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0009-0007-5156-5203</Identifier>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>حسن زاده</LastName>
<Affiliation>استاد گروه علم‌اطلاعات و دانش‌شناسی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-6175-0855</Identifier>

</Author>
<Author>
					<FirstName>عاطفه</FirstName>
					<LastName>شریف</LastName>
<Affiliation>استادیار گروه علم‌ اطلاعات و دانش‌شناسی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس،تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000-0003-4761-6761</Identifier>

</Author>
<Author>
					<FirstName>مصطفی</FirstName>
					<LastName>امینی</LastName>
<Affiliation>پسا دکتری تحول دیجیتال داده محور، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران</Affiliation>
<Identifier Source="ORCID">https://orcid.org/00</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2024</Year>
					<Month>10</Month>
					<Day>15</Day>
				</PubDate>
			</History>
		<Abstract>&lt;strong&gt;Objective:&lt;/strong&gt; Rapid advancements in emerging technologies have triggered profound societal changes. Consequently, banking and credit institutions, alongside the Central Bank, have undergone significant technological transformations. Leveraging these technologies offers a solution to existing challenges and creates opportunities to improve services within the Central Bank. This article aims to identify the knowledge areas and indicators of digital transformation within the Central Bank of the Islamic Republic of Iran to establish a systematic framework for digital transformation in the Central Bank and other financial institutions.&lt;br /&gt;&lt;strong&gt;Method:&lt;/strong&gt; This study employs a two-fold approach: a systematic literature review to identify indicators of digital transformation, and the Delphi method to refine these findings through expert consultation. The identified components and indicators were presented in a questionnaire to a panel of 24 experts—comprising managers, researchers, and faculty members—who possessed both relevant academic backgrounds (at least a bachelor’s degree) and significant professional experience (minimum five years). Ultimately, 15 subject matter experts, selected via purposive sampling, refined and validated the initial indicators. During this process, the relative importance of each element was determined using a 5-point Likert scale. A consensus was reached among the Delphi panel, and the Kendall correlation coefficient was calculated to measure the level of inter-rater agreement and determine the termination point of the survey rounds.&lt;br /&gt;&lt;strong&gt;Findings:&lt;/strong&gt; Initial qualitative analysis identified 16 components and 101 indicators. Following the Delphi process, these were refined into 14 main components and 51 indicators. The results indicate that the most significant factors for the Central Bank are: intelligentizing data collection and statistical analysis (mean: 4.93), management of analytical tools for opportunity identification (mean: 4.66), strategic IT architecture management (mean: 4.66), and intelligentizing business processes to prevent fraud and illicit transactions (mean: 4.60).&lt;br /&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; Through the synthesis of the study&#039;s findings, a conceptual model for the digital transformation of the Central Bank was developed. This model can serve as a foundation for future research in designing banking transformation frameworks. Furthermore, identifying these core knowledge areas acts as an enabler for the Central Bank, fostering greater dynamism, agility, flexibility, and innovation.&lt;br /&gt;Contribution to Knowledge: This research underscores the importance of the Central Bank’s commitment to adopting transformative technologies, which is critical for enhancing the overall financial performance of banking and credit institutions.</Abstract>
			<OtherAbstract Language="FA">&lt;strong&gt;هدف:&lt;/strong&gt; پیشرفت‌های روزافزون فناوری‌های نوظهور در تمامی عرصه‌ها به تحولات عمیقی در سطح جوامع منجر شده است. بانک‌ها و مؤسسات اعتباری و همچنین بانک مرکزی در رأس آن نیز دستخوش تحول فناورانه بوده‌اند. بهره‌مندی از فناوری‌های تحوّل‌آفرین به‌مثابه راهکار حل چالش‌ها و همچنین پتانسیلی برای ایجاد فرصت‌های جدید در ارائۀ بهتر خدمات بانک مرکزی موثر خواهد بود. این مقاله با هدف شناسایی حوزه‌های دانشی و شاخص‌های مبتنی‌بر تحول دیجیتال در بانک مرکزی جمهوری اسلامی ایران تدوین شده است تا دیدگاهی نظام‌مند در راستای تحوّل دیجیتال در بانک مرکزی و همچنین بانک‌ها و مؤسسات اعتباری نیز ایجاد کند.&lt;br /&gt;&lt;strong&gt;روش‌شناسی:&lt;/strong&gt; پژوهش حاضر با هدف شناسایی شاخص‌های مؤثر بر تحوّل دیجیتال بانک مرکزی، با رویکرد مرور نظام‌مند پیشینه انجام شد. همچنین برای بهره‌گیری از ایده‌ها و نقطه نظرات خبرگان موضوعی در راستای توسعۀ بدنۀ دانشی موجود و اعتبارسنجی و پالایش یافته‌های پژوهش، از روش دلفی استفاده شد. برای ارزیابی مؤلفه‌های شناسایی‌شده، نسبت به انتخاب 24 نفر از کارشناسان، مدیران، پژوهشگران، و اعضای هیئت‌علمی دانشگاه‌ها که دانش (حداقل مدرک کارشناسی) و تجربۀ کافی (حداقل پنج سال سابقه کاری) و فعالیت در حوزۀ پژوهش داشتند، مؤلفه‌ها و شاخص‌ها در قالب پرسش‌نامه برای گروه خبرگان ارسال شد.  در نهایت مؤلفه‌ها و شاخص‌های اولیه بر مبنای نظرات 15 نفر از خبرگان موضوعی که با استفاده از نمونه‌گیری هدفمند شناسایی شده بودند، توسعه یافته، پالایش شده و به تأیید رسید. طی این مرحله، ترتیب اهمیت هر یک از عناصر مدل پژوهش نیز تعیین شد. برای غربالگری و حصول اطمینان از اهمیت شاخص‌های شناسایی‌شده و انتخاب شاخص‌های نهایی از دیدگاه خبرگان از روش دلفی استفاده شده است. دیدگاه خبرگان پیرامون اهمیت هر یک از شاخص‌ها در قالب طیف 5درجه‌ای لیکرت در قالب پرسش‌نامه گردآوری شده است. پس از دستیابی به اتفاق نظر میان اعضای پنل دلفی، خروجی نهایی مطالعه در قالب مدل مفهومی پژوهش تدوین و تبیین گردید. در این مطالعه، از ضریب همبستگی کندال برای سنجش میزان توافق نظر بین اعضای پانل استفاده شد. این ضریب نشان می‌دهد که آیا افراد در رتبه‌بندی اهمیت چندین مقوله، از معیارهای مشابهی استفاده می‌کنند یا خیر. به‌عبارتی دیگر، ضریب همبستگی کندال نشان‌دهندۀ میزان هم‌نظری افراد در مورد اهمیت هر یک از مقوله‌ها است. از این ضریب همچنین برای تصمیم‌گیری در مورد توقف یا ادامۀ دورهای نظرسنجی دلفی استفاده می‌شود.&lt;br /&gt;&lt;strong&gt;یافته‌ها:&lt;/strong&gt; براساس تحلیل کیفی انجام‌‌شده، حوزه‌های موثر بر تحوّل دیجیتال بانک مرکزی با 16 مؤلفه و 101 شاخص در حوزۀ تحول دیجیتال شناسایی شدند. اما در نهایت حوزه‌ها و شاخص‌های موثر در تحوّل دیجیتال با 14 مؤلفۀ اصلی و 51 شاخص طبقه‌بندی شده است. نتایج نشان داد شاخص‌های هوشمندسازی فرایندهای جمع‌آوری، تحلیل داده‌های آماری، و شاخص‌های عملکردی با میانگین 4.93، مدیریت ابزارهای تحلیلی برای شناسایی فرصت‌های به‌دست‌آمده از داده‌ها با میانگین 4.66، مدیریت راهبردی معماری فناوری اطلاعات با میانگین 4.66، و هوشمندسازی فرایندهای کسب‏وکار برای پیشگیری از وقوع تقلب و تراکنش‌های مجرمانه با میانگین 4.6 بالاترین امتیاز را دارند و به‌عنوان مهمترین شاخص‌ها در بانک مرکزی شناسایی شدند.&lt;br /&gt;&lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; طی فرایند تحلیل، تفسیر، و ترکیب یافته‌ها، مدل مفهومی حاصل از مؤلفه‌ها و شاخص‌های تحوّل دیجیتال بانک مرکزی ترسیم شد. مدل حاصل می‌تواند در طراحی مدل‌های تحوّل دیجیتال بانکی در پژوهش‌های آتی استفاده شود. اهمیت شناخت حوزه‌های دانش تحول دیجیتال را به‌عنوان یک عامل توانمندساز در ارتقای پویایی، چابکی، انعطاف‌پذیری، و نوآوری بانک‌ مرکزی می‌توان در نظر گرفت.&lt;br /&gt;دانش‌افزایی: توجه بانک مرکزی به استفاده از فناوری‌های تحول‌آفرین در بانک‌ها و مؤسسات مالی و اعتباری برای بهبود عملکرد مالی.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">دانش</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حوزه‌های دانشی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص‌های دانشی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص‌های تحول دیجیتال</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تحول دیجیتال</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بانک مرکزی جمهوری اسلامی ایران</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://stim.qom.ac.ir/article_3337_64f7a2e6a86129097f417a573852c1b8.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
