<?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 تهران</PublisherName>
				<JournalTitle>سیاستگذاری عمومی</JournalTitle>
				<Issn>2538-5577</Issn>
				<Volume>12</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Requirements for Artificial Intelligence Policymaking with an Emphasis on the Comparative Advantage of Data in Iran</ArticleTitle>
<VernacularTitle>الزامات سیاستگذاری هوش مصنوعی با تأکید بر مزیت نسبی داده‌ها در ایران</VernacularTitle>
			<FirstPage>367</FirstPage>
			<LastPage>382</LastPage>
			<ELocationID EIdType="pii">107845</ELocationID>
			
<ELocationID EIdType="doi">10.22059/jppolicy.2026.107845</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>نفیسه</FirstName>
					<LastName>سیفی</LastName>
<Affiliation>کارشناسی ارشد سیاستگذاری عمومی، دانشکده حقوق و علوم سیاسی، دانشگاه علامه طباطبائی، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0009-0000-2669-0634</Identifier>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>خواجه نائینی</LastName>
<Affiliation>استادیار سیاستگذاری عمومی، دانشکده حقوق و علوم سیاسی، دانشگاه علامه طباطبائی، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0009-0007-5083-9487</Identifier>

</Author>
<Author>
					<FirstName>کیومرث</FirstName>
					<LastName>اشتریان</LastName>
<Affiliation>دانشیار سیاستگذاری عمومی، دانشکده حقوق و علوم سیاسی، دانشگاه تهران، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000-0003-2739-1104</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2026</Year>
					<Month>07</Month>
					<Day>11</Day>
				</PubDate>
			</History>
		<Abstract>As a transformative technology, artificial intelligence has significant potential to improve governance, public services, and economic development. However, its effective use depends on efficient data policymaking. In Iran, the relative advantage in accessing indigenous data—especially legal, health, and public service data—has provided an unparalleled opportunity to develop proprietary algorithms. This qualitative study, based on document analysis and expert interviews, shows that the main problem in the country is not a lack of data, but rather a weakness in data governance, a lack of standardization, and a lack of legal and institutional mechanisms for the release, exchange, and protection of data. The experience of leading countries shows that “data policy” is the main foundation for the development of artificial intelligence, and without it, technological investments will not achieve the desired results. The research findings indicate the need to establish national data infrastructures, anonymize and standardize sensitive data, strengthen public trust, and design legal frameworks for data ownership and exchange. The main conclusion is that data governance should be placed as a policy priority on the Iranian governance agenda. Achieving this goal requires the government to play an active role in establishing national data centers, supporting data-driven businesses, and developing transparent regulations to balance public interest, privacy, and technological development&lt;strong&gt;.&lt;/strong&gt;</Abstract>
			<OtherAbstract Language="FA">&lt;span lang=&quot;FA&quot; style=&quot;font-size: 10.0pt; font-family: &#039;B Mitra&#039;;&quot;&gt;با وجود تمرکز بخش قابل توجهی از مطالعات مرتبط با هوش مصنوعی بر ابعاد فناورانه، اخلاقی و تنظیم‌گری هوش مصنوعی، نقش داده‌های بومی به‌عنوان مزیت نسبی کشورها کمتر مورد توجه قرار گرفته است. هدف این پژوهش، شناسایی الزامات حکمرانی داده در توسعه هوش مصنوعی با تأکید بر بهره‌برداری از ظرفیت داده‌های بومی ایران است. این پژوهش با رویکرد کیفی و بر اساس مصاحبه‌های نیمه‌ساختاریافته با خبرگان حوزه هوش مصنوعی و سیاست‌گذاری انجام شده و داده‌ها با استفاده از تحلیل مضمون بررسی شده‌اند. یافته‌ها نشان داد که هشت مؤلفه شامل تقویت اعتماد عمومی به زیست‌بوم داده، ایجاد زیرساخت‌های تنظیم‌گری داده، توسعه نظام‌های مالکیت داده، تقویت امنیت داده، استانداردسازی داده، افزایش دسترسی‌پذیری داده، انباشت و ذخیره‌سازی داده و گمنام‌سازی و ناشناس‌سازی داده‌ها از مهم‌ترین الزامات حکمرانی داده در توسعه هوش مصنوعی ایران به شمار می‌روند. نتایج پژوهش بیانگر آن است که داده‌های بومی می‌توانند به‌عنوان یک دارایی راهبردی و مزیت رقابتی کشور در توسعه هوش مصنوعی ایفای نقش کنند، مشروط بر آنکه حکمرانی داده به‌صورت یکپارچه و مبتنی بر چارچوب‌های حقوقی، فنی و نهادی مناسب استقرار یابد. &lt;/span&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">سیاستگذاری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مزیت نسبی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حکمرانی داده</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jppolicy.ut.ac.ir/article_107845_d2bb99f2f6c920b8d05cc79e8ac9a379.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
