کاربرد هوش مصنوعی در ارتقا کیفیت طراحی و ساخت و ساز اماکن ورزشی

این پژوهش با هدف بررسی و تحلیل ظرفیت‌ها و اثرات کاربرد هوش مصنوعی (AI) در ارتقای کیفیت طراحی و فرایندهای ساخت‌وساز اماکن ورزشی انجام شده‌است. ضرورت تحقیق از یک‌سو ناشی از فاصله موجود میان شیوه‌های سنتی طراحی/ساخت و امکانات فناورانه نوین و از سوی دیگر به‌دلیل نیاز به بهینه‌سازی منابع، افزایش ایمنی، و دستیابی به طراحی‌های پایدار در پروژه‌های ورزشی تشخیص داده شد. پژوهش حاضر از چارچوب نظری یادگیری ماشین، مدل‌سازی اطلاعات ساختمان (BIM) و نظریه سیستم‌ها بهره برده و پیشینه داخلی و خارجی در زمینه کاربردهای AI در طراحی، مدیریت پروژه و بهینه‌سازی انرژی مرور شده‌است. روش تحقیق به‌صورت ترکیبی (کمّی-کیفی) طراحی شد؛ داده‌های کمی از طریق پرسش‌نامه ساختار‌یافته بین متخصصان طراحی و ساخت اماکن ورزشی در تهران جمع‌آوری و با آزمون‌های آماری توصیفی و استنباطی تحلیل شد؛ هم‌زمان مصاحبه‌ها و تحلیل محتوای کیفی برای تعمیق نتایج به‌کار گرفته شد. روایی و پایایی ابزار سنجش بررسی و روش‌هایی برای مقابله با داده‌های گمشده مانند(EM) اعمال گردید. یافته‌ها نشان می‌دهد که به‌کارگیری هوش مصنوعی می‌تواند در سطوحی چون بهینه‌سازی مصرف انرژی، پیش‌بینی و کاهش ریسک‌های اجرایی، تسهیل برنامه‌ریزی زمان‌بندی و تخصیص منابع، و بهبود تجربه کاربران تأثیر مثبت و قابل‌توجهی داشته باشد. همچنین پژوهش نشان داد موفقیت پیاده‌سازی AI مستلزم هم‌افزایی میان تخصص‌های فنی و مدیریتی، ارتقای مهارت‌ها و فراهم‌سازی زیرساخت‌های داده‌ای است؛ موانعی مانند ناکافی‌بودن داده‌ها، کمبود تخصص فنی و محدودیت‌های زیرساختی به‌عنوان چالش‌های اصلی شناسایی شدند. نتیجه‌گیری کلی پژوهش این است که ادغام هوش مصنوعی در چرخه طراحی و ساخت اماکن ورزشی توان ارتقای کیفیت، کاهش هزینه‌ها و ارتقای پایداری را دارد؛ با این‌حال، تحقق کامل این مزایا نیازمند سیاست‌گذاری، برنامه آموزشی و سرمایه‌گذاری هدفمند در زیرساخت‌ها و نیروی انسانی است. محدودیت‌های پژوهش شامل محدودیت دسترسی به نمونه کامل جامعه، مشارکت ناکافی برخی پاسخ‌دهندگان و محدودیت زمانی بوده‌است. پیشنهادهایی برای پژوهش‌های آتی و پیاده‌سازی عملیاتی ارائه شده‌اند.

Abstract

This

study examines the capacities and impacts of applying artificial intelligence

(AI) to improve the quality of design and construction processes for sports

facilities. The research motivation stems from the gap between traditional

design/construction practices and modern technological capabilities, and from

the need to optimize resources, enhance safety, and achieve sustainable

designs. The theoretical framework draws on machine learning, Building

Information Modeling (BIM), and systems theory and includes a review of

domestic and international literature on AI applications in design, project

management, and energy optimization. A mixed-methods approach

(quantitative–qualitative) was employed: quantitative data were collected via

structured questionnaires distributed among professionals involved in the

design and construction of sports facilities in Tehran and analyzed using

descriptive and inferential statistics; qualitative interviews and content

analysis were used to deepen insights. Instrument validity and reliability were

assessed and missing-data techniques (e.g., EM) were applied. Findings indicate

that AI implementation positively affects energy optimization, prediction and

reduction of construction risks, improved scheduling and resource allocation,

and enhanced user experience. Successful AI deployment requires

interdisciplinary collaboration, skill development, and robust data

infrastructure. Key barriers identified include insufficient data, limited

technical expertise, and infrastructural constraints. The study concludes that

integrating AI into the design and construction lifecycle of sports facilities

can enhance quality, reduce costs, and improve sustainability; however,

realizing these benefits depends on targeted policies, training programs, and

investment in infrastructure and human capital. Study limitations include

restricted access to the full target population, incomplete respondent

participation, and time constraints. Recommendations for future research and

practical implementation are provided.