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

چکیده: 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

Thisstudy examines the capacities and impacts of applying artificial intelligence(AI) to improve the quality of design and construction processes for sportsfacilities. The research motivation stems from the gap between traditionaldesign/construction practices and modern technological capabilities, and fromthe need to optimize resources, enhance safety, and achieve sustainabledesigns. The theoretical framework draws on machine learning, BuildingInformation Modeling (BIM), and systems theory and includes a review ofdomestic and international literature on AI applications in design, projectmanagement, and energy optimization. A mixed-methods approach(quantitative–qualitative) was employed: quantitative data were collected viastructured questionnaires distributed among professionals involved in thedesign and construction of sports facilities in Tehran and analyzed usingdescriptive and inferential statistics; qualitative interviews and contentanalysis were used to deepen insights. Instrument validity and reliability wereassessed and missing-data techniques (e.g., EM) were applied. Findings indicatethat AI implementation positively affects energy optimization, prediction andreduction of construction risks, improved scheduling and resource allocation,and enhanced user experience. Successful AI deployment requiresinterdisciplinary collaboration, skill development, and robust datainfrastructure. Key barriers identified include insufficient data, limitedtechnical expertise, and infrastructural constraints. The study concludes thatintegrating AI into the design and construction lifecycle of sports facilitiescan enhance quality, reduce costs, and improve sustainability; however,realizing these benefits depends on targeted policies, training programs, andinvestment in infrastructure and human capital. Study limitations includerestricted access to the full target population, incomplete respondentparticipation, and time constraints. Recommendations for future research andpractical implementation are provided.