Journal of Command and Control

fa طراحی چارچوب مفهومی ادغام هوش مصنوعی توضیح‌پذیر در سامانه‌های فرماندهی و کنترل شناختی: یک چارچوب انسان‌محور مبتنی بر چرخه DOODA Designing a conceptual framework for integrating explainable artificial intelligence into cognitive command and control systems: A Human-Centered DOODA-Based Framework هوش مصنوعی Artificial Intelligence پژوهشي Research با افزایش پیچیدگی محیط‌های عملیاتی و گسترش کاربرد هوش مصنوعی در سامانه‌های فرماندهی و کنترل، ارتقای شفافیت، قابلیت اعتماد و هم‌راستایی شناختی میان انسان و سامانه‌های هوشمند به یکی از چالش‌های اساسی تبدیل شده است. اگرچه هوش مصنوعی توضیح‌پذیر (XAI) ظرفیت قابل‌توجهی برای افزایش شفافیت تصمیم‌گیری دارد، تاکنون چارچوبی یکپارچه و مبتنی بر شواهد تجربی برای ادغام آن در سامانه‌های فرماندهی و کنترل شناختی ارائه نشده است. هدف این پژوهش، توسعه یک چارچوب مفهومی برای یکپارچه‌سازی قابلیت‌های XAI در سامانه‌های فرماندهی و کنترل شناختی مبتنی بر چرخه DOODA است. این پژوهش با رویکرد کیفی و روش تحلیل تماتیک انجام شد. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته و جلسات بارش فکری ساختاریافته با گروهی از خبرگان حوزه‌های فرماندهی و کنترل، هوش مصنوعی، علوم شناختی و سامانه‌های تصمیم‌یار گردآوری و مطابق رویکرد براون و کلارک تحلیل شدند. اعتبار یافته‌ها نیز بر اساس معیارهای لینکلن و گوبا ارزیابی شد. یافته‌های پژوهش نشان داد که ادغام XAI در سامانه‌های فرماندهی و کنترل شناختی بر پنج مضمون اصلی استوار است: معناسازی وضعیت، برنامه‌ریزی و تصمیم‌گیری، اجرای عملیات، توضیح‌پذیری شناختی و امکان‌پذیری استقرار. این مضامین، مجموعه‌ای از مؤلفه‌های عملیاتی، شناختی و فناورانه را در بر می‌گیرند که از طریق نگاشت بر مراحل چرخه شناختی DOODA، چارچوب مفهومی نهایی پژوهش را شکل می‌دهند. چارچوب توسعه‌یافته، تعامل میان قابلیت‌های کلیدی XAI، تصمیم‌گیرنده انسانی و فرآیندهای شناختی را تبیین کرده و پیامدهایی نظیر افزایش آگاهی موقعیتی، بهبود کیفیت تصمیم‌گیری، ارتقای اعتماد، کاهش بار شناختی و افزایش اثربخشی عملیاتی را به همراه دارد. این پژوهش با ارائه یک چارچوب مفهومی مبتنی بر داده‌های تجربی، شکاف موجود میان ادبیات هوش مصنوعی توضیح‌پذیر و سامانه‌های فرماندهی و کنترل شناختی را کاهش داده و می‌تواند مبنایی برای طراحی، توسعه و ارزیابی نسل آینده سامانه‌های تصمیم‌یار هوشمند در محیط‌های پیچیده و پویا فراهم آورد..   The increasing complexity of operational environments and the growing adoption of Artificial Intelligence (AI) in Command and Control (C2) systems have intensified the need for transparency, trust, and cognitive alignment between human decision-makers and intelligent systems. Although Explainable Artificial Intelligence (XAI) has emerged as a promising approach for enhancing the transparency of AI-driven decision-making, a comprehensive evidence-based framework for integrating XAI into Cognitive Command and Control (C2) systems has not yet been established. This study aimed to develop a research-derived conceptual framework for integrating XAI into Cognitive C2 systems based on the DOODA cognitive decision cycle. A qualitative research design employing thematic analysis was adopted. Data were collected through semi-structured interviews and structured brainstorming sessions with experts in command and control, artificial intelligence, cognitive science, and intelligent decision-support systems. The data were analyzed following Braun and Clarke's thematic analysis approach, while the trustworthiness of the findings was ensured using Lincoln and Guba's criteria. The analysis identified five interrelated themes underlying the successful integration of XAI into Cognitive C2 systems: Situation Sensemaking, Planning and Decision-Making, Operational Execution, Cognitive Explainability, and Deployment Feasibility. These themes encompass operational, cognitive, and technological dimensions that were systematically mapped onto the stages of the DOODA cognitive cycle to construct the final conceptual framework. The proposed framework explains how XAI capabilities interact with human decision-makers throughout the cognitive decision process and demonstrates their contribution to enhanced situational awareness, improved decision quality, increased user trust, reduced cognitive workload, and greater operational effectiveness. The primary contribution of this study is the development of a research-derived conceptual framework grounded in empirical thematic evidence rather than solely theoretical assumptions. The proposed framework bridges the gap between the XAI and Cognitive C2 literature and provides practical guidance for designing, implementing, and evaluating next-generation intelligent decision-support systems operating in complex and dynamic environments. پشتیبانی تصمیم, چرخه DOODA, فرماندهی و کنترل شناختی, طراحی انسان‌محور, هوش مصنوعی توضیح‌پذیر. Cognitive Command and Control, Decision Support, DOODA Loop, Explainable Artificial Intelligence (XAI), Human-Centered Design. 18 51 http://ic4i-journal.ir/browse.php?a_code=A-10-627-1&slc_lang=fa&sid=1 Amin Amini امین امینی aminamini@ihu.ac.ir 10031947532846002580 10031947532846002580 Yes Faculty of Artificial Intelligence and Cognitive Sciences, Imam Hossein University دانشکده و پژوهشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع) Mohsen Norouzi محسن نوروزی m.norouzi@ihu.ac.ir 10031947532846002581 10031947532846002581 No Faculty of Computer, Network and Communication, Imam Hossein University دانشکده کامپیوتر، شبکه و ارتباطات؛ دانشگاه جامع امام حسین (ع)