Exploring the Impact of Artificial Intelligence and Machine Learning on Predicting Outcomes in Regional Development Conventions: A Case Study of the Tanger-Tetouan-Al Hoceïma Region, Morocco.

مساهمة الذكاء الاصطناعي والتعلم الآلي لتدبير اتفاقيات التنمية الجهوية : دراسة حالة جهة طنجة تطوان الحسيمة، المغرب.

Objectives: For over six years, Morocco has been engaged in an initiative aimed at promoting inclusive and sustainable territorial development, characterized by the implementation of an advanced regionalization experiment. However, the main challenge facing government leaders today is managing a growing number of regional development conventions. Methods: To achieve these objectives, we developed a predictive model using artificial intelligence and machine learning aimed at anticipating the outcomes of regional development conventions. Through this method, we were able to identify the risks associated with their potential failure and forecast their impact. Simultaneously, various data extraction methods and classification algorithms were implemented. We collected and analyzed information from 310 past and current regional development conventions, spanning from 2016 to 2020, considering various factors influencing their success or failure. We conducted extensive experiments to assess the effectiveness of various predictive models. Results: The results we obtained indicate that the classifiers Ada Boost, Random Forest, and Bernoulli NB are the three most effective algorithms for predicting the outcomes of regional development conventions. Conclusion: This study contributes to shaping a broader discourse on the practical application of artificial intelligence in public policies and regional development, highlighting its potential to enhance resource allocation and alleviate the burden of repetitive administrative tasks for organizations with limited resources. [ABSTRACT FROM AUTHOR]

الأهداف: يشارك المغرب منذ أكثر من ست سنوات في برنامج يهدف إلى تعزيز التنمية الجهوية الشاملة والمستدامة، والتي تتميز بتطبيق تجارب التقسيم الجهوي. لكن المسؤولين الحكوميين الحاليين يواجهون التحدي المتمثل في تدبير عدد متزايد من الاتفاقيات التنمية الجهوية. المنهجية لتحقيق هذه الأهداف، قمنا بتطوير نموذج تنبؤي باستخدام الذكاء الاصطناعي والتعلم الآلي للتنبؤ بنتائج الاتفاقيات التنمية الجهوية. أتاحت لنا هذه الطريقة تحديد المخاطر المرتبطة بالفشل والتنبؤ بعواقبه. وفي الوقت نفسه، تم تطبيق أساليب مختلفة لاستخراج البيانات وخوارزميات التصنيف. قمنا بجمع وتحليل بيانات من 310 الاتفاقية من عام 2016 إلى عام 2020 ، ة، مع النظر في العوامل المختلفة التي تساهم في النجاح أو الفشل. أجرينا دراسة شاملة لتقييم أداء نماذج التنبؤ المختلفة. النتائج: تظهر نتائجنا أن Ada Boost و Random Forest و Bernoulli NB هي الطرق الثلاثة الأكثر فعالية للتنبؤ بنتائج الاتفاقيات التنمية الجهوية. الخلاصة : تساهم هذه الدراسة في مناقشة أوسع حول تطبيق استراتيجيات الذكاء الاصطناعي في السياسة العامة والتنمية الإقليمية، مما يدل على إمكانية تحسين تخصيص الموارد وتقليل عبء الأنشطة الإدارية المتكررة للمنظمات الغنية بالموارد. [ABSTRACT FROM AUTHOR]

Copyright of Global Journal of Economics & Business is the property of Refaad for Studies, Research & Development and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)