DOI: https://doi.org/10.3389/fpubh.2026.1745563
PMID: https://pubmed.ncbi.nlm.nih.gov/41674532
تاريخ النشر: 2026-01-27
المؤلف: Lili Wang
الموضوع الرئيسي: دراسات ريادة الأعمال وتأثيراتها
نظرة عامة
تتناول هذه الفقرة من البحث تأثير سياسة الذكاء الاصطناعي (AI) على ريادة الأعمال بين الشباب في الصين، خاصة في سياق مواءمة التحول الرقمي مع أهداف التنمية المستدامة. من خلال استخدام خمس موجات من البيانات الدقيقة من دراسات عائلة الصين (2014-2022) ونموذج الفرق في الفروق مع تأثيرات ثابتة ثنائية الاتجاه، وجدت الدراسة أن إدخال مدن تجريبية للذكاء الاصطناعي يزيد بشكل كبير من احتمالية دخول ريادة الأعمال بين البالغين الشباب. النتائج قوية عبر اختبارات مختلفة، بما في ذلك دراسات الأحداث والضوابط البديلة.
تحدد التحليل الآليات الرئيسية التي تؤثر من خلالها سياسة الذكاء الاصطناعي على ريادة الأعمال، لا سيما من خلال تقليل الإنفاق العلاقي وتخفيف قيود الائتمان، كما تم تأكيده من خلال نمذجة المعادلات الهيكلية واختبارات الوساطة. التأثيرات ملحوظة بشكل خاص بين الأفراد الأكثر صحة، أولئك الذين لديهم وصول إلى الإنترنت، وسكان المناطق الريفية. تسهم هذه الدراسة في الأدبيات من خلال تقديم أدلة دقيقة من اقتصاد ناشئ، مما يظهر أن السياسات المحلية للذكاء الاصطناعي يمكن أن تعمل كمعادلات بيئية. تشير النتائج إلى أن الزيادة في ريادة الأعمال بين الشباب مدفوعة بالتحول من الشبكات الاجتماعية غير الرسمية (Guanxi) إلى الآليات الرقمية، مثل تقييم الائتمان، مما يقترح رؤى قيمة لتطوير سياسات الابتكار الشاملة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لسياسة الذكاء الاصطناعي (AI) في مواءمة التحول الرقمي مع أهداف التنمية المستدامة (SDGs)، وخاصة الهدف 8 (العمل اللائق والنمو الاقتصادي)، الهدف 9 (الصناعة والابتكار والبنية التحتية)، والهدف 10 (تقليل الفوارق). تسلط الضوء على كيفية أن السياسات المصممة بشكل جيد يمكن أن تعزز ريادة الأعمال بين الشباب، وهو أمر ضروري لتحقيق أهداف الاستدامة من خلال تمكين المؤسسين الشباب من الاستفادة من القدرات الرقمية للابتكار وخلق الوظائف. تشير الورقة إلى أنه بينما تختلف الممارسات الدولية—من صناديق الرمل التنظيمية في الاتحاد الأوروبي والولايات المتحدة إلى أطر الحوكمة المتكاملة في الاقتصادات الآسيوية—هناك نقص في الأدلة المحلية حول تنفيذ سياسات الذكاء الاصطناعي في الاقتصادات الناشئة.
تركز الدراسة على مبادرة منطقة التجريب للذكاء الاصطناعي في الصين، والتي تعمل كإطار سياسة فريد يهدف إلى تعزيز النظم البيئية الريادية المحلية من خلال استثمارات مستهدفة في البنية التحتية الرقمية وحوكمة البيانات. من خلال استخدام تصميم شبه تجريبي، تهدف الأبحاث إلى تحديد التأثيرات السببية على سلوك ريادة الأعمال، خاصة بين الشباب، من خلال تحليل خمس موجات من البيانات الدقيقة من دراسات عائلة الصين. تسعى الورقة إلى سد الفجوات الحالية في الأدبيات من خلال دراسة التأثيرات المحددة للسياسات المستهدفة للذكاء الاصطناعي على ريادة الأعمال بين الشباب، مما يسهم في فهم أعمق لكيفية أن هذه السياسات يمكن أن تخفض تكاليف المعاملات وتخفف الحواجز الهيكلية التي تعيق الفرص العادلة في مشهد ريادة الأعمال.
النتائج
تقدم فقرة “النتائج” من الورقة البحثية النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. عادةً ما تتضمن بيانات كمية، وتحليلات إحصائية، وتمثيلات بصرية مثل الرسوم البيانية أو الجداول لتوضيح النتائج. يتم تسليط الضوء على النتائج الرئيسية، مما يظهر أهمية النتائج بالنسبة للفرضيات أو أسئلة البحث المطروحة في الدراسة.
قد تناقش الفقرة أيضًا تداعيات النتائج، مقارنتها بالدراسات السابقة ومعالجة أي نتائج غير متوقعة. بشكل عام، توفر النتائج نظرة شاملة على البيانات التي تم جمعها وأهميتها في السياق الأوسع لمجال البحث.
المناقشة
في قسم المناقشة من الورقة البحثية، يستكشف المؤلفون تأثير سياسة الذكاء الاصطناعي على ريادة الأعمال بين الشباب، مؤكدين على دورها في توفير الموارد ودمج النظم البيئية. تفترض وجهة النظر القائمة على الموارد أن الميزة التنافسية المستدامة تنشأ من النشر الفعال للموارد القيمة والنادرة. تعمل سياسة الذكاء الاصطناعي كآلية لتقليل تكاليف الوصول إلى الموارد الأساسية مثل البيانات والخوارزميات، مما يعالج الحواجز الكبيرة التي تواجه رواد الأعمال الشباب، بما في ذلك تكاليف المعاملات العالية المرتبطة بالشبكات غير الرسمية (Guanxi) والوصول المحدود إلى التمويل بسبب ممارسات الإقراض المعتمدة على الضمانات. يفترض المؤلفون أن التعرض لسياسة الذكاء الاصطناعي يؤثر إيجابيًا على احتمالية دخول البالغين الشباب إلى ريادة الأعمال (H1)، حيث يقلل من الإنفاق العلاقي ويخفف قيود الائتمان (H2).
تستخدم التحليل التجريبي تصميمًا شبه تجريبي يعتمد على تنفيذات متدرجة لمنطقة التجريب للذكاء الاصطناعي عبر الصين، مستفيدة من بيانات دراسات عائلة الصين. تشير النتائج إلى زيادة كبيرة في احتمالية دخول ريادة الأعمال بين البالغين الشباب في المدن التجريبية، مع تقديرات تشير إلى زيادة قدرها 48.4 نقطة مئوية مقارنة بالمدن غير التجريبية. تدعم اختبارات القوة، بما في ذلك اختبارات الاتجاهات المتوازية وتعيينات الدواء الوهمي، صحة هذه النتائج، مؤكدة أن التأثيرات الملحوظة تعود إلى سياسة الذكاء الاصطناعي بدلاً من العوامل المربكة. بالإضافة إلى ذلك، تكشف تحليلات الوساطة أن سياسة الذكاء الاصطناعي تقلل بشكل كبير من الإنفاق العلاقي وقيود الائتمان، مما يعزز فرص ريادة الأعمال للشباب. تختتم الدراسة بالقول إن سياسة الذكاء الاصطناعي لا تعزز فقط ريادة الأعمال بين الشباب ولكنها تتماشى أيضًا مع أهداف التنمية المستدامة من خلال تعزيز الشمولية وتقليل الفوارق.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات رئيسية للتحسين والبحث المستقبلي. أولاً، قد تتعرض استراتيجية التعريف المستخدمة، وهي تصميم الفرق في الفروق (DID) مع تأثيرات ثابتة للمدينة، للخطر بسبب الاختيار غير العشوائي للمدن التجريبية للذكاء الاصطناعي، والتي تقع عادةً في مناطق ذات قواعد صناعية راسخة. على الرغم من أن اختبارات الاتجاهات المتوازية تحقق صحة المجموعة الضابطة، إلا أن الصدمات الزمنية غير الملحوظة المحتملة المتعلقة بتعيين التجربة قد تؤثر على النتائج. يمكن أن تستفيد التحقيقات المستقبلية من استخدام تجارب طبيعية أو نهج المتغيرات الآلية لعزل العلاقات السببية بشكل أفضل عن الاتجاهات الاقتصادية الإقليمية.
ثانيًا، قد يؤدي الاعتماد على مجموعة بيانات متوازنة من دراسات عائلة الصين (CFPS) إلى إدخال تحيز الانسحاب، حيث قد يختلف الأفراد الذين يغادرون الاستطلاع بشكل منهجي عن أولئك الذين يبقون. لتعزيز قوة النتائج، يجب أن تأخذ الأبحاث المستقبلية في الاعتبار استخدام بيانات التسجيل الإدارية التي تشمل جميع السكان. أخيرًا، تستخدم الدراسة قياس آليات النقل—تحديدًا الإنفاق العلاقي وقيود الائتمان—من خلال وكلاء الاستطلاع، والتي قد لا تلتقط تمامًا تفاصيل العمل الرقمي غير الرسمي. يمكن أن يوفر التعاون مع البنوك أو المنصات الرقمية للوصول إلى بيانات مفصلة حول طلبات القروض والموافقات رؤى أكثر مباشرة حول كيفية تأثير الذكاء الاصطناعي على عمليات تخصيص الائتمان.
DOI: https://doi.org/10.3389/fpubh.2026.1745563
PMID: https://pubmed.ncbi.nlm.nih.gov/41674532
Publication Date: 2026-01-27
Author(s): Lili Wang
Primary Topic: Entrepreneurship Studies and Influences
Overview
This research paper section examines the impact of artificial intelligence (AI) policy on youth entrepreneurship in China, particularly in the context of aligning digital transformation with the Sustainable Development Goals. Utilizing five waves of microdata from the China Family Panel Studies (2014-2022) and a two-way fixed effects difference-in-differences model, the study finds that the introduction of AI pilot cities significantly increases the likelihood of entrepreneurial entry among young adults. The results are robust across various tests, including event studies and alternative controls.
The analysis identifies key mechanisms through which AI policy influences entrepreneurship, notably by reducing relational spending and alleviating credit constraints, as confirmed by structural equation modeling and mediation tests. The effects are particularly pronounced among healthier individuals, those with internet access, and rural residents. This study contributes to the literature by providing micro-evidence from an emerging economy, demonstrating that place-based AI policies can serve as environmental equalizers. The findings indicate that the rise in youth entrepreneurship is driven by a shift from informal social networks (Guanxi) to digital mechanisms, such as credit scoring, suggesting valuable insights for the development of inclusive innovation policies.
Introduction
The introduction of this research paper emphasizes the critical role of artificial intelligence (AI) policy in aligning digital transformation with the Sustainable Development Goals (SDGs), particularly SDG 8 (Decent work and economic growth), SDG 9 (Industry, innovation and infrastructure), and SDG 10 (Reduced inequalities). It highlights how well-designed AI policies can foster youth entrepreneurship, which is essential for achieving sustainability objectives by enabling young founders to leverage digital capabilities for innovation and job creation. The paper notes that while international practices vary—ranging from regulatory sandboxes in the EU and US to integrated governance frameworks in Asian economies—there is a lack of localized evidence on the implementation of AI policies in emerging economies.
The study focuses on China’s AI pilot zone initiative, which serves as a unique policy framework aimed at enhancing local entrepreneurial ecosystems through targeted investments in digital infrastructure and data governance. By employing a quasi-experimental design, the research aims to identify causal effects on entrepreneurial behavior, particularly among youth, by analyzing five waves of microdata from the China Family Panel Studies. The paper seeks to fill existing gaps in the literature by examining the specific impacts of targeted AI policies on youth entrepreneurship, thereby contributing to a deeper understanding of how such policies can lower transaction costs and alleviate structural barriers that hinder equitable opportunities in the entrepreneurial landscape.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. It typically includes quantitative data, statistical analyses, and visual representations such as graphs or tables to illustrate the outcomes. Key results are highlighted, demonstrating the significance of the findings in relation to the hypotheses or research questions posed in the study.
The section may also discuss the implications of the results, comparing them with previous studies and addressing any unexpected outcomes. Overall, the results provide a comprehensive overview of the data collected and its relevance to the broader context of the research field.
Discussion
In the discussion section of the research paper, the authors explore the impact of AI policy on youth entrepreneurship, emphasizing its role in resource provision and ecosystem integration. The resource-based view posits that sustainable competitive advantage arises from the effective deployment of valuable and rare resources. AI policy serves as a mechanism to lower access costs to essential resources such as data and algorithms, thereby addressing significant barriers faced by young entrepreneurs, including high transaction costs associated with informal networks (Guanxi) and limited access to finance due to collateral-based lending practices. The authors hypothesize that exposure to AI policy positively influences the likelihood of young adults entering entrepreneurship (H1), as it reduces relational spending and alleviates credit constraints (H2).
The empirical analysis utilizes a quasi-experimental design based on staggered AI pilot zone implementations across China, leveraging data from the China Family Panel Studies. The findings indicate a substantial increase in entrepreneurial entry probability among young adults in pilot cities, with estimates suggesting an increase of 48.4 percentage points relative to non-pilot cities. Robustness checks, including parallel trends tests and placebo assignments, support the validity of these results, confirming that the observed effects are attributable to the AI policy rather than confounding factors. Additionally, mediation analyses reveal that AI policy significantly reduces relational spending and credit constraints, further enhancing entrepreneurial opportunities for youth. The study concludes that AI policy not only fosters youth entrepreneurship but also aligns with sustainable development goals by promoting inclusivity and reducing inequalities.
Limitations
The limitations of this study highlight several key areas for improvement and future research. Firstly, the identification strategy employed, specifically the Difference-in-Differences (DID) design with city fixed effects, may be compromised by the non-random selection of AI pilot cities, which are typically located in regions with established industrial bases. Although the parallel trend tests validate the control group, potential unobserved time-varying shocks related to pilot designation could still affect the results. Future investigations could benefit from utilizing natural experiments or instrumental variable approaches to better isolate causal relationships from regional economic trends.
Secondly, the reliance on a balanced panel dataset from the China Family Panel Studies (CFPS) may introduce attrition bias, as individuals who exit the survey might differ systematically from those who remain. To enhance the robustness of findings, future research should consider using administrative registration data that encompasses the entire population. Lastly, the study’s measurement of transmission mechanisms—specifically relational spending and credit constraints—utilizes survey proxies, which may not fully capture the nuances of informal digital gig work. Collaborating with banks or digital platforms to access detailed data on loan applications and approvals could provide more direct insights into how AI influences credit allocation processes.