در عصر تحول دیجیتال، دولت‌ها با تکیه بر فناوری¬های نوظهور در حال بازطراحی سازوکارهای سیاست‌گذاری اجتماعی و رفاهی هستند. یکی از مؤلفه¬های کلیدی این تحول، بهره¬گیری از الگوریتم¬های پیش¬بینی برای شناسایی گروه¬های آسیب¬پذیر و بهینه-سازی تخصیص منابع حمایتی است. هدف پژوهش حاضر، تحلیل نقش الگوریتم¬های پیش¬بینی در بهبود اثربخشی سیاست¬های رفاهی و مقابله نظام¬مند با فقر در بستر دولت¬های دیجیتال است . این مطالعه با رویکردی تحلیلی ـ نظری و با استفاده از روش مرور نظام¬مند ادبیات، به بررسی مبانی نظری دولت دیجیتال، انواع مدل‌های یادگیری ماشین در حوزه سیاست‌گذاری اجتماعی، و چالش¬های فنی و اخلاقی استفاده از این الگوریتم¬ها پرداخته است. افزون براین، با بهره¬گیری از تحلیل تطبیقی، تجربیات کشورهای پیشرو همچون استونی، انگلستان و شیلی در پیاده¬سازی سیاست¬های رفاهی داده‌محور مورد بررسی قرار گرفته¬اند. یافته¬های پژوهش نشان می¬دهد که الگوریتم‌های پیش‌بینی می‌توانند با افزایش دقت در شناسایی خانوارهای در معرض فقر، کاهش اتلاف منابع عمومی، و ارائه خدمات رفاهی متناسب با نیاز واقعی افراد، به ارتقای اثربخشی و عدالت در سیاست‌گذاری کمک شایانی نمایند. در عین حال، استفاده از این الگوریتم‌ها بدون ملاحظات شفافیت، تفسیرپذیری، حق اعتراض و مشارکت شهروندی، ممکن است منجر به بازتولید تبعیض، کاهش مشروعیت و بی‌اعتمادی اجتماعی گردد. نتایج پژوهش حاکی از آن است که موفقیت سیاست‌های رفاهی الگوریتمی در گروی طراحی مدل‌های منصفانه، ایجاد نهادهای ناظر مستقل، و تقویت چارچوب‌های اخلاقی و حقوقی حکمرانی داده‌محور است. این پژوهش بر اهمیت تلفیق توانمندی‌های فنی با اصول عدالت اجتماعی و حکمرانی شفاف در عصر دولت دیجیتال تأکید می‌ورزد.