هدف: همگرایی دیجیتالی سازی و پایداری در حال تغییر شکل کسب وکارهای مدرن است و اشکال جدیدی از کارآفرینی مانند کارآفرینی الگوریتمی (AE) را برجسته می سازد—یعنی خودکارسازی یا تقویت کارکردهای اصلی کارآفرینانه توسط سیستم های هوشمند. در حالی که پتانسیل AE و فناوری های دیجیتال مرتبط با آن برای پیشبرد توسعه پایدار به طور گسترده ای پذیرفته شده است، سازوکارهای دقیقی که از طریق آن ها این فناوری ها به نتایج پایدار منجر می شوند، از نظر تجربی بررسی نشده و از نظر نظری کمتر توسعه یافته باقی مانده اند. این مطالعه با بررسی رابطه بین AE و توسعه پایدار چندجانبه (MLSD) این شکاف تحقیقاتی مهم را برطرف می کند. MLSD به عنوان دستیابی شرکت به ارزش متوازن اقتصادی، اجتماعی و زیست محیطی برای ذی نفعان متعدد (مانند سهامداران، جامعه، کارکنان) تعریف می شود. این پژوهش مدلی را ارائه و آزمون می کند که در آن، این رابطه به طور حیاتی توسط کارآفرینی داده محور (DDE) میانجی گری می شود—یعنی عمل استفاده از تحلیل داده به عنوان یک منبع بنیادی برای ایجاد و مدیریت کسب وکار. پرسش اصلی تحقیق، این مسیر میانجی را بررسی کرده و فرض می کند که AE بر DDE و DDE نیز به نوبه خود بر MLSD تأثیر مثبت دارد. روش: این مطالعه از یک رویکرد تحقیق کمی و استنتاجی با طرح پیمایش مقطعی برای آزمون مدل مفهومی استفاده کرده است. داده ها از 500 بنیان گذار و مدیر ارشد شرکت های کوچک و متوسط مبتنی بر فناوری و استارتاپ های فعال در تهران، ایران، که یک قطب کارآفرینی کلیدی در منطقه است، گردآوری شد. شرکت کنندگان با استفاده از روش نمونه گیری تصادفی طبقه بندی شده انتخاب شدند تا نمایندگی متناسب در بخش های مختلف صنعت و اندازه های شرکت تضمین شود. ابزار اندازه گیری یک پرسشنامه ساختاریافته با گویه هایی بر اساس مقیاس هفت درجه ای لیکرت بود. سازه های کلیدی با استفاده از مقیاس های معتبر اقتباس شده از ادبیات پیشین اندازه گیری شدند: یک مقیاس 5 گویه ای برای AE یک مقیاس 5 گویه ای برای DDE و یک مقیاس 9 گویه ای برای MLSD که به عنوان عملکرد سه گانه (TBL) عملیاتی شد یک پروتکل اعتبارسنجی دقیق سه مرحله ای—شامل پنل متخصصان برای روایی محتوا، فرآیند دقیق ترجمه و ترجمه معکوس، و ارزیابی کامل روان سنجی—اعتبار ابزار را تضمین کرد. مدل فرضی با استفاده از مدل سازی معادلات ساختاری به روش حداقل مربعات جزئی (PLS-SEM) آزمون شد. یافته ها: مدل اندازه گیری پایایی و روایی بسیار خوبی را نشان داد و تمام معیارهای استاندارد تحقیقات کمی را برآورده کرد. سازگاری درونی با مقادیر آلفای کرونباخ و پایایی ترکیبی بالاتر از آستانه 0. 70 برای همه سازه ها تأیید شد. روایی همگرا با مقادیر میانگین واریانس استخراج شده (AVE) بسیار بالاتر از 0. 50 برقرار بود و روایی واگرا از طریق معیار فورنل-لارکر و نسبت های هتروتریت-مونوتریت (HTMT) که همگی زیر آستانه 0. 85 بودند، تأیید شد. تحلیل مدل ساختاری نتایج معناداری را آشکار ساخت و هر چهار فرضیه تأیید شدند. تأثیر مثبت و قوی AE بر DDE مشاهده شد (p<0. 001, β=0. 600) که H2 را تأیید کرد. DDE نیز به نوبه خود تأثیر مثبت و قوی بر MLSD داشت (p<0. 001, β=0. 501) که مؤید H3 بود. نکته بسیار مهم، تأیید اثر غیرمستقیم، مثبت و معنادار AE بر MLSD از طریق DDE بود (p<0. 001, β=0. 301) که فرضیه میانجی گری (H4) را تأیید کرد. اثر مستقیم AE بر MLSD نیز معنادار باقی ماند (p<0. 001, β=0. 199)، که نقش DDE را به عنوان یک میانجی جزئی تثبیت کرد. این مدل توانست 54. 8 درصد از واریانس MLSD را تبیین کند. نتیجه: این پژوهش نتیجه می گیرد که کارآفرینی داده محور (DDE) یک میانجی جزئی و حیاتی در رابطه مثبت بین کارآفرینی الگوریتمی (AE) و توسعه پایدار چندجانبه (MLSD) است. یافته اصلی این است که اگرچه AE مزایای پایداری مستقیمی را به همراه دارد، اما پتانسیل کامل آن از طریق تقویت قابلیت های داده محور که بینش های الگوریتمی را به نتایج قابل سنجش در سه حوزه اصلی تبدیل می کنند، محقق می شود. الگوریتم ها به عنوان موتورهای تحلیلی عمل می کنند، اما DDE چارچوب استراتژیک لازم برای خلق ارزش را فراهم می آورد. این تحقیق با معرفی AE و DDE به عنوان قابلیت های سازمانی حیاتی و دشوار برای تقلید جهت دستیابی به مزیت رقابتی پایدار در دنیای دیجیتال، به دیدگاه مبتنی بر منابع (RBV) و نظریه قابلیت های پویا (DCT) کمک می کند. از نظر کاربردی، این یافته ها به کارآفرینان توصیه می کند که ابزارهای الگوریتمی را با یک فرهنگ داده محور قوی به صورت استراتژیک ترکیب کنند تا نوآوری پایدار را هدایت نمایند. برای سیاست گذاران، این مطالعه بر لزوم حمایت از اکوسیستم های دیجیتال از طریق تأمین مالی و زیرساخت و همچنین تدوین دستورالعمل های اخلاقی شفاف برای تضمین پیشرفت فناورانه مسئولانه تأکید می کند. محدودیت های اصلی شامل نمونه محدود به یک منطقه و طرح مقطعی است که نیاز به تحقیقات آتی در زمینه های متنوع و با داده های طولی برای اثبات علیت را نشان می دهد.