مقاله انگلیسی با ترجمه تأثیر هوش مصنوعی بر مالی‌سازی شرکت‌ها: اثرات واسطه‌ای بهره‌وری نیروی کار

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط

عنوان فارسی:

تأثیر هوش مصنوعی بر مالی‌سازی شرکت‌ها: اثرات واسطه‌ای بهره‌وری نیروی کار

عنوان انگلیسی:

The impact of artificial intelligence on firms’ financialization : The mediating effects of labor productivity

کد محصول: M2014

سال نشر: 2025

نام ناشر (پایگاه داده): الزویر

نام مجله: International Review of Economics and Finance

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: مدل ریاضی دارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی:  9 صفحه PDF

تعداد صفحه ترجمه فارسی:   20 صفحه WORD

قیمت فایل ترجمه شده:  88000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده 

این مقاله به بررسی  مکانیسم ها و روابط درونی بین هوش مصنوعی، بهره‌وری نیروی کار و مالی‌سازی شرکتی، بر اساس داده‌های شرکت‌های چینی پذیرفته‌شده در بورس از سال 2010 تا 2023 می‌پردازد. این مطالعه نشان می‌دهد که کاربرد فناوری هوش مصنوعی به طور قابل توجهی سطح مالی‌سازی در شرکت‌ها را افزایش می‌دهد، در حالی که بهبود بهره‌وری نیروی کار نیز نقش مثبتی در ترویج مالی‌سازی شرکتی ایفا می‌کند. قابل ذکر است که ناهمگونی آشکاری در اثرات مالی‌سازی فناوری هوش مصنوعی در شرکت‌های با اندازه‌های مختلف وجود دارد. علاوه بر این، بهره‌وری نیروی کار به عنوان یک عامل میانجی بین هوش مصنوعی و مالی‌سازی شرکتی عمل می‌کند؛ بدین معنا که فناوری هوش مصنوعی بهره‌وری نیروی کار را افزایش می‌دهد که به نوبه خود منجر به افزایش سطح مالی‌سازی شرکتی می‌شود؛ این اثر میانجی نیز در شرکت‌های با اندازه‌های مختلف، متفاوت است.

کلمات کلیدی: هوش مصنوعی، مالی‌سازی شرکتی، بهره‌وری نیروی کار

ABSTRACT: This paper delves into the intrinsic connections and mechanisms between artificial intelligence, labor productivity, and corporate financialization based on data from Chinese listed companies from 2010 to 2023. The study finds that the application of artificial intelligence technology significantly enhances the level of financialization in enterprises, while improvements in labor productivity also play a positive role in promoting corporate financialization. Notably, there is a clear heterogeneity in the financialization effects of artificial intelligence technology across enterprises of different sizes. Furthermore, labor productivity serves as a mediating factor between artificial intelligence and corporate financialization, meaning that artificial intelligence technology boosts labor productivity, which in turn drives the increase in corporate financialization levels; this mediating effect also exhibits variability among enterprises of different sizes.

Keywords: Artificial intelligence ,Corporate financialization ,Labor productivity

1.طرح مسئله

در سال‌های اخیر، با توسعه سریع فناوری اطلاعات و تولید هوشمند، هوش مصنوعی به عنوان یک محرک حیاتی در موج جدید انقلاب فناورانه، به شدت مدل‌های تولید و مدیریت را در صنایع مختلف تحت تأثیر قرار داده است. در فرآیند دستیابی به تحول دیجیتال، شرکت‌ها در حال معرفی فناوری‌های هوش مصنوعی هستند که نه تنها کارایی تحقیق و توسعه محصول و ارائه خدمات را افزایش می‌دهد، بلکه منجر به تعدیلات استراتژیک در تصمیم‌گیری‌های مالی و تخصیص منابع نیز می‌شود. در همین حال، پدیده مالی‌سازی در میان شرکت‌ها به طور فزاینده‌ای برجسته شده است، به طوری که برخی از شرکت‌ها منابع قابل توجهی را در بخش مالی سرمایه‌گذاری می‌کنند تا به بازدهی بالاتر دست یابند یا ریسک‌های عملیاتی را کاهش دهند. این روند توجه گسترده‌ای را در محافل علمی و عملیاتی به رابطه بین عوامل داخلی و خارجی مؤثر بر عملیات شرکت‌ها، به ویژه اینکه چگونه هوش مصنوعی و بهره‌وری نیروی کار بر سازوکارهای درونی مالی‌سازی شرکتی تأثیر می‌گذارند، معطوف کرده است که به یکی از نقاط تحقیقاتی مهم تبدیل شده است. در این زمینه، این مقاله به دنبال تجزیه و تحلیل تجربی نقش فناوری هوش مصنوعی در افزایش مالی‌سازی شرکت‌ها است. همچنین، اثر میانجی بهره‌وری نیروی کار در این فرآیند را ، با هدف ارائه بینش‌های نظری و راهنمایی‌های عملی برای کسب‌وکارها در بهینه‌سازی تخصیص منابع و پیاده‌سازی فناوری، بررسی می‌کند…

1. Problem statement In recent years, with the rapid development of information technology and intelligent manufacturing, artificial intelligence, as a crucial engine of a new round of technological revolution, is profoundly influencing the production and management models across various industries. In the process of seeking digital transformation, enterprises are introducing artificial intelligence technologies, which not only enhance the efficiency of product research and development and service delivery but also lead to strategic adjustments in financial decision-making and resource allocation. Meanwhile, the phenomenon of financialization among enterprises is becoming increasingly prominent, whereby some companies invest substantial resources in the financial sector to achieve higher returns or mitigate operational risks. This trend has sparked widespread attention in both academic and practical circles regarding the relationship between internal and external factors affecting enterprise operations, particularly how artificial intelligence and labor productivity influence the intrinsic mechanisms of corporate financialization, which has become one of the significant research hotspots. In this context, this paper seeks to empirically analyze the role of artificial intelligence technology in increasing the financialization of enterprises. It also examines the mediating effect of labor productivity in this process, aiming to provide theoretical insights and practical guidance for businesses in optimizing resource allocation and technology implementation…

فرضیات

فرضیه 1. کاربرد فناوری هوش مصنوعی توسط شرکت‌ها، سطح مالی‌سازی آن‌ها را افزایش خواهد داد.
فرضیه 2. بهره‌وری نیروی کار، سطح مالی‌سازی در شرکت‌ها را افزایش خواهد داد.
فرضیه 3. اثر تقویت‌کننده کاربرد فناوری هوش مصنوعی در شرکت‌های با مقیاس‌های مختلف، متفاوت است.
فرضیه 4. بهره‌وری نیروی کار رابطه بین فناوری هوش مصنوعی و مالی‌سازی شرکت را میانجی گری می‌کند.
فرضیه 5. اثر میانجی بهره‌وری نیروی کار در شرکت‌های با اندازه های مختلف، متفاوت است.

Hypothesis 1. The application of AI technology by enterprises will increase their level of financialization.
Hypothesis 2. Labor productivity will enhance the level of financialization in enterprises.
Hypothesis 3. The promoting effect of AI technology application varies among enterprises of different scales.
Hypothesis 4. Labor productivity mediates the relationship between AI technology and enterprise financialization.
Hypothesis 5. The mediating effect of labor productivity varies among enterprises of different scales.

3.3. منابع نمونه

داده‌های این مطالعه عمدتاً از اطلاعات عمومی شرکت‌های پذیرفته‌شده در بورس، متون گزارش‌های سالانه و پایگاه‌های داده شخص ثالث تهیه شده است. از پایتون برای اسکرپینگ (استخراج) و پالایش گزارش‌های سالانه شرکت‌های پذیرفته‌شده در بورس استفاده شد و فراوانی 73 کلمه کلیدی مرتبط با هوش مصنوعی محاسبه و لگاریتم آن به عنوان یک شاخص در نظر گرفته شد. به طور همزمان، داده‌های مربوط به درآمد اصلی کسب‌وکار، درآمد سرمایه‌گذاری مالی، بهره‌وری نیروی کار و معیارهای مختلف مالی و حاکمیت شرکتی از گزارش‌های سالانه و پایگاه‌های داده استخراج شد. پس از ادغام داده‌ها، کنترل مقادیر گمشده و استانداردسازی، یک مجموعه داده پانل یکپارچه ساخته شد که در مجموع 45,553 مشاهده نمونه مؤثر را به دست آورد که مبنای قابل اعتمادی برای تحلیل رگرسیون بعدی فراهم می‌کند…

3.3.Sample sources The data for this study primarily originates from publicly available information of listed companies, annual report texts, and third- party databases. Python was utilized to scrape and clean the annual reports of listed companies, calculating the frequency of 73 artificial intelligence-related keywords and taking the logarithm as an indicator. Simultaneously, data on main business income, financial investment income, labor productivity, and various financial and corporate governance metrics were extracted from the annual reports and databases. After data merging, handling of missing values, and standardization, a unified panel dataset was constructed, yielding a total of 45,553 effective sample observations, which provides a reliable basis for subsequent regression analysis…

5.جمع بندی

این مطالعه، بر اساس داده‌های شرکت‌های فهرست شده چینی بین سال‌های 2010 تا 2023، از تحلیل رگرسیون چندگانه، آزمون اثر میانجی‌گری، تحلیل ناهمگونی و آزمون درون‌زایی استفاده می‌کند تا رابطه و سازوکارهای بین فناوری هوش مصنوعی، بهره‌وری نیروی کار و مالی‌سازی شرکت‌ها را به طور سیستماتیک بررسی کند. یافته‌های پژوهش نشان می‌دهد که کاربرد فناوری هوش مصنوعی به طور قابل توجهی سطح مالی‌سازی شرکت‌ها را افزایش می‌دهد. هم رگرسیون OLS و هم آزمون‌های درون‌زایی این نتیجه را تأیید می‌کنند، که نشان می‌دهد فناوری هوش مصنوعی تخصیص منابع شرکت را بهینه کرده و قابلیت‌های عملیات سرمایه را بهبود می‌بخشد. بهره‌وری نیروی کار به طور مثبت سطوح مالی‌سازی را ترویج می‌دهد، که نشان‌دهنده این است که بهبود در کارایی تولید، قابلیت‌های تخصیص سرمایه شرکت را افزایش می‌دهد. اندازه شرکت نقش تعدیل‌کننده‌ای در فرآیند ترویج مالی‌سازی توسط فناوری هوش مصنوعی ایفا می‌کند؛ تحلیل ناهمگونی نشان می‌دهد که کاربرد هوش مصنوعی در شرکت‌های بزرگ به طور مؤثرتری مالی‌سازی را تسهیل می‌کند، در حالی که شرکت‌های کوچک به دلیل محدودیت‌های منابع، تأثیر ضعیف‌تری را تجربه می‌کنند. بهره‌وری نیروی کار به عنوان یک متغیر میانجی جزئی بین هوش مصنوعی و مالی‌سازی شرکت‌ها عمل می‌کند؛ تحلیل اثر میانجی‌گری نشان می‌دهد که فناوری هوش مصنوعی به طور غیرمستقیم با افزایش بهره‌وری نیروی کار، مالی‌سازی را ترویج می‌دهد. این اثر میانجی‌گری در مقیاس‌های مختلف شرکت‌ها ناهمگونی از خود نشان می‌دهد، به طوری که شرکت‌های بزرگ‌تر اثرات میانجی‌گری معنادارتری را نسبت به شرکت‌های کوچک‌تر نشان می‌دهند. این مطالعه مسیرها و سازوکارهای تأثیر فناوری هوش مصنوعی را در مالی‌سازی شرکت‌ها روشن می‌کند و حمایت تجربی و بینش‌های سیاستی را برای تحول دیجیتال شرکت‌ها و تخصیص بهینه سرمایه فراهم می‌آورد. بر اساس نتایج فوق، این مقاله پیشنهادهای زیر را ارائه می‌دهد:..

5.Conclusion This study, based on data from Chinese listed companies between 2010 and 2023, employs multiple regression analysis, mediation effect testing, heterogeneity analysis, and endogeneity testing to systematically explore the relationship and mechanisms between artificial intelligence technology, labor productivity, and corporate financialization. The research findings indicate that the application of artificial intelligence technology significantly enhances the level of corporate financialization. Both OLS regression and endogeneity tests support this conclusion, suggesting that AI technology optimizes corporate resource allocation and improves capital operation capabilities. Labor productivity positively promotes financialization levels, indicating that improvements in production efficiency enhance corporate capital allocation capabilities. Company size plays a moderating role in the process of AI technology promoting financialization; heterogeneity analysis reveals that the application of AI in large enterprises more effectively facilitates financialization, while small enterprises experience a weaker effect due to resource constraints. Labor productivity serves as a partial mediator between artificial intelligence and corporate financialization; mediation effect analysis shows that AI technology indirectly promotes financialization by enhancing labor productivity. This mediating effect exhibits heterogeneity across different scales of enterprises, with larger firms demonstrating more significant mediation effects compared to smaller firms. This study elucidates the pathways and impact mechanisms of AI technology in corporate financialization, providing empirical support and policy insights for corporate digital transformation and capital optimization allocation. Based on the above conclusions, this paper puts forward the following suggestions:..