مشخصات مقاله فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط
سلام دوست من ، توی این پست براتون یه مقاله جدید با موضوع کاربرد هوش مصنوعی و سیستمهای کاری با عملکرد بالا در بخش تولید، منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه اشپرینگر در سال ۲۰۲۵ منتشر شده. فایل انگلیسی شامل ۲۸ صفحه PDF هست بخش هایی از ترجمه مقاله انگلیسی که قبل از سفارش می تونید کیفیت ترجمه رو بررسی کنید. برای سفارش ترجمه کامل مقاله روی گزینه ثبت سفارش ترجمه کلیک کنید بعد از ثبت سفارش پیش فاکتور از طریق ایمیل و پیامک خدمتتون ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.
کاربرد هوش مصنوعی و سیستمهای کاری با عملکرد بالا در بخش تولید: یک مدل میانجیگر تعدیل شده
عنوان انگلیسی:
Artificial intelligence application and high-performance work systems in the manufacturing sector: a moderated-mediating model
کد محصول: M1905
سال نشر: ۲۰۲۵
نام ناشر (پایگاه داده): اشپرینگر
نام مجله: Artificial Intelligence Review
نوع مقاله: علمی پژوهشی (Research Article)
متغیر : دارد
فرضیه: دارد
مدل مفهومی: دارد
پرسشنامه : دارد
تعداد صفحه انگلیسی: ۲۸ صفحه PDF
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1905)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
فهرست مطالب
۱ مقدمه
۲ پیشینه نظری
۲.۱ هوش مصنوعی کاربردی (AAI)
۲.۲ سیستم های کاری با عملکرد بالا (HPWS)
۲.۳ آموزش کارکنان
۲.۴ هوش مصنوعی کاربردی، توسعه پتانسیل کارکنان و سیستم کاری با عملکرد بالا
۲.۵ نقش میانجی توسعه بالقوه کارکنان
۲.۶ نقش تعدیل کننده طرح های آموزشی
۳ چارچوب و فرضیه های تحقیق
۳.۱ نظریه شناختی اجتماعی (SCT)
۳.۲ نمای مبتنی بر منبع (RBV)
۴ روش تحقیق
۴.۱ جمع آوری داده ها
۵ تجزیه و تحلیل و یافته ها
۵.۱ ارزیابیها و مدلهای اندازهگیری
۵.۲ تجزیه و تحلیل ساختاری و نتایج
۵.۳ تحلیل مسیر ساختاری و آزمون فرضیه ها
۶ بحث
۶.۱ مفاهیم مطالعه
پرسشنامه
چکیده فارسی
این پژوهش تجربی، به بررسی پویایی پیچیده بین هوش مصنوعی (AI)، توسعهی بالقوهی کارکنان (PD)، برنامههای آموزشی (TI) و سیستمهای کاری با عملکرد بالا (HPWS) در شرکتهای تولیدی میپردازد تا بینشهای ارزشمندی دربارهی چگونگی تأثیر فناوریهای هوش مصنوعی بر سیستمهای کاری با عملکرد بالا از طریق توسعه و آموزش کارکنان به دست آورد. با استفاده از روش نمونهگیری هدفمند، حدود دویست کارمند از بیست و چهار شرکت تولیدی در بخشهای نساجی، خودرو، فولاد و داروسازی در یک نظرسنجی خودسنجی شرکت کردند. تجزیه و تحلیل دادهها با استفاده از روش PLS-SEM انجام شد. نتایج، ارتباط مثبت بین هوش مصنوعی، توسعهی بالقوه و سیستمهای کاری با عملکرد بالا را نشان داد و نقش کلیدی هوش مصنوعی را در حمایت از توسعهی کارکنان و بهبود سیستمهای کاری با عملکرد بالا برجسته کرد. علاوه بر این، اثر تقویتکنندهی آموزش بر رابطهی بین هوش مصنوعی و توسعهی حرفهای، اهمیت ارتقای مهارتهای کارکنان برای ادغام هوش مصنوعی را نشان داد. همچنین، نقش میانجیگر توسعهی بالقوهی کارکنان بین پذیرش هوش مصنوعی و اثربخشی سیستمهای کاری با عملکرد بالا، نقش مهم توسعهی حرفهای کارکنان را در دستیابی به HPWS از طریق ادغام هوش مصنوعی در سیستمها نشان داد. این مطالعه، بینشی در مورد نقش میانجیگر توسعهی بالقوهی کارکنان بین هوش مصنوعی و اثربخشی سیستمهای کاری با عملکرد بالا ارائه میدهد و اهمیت آن را در تبدیل پیشرفتهای مبتنی بر هوش مصنوعی به نتایج ملموس سازمانی برجسته میکند. یافتههای این مطالعه، پیامدهای مهمی برای هر دو حوزه نظری و عملی دارد. از نظر تئوری، این تحقیق مباحث در حال تحول در مورد تأثیرات هوش مصنوعی بر رویه های منابع انسانی و نتایج سازمانی را غنی می کند. از نظر عملی، سازمانها میتوانند از بینشهای این تحقیق در ادغام استراتژیک فناوریهای هوش مصنوعی، طراحی برنامههای آموزشی سفارشی برای کارکنان خود و ایجاد محیطی مساعد برای توسعهی مستمر کارکنان استفاده کنند.
کلمات کلیدی: هوش مصنوعی کاربردی، توسعهی بالقوه، برنامههای آموزشی، سیستمهای کاری با عملکرد بالا، بخش تولیدی
۱.مقدمه:
پیشرفتهای اخیر فناوری، منجر به پیادهسازی سریع هوش مصنوعی (AI) شده است و نحوهی عملکرد و تصمیمگیری کسبوکارها را متحول کرده است (آلنزی ۲۰۲۳). هوش مصنوعی کاربردی (AAI)، امکانات و چالشهای جدیدی را در بخشهای مختلف ایجاد کرده، چشمانداز صنایع را تغییر داده و شیوههای سنتی را اصلاح کرده است (آری و همکاران ۲۰۲۰). بخشهای تولیدی – به ویژه عملیات تولیدی که نقش حیاتی در اقتصادها دارند – شاهد پذیرش قابل توجه AAI برای افزایش کارایی عملیاتی، بهرهوری و رقابتپذیری بودهاند (آری و همکاران ۲۰۲۰)…
۴.روش تحقیق:
پژوهش حاضر از رویکرد تجربی کمی برای بررسی روابط فرضشده بین سازههای درونزا و برونزا به منظور مطالعهی روابط بین هوش مصنوعی کاربردی (AAI)، توسعهی بالقوه کارکنان (PD)، سیستمهای کاری با عملکرد بالا (HPWS) و آموزش (Tr) در بخش تولیدی پاکستان استفاده کرده است. جمعآوری دادههای ساختاری از طریق پرسشنامه انجام شده و پس از آن، تجزیه و تحلیل، تفسیر و ارائه برای دستیابی به اهداف و فرضیههای تحقیق انجام شد. این مطالعهی مقطعی، تصویری از روابط بین متغیرها در یک لحظهی خاص ارائه میدهد که بررسی روابط پیشنهادی و ارزیابی اثرات میانجیگری و تعدیل را ممکن میکند…
۶.بحث
مطالعهی حاضر بررسی کرد که آیا هوش مصنوعی کاربردی میتواند از طریق برنامههای توسعهی بالقوه و برنامههای آموزشی برای سرمایههای انسانی، از سیستمهای کاری با عملکرد بالا سازمانها حمایت کند یا خیر. یافتهها، بینشهای ارزشمندی را در مورد روابط بین هوش مصنوعی ، توسعهی بالقوهی کارکنان و برنامههای آموزشی و سیستمهای کاری با عملکرد بالا در بخش تولیدی ارائه میدهد (علم و لین ۲۰۲۲). این یافتهها نشان میدهد که چگونه این متغیرها بر نتایج مورد نظر سازمانی در زمینه سیستمهای کاری با عملکرد بالا تأثیر میگذارند (عادل و اب حمید ۲۰۲۰)…
فرضیات
H1. رابطهای مثبت و معنیدار بین هوش مصنوعی کاربردی و توسعهی بالقوهی کارکنان وجود دارد.
H2. رابطهای مثبت و معنیدار بین هوش مصنوعی کاربردی و سیستمهای کاری با عملکرد بالا وجود دارد.
H3. رابطهای مثبت و معنیدار بین توسعهی بالقوهی کارکنان و سیستمهای کاری با عملکرد بالا وجود دارد.
H4. توسعهی بالقوهی کارکنان، نقش میانجیگر در رابطهی بین هوش مصنوعی کاربردی و سیستمهای کاری با عملکرد بالا دارد.
H5. برنامههای آموزشی، رابطهی بین هوش مصنوعی کاربردی و توسعهی بالقوهی کارکنان را تعدیل میکنند.

Abstract
This empirical investigation examines the complex dynamics between Artificial Intelligence (AI), Potential Development (PD), Training Initiatives (TI), and High-Performance Work Systems (HPWS) within manufacturing firms to gain valuable insights into how AI technologies influence high-performance work systems through employee development and training. Using a purposive sampling technique, around two hundred employees from twenty-four manufacturing firms in the textile, automotive, steel, and pharmaceutical sectors participated in the self-administered survey. The empirical analysis of the data sets was conducted using the PLS-SEM approach. This result demonstrated positive associations between AI, PD, and HPWS, emphasizing the key role of AI in supporting employee development and improving high-performance work systems. Furthermore, training’s amplification effect on the relation between artificial intelligence and professional development highlighted the significance of employees’ upskilling for AI integration. Conversely, the mediating role of PD between AI adoption and HPWS effectiveness highlighted the significant role of employee professional development in achieving HPWS through AI integration within the systems. The study offered insight into the mediation of PD between AI and HPWS effectiveness, emphasizing its centrality in translating AI-driven advances into tangible organizational outcomes. The study findings have significant ramifications for both theory and practice. Theoretically, this research adds to an evolving dialogue surrounding AI’s effects on HR practices and organizational outcomes; practically speaking, organizations can utilize this research’s insights in strategically integrating AI technologies, designing tailored training programs for their employees, and creating an environment conducive to ongoing employee development.
Keywords Applied artificial intelligence · Potential development · Training initiatives · High-performance work systems · Manufacturing sector
۱.Introduction
Recent technological advancements have resulted in the rapid implementation of Artificial Intelligence (AI), revolutionizing how businesses operate and make decisions (Alenzi 2023). Artificial Intelligence (AAI) has unlocked new possibilities and challenges across various sectors, shifting industries’ landscapes and altering traditional practices (Ari et al. 2020). Manufacturing sectors – particularly manufacturing operations that play a vital role in economies – have seen significant adoption of AAI for operational efficiency, productivity, and competitiveness enhancement (Ari et al. 2020)…
۴ Research Methodology
The current study employed a quantitative empirical approach to explore the hypothesized relationships among study endogenous and exogenous constructs of Applied Artificial Intelligence (AAI), Potential Development (PD), High-Performance Work Systems (HPWS), and training (Tr) within Pakistan’s manufacturing sector. The structured data collection was conducted, followed by analysis, interpretation, and presentation to meet research objectives and hypotheses. The cross-sectional study took a snapshot of relationships among variables at one specific moment, which allowed the examination of proposed relationships and the assessment of mediation and moderation effects…
۶ Discussion
The current study examined whether applied artificial intelligence can support organizations’ high-performance work systems through its potential development programs and training initiatives for human capital. The findings yielded valuable insights into the relationships among the applications of artificial intelligence (AI), employees’ potential development (PD) and training initiatives, and high-performance work systems (HPWS) in the manufacturing sector (Alam and Lin 2022). These findings illuminate how these variables influence the most desired organizational outcomes of high-performance work systems (Adil and Ab Hamid 2020)…
مقالات مرتبط با این موضوع |
مقالات جدید در مورد آموزش کارکنان مقالات جدید مدیریت منابع انسانی مقالات جدید مدیریت صنعتی و مهندسی صنایع مقالات جدید کاربردهای هوش مصنوعی |