مقاله انگلیسی بررسی تأثیر هوش مصنوعی بر توسعه استعدادهای کسب‌وکار در آموزش عالی: مرور سیستماتیک ادبیات و دستور کار تحقیقاتی

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سفارش ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

بررسی تأثیر هوش مصنوعی بر توسعه استعدادهای کسب‌وکار در آموزش عالی: مرور سیستماتیک ادبیات و دستور کار تحقیقاتی

عنوان انگلیسی:

Exploring the impact of artificial intelligence on business talent development in higher education:A systematic literature review and research agenda

کد محصول: M2020

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله:The International Journal of Management Education

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 25 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:M2020)

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

در پس‌زمینه استراتژیک تحول دیجیتال و هوشمند آموزش عالی جهانی، مجموعه ای نوظهور از فناوری‌ها با محوریت هوش مصنوعی، منطق عملیاتی و اکوسیستم ارزشی سیستم‌های آموزش کسب‌وکار را اساساً تغییر شکل می‌دهند. این پژوهش برای درک جامع چشم‌انداز تحقیقات کنونی و پیشرفت‌های حاصله در زمینه هوش مصنوعی و توسعه استعدادهای کسب‌وکار، یک مرور نظام‌مند ادبیات انجام داده است. این مرور با استخراج ۱۹۲ مقاله پژوهشی منتشر شده بین سال‌های ۲۰۱۵ تا ۲۰۲۴ از پایگاه‌های داده Scopus و Web of Science صورت گرفته است. این مطالعه با تکیه بر آمار توصیفی و تحلیل کتاب‌سنجی  با استفاده از نرم‌افزار Cite Space، پیشرفت‌های عمده و یافته‌های کلیدی دهه گذشته را در چهار حوزه توسعه استعدادهای کسب‌وکار در آموزش عالی خلاصه می‌کند. علاوه بر این، این پژوهش پیامدهای عملیاتی برای مدیران و اعضای هیئت علمی دانشکده‌های کسب‌وکار ارائه می‌دهد و بر توجه ناکافی به مسائل سطح کلان، مانند مهارت های محوری هوش مصنوعی، تجدید ساختار سرفصل‌های درسی، و پشتیبانی منابع سازمانی تأکید می‌ورزد. همچنین، کمبود تفکر عمیق در باب سازوکارهایی که هوش مصنوعی از طریق آن‌ها در توسعه استعدادهای کسب‌وکار گنجانده می‌شود، مورد توجه قرار گرفته است. در نهایت، با تحلیل بیشتر چارچوب‌های نظری و روش‌های پژوهشی، این مطالعه پیشنهاد می‌کند که تحقیقات آکادمیک آتی باید موضوعات پیشگام نوظهور مانند هوش مصنوعی عمومی و الگوریتم‌های کوانتومی را بررسی کرده، یکپارچه‌سازی میان‌رشته‌ای آموزش کسب‌وکار با علوم اعصاب، علوم اجتماعی و علوم محیطی را ترویج دهند، و بر تحقیقات طولی  تأکید بیشتری نموده و پارادایم‌های پژوهشی مبتنی بر داده و سازوکار را اتخاذ کنند.

کلیدواژه‌ها: هوش مصنوعی، داده‌های کلان، آموزش کسب‌وکار، آموزش مدیریت

Abstract: Against the strategic backdrop of the digital and intelligent transformation of global higher education, the emerging cluster of technologies with artificial intelligence (AI) at its core is fundamentally reshaping the operational logic and value ecosystem of business education systems. To comprehensively understand the current research landscape and progress of AI and business talent development, this study conducts a systematic literature review, retrieving 192 research articles published between 2015 and 2024 from the Scopus and Web of Science databases. Based on descriptive statistics and Cite Space bibliometric analysis, this study summarizes the major progress and key findings of the past decade across four domains of business talent development in higher education. The study further provides practical implications for business school administrators and faculty, highlighting insufficient attention to macro-level issues such as core AI competencies, curriculum restructuring, and institutional resource support. It also notes the lack of in-depth reflection on the mechanisms through which AI is embedded in business talent development. In addition, through further analysis of theoretical frameworks and research methods, this study suggests that future academic research should explore emerging frontier topics such as artificial general intelligence and quantum algorithms, promote interdisciplinary integration of business education with neuroscience, social sciences, and environmental science, place greater emphasis on longitudinal research, and adopt research paradigms driven by both data and mechanisms.

Keywords: Artificial intelligence, Big data, Business education, Management education

۱. مقدمه

در سال‌های اخیر، هوش مصنوعی  به دلیل تأثیر تحول‌آفرین خود بر شیوه‌های کسب‌وکار و مدیریت، به طور فزاینده‌ای توجه جامعه علمی را به خود جلب کرده است. با این حال، جامعه علمی همچنان در تعریف شفاف و دستیابی به اجماع گسترده بر سر مسائل کلیدی، مانند اینکه کدام عناصر محوری هوش مصنوعی باید در چارچوب‌های آموزش کسب‌وکار گنجانده شوند، دچار نقصان است (سولوسی و مک‌اینرنی، ۲۰۲۲). به طور قابل توجهی، جدیدترین پژوهش ماریوت و همکاران (۲۰۲۴) بر لزوم تمرکز نه تنها بر کاربردهای هوش مصنوعی در کسب‌وکار، بلکه بر مطالعات نظام‌مند طراحی سرفصل‌های درسی، مدل‌های تدریس و راهبردهای ارزشیابی مبتنی بر هوش مصنوعی در آموزش مدیریت تأکید می‌کند. مرور ادبیات موجود نشان می‌دهد که بیشتر مطالعات بر حوزه‌های عملیاتی خاص یا زمینه‌های آموزشی معین متمرکز شده‌اند، در حالی که درک جامعی از تحول توسعه استعدادهای کسب‌وکار در آموزش عالی در عصر هوش مصنوعی به طور چشمگیری نادیده گرفته شده است. از این رو، این مقاله به طور نظام‌مند ادبیات مرتبط با هوش مصنوعی و توسعه استعدادهای کسب‌وکار در آموزش عالی از سال ۲۰۱۵ تا ۲۰۲۴ را مرور کرده و به پرسش‌های فوری زیر پاسخ می‌دهد: «چشم‌انداز و پیشرفت تحقیقاتی کنونی در زمینه هوش مصنوعی و توسعه استعدادهای کسب‌وکار چیست؟» و «چگونه باید تحقیقات نظام‌مند آینده طراحی شود تا هوش مصنوعی به طور مؤثر در توسعه استعدادهای کسب‌وکار ادغام شده و کیفیت استعدادها به طور مداوم بهبود یابد؟»..

1. Introduction In recent years, artificial intelligence (AI) has increasingly attracted academic attention due to its disruptive impact on business and management practices. However, the academic community still lacks clear definitions and broad consensus on key issues, such as which core elements of AI should be incorporated into business education frameworks (Sollosy & McInerney, 2022). Notably, the latest research by Marriott et al. (2024) emphasizes the need to focus not only on AI applications in business but also on systematic studies of AI-driven curriculum design, teaching models, and assessment strategies in management education. A review of existing literature reveals that most studies focus on specific practical domains or particular educational contexts, yet there is a notable lack of holistic consideration of the transformation of business talent development in higher education in the AI era. Therefore, this paper systematically reviews the literature from 2015 to 2024 related to AI and business talent development in higher education, addressing urgent questions such as: “What is the current research landscape and progress regarding AI and business talent development?” and “How should future systematic research be designed to effectively integrate AI into business talent development so as to continuously improve talent quality?”..

۲. مواد و روش‌ها

با توجه به ماهیت گسترده و پیچیده حوزه هوش مصنوعی—که طیف وسیعی از موضوعات و فناوری‌های پیشرفته را در بر می‌گیرد—و توسعه سریع تحقیقات و کاربردهای آن، ادغام هوش مصنوعی در توسعه استعدادهای کسب‌وکار در آموزش عالی به طور فزاینده‌ای چالش‌برانگیز شده است. علاوه بر این، تحقیقات علمی کنونی در این نقطه تلاقی، پراکنده و عمدتاً اکتشافی باقی مانده است. بنابراین، انجام یک مرور نظام‌مند و به‌روز از ادبیات با استفاده از ابزارهای تحلیل کتاب‌سنجی مانند « Cite Space » برای شناسایی مضامین کلیدی تحقیق و روندهای نوظهور در این حوزه، حیاتی است…

2.Materials and methods Given the broad and complex nature of the AI field—which encompasses a wide range of advanced topics and technologies—and the rapid development of AI research and applications, the integration of AI into business talent development in higher education has become increasingly challenging. Moreover, current academic research at this intersection remains fragmented and largely exploratory. Therefore, it is crucial to conduct a state-of-the-art systematic literature review using bibliometric analysis tools such as CiteSpace to identify key research themes and emerging trends in this field.

۳. نتایج

در این بخش، ما آمار توصیفی و نتایج تحلیل کمی مرور نظام‌مند ادبیات (SLR) را با انجام مطالعه دقیق و تحلیل ساختاریافته ۱۹۲ سند انتخاب شده، ارائه می‌دهیم. اولین پرسش پژوهشی (RQ1) که باید به آن پرداخته شود این است: ویژگی‌های تحقیق در مورد هوش مصنوعی و آموزش کسب‌وکار در دانشگاه‌ها بین سال‌های ۲۰۱۵ تا ۲۰۲۴ از نظر زمان انتشار، نویسندگان، مجلات و میزان استناد چگونه است؟..

3. Results In this section, we present the descriptive statistics and quantitative analysis results of the systematic literature review (SLR) by conducting a detailed reading and structured analysis of the 192 selected documents. The first research question (RQ1) to be addressed is: What are the characteristics of the research on AI and business education in universities from 2015 to 2024 in terms of publication time, authors, journals, and citations?…

۵. شکاف‌های پژوهشی و برنامه آتی

برای پاسخ به پرسش پژوهشی سوم (RQ3): «محدودیت‌های موجود در بررسی مضامین، روش‌ها و نظریه‌های تحقیق در زمینه هوش مصنوعی و توسعه استعدادهای کسب‌وکار در آموزش عالی بین سال‌های ۲۰۱۵ تا ۲۰۲۴ چیست و مسیرهای آینده پژوهش کدامند؟»—بخش زیر محدودیت‌های تحقیقات کنونی و زمینه‌هایی را که در آینده نیاز به تقویت بیشتر دارند، از سه جنبه: موضوعات پژوهشی، روش‌های تحقیق و چارچوب‌های نظری، شناسایی می‌کند.

5.Research gaps and agenda To answer RQ3: What are the limitations in the exploration of themes, methods, and theories in research on AI and business talent development in higher education between 2015 and 2024, and what are the future directions for research?—the following section identifies the limitations of current research and the areas that require further strengthening in the future from three aspects: research topics, research methods, and theoretical frameworks…

۵.۴. نتیجه‌گیری

این مطالعه با به‌کارگیری یک رویکرد پژوهشی ترکیبی ، به طور نظام‌مند تحلیل‌های کتاب‌سنجی و کیفی را ترکیب کرده تا پیشرفت‌های عمده در نگاشت دانش، کاوش نظری و توسعه روش‌شناختی مرتبط با هوش مصنوعی و توسعه استعدادهای کسب‌وکار در آموزش عالی، با تمرکز بر مطالعات منتشر شده بین سال‌های ۲۰۱۵ تا ۲۰۲۴، خلاصه نماید. این مطالعه چندین محدودیت را در ادبیات موجود آشکار می‌سازد: تعامل ناکافی با موضوعات گسترده‌تر مانند چارچوب کلی توسعه استعداد، یکپارچه‌سازی شایستگی‌های میان‌رشته‌ای، و تأثیر بلندمدت فناوری؛ سیستم‌های پشتیبانی نظری توسعه‌نیافته و یافته‌های نظری پراکنده؛ و غلبه روش‌های صرفاً کیفی یا کمی، که همگی نشان‌دهنده کمبود دقت و تنوع روش‌شناختی است…

5.4. Conclusion This study employs a mixed-methods research approach, systematically synthesizing bibliometric and qualitative analyses to summarize major advancements in knowledge mapping, theoretical exploration, and methodological development related to AI and business talent development in higher education, focusing on studies published between 2015 and 2024. The study reveals several limitations in the existing literature: insufficient engagement with broader topics such as the overall framework for talent development, interdisciplinary competency integration, and the long-term impact of technology; underdeveloped theoretical support systems and fragmented theoretical findings; and a predominance of purely qualitative or quantitative methods, thereby indicating a lack of methodological rigor and diversity…