اطلاعیه

مقاله انگلیسی مشارکت کارکنان هتل در عصر هوش مصنوعی: تأثیر متقابل هوش مصنوعی، عدم امنیت شغلی و خودکارآمدی فنی

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی رایگان جدید که در دسته مقالات مدیریت رفتار سازمانی و هوش مصنوعی هست، منتشر کردیم. این مقاله یه مقاله  علمی پژوهشی هست که توی پایگاه  aasmr در سال ۲۰۲۴ منتشر شده. فایل انگلیسی ۱۸ صفحه PDF هست بخش هایی از مقاله انگلیسی ترجمه شده 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.

عنوان فارسی:

مشارکت کارکنان هتل در عصر هوش مصنوعی: تأثیر متقابل هوش مصنوعی، عدم امنیت شغلی و خودکارآمدی فنی

عنوان انگلیسی:

Engaging Hotel Employees in the Era of Artificial Intelligence: The Interplay of Artificial Intelligence Awareness, Job Insecurity, and Technical Self-Efficacy

کد محصول: M1732

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): aasmr

نام مجله: Journal of Logistics, Informatics and Service Science

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: دارد

پرسشنامه : دارد

تعداد صفحه انگلیسی:  ۱۸ صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1732)

ثبت سفارش ترجمه تخصصی در تمامی رشته ها

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

مقالات انگلیسی مرتبط با این موضوع جدید

فهرست مطالب

چکیده
۱. مقدمه
۲. مرور ادبیات و توسعه فرضیه ها
۲.۱. هوش مصنوعی و مشارکت شغلی کارکنان
۲.۲. هوش مصنوعی و عدم امنیت شغلی
۲.۳. عدم امنیت شغلی به عنوان یک میانجی
۲.۴. خودکارآمدی فنی کارکنان به عنوان تعدیل کننده
۳. روش تحقیق
۳.۱. توسعه مقیاس و ابزار
۳.۲. نمونه و جمع آوری داده ها
۳.۳. تجزیه و تحلیل داده ها
۴. نتایج
۴.۱. مشخصات نمونه
۴.۲. ارزیابی مدل اندازه گیری
۴.۳. آزمون مدل ساختاری و آزمون فرضیه
۵. بحث
۶. نتیجه گیری و پیامدها
۷. محدودیت ها و تحقیقات بیشتر
ضمیمه (A): گویه های مقیاس

چکیده فارسی

این مطالعه به بررسی تأثیر آگاهی هوش مصنوعی (AIA) بر مشارکت شغلی کارکنان (EJE) در صنعت هتلداری، با تمرکز بر نقش میانجیگر عدم امنیت شغلی (JI) و نقش تعدیل کننده خودکارآمدی فنی (TSE) می پردازد. این مطالعه با تکیه بر نظریه انتظار و نظریه رویدادهای هیجانی، یک مدل میانجی گر تعدیل شده را پیشنهاد می کند و آن را با استفاده از PLS-SEM روی نمونه ای از ۳۹۰ کارمند تمام وقت از هتل های پنج ستاره مصر آزمایش می کند. نتایج تایید می‌کنند که AIA بر EJE تأثیر منفی می‌گذارد و بر JI تأثیر مثبت می‌گذارد، در حالی که JI بر EJE تأثیر منفی می‌گذارد و رابطه AIA→ EJE را میانجیگری می‌کند. علاوه بر این، TSE به طور منفی رابطه AIA → JI را تعدیل می کند و تأثیر منفی AIA بر JI را کاهش می دهد. این یافته‌ها اهمیت بررسی مسائل مرتبط با هوش مصنوعی کارکنان و استفاده از خودکارآمدی فنی آن‌ها برای حفظ مشارکت و امنیت شغلی در مواجهه با نوآوری های فناوری را برجسته می‌کند. این مطالعه با بسط کاربرد نظریه انتظار و نظریه رویدادهای هیجانی در زمینه پذیرش هوش مصنوعی در صنعت هتلداری به ادبیات کمک می کند و مفاهیم عملی را برای مدیران هتل و متخصصان منابع انسانی ارائه می دهد.

واژه‌های کلیدی: هوش مصنوعی، مشارکت شغلی کارکنان، عدم امنیت شغلی، خودکارآمدی فنی، صنعت هتلداری

۱.مقدمه

پذیرش هوش مصنوعی (AI) در عصر دیجیتال بسیار مهم است و فرصت ها و چالش هایی را برای صنایعی مانند مهمان نوازی ارائه می دهد. هوش مصنوعی برای انتقال نوآوری به اقتصاد جهانی و بهبود استانداردهای زندگی ضروری است (لیمنا و همکاران، ۲۰۲۱). صنعت مهمان‌نوازی با محیطی به شدت رقابتی با فناوری‌های جدید، انتظارات بالای مشتریان، نوآوری و هزینه‌های فزاینده مواجه است (الرومیدی و خیری، ۲۰۲۴؛ ولوین و همکاران، ۲۰۲۴). صنعت مهمان‌نوازی و گردشگری از فناوری‌های پیشرفته مانند هوش مصنوعی و رباتیک برای بهبود خدمات و تجربه به مشتریان استفاده می‌کنند و بقای کسب‌وکارها را در محیط در حال تغییر تضمین می‌کند (الرومیدی، ۲۰۲۴؛ گافار و الرومیدی، ۲۰۲۴)…

۷. محدودیت ها و تحقیقات بیشتر

این مطالعه دارای محدودیت هایی است که باید در تحقیقات آتی مورد توجه قرار گیرد. طراحی مقطعی و داده های خود گزارشی ممکن است به طور کامل اثرات پویا و بلندمدت پذیرش هوش مصنوعی بر نگرش ها و رفتارهای کارکنان را نشان ندهد. مطالعات آینده می‌توانند از طرح‌های طولی یا تجربی برای ایجاد روابط علی و کنترل سوگیری‌های بالقوه استفاده کنند. علاوه بر این، تمرکز بر هتل‌های پنج ستاره در یک منطقه ممکن است تعمیم نتایج را به سایر دسته‌های هتل یا سایر زمینه‌های فرهنگی محدود کند. مطالعات تطبیقی ​​در زمینه‌های فرهنگی و سازمانی مختلف در انواع هتل‌ها و کشورهای مختلف می‌تواند درک جامع‌تری از شرایط مرزی و تغییرات در روابط مورد بررسی ارائه دهد. تحقیقات آینده همچنین باید متغیرهای میانجی‌ دیگری مانند استرس شغلی و اعتماد به رهبری، کاهش سوگیری مطلوبیت اجتماعی، بررسی سایر عوامل تحت‌تاثیر هوش مصنوعی مرتبط با شغل، و بررسی سایر تعدیل‌کننده ها مانند اعتماد به هوش مصنوعی و آمادگی کارکنان برای تغییر را در نظر بگیرد.

فرضیات

H1: هوش مصنوعی بر مشارکت شغلی کارکنان تأثیر منفی می گذارد.
H2: آگاهی هوش مصنوعی عدم امنیت شغلی را افزایش می دهد.
H3: عدم امنیت شغلی بر مشارکت شغلی کارکنان تأثیر منفی می گذارد.
H4: عدم امنیت شغلی رابطه بین آگاهی هوش مصنوعی و مشارکت شغلی کارکنان را میانجیگری می کند.
H5: خودکارآمدی فنی کارکنان رابطه بین آگاهی هوش مصنوعی و عدم امنیت شغلی را تعدیل می کند.

مدل مفهومی مشارکت کارکنان هتل در عصر هوش مصنوعی: تأثیر متقابل آگاهی هوش مصنوعی، عدم امنیت شغلی و خودکارآمدی فنی
مدل مفهومی مشارکت کارکنان هتل در عصر هوش مصنوعی: تأثیر متقابل آگاهی هوش مصنوعی، عدم امنیت شغلی و خودکارآمدی فنی

Abstract  

This study investigates the impact of artificial intelligence awareness (AIA) on employees’ job engagement (EJE) in the hotel industry, focusing on the mediating role of job insecurity (JI) and the moderating role of technical self-efficacy (TSE). Drawing on the Expectancy theory and Affective Events theory, the study proposes a mediated moderation model and tests it using PLS-SEM on a sample of 390 full-time employees from five-star hotels in Egypt. The results confirm that AIA negatively influences EJE and positively influences JI, while JI negatively influences EJE and mediates the AIA→EJE relationship. Furthermore, TSE negatively moderates the AIA→JI relationship, mitigating the negative impact of AIA on JI. The findings highlight the importance of addressing employees’ AI-related concerns and leveraging their technical self-efficacy to maintain job engagement and security in the face of technological disruptions. The study contributes to the literature by extending the application of the Expectancy theory and Affective Events theory to the context of AI adoption in the hotel industry and offers practical implications for hotel managers and HR professionals.

Keywords: Artificial Intelligence Awareness, Employees’ Job Engagement, Job Insecurity, Technical Self-efficacy, Hotel Industry

۱. Introduction

Artificial intelligence (AI) adoption is crucial in the digital age, offering opportunities and challenges to industries like hospitality. It’s essential for transforming innovation into a global economy and improving living standards (Limna et al., 2021). The hospitality industry is facing a competitive landscape with new technologies, high customer expectations, innovation, and rising costs (Al-Romeedy & Khairy, 2024; Velwin et al., 2024). The hospitality and tourism industry is leveraging advanced technologies like artificial intelligence and robotics to improve customer service and experience, ensuring the survival of businesses in the changing environment (Al-Romeedy, 2024; Gaafar & Al-Romeedy, 2024)…

۷.Limitations and Further Research

The study has some limitations that should be acknowledged and addressed in future research. The cross-sectional design and self-report data may not fully capture the dynamic and long-term effects of AI adoption on employee attitudes and behaviors. Future studies could employ longitudinal or experimental designs to establish causal relationships and control for potential biases. Additionally, the focus on five-star hotels in a single region may limit the generalizability of the findings to other hotel categories or cultural contexts. Comparative studies in different cultural and organizational contexts across different hotel types and countries could provide a more comprehensive understanding of the boundary conditions and variations in the relationships examined. Future research should also consider examining other mediators like job stress and trust in leadership, reducing social desirability bias, exploring additional career-related factors influenced by AI, and exploring other moderators such as trust in artificial intelligence and employee readiness for change…

مقالات مرتبط با این موضوع

مدیریت

رفتار سازمانی

هوش مصنوعی

مشارکت کارکنان

مدیریت منابع انسانی

مدیریت هتل

هوش مصنوعی در هتلداری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.