مقاله انگلیسی با ترجمه هوش مصنوعی مولد و رفاه کارکنان: بررسی تأثیرات عاطفی، اجتماعی و شناختی پذیرش GenAI

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

عنوان فارسی:

هوش مصنوعی مولد و رفاه کارکنان: بررسی تأثیرات عاطفی، اجتماعی و شناختی پذیرش GenAI

عنوان انگلیسی:

Generative AI and employee well-being: Exploring the emotional, social, and cognitive impacts of adoption

کد محصول: M2057

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله:Journal of Innovation & Knowledge

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: دارد

پرسشنامه : دارد

تعداد صفحه انگلیسی: 11 صفحه PDF

تعداد صفحه ترجمه فارسی:   32  صفحه WORD

قیمت فایل ترجمه شده:  145000 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

هوش مصنوعی مولد (GenAI) به طور فزاینده‌ای به عنوان یک فناوری تحول‌آفرین شناخته می‌شود که فرایندهای سازمانی، رویه های کاری فردی، و تعاملات در محل کار را دگرگون می‌کند. در حالی که مزایای آن برای کارایی و بهره‌وری به‌طور گسترده‌ای پذیرفته شده است، تأثیر آن بر سلامت روان و رفاه کارکنان هنوز تا حد زیادی بررسی‌نشده باقی مانده است. این مطالعه رابطه‌ی میان پذیرش GenAI و سه بُعد رفاه کارکنان — عاطفی، اجتماعی، و شناختی — را بررسی می‌کند. با استفاده از مدل تقاضا-منابع شغلی (JD-R) و نظریه شناختی اجتماعی، ما یک چارچوب مفهومی پیشنهاد می‌کنیم که در آن شدت پذیرش GenAI، رابطه بین نگرش کارکنان نسبت به فناوری و رفاه آنها را میانجیگری می‌کند. با تجزیه و تحلیل داده‌های نظرسنجی از حدود ۱۳۰ کارمند دانشی و بررسی آن از طریق مدلسازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی (PLS-SEM)، یافته‌های ما آشکار می‌سازند که نگرش مثبت نسبت به GenAI به‌طور معناداری پذیرش آن را افزایش می‌دهد، در حالی که نگرش منفی لزوماً مانع استفاده از آن نمی‌شود. افزون بر این، میزان پذیرش GenAI بر هر سه بُعد رفاه اثر می‌گذارد و انسجام تیمی به عنوان عامل میانجی عمل می‌کند. این نتایج با ارائه‌ی بینش‌های نظری و مدیریتی درباره‌ی رابطه‌ی پیچیده میان تلفیق هوش مصنوعی و تجربه‌ی کارکنان، به ادبیات مربوط به رفاه در محل کار و پذیرش فناوری کمک می‌کند.

کلیدواژه‌ها: هوش مصنوعی مولد – رفاه کارکنان – رفاه عاطفی – رفاه اجتماعی – رفاه شناختی – پذیرش فناوری

Generative artificial intelligence (GenAI) is increasingly recognized as a transformative technology that is reshaping organizational processes, individual work practices, and workplace interactions. While its benefits for efficiency and productivity are widely acknowledged, its impact on employee well-being remains largely underexplored. This study investigates the relationship between GenAI adoption and three dimensions of employee well-being: emotional, social, and cognitive. Drawing on the job demands-resources (JD-R) model and social cognitive theory, we propose a conceptual framework in which the GenAI intensity of adoption mediates the relationship between employees’ attitudes toward the technology and their well-being. By analyzing survey data from approximately 130 knowledge workers and analyzing it through partial least squares structural equation modeling (PLS-SEM), our findings reveal that a positive attitude toward GenAI significantly enhances its adoption, whereas a negative attitude does not necessarily prevent usage. Furthermore, the extent of GenAI adoption influences all three dimensions of well-being, with team cohesion acting as a mediating factor. These results contribute to the literature on workplace well-being and technology adoption by offering theoretical and managerial insights into the complex relationship between AI integration and employee experience.

Keywords: Generative artificial intelligence, Employee well-being, Emotional well-being, Social well-being, Cognitive well-being, Technology adoption

مقدمه

هوش مصنوعی مولد (GenAI) به‌طور گسترده‌ای به عنوان فناوریِ تحول آفرینی در نظر گرفته می‌شود که توان بالقوه‌ای برای ایجاد تحول در نحوه‌ی عملکرد کسب‌و‌کارها و شیوه‌ی انجام کار (هافمن و همکاران، 2024؛ آرسنیان و پیپبرینک، 2024) و همچنین در نحوه‌ی تعامل افراد ، چه در داخل و چه در خارج از محل کار، دارد. این تحول تأثیرات مهمی بر رفاه شخصی و اجتماعی دارد (پارتکا و همکاران، 2024). پیش‌بینی‌ها درباره‌ی توسعه‌ی هوش مصنوعی، به‌ویژه GenAI، چشمگیر است. انتظار می‌رود هوش مصنوعی تا سال 2030 سالانه ۱۳ تریلیون دلار به اقتصاد جهانی کمک کند (بوگین و همکاران، 2018). شرکت‌ها سرمایه‌گذاری‌های قابل‌توجهی در هوش مصنوعی انجام می‌دهند (برای نمونه، اسمیت، 2025)، و دولت‌ها نیز هوش مصنوعی را به‌عنوان فرصت استراتژیک به رسمیت می‌شناسند (جونز و همکاران، 2025)…

Introduction Generative artificial intelligence (GenAI) is widely considered a disruptive technology with the potential to revolutionize how businesses operate and how work is performed (Hoffmann et al., 2024; Arsenyan & Piepebrink, 2024), as well as how individuals interact, both within and beyond the workplace. This transformation has significant implications for personal and social well-being (Parteka et al., 2024). The projections for the development of AI, particularly GenAI, are striking. AI is expected to contribute $13 trillion annually to the global economy by 2030 (Bughin et al., 2018). Companies are making significant investments in AI (e.g., Smith, 2025), and governments are recognizing AI as a strategic opportunity (e.g., Jones et al., 2025)…

بازنگری مفهوم رفاه در عصر هوش مصنوعی

رفاه مفهومی پیچیده است که از دیدگاه‌های نظری گوناگون تحلیل شده و بازتابی از شرایط بیرونی افراد و ادراک ذهنی آن‌ها از زندگی خویش است. در گذر زمان، ادبیات سه دیدگاه اصلی درباره‌ی مفهوم رفاه را ترسیم کرده است: رفاه ذهنی، رفاه عینی، و رویکرد توانایی‌ها. رفاه عینی اشاره به ارزیابی هنجاری از شرایط زندگی دارد، از جمله درآمد، شرایط مسکن، و دسترسی به فرصت‌های اقتصادی (گارتاولا و همکاران، 2012؛ OECD، 2011؛ پوپسکو و ریس مورائو، 2025). در مقابل، رفاه ذهنی به ادراک افراد از زندگی خود می‌پردازد و شامل ابعادی چون رضایت کلی، عواطف مثبت، و کاهش احساسات منفی است (داینر و همکاران، 2002؛ فری و اشتوتزر، 2009؛ وینهوون، 2012؛ OECD، 2020). دیدگاه مکمل، رویکرد قابلیت ها است که توسط نوسباوم و سن (1993) مطرح شد و رفاه را از دریچه آزادی‌ها و فرصت‌های واقعی که افراد برای داشتن یک زندگی ارزشمند دارند، درک می‌کند. این رویکرد توجه ویژه‌ای به استقلال شخصی و حمایت اجتماعی دارد و فرصت‌هایی را برای توسعه فردی فراهم می‌کند…

Revisiting the concept of well-being in the age of AI Well-being is a complex concept, analyzed from multiple theoretical perspectives, reflecting both the external conditions of individuals and their subjective perceptions of their own lives. Over time, the literature has outlined three major perspectives on the concept of well-being: subjective well-being, objective well-being, and the capabilities approach. Objective well-being refers to the normative assessment of living conditions, such as income, housing conditions, and access to economic opportunities (Gartaula et al., 2012; OECD, 2011; Popescu & Reis Mourao, 2025). In contrast, subjective well-being concerns individuals’ perceptions of their own lives and includes dimensions such as general satisfaction, positive affect, and reduction of negative feelings (Diener et al., 2002; Frey & Stutzer, 2009; Veenhoven, 2012; OECD, 2020). A complementary perspective is that of capabilities, formulated by Nussbaum and Sen (1993), which understands well-being through the lens of the real freedoms and opportunities that individuals have to lead a valuable life. This approach pays particular attention to personal autonomy and social support and provides opportunities for personal development…

نمونه، ابزار و گردآوری داده‌ها

برای آزمون فرضیه‌های مطرح‌شده در مدل مفهومی، داده‌ها از 158 کارمند دانشی در ایتالیا گردآوری شد. از آنجا که 29 پاسخ ناقص بود، در نهایت 129 پاسخ کامل در نمونه‌ی نهایی مورد بررسی قرار گرفت. برای طراحی پرسش‌نامه، از چندین مقیاس چندگویه‌ای که قبلاً در مطالعات پیشین استفاده شده بود، بهره گرفته شد. همان‌گونه که در جدول 1 آمده است: برای متغیر استفاده از  GenAI (GAI) از مقیاس سه‌گویه‌ای (آل‌عمران و همکاران، 2024) استفاده شد؛ از جمله:«زمان زیادی را صرف استفاده از ابزارهای هوش مصنوعی مولد می‌کنم.» متغیر انسجام تیمی (تکلیاب و همکاران، 2009) با مقیاس پنج‌گویه‌ای سنجیده شد؛ نمونه‌گویه‌ها شامل:«اعضای این سازمان در انجام وظایف به یکدیگر کمک می‌کنند» و«ما همگی مسئولیت هرگونه ناکامی یا عملکرد ضعیف تیم را بر عهده می‌گیریم.» برای سنجش رفاه  سه سازه‌ی متمایز بررسی شد:  رفاه عاطفی (EW) برگرفته از فرایدنبرگ و همکاران (2009)، رفاه اجتماعی (SW) برگرفته از  «نظرسنجی اجتماعی اروپا»، 2012، رفاه شناختی (CW) برگرفته از اسمَلیوکینه و بکه‌سینه (2020) و تننت و همکاران (2007). هر یک از این ابعاد با شش گویه متناسب با زمینه محیط کار سنجیده شد، نظیر: «چه مقدار از وقت خود را در محل کار احساس آرامش و بی‌تنشی دارید؟» یا «به‌ندرت خستگی ذهنی یا بار شناختی بیش‌ازحد را در کار تجربه می‌کنم.» سنجش نگرش مثبت و منفی نسبت به GenAI (کولر و هارتیگ، 2024) نیز هر کدام با چهار گویه اندازه‌گیری شدند، مانند: «هوش مصنوعی مولد یکی از مهم‌ترین اختراعات قرن بیست‌ویکم است.» «هوش مصنوعی مولد به گسترش اطلاعات نادرست دامن می‌زند.» مجموعه‌ی کامل مقیاس‌های مورداستفاده در جدول 1 گزارش شده است…

Sample, measures, and data collection To test the hypotheses developed in our conceptual model, we collected data from 158 knowledge workers working in Italy, but we had to delete 29 answers because they were incomplete, leaving us with 129 answers in the final sample. To design the questionnaire, we adopted several multi-item scales previously used in the literature. As shown in Table 1, we used a three-item scale—such as “I spend a lot of time using Generative AI tools”—to measure the use of GenAI (variable GAI) (Al-Emran et al., 2024), while team cohesion (Tekleab et al., 2009) was measured with a five-item scale—such as “The members of this orga nization help each other when working on a task” or “We all take sponsibility for any loss or poor performance of our team.” To measure well-being, we used three constructs to differentiate among emotional well-being (EW) (Frydenberg et al., 2009), social well-being (SW) (adapted for the workplace context from European Social Survey, 2012), and cognitive well-being (CW) (adapted from Smaliukiene and Beke siene (2020)and Tennant et al. (2007)), measuring each of them with 6 items adapted from literature to the workplace context, for example, “How much of the time did you feel relaxed and free of tension while at work?” or “I rarely experience mental fatigue or cognitive overload in my work.” Eventually, for the positive attitude (K¨ohler & Hartig, 2024) and the negative attitude (K¨ohler & Hartig, 2024) toward GenAI, we have used 4 items each, for example, “Generative AI is among the most important inventions of the 21st century” or “Generative AI contributes to the spread of misinformation.” The entire set of scales used in our survey is reported in Table 1…

نتیجه‌گیری

این پژوهش بینش‌های نظری و تجربی در مورد تأثیر GenAI بر رفاه کارکنان، به‌ویژه در ابعاد عاطفی، اجتماعی و شناختی ارائه می‌دهد. یافته‌های ما نشان می‌دهد که نگرش مثبت به GenAI به‌طور معناداری پذیرش آن را افزایش می‌دهد، در حالی که نگرش منفی لزوماً مانع استفاده از آن نمی‌شود. میزان پذیرش GenAI مستقیماً بر رفاه عاطفی و اجتماعی تأثیر می‌گذارد، در حالی که رفاه شناختی به‌طور غیرمستقیم و از طریق اثر میانجی‌گری انسجام تیمی تحت تأثیر قرار می‌گیرد. این نتایج بر روابط پیچیده‌ی بین پذیرش فناوری، پویایی‌های محل کار و رفاه کارکنان تأکید می‌کند…

Conclusion This study provides theoretical and empirical insights into the impact of GenAI on employee well-being, specifically across emotional, social, and cognitive dimensions. Our findings demonstrate that a positive attitude toward GenAI significantly enhances its adoption, whereas a negative attitude does not necessarily prevent its usage. The extent of GenAI adoption directly influences both emotional and social well- being, while cognitive well-being is indirectly influenced by the mediating effect of team cohesion. These results highlight the complex relationships among technology adoption, workplace dynamics, and employee well-being…

فرضیات

H2a: استفاده‌ی کارکنان از GenAI تأثیر مثبتی بر رفاه اجتماعی آنان دارد.
H2b: استفاده‌ی کارکنان از GenAI تأثیر مثبتی بر رفاه عاطفی آنان دارد.
H2c: استفاده‌ی کارکنان از GenAI تأثیر مثبتی بر رفاه شناختی آنان دارد.
H3a: استفاده‌ی کارکنان از GenAI تأثیر مثبتی بر انسجام تیمی دارد.
H3b1: انسجام تیمی رابطه‌ی بین استفاده از GenAI و رفاه اجتماعی را میانجی‌گری می‌کند.
H3b2: انسجام تیمی رابطه‌ی بین استفاده از GenAI و رفاه عاطفی را میانجی‌گری می‌کند.
H3b3: انسجام تیمی رابطه‌ی بین استفاده از GenAI و رفاه شناختی را میانجی‌گری می‌کند.

H1a. A positive attitude toward GenAI positively influences its use by employees.
H1b. A negative attitude toward GenAI negatively influences its use by employees.
H2a. Employees’ use of GenAI positively influences their social well- being.
H2b. Employees’ use of GenAI positively influences their emotional well-being.
H2c. Employees’ use of GenAI positively influences their cognitive well-being.
H3a. Employees’ use of GenAI positively influences team cohesion.
H3b1. Team cohesion mediates the relationship between the use of GenAI and social well-being.
H3b2. Team cohesion mediates the relationship between the use of GenAI and emotional well-being.
H3b3. Team cohesion mediates the relationship between the use of GenAI and cognitive well-being.

جدول 2 آمار توصیفی