مقاله انگلیسی تأثیر دوگانه وابستگی به هوش مصنوعی مولد بر نوآوری خدمات در صنعت مهمان‌نوازی: دیدگاه خودتنظیمی

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

عنوان فارسی:

تأثیر دوگانه وابستگی به هوش مصنوعی مولد بر نوآوری خدمات در صنعت مهمان‌نوازی: دیدگاه خودتنظیمی

عنوان انگلیسی:

The double-edged impact of generative artificial intelligence dependence on service innovation in the hospitality industry: A self-regulation perspective

کد محصول: M2022

سال نشر: 2026

نام ناشر (پایگاه داده): الزویر

نام مجله:International Journal of Hospitality Management

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: دارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 18 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:M2022)

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

 تاکنون، مطالعات انجام شده در مورد رابطه بین وابستگی به هوش مصنوعی مولد (GenAI) و نوآوری خدمات، نتایج متناقضی داشته‌اند. ما با استفاده از نظریه خودتنظیمی، بررسی می‌کنیم که چگونه و چه زمانی وابستگی به هوش مصنوعی مولد، نوآوری خدمات را در صنعت مهمان نوازی تقویت یا تضعیف می‌کند. سه مطالعه برای بررسی نحوه استفاده از هوش مصنوعی مولد در مدیریت مهمان نوازی انجام شد و مدل مفهومی مطالعه بررسی شد: یک نظرسنجی پرسشنامه‌ای تأخیری در سه مقطع زمانی (۳۳۳ نفر)، یک آزمایش شبه‌میدانی (۲۲۷ نفر)، و یک مصاحبه عمیق (۱۱ نفر). نتایج نشان می‌دهد که وابستگی به هوش مصنوعی مولد با کاهش نشخوار فکری هیجانی ، نوآوری خدمات را تقویت می کند و این مسیر غیرمستقیم سودمند از طریق روان‌رنجوری کارکنان تقویت می‌شود. در همین حال، وابستگی به هوش مصنوعی مولد با کاهش تأمل در حل مسئله ، نوآوری خدمات را تضعیف می‌کند و این مسیر غیرمستقیم نامطلوب از طریق وظیفه‌شناسی کارکنان تضعیف می‌گردد. این نتایج در مورد اینکه چه زمانی و چگونه استفاده از هوش مصنوعی مولد، نوآوری خدمات را تقویت یا تضعیف می‌کند، درک ما را از پیامدهای وابستگی به هوش مصنوعی مولد در زمینه مدیریت مهمان نوازی گسترش می‌دهد.

کلیدواژه‌ها: وابستگی به هوش مصنوعی مولد، تأمل در حل مسئله، نشخوار فکری هیجانی، نوآوری خدمات، وظیفه‌شناسی، روان‌رنجوری

Abstract: To date, studies on the relationship between generative artificial intelligence (GenAI) dependence and service innovation have yielded inconsistent results. Drawing on self-regulation theory, we examine how and when GenAI dependence promotes or inhibits service innovation in the hospitality industry. Three studies were conducted to examine how GenAI is used in hospitality management and test the conceptual model: a three-wave questionnaire survey (N = 333), a quasi-field experiment (N = 227), and an in-depth interview (N = 11). The results indicate that GenAI dependence promotes service innovation by decreasing affective rumination, and this beneficial indirect path is amplified by employees’ neuroticism. Meanwhile, GenAI dependence inhibits service innovation by decreasing problem-solving pondering, and this unfavourable indirect path is weakened by employees’ conscientiousness. This exploration of when and how the use of GenAI either promotes or inhibits service innovation broadens our understanding of the consequences of GenAI dependence in the hospitality management field

Keywords: Generative artificial intelligence dependence, Problem-solving pondering, Affective rumination, Service innovation, Conscientiousness, Neuroticism

۱. مقدمه

به نظر می‌رسد استفاده گسترده از فناوری‌های هوش مصنوعی مولد (GenAI) مانند ChatGPT 4.0، SORA، و ERNIE Bot، تغییرات غیرمنتظره‌ای در نحوه تفکر و کار کارکنان در صنعت مهمان نوازی ایجاد می‌کند. استفاده از چنین فناوری‌هایی می‌تواند به سرعت پاسخ‌هایی را برای اکثر سؤالات برنامه‌ریزی شده مرتبط با کار روزانه کاربران ارائه دهد. به عنوان مثال، در زمینه‌های بازاریابی و تعامل با مشتری، هوش مصنوعی مولد می‌تواند داده‌های مهمانان را تحلیل کند تا کمپین‌های بازاریابی هدفمند و پیشنهادات شخصی‌سازی شده ایجاد کند، و در نتیجه تعامل و وفاداری مشتری را افزایش دهد. در بخش پذیرش و رزرو، چت‌بات‌ها و دستیاران مجازی مبتنی بر هوش مصنوعی می‌توانند به سؤالات مهمانان، رزروها و ورود مهمانان به صورت شبانه‌روزی رسیدگی کنند، که در نتیجه کارایی را بهبود بخشیده و زمان انتظار را کاهش می‌دهند. مطالعات تاکنون شواهدی را در حمایت از این ادعا ارائه کرده‌اند که تعامل با هوش مصنوعی مولد در کار روزمره می‌تواند هم رفتار خدماتی پیشگیرانه و هم عملکرد شغلی کارکنان را بهبود بخشد (لیو و همکاران، ۲۰۲۴؛ سینگ، چاترجی و ماریانی، ۲۰۲۴). از طریق آموزش سیستماتیک تعامل انسان و هوش مصنوعی، کارکنان می‌توانند در حل سؤالات برنامه‌ریزی شده با کمک هوش مصنوعی مولد ماهر شوند (تانگ و همکاران، 2023). با این حال، تحقیقات تا به امروز در مورد این سؤال که چگونه از هوش مصنوعی مولد برای حل مؤثر مسائل حل‌نشده قبلی، مانند چگونگی تسهیل بهینه نوآوری خدمات، استفاده کنیم، به یک اجماع واحد و منسجم دست نیافته اند…

1. Introduction The widespread use of generative artificial intelligence (GenAI) technologies, such as ChatGPT 4.0, SORA, and ERNIE Bot, appears to be producing unexpected changes in the ways employees think and work in the hospitality industry. The use of such GenAI technologies can quickly provide users with answers to most of the programmed questions relevant to their daily work. For example, in the fields of marketing and customer engagement, GenAI can analyse guest data to create targeted marketing campaigns and personalized offers, thereby increasing customer engagement and loyalty. In the front office and the reservations department, AI-powered chatbots and virtual assistants can handle guest inquiries, bookings, and check-ins on a 24/7 basis, thereby improving efficiency and reducing wait times. Studies to date have provided evidence supporting the claim that interaction with GenAI in daily work can enhance both the proactive service behaviour and the work performance of employees (Liu et al., 2024; Singh, Chatterjee and Mariani, 2024). Through systematic AI-human interaction training, employees can become skilled at solving programmed questions with GenAI (Tang et al., 2023). However, research to date on the question of how to use GenAI to effectively solve previously unprogrammed problems, such as how best to facilitate service innovation, has not reached a consistent consensus…

۷. بحث در مورد مطالعه ۳

مطالعه ۳ شواهد عملی برای مدل مفهومی ارائه داد. نتایج نشان داد که نشخوار فکری نقش حیاتی در توضیح تأثیرات وابستگی به هوش مصنوعی مولد و نوآوری خدمات ایفا می‌کند. از یک سو، وابستگی به هوش مصنوعی مولد به کاربران کمک می‌کند تا جریان کاری خود را طراحی کرده و پیشرفت اهداف کاری را تقویت کنند، در نتیجه نشخوار فکری هیجانی را کاهش داده و نوآوری خدمات را تقویت می‌کند. از سوی دیگر، استفاده گسترده از هوش مصنوعی مولد در محل کار می‌تواند منجر به اتکای بیش از حد و کاهش تعامل شناختی در نوآوری خدمات شود. علاوه بر این، مطالعه ۳ نشان داد که ، صفات شخصیتی باید هنگام بحث در مورد تأثیرات هوش مصنوعی مولد در شیوه‌های مدیریت مهمان نوازی در نظر گرفته شوند. نتایج مطالعه ۳ مکمل نتایج مطالعه ۱ و مطالعه ۲ هستند و مسیرهایی را برای تحقیقات آینده مشخص می‌کنند…

7.Discussion of study 3 Study 3 provided practical evidence for the conceptual model. Rumination is inferred to play a vital role in explaining the impacts of GenAI dependence and service innovation. On the one hand, GenAI dependence helps users to craft their workflow and promotes work-goal progress, thereby decreasing affective rumination and promoting ser vice innovation. On the other hand, widespread use of GenAI at work can also lead to overreliance and decrease cognitive engagement in service innovation. Moreover, Study 3 also demonstrated that in pitality management practices, personality traits should be taken into consideration when discussing the impacts of GenAI. The results of Study 3 complement those of Study 1 and Study 2 and point to directions for future research…

۷.۴. محدودیت‌ها و مسیرهای تحقیقاتی آینده

این تحقیق دارای چندین محدودیت است که مسیرهای احتمالی را برای تحقیقات آینده فراهم می‌کند. اول، ما تأثیرات وابستگی به هوش مصنوعی مولد بر نوآوری خدمات را از طریق یک نظرسنجی پرسشنامه‌ای تأخیری در سه مقطع زمانی، یک آزمایش شبه‌میدانی، و یک مطالعه کیفی شناسایی کردیم. با این حال، ما نمی‌توانیم امکان وجود یک رابطه علّی معکوس بین متغیرهای اصلی خود را انکار کنیم (کوهن و فراری، ۲۰۱۰). مطالعات آینده می‌توانند یک طرح تحقیقاتی طولی ، مانند مدل امتیاز تغییر پنهان و طرح پانل متقاطع ، را برای آزمون بیشتر جهت‌گیری علّی رابطه بین وابستگی به هوش مصنوعی مولد و نوآوری خدمات اتخاذ کنند. علاوه بر این، نقش‌های میانجی تأمل در حل مسئله و نشخوار فکری هیجانی در رابطه بین وابستگی به هوش مصنوعی مولد و نوآوری خدمات نیز مسیری امیدوارکننده برای کاوش با استفاده از یک طرح تحقیقاتی طولی است (ماتوسیک و همکاران، 2020؛ تیاگی، 2016). این مسیر میانجی متمایز را می‌توان از طریق مدل‌سازی معادلات ساختاری پویا  برای تعیین روابط علّی بین متغیرها تأیید کرد (بردهورست و همکاران، ۲۰۲۳)…

7.4. Limitations and future research directions This research has several limitations that provide possible directions for future research. First, we identified the effects of GenAI dependence on service innovation through a three-timepoint lagged questionnaire survey, a quasi-field experiment, and a qualitative study. However, we cannot deny the possibility of an inverse causal relationship between our focal variables (Cohen and Ferrari, 2010). Future studies could adopt a longitudinal research design, such as a latent change score model and cross-lagged panel design, to further test the causal directionality of the relationship linking GenAI dependence to service innovation. Moreover, the mediating roles of problem-solving pondering and affective rumination in the relationship between GenAI dependence and service innovation is also a promising avenue to explore using a longitudinal research design (Matusik et al., 2020; Tyagi, 2016). This differentiated mediation path could be verified through dynamic structural equation modelling to determine the causal relationships among variables (Bredehorst et al., 2023).

فرضیات

H1: وابستگی به هوش مصنوعی مولد تأثیر مثبتی بر نوآوری خدمات دارد.
H2a: وابستگی به هوش مصنوعی مولد تأثیر منفی بر نشخوار فکری هیجانی دارد.
H2b: نشخوار فکری هیجانی تأثیر منفی بر نوآوری خدمات دارد.
H3: نشخوار فکری هیجانی در تأثیر وابستگی به هوش مصنوعی مولد بر نوآوری خدمات نقش میانجی دارد.
H4a: وابستگی به هوش مصنوعی مولد تأثیر منفی بر تأمل در حل مسئله دارد.
H4b: تأمل در حل مسئله تأثیر مثبتی بر نوآوری خدمات دارد.
H5: تأمل در حل مسئله در تأثیر وابستگی به هوش مصنوعی مولد بر نوآوری خدمات نقش میانجی دارد.
H6: روان‌رنجوری، تأثیر وابستگی به هوش مصنوعی مولد بر نشخوار فکری هیجانی را تعدیل می‌کند، به طوری که این تأثیر برای کارکنانی که سطوح بالاتری از روان‌رنجوری دارند، در مقایسه با کسانی که سطوح پایین‌تری دارند، قوی‌تر است.
H7: روان‌رنجوری، تأثیر غیرمستقیم وابستگی به هوش مصنوعی مولد بر نوآوری خدمات را از طریق نشخوار فکری هیجانی تعدیل می‌کند، به طوری که این تأثیر غیرمستقیم برای کارکنانی که سطوح بالاتری از روان‌رنجوری دارند، در مقایسه با کسانی که سطوح پایین‌تری دارند، قوی‌تر است.
H8: وظیفه‌شناسی، تأثیر وابستگی به هوش مصنوعی مولد بر تأمل در حل مسئله را تعدیل می‌کند، به طوری که این تأثیر برای کارکنانی که سطوح پایین‌تری از وظیفه‌شناسی دارند، در مقایسه با کسانی که سطوح بالاتری دارند، قوی‌تر است.
H9: وظیفه‌شناسی، تأثیر غیرمستقیم وابستگی به هوش مصنوعی مولد بر نوآوری خدمات را از طریق تأمل در حل مسئله تعدیل می‌کند، به طوری که این تأثیر غیرمستقیم برای کارکنانی که سطوح پایین‌تری از وظیفه‌شناسی دارند، در مقایسه با کسانی که سطوح بالاتری دارند، قوی‌تر است.

H1. : GenAI dependence has a positive impact on service innovation.
H2a. GenAI dependence has a negative impact on affective rumination.
H2b. Affective rumination has a negative impact on service innovation
H3. : Affective rumination mediates the impact of GenAI dependence on service innovation.
H4a. GenAI dependence has a negative impact on problem-solving pondering.
H4b. Problem-solving pondering has a positive impact on service innovation.
H5: Problem-solving pondering mediates the impact of GenAI dependence on service innovation.
H6. : Neuroticism moderates the impact of GenAI dependence on affective rumination, such that the impact is stronger for employees with higher levels of neuroticism compared to those with lower levels.
H7. : Neuroticism moderates the indirect impact of GenAI dependence on service innovation through affective rumination, such that the indirect impact is stronger for employees with higher levels of neuroticism compared to those with lower levels.
H8. : Conscientiousness moderates the impact of GenAI dependence on problem-solving pondering, such that the impact is stronger for employees with lower levels of conscientiousness compared to those with higher levels.
H9. : Conscientiousness moderates the indirect effect of the dependence on GenAI on service innovation through problem-solving pondering, such that the indirect impact is stronger for employees with lower levels of conscientious ness compared to those with higher levels.