مقاله انگلیسی فرآیند تکاملی دانش هوش مصنوعی در تجارت الکترونیک

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی جدید که در مورد هوش مصنوعی هست، منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه الزویر در سال ۲۰۲۴ منتشر شده. فایل انگلیسی شامل ۱۴ 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.

کد محصول: M1569

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): الزویر

نام مجله: Expert Systems With Applications

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: دارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: ۱۴ صفحه PDF

عنوان کامل فارسی:

مقاله انگلیسی ۲۰۲۴: فرآیند تکاملی دانش هوش مصنوعی در تجارت الکترونیک: تجزیه و تحلیل مسیر اصلی و تحلیل نقشه علمی

عنوان کامل انگلیسی:

Knowledge evolutionary process of Artificial intelligence in E-commerce: Main path analysis and science mapping analysis

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:M1569)

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 فارسی

هوش مصنوعی (AI) جدیدترین فناوری طراحی و تعامل است که برای حمایت از سازمان‌ها در زمینه تجارت الکترونیک رقابتی (تجارت الکترونیک) استفاده می‌شود. مطالعات بر روی هوش مصنوعی در تجارت الکترونیکی پراکنده باقی مانده است زیرا مقالات کمی روند تکاملی زیرساخت دانش را بررسی کرده اند. برای رفع این شکاف، ما یک چارچوب مفهومی از دیدگاه هماهنگ سازی منابع ایجاد کردیم و ۲۲۵۲ مقاله را از پایگاه داده Web of Science (WoS) از سال ۱۹۹۸ تا ۲۰۲۲ بررسی کرده تا تحقیقات موجود در زمینه هوش مصنوعی در تجارت الکترونیک را ترکیب کنیم. به طور خاص، ما تجزیه و تحلیل مسیر اصلی را با تجزیه و تحلیل نقشه علمی که نمودار استراتژیک و نقشه تکامل را پوشش می‌دهد، یکپارچه کردیم. در این مقاله از طریق تجزیه و تحلیل کیفی گره‌های بحرانی در مسیرهای اصلی، دریافتیم که دانش، پیرامون سیستم‌های توصیه‌گر (RSها) منتشر می‌شود. این مقاله همچنین ویژگی‌های عملکردی و روابط متقابل چارچوب های بنیادی را در سه دوره زمانی متوالی مورد بررسی قرار داد، و همچنین چهار پیامد اصلی فعال‌شده با هوش مصنوعی (حوزه‌های موضوعی) را شناسایی کرد:
بهینه سازی و پشتیبانی تصمیم، اعتماد و توصیه شخصی، تجزیه و تحلیل احساسات، و تئوری های هوش مصنوعی با فناوری های وابسته. بر اساس این یافته‌ها، چشم‌اندازها و پیامدهای پژوهشی بالقوه پیشنهاد شده‌اند. به طور کلی، این مقاله اطلاعات پیشرفته‌ای را در مورد اینکه چگونه هوش مصنوعی می‌تواند اجرای عملیات تجارت الکترونیک را تسهیل کرده و  به عنوان پله‌ای برای تازه واردان در جامعه علمی عمل کند، ارائه می‌کند.

کلمات کلیدی: تجارت الکترونیک، هوش مصنوعی، تحلیل مسیر اصلی، تحلیل نقشه علمی، هماهنگ سازی منابع

سوالات پژوهش

RQ1. از آنجایی که در توسعه بسیاری از زمینه ها/رشته ها از هوش مصنوعی استفاده می شود، ما از هوش مصنوعی در تجارت الکترونیک چه می دانیم؟ به طور خاص، کدام مجلات، مقالات و نویسندگان نقش کلیدی داشتند؟ نقطه شروع، تمرکز و وضعیت فعلی تحقیق آن چیست؟
RQ2. کدام منابع مرتبط با هوش مصنوعی از شرکت های تجارت الکترونیک در تقویت مزیت های رقابتی حمایت می کنند؟
RQ3. در مقایسه با مطالعات موجود، آیا رویکرد بهتر و عینی تری برای بررسی این حوزه وجود دارد؟

Abstract  

Artificial intelligence (AI) is the latest designing and interacting technology used to support organizations in the competitive electronic commerce (E-commerce) context. The studies on AI in E-commerce remain fragmentary since few papers review the evolutionary process of knowledge infrastructure. To bridge this gap, we constructed a conceptual framework from the resource orchestration perspective, and retrieved 2252 documents from the Web of Science (WoS) database dating from 1998 to 2022 to synthesize the extant research on AI in E-commerce. Specifically, we integrated main path analysis with science mapping analysis covering the strategic diagram and evolution map. Through qualitative analysis of critical nodes in main paths, this article found that knowledge disseminated around recommender systems (RSs). This article also examined the performance traits and interrelationships of significant themes over three consecutive time zones, as well as identified four main AIenabled outcomes (thematic areas): Optimization and decision support, Trust and personalized recommendation, Sentiment analysis, and AI theories with allied technologies. Potential research prospects and implications are proposed based on these findings. Overall, this article provides state-of-the-art information on how AI can facilitate the implementation of E-commerce operations and could serve as a stepping stone to newcomers in the scientific community.

Keywords: Electronic commerce, Artificial intelligence, Main path analysis, Science mapping analysis, Resource orchestration

۱.Introduction

Electronic commerce (E-commerce) refers to a business model permitting governments, businesses, and individuals to engage in activities related to trading over the internet via applying certain technologies to exchange information and manage knowledge facilitating activities within and across value chains, as well as decision-making processes underpinning these tasks (Holsapple & Singh, 2000). Artificial intelligence (AI) is the most representative of such technologies. By accurately analyzing complex and ambiguous external information, making sense of such data, and leveraging those lessons to accomplish business goals (Kaplan & Haenlein, 2019), it has driven the intelligent development of E-commerce companies. Depending on specific application scenarios, AI could be conceived as a system, an algorithm, or a paradigm (Bawack et al., 2022)…

Qًًuestions:

RQ1. As involving the development of many areas/disciplines, what do we know of AI in E-commerce? Specifically, which journals, papers, and authors played a key role? What is the starting point, focus, and current state of its research?
RQ2. Which AI-related resources will support E-commerce companies in cultivating competitive advantages?
RQ3. Compared with existing studies, is there a better and more objective approach to investigating this domain?