مقاله انگلیسی با ترجمه اندازه‌گیری تأثیر رهبری تحول‌آفرین بر روابط متقابل بین هوش مصنوعی، معناداری شغل و قصد ترک شغل: مشاهداتی از بخش فناوری اطلاعات هند

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

عنوان فارسی:

اندازه‌گیری تأثیر رهبری تحول‌آفرین بر روابط متقابل بین هوش مصنوعی، معناداری شغل و قصد ترک شغل: مشاهداتی از بخش فناوری اطلاعات هند

عنوان انگلیسی:

Measuring the influence of transformational leadership on interplay between artificial intelligence, job meaningfulness and turnover intentions: Observations from Indian IT sector

کد محصول: M1963

سال نشر: ۲۰۲۵

نام ناشر (پایگاه داده): الزویر

نام مجله: Journal of Strategy & Innovation

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: دارد

پرسشنامه : ضمیمه نشده

تعداد صفحه انگلیسی: ۱۲   صفحه PDF

تعداد صفحه ترجمه فارسی:   24 صفحه WORD

قیمت فایل ترجمه شده:  99000 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

مطالعه حاضر به بررسی تأثیر هوش مصنوعی (AI) بر معناداری شغل (JM) و قصد ترک شغل (TI) در صنعت فناوری اطلاعات هند می‌پردازد. این مطالعه با بهره‌گیری از نظریه سیستم‌های اجتماعی-فنی، هوش مصنوعی، معناداری شغل، قصد ترک شغل و رهبری تحول‌آفرین را در یک مدل چارچوب مفهومی ادغام می‌کند. این تحقیق، رهبری تحول‌آفرین را به عنوان یک عامل تعدیل‌کننده در رابطه بین هوش مصنوعی، معناداری شغلی و قصد ترک شغل بررسی می‌کند. در این مطالعه، مجموعاً ۴۶۳ نمونه بررسی شد که داده‌ها از طریق پرسشنامه آنلاین با استفاده از نمونه‌گیری در دسترس از میان کارکنان بخش فناوری اطلاعات واقع در منطقه دهلی نو در هند جمع‌آوری شد. یافته‌های این مطالعه نشان می‌دهد که هوش مصنوعی با معناداری شغلی همبستگی مثبت و با قصد ترک شغل همبستگی منفی دارد. این مطالعه نشان داد که رهبری تحول‌آفرین به طور معناداری ارتباط بین هوش مصنوعی، معناداری شغلی و قصد ترک شغل را تعدیل می‌کند. علاوه بر این، با در نظر گرفتن سیاست ملی آموزش و پرورش (NEP) هند، این مطالعه پیامدهایی را نه تنها برای محققان و سازمان‌ها، بلکه برای مؤسسات آموزشی نیز ارائه می‌دهد.

واژه‌های کلیدی: هوش مصنوعی (AI)، معناداری شغلی، قصد ترک شغل، رهبری تحول‌آفرین، نظریه سیستم‌های اجتماعی-فنی

Abstract The present study examines the influence of artificial intelligence (AI) on job meaningfulness (JM) and turnover intention (TI) in the context of Indian IT industry. From the theoretical perspective of socio-technical systems theory, this study incorporates artificial intelligence, job meaningfulness, turnover intentions and transformational leadership into a conceptual framework model. The research examines transformational leadership as a moderator influencing the relationship between artificial intelligence, job meaningfulness and turnover intention. A total of 463 samples were examined for this study for which data collection was done through online questionnaire using convenience sampling distributed among employees of IT sector located in Delhi-NCR, India. Findings of the study reveals that artificial intelligence is positively correlated with job meaningfulness and negatively correlated with turnover intentions. The study revealed transformational leadership significantly moderates the link between artificial intelligence, job meaningfulness and turnover intentions. Additionally, keeping National Education Policy (NEP) of India in mind, this study offers implications not only for researchers, organizations but for educational institutions as well.

Keywords: Artificial intelligence (AI), Job meaningfulness, Turnover intention, Transformational leadership, Socio-technical systems theory

۱.مقدمه

اقتصاد جهانی به لطف انقلاب فناوری، مدرن‌تر و داده‌محورتر شده است (وامبا-تاگیمدجه و همکاران، ۲۰۲۰). همه چیز با اولین انقلاب صنعتی آغاز شد، زمانی که خطوط مونتاژ جایگزین کارگران در کارهای روتین و تکراری شدند (لی و همکاران، ۲۰۱۸). اکنون با ظهور انقلاب صنعتی چهارم، فناوری‌های نوینی مانند هوش مصنوعی در حال تأثیرگذاری بر مدیریت منابع انسانی هستند، به‌طوری‌که گذار از سیستم‌های سخت و انعطاف‌ناپذیر به سمت سیستم‌های مبتنی بر هوش مصنوعی را تسهیل می‌کنند؛ سیستم‌هایی که وظایفی مشابه با آنچه انسان‌ها پیش‌تر انجام می‌دادند را اجرا می‌نمایند (میشرا و سانت، ۲۰۲۱). هوش مصنوعی اصطلاحی گسترده برای استفاده از ماشین‌ها و سایر سیستم‌های هوشمند برای تقلید یا شبیه‌سازی هوش انسان است (برنن و همکاران، ۲۰۱۸)…

۱. Introduction The world economy is more modern and focused on data thanks to the technological revolution (Wamba-Taguimdje et al., 2020). It all began with the first industrial revolution, when assembly lines supplanted workers in menial, repetitive tasks (Lee et al., 2018). Now, with the advent of the fourth industrial revolution, new technologies like artificial intelligence (AI) are influencing human resource management by facilitating the shift from rigid systems to AI-based systems that perform the same tasks that people used to do (Mishra & Sant, 2021). AI is a broad term for using machines and other intelligent systems to mimic or simulate the intellect of humans (Brennen et al., 2018)…

۲.۲. هوش مصنوعی و معناداری شغلی

معناداری شغلی را می‌توان به عنوان اهمیتی که یک فرد به مسئولیت‌های شغلی خود نسبت می‌دهد تعریف کرد (روسو و همکاران، ۲۰۱۰). این تعریف می‌تواند برای هر فرد متفاوت باشد. برای برخی می‌تواند به معنای ایجاد رابطه خوب با همکاران، دستیابی به موفقیت در شغل خود، حفظ چالش‌های جدید و احساس ارزشمند بودن به عنوان بخشی از سازمان باشد (بیلی و همکاران، ۲۰۱۹). از زمان اولین انقلاب صنعتی، پیشرفت فناوری با تعریف مجدد وظایف، مهارت‌ها و احساس بیگانگی آن‌ها از فرآیندهای سازمانی، تأثیر زیادی بر فرصت‌های معناداری شغلی داشته است (والور، ۲۰۱۵). با توجه به پیشرفت قابل توجه هوش مصنوعی، نگرانی‌هایی در مورد مشارکت آن در شغل ایجاد شده است، که نشان می‌دهد ممکن است کارکنان را به نقش‌های خسته‌کننده‌تر و کم‌فایده‌تر تنزل دهد (پارمر، ۲۰۲۴)…

۲.۲. Artificial intelligence and job meaningfulness Job meaningfulness can be defined as the significance an individual attribute to their work responsibilities. (Rosso et al., 2010). This definition can be different for every individual; for some it could mean fostering good relationship with their peers, achieving success in their field job, preserving through new challenges and sense of being a valuable part of the organization (Bailey et al., 2019). Since the first industrial revolution, technology advancement has greatly affected the opportunities for the job meaningfulness, by redefining their tasks, their skills and their feeling of alienation from the organizational processes (Vallor, 2015). Given the significant advancement of artificial intelligence, apprehension regarding its involvement in the job have emerged, suggesting, it may relegate employees to more tedious and less beneficial roles (Parmer, 2024)….

۳.۲. اندازه‌گیری سازه‌ها

تمام مقیاس‌های استفاده شده در این مطالعه برای اندازه‌گیری سازه‌ها از مطالعات قبلی معتبر با استفاده از مقیاس لیکرت ۷ نقطه‌ای اقتباس شده‌اند. پرسشنامه به دو بخش تقسیم شد، بخش اول مربوط به اطلاعات جمعیت‌شناختی مانند جنسیت، سن، تجربه، سابقه تحصیلی و بخش دوم شامل ۱۸ سؤال بود که بر دیدگاه پاسخ‌دهندگان در مورد هوش مصنوعی، رهبری تحول‌آفرین، قصد ترک شغل و معناداری شغلی تمرکز داشت…

۳.۲. Construct measurements All the scales used in this study to measure the constructs are adopted from previous well establish studies on 7 point Likert scale. The questionnaire was divided into two segments, first part related to demographic information such as gender, age, experience, educational background; followed by 18 questions focusing on getting respondents view point on Artificial Intelligence, Transformational Leadership, Turnover Intention and Job Meaningfulness….

۵.۱. تفسیر یافته‌ها

هدف این مطالعه تجزیه و تحلیل تأثیر هوش مصنوعی بر معناداری شغلی و قصد ترک شغل با در نظر گرفتن اثر تعدیل‌کننده رهبری تحول‌آفرین بود. از منظر نظریه سیستم‌های اجتماعی-فنی، یک مدل مفهومی پیشنهاد کردیم که این رابطه را توصیف می‌کند. برای بررسی اعتبار، قابلیت اطمینان و آزمون فرضیه‌ها، از SMART PLS 4 استفاده کردیم و ارزیابی‌های خود را مطابق با آستانه‌ها و روش‌های استاندارد انجام دادیم. نتایج معنادار متعددی از این بررسی‌های دقیق به دست آمده است، که ماهیت پیچیده رابطه بین عوامل مدل ما را برجسته می‌کند….

۵.۱. Interpretations from the findings This study aimed at analysing the influence of artificial intelligence on job meaningfulness and turnover intentions with the moderating effect of transformational leadership. From the socio-technical systems theory perspective we proposed a conceptual model that describes this relationship. For the validity, reliability and hypotheses testing we used SMART PLS 4 and carried out our evaluations aligning with established thresholds and methods. Several significant results have been obtained by this thorough investigations, which highlights the complex nature of relationship between the factors of our model….

۵.۳. محدودیت‌ها و مسیرهای تحقیقاتی آتی

با وجود ارزش افزوده چشمگیری که این مطالعه به ادبیات موجود ارائه می‌دهد، خالی از محدودیت نیست. تعمیم پذیری این تحقیق به دلیل انتخاب مکان و صنعت مورد مطالعه محدود شده و نیازمند بررسی‌های بیشتر در سایر زمینه‌ها است. این مطالعه در منطقه NCR دهلی  نو واقع در منطقه شمالی هند انجام شده است. تحقیقات آتی باید بر انجام پژوهش‌هایی تمرکز کنند که بتوانند تفاوت‌های منطقه‌ای در تأثیر هوش مصنوعی بر نتایج کاری کارکنان را برجسته کرده و یک تحلیل مقایسه‌ای بر اساس تقسیم‌بندی منطقه‌ای ارائه دهند. کشف این موضوع که آیا تفاوت‌هایی در پیاده‌سازی، انتشار و تأثیر هوش مصنوعی بر اساس تفاوت‌های منطقه‌ای وجود دارد یا خیر، می‌تواند بینش‌های ارزشمندی ارائه دهد. این تفاوت‌ها ممکن است به زیرساخت‌های متفاوت یا فرهنگ‌های کاری گوناگون نسبت داده شوند. علاوه بر این، پاسخ‌دهندگان این مطالعه، کارکنان صنعت فناوری اطلاعات بودند که این موضوع نیز از تعمیم‌پذیری آن می‌کاهد. تحقیقات آتی می‌توانند بر پژوهش‌های مشابه در سایر بخش‌ها تمرکز کنند. اگرچه مدل مفهومی این مطالعه، پایه محکمی برای ادبیات موجود فراهم می‌کند، اما تحقیقات آتی می‌توانند از عوامل تعدیل‌کننده‌ای مانند سن، جنسیت و سطح تحصیلات برای جامع‌تر کردن آن استفاده کنند تا بررسی شود که پیاده‌سازی هوش مصنوعی چگونه بر جنسیت‌های مختلف، گروه‌های سنی متفاوت و سطوح تحصیلی گوناگون تأثیر می‌گذارد….

۵.۳. Limitations and future research avenues Regardless of the substantial additions the present study makes to the existing literature, it is not without limitations. The universality of this research is restricted by the choice of location and selection of industry necessitates the further examination in other contexts. The study was conducted in Delhi NCR, located in north region of India. Future research should focus on conducting researchthat could highlight the regional variance in the implementation influence of artificial intelligence on employees work outcomes andmap out a comparative analysis on the basis of the regional division. It will be insightful to discover whether there is are any variationsin the implementation, diffusion, and influence of artificial intelligence based on regional difference which might be attributed to varied infrastructure or work cultures. Furthermore, the respondents of the study were the employees of IT industry, which again reduces its generalization. Future research can focus similar research in other sectors. Although the conceptual model of the study provides a strong foundation for the literature base, future research can take age, gender and education as moderating factors to make it more comprehensive, to see how implementation of artificial intelligence different genders, different age groups and different educational level….

فرضیات

H1. بین هوش مصنوعی و معناداری شغلی رابطه آماری معناداری وجود دارد.
H2. بین هوش مصنوعی و قصد ترک شغل رابطه آماری معناداری وجود دارد.
H3. رهبری تحول‌آفرین رابطه بین هوش مصنوعی و معناداری شغلی را تعدیل می‌کند.
H4. رهبری تحول‌آفرین رابطه بین هوش مصنوعی و قصد ترک شغل را تعدیل می‌کند.

H1. There is statistically significant association between Artificial Intelligence and Job meaningfulness.
H2. There is statistically significant association between Artificial Intelligence and Turnover Intentions.
H3. Transformational Leadership moderates the relationship between Artificial Intelligence and Job Meaningfulness.
H4. Transformational Leadership moderates the relationship between Artificial Intelligence and Turnover Intentions.