الگوی تحلیلی رابطه موانع زبانی با پردازش دانش و هوش مصنوعی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 9

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_STIM-12-2_007

تاریخ نمایه سازی: 21 مهر 1405

چکیده مقاله:

هدف: هدف این پژوهش، ارائه الگویی تحلیلی برای بررسی رابطه بین موانع زبانی (موانع ترجمه، پیچیدگی زبانی، و موانع سازگاری فرهنگی) و پردازش دانش در سازمان، با تاکید بر نقش میانجی گر هوش مصنوعی در مخازن صادراتی پتروشیمی شازند ماهشهر است. این مطالعه با توجه به اهمیت مدیریت دانش و به کارگیری فناوری های نوین هوش مصنوعی در محیط های چندفرهنگی و چندزبانه انجام شده است. روش شناسی: پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی–پیمایشی، و از نوع علی (پس رویدادی) است. جامعه آماری شامل تمام کارکنان مخازن صادراتی پتروشیمی شازند ماهشهر (۷۰ نفر) بوده که به روش سرشماری انتخاب شدند. ابزار گردآوری داده ها سه پرسش نامه استاندارد موانع زبانی شامل سه بعد، ۲۱ گویه، پردازش دانش شامل دو بعد، پنج گویه، و هوش مصنوعی شامل پنج بعد و ۲۲ گویه بود. روایی ابزار از سوی خبرگان و پایایی با آلفای کرونباخ (بیش از ۰.۷) تایید شد. داده ها با استفاده از تحلیل عاملی تاییدی و مدل سازی معادلات ساختاری به روش پی.ال.اس تحلیل شدند. یافته ها: نتایج نشان داد تمامی ابعاد موانع زبانی (موانع ترجمه، پیچیدگی زبانی، موانع سازگاری) بر پردازش دانش در سازمان اثر مثبت و معنادار دارند. همچنین هوش مصنوعی نقش میانجی در این روابط ایفا می کند و قوی ترین اثر میانجی گری مربوط به رابطه موانع ترجمه و پردازش دانش (ضریب مسیر ۰.۹۹۱) بود. این نتایج بیانگر آن است که بخشی از اثر موانع زبانی بر پردازش دانش، از راه هوش مصنوعی منتقل می شود و این فناوری می تواند اثر منفی موانع زبانی را کاهش دهد. نتیجه گیری: یافته ها اهمیت ترجمه دقیق، استفاده از زبان ساده، محتوای سازگار فرهنگی، و به کارگیری هوش مصنوعی را در بهبود پردازش دانش در سازمان تایید می کند. بهره گیری از هوش مصنوعی می تواند مسیر انتقال دانش را در سازمان ها، به ویژه در محیط های تخصصی و چندزبانه، تسهیل کرده و اثرات منفی موانع زبانی را کاهش دهد. بنابراین، مدیران باید افزون بر رفع موانع زبانی، زیرساخت های لازم برای به کارگیری هوش مصنوعی را فراهم کنند و کارکنان را در استفاده از آن آموزش دهند.

نویسندگان

امیر لعلی سرابی

استادیار، گروه مدیریت، دانشگاه پیام نور، تهران، ایران

صابر شکری

گروه مدیریت، دانشگاه پیام نور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • صفری، احرام و ابراهیمی، کریم، (۱۴۰۱)، شناسایی و اولویت بندی ...
  • فرنوداحمدی، مینا، (۱۴۰۲)، چالش های اخلاقی ایجاد شده توسط هوش ...
  • محرابی، نازیلا، خراشادی زاده، سحر، کریمیان، راحله، (۱۴۰۲)، شناسایی مولفه ...
  • یوسفی، بهرام، ثنائی فر، زهرا، ندری، رامین، (۱۴۰۲)، تاثیر استفاده ...
  • Abdulla, A., Jamal, M. I., Shah, R. & Syeda S. ...
  • Pascalau, V.S. , Urziceanu, R.M.(۲۰۲۰). Traditional Marketing Versus Digital Marketing. ...
  • Singh, M., & Gupta, A. & Verma, S. (۲۰۲۴). Knowledge ...
  • Tavallaei, R. (۲۰۲۳). Interaction between humans and artificial intelligence in ...
  • Yashwant, A. W. (۲۰۲۲). The Role of Artificial Intelligence in ...
  • Zaimovic, T. & Sutrovic, A. (۲۰۲۴). Online vs Traditional; Marketing ...
  • نمایش کامل مراجع