DOI: https://doi.org/10.1109/tem.2025.3648578
تاريخ النشر: 2026-01-01
المؤلف: Muhammad Usman وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي وتقنيات الموارد البشرية
نظرة عامة
يتناول القسم المعنون “نظرة عامة” التفاعل بين تحليلات البيانات الضخمة وتطوير الكفاءات الأساسية الخضراء داخل المنظمات. ويؤكد على أهمية تعزيز ثقافة اتخاذ القرارات المستندة إلى البيانات، والتي تعتبر ضرورية للاستفادة من البيانات الضخمة بشكل فعال. يجادل المؤلفون بأن مثل هذه الثقافة لا تعزز فقط أداء المنظمة ولكن أيضًا تدعم دمج الممارسات المستدامة.
بالإضافة إلى ذلك، يتم تسليط الضوء على دور ضمير القائد كعامل حاسم في تعزيز هذه الثقافة المستندة إلى البيانات. القادة الذين يظهرون مستويات عالية من الضمير هم أكثر احتمالًا لتقديم أولوية لتحليلات البيانات في عمليات اتخاذ القرار الخاصة بهم، مما يسهل اعتماد الكفاءات الخضراء. تشير النتائج إلى أن المنظمات التي تهدف إلى تعزيز جهودها في الاستدامة يجب أن تركز على تنمية كل من ثقافة قوية مستندة إلى البيانات وقيادة ضميرية لتعظيم فوائد تحليلات البيانات الضخمة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المتزايدة لاستدامة الأعمال وإدارة البيئة، وخاصة من خلال عدسة التقنيات الناشئة مثل تحليلات البيانات الضخمة المستندة إلى الذكاء الاصطناعي (AI-BDA). يجادل المؤلفون بأن AI-BDA تعمل كقدرة تحويلية تدمج تقنيات الذكاء الاصطناعي مع عمليات البيانات الضخمة، مما يمكّن المنظمات من استخلاص رؤى قيمة من مجموعات البيانات المعقدة. أظهرت الدراسات السابقة أن AI-BDA تعزز الأداء السوقي، وأداء سلسلة التوريد الخضراء، والأداء البيئي العام، ومع ذلك لا يزال هناك فجوة في فهم دورها في تطوير الكفاءات الأساسية الخضراء.
لمعالجة هذه الفجوة، تقترح الدراسة إطارًا مستندًا إلى نظرية معالجة المعلومات التنظيمية (OIPT)، مقترحة أن AI-BDA يمكن أن تحسن الكفاءات الأساسية الخضراء بشكل مباشر وغير مباشر، مع ثقافة اتخاذ قرارات مستندة إلى البيانات الخضراء (GDDC) تعمل كوسيط. يتم تعريف GDDC على أنها ثقافة تنظيمية تعطي الأولوية لجمع وتحليل البيانات ذات الصلة بالبيئة في عمليات اتخاذ القرار. كما يقدم المؤلفون مفهوم ضمير القائد كعامل معتدل محتمل، مشيرين إلى أن القادة ذوي الضمير العالي قد يكونون أكثر فعالية في الاستفادة من AI-BDA لتعزيز GDDC وتعزيز الكفاءات الأساسية الخضراء. تهدف هذه الدراسة إلى المساهمة في الأدبيات المتعلقة بالاستدامة، والتقنيات الرقمية، والقيادة من خلال توضيح الآليات التي يمكن من خلالها أن تدعم AI-BDA المبادرات البيئية المستدامة.
الطرق
يستعرض قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. يوضح تصميم التجربة، بما في ذلك معايير اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. استخدمت الدراسة مقاييس نوعية وكمية، مما يضمن تحليلًا شاملاً للبيانات.
تم اشتقاق النتائج الرئيسية من خلال التحليلات الإحصائية، والتي شملت نماذج الانحدار واختبار الفرضيات، لتحديد أهمية النتائج. كما تؤكد المنهجية على أهمية القابلية للتكرار والشفافية، مما يوفر إطارًا واضحًا للبحوث المستقبلية في هذا المجال. بشكل عام، يدعم صرامة الأساليب المستخدمة صحة النتائج وتأثيراتها على الدراسات المستقبلية.
النتائج
أسفرت التحليلات الموضوعية لـ 12 مقابلة شبه منظمة عن نتائج نوعية هامة تدعم النموذج الكمي فيما يتعلق باستخدام تحليلات البيانات الضخمة المستندة إلى الذكاء الاصطناعي (AI-BDA) في اتخاذ القرارات البيئية. أفاد المشاركون بتطبيقات عملية لـ AI-BDA، مثل المراقبة في الوقت الحقيقي للطاقة والمياه والانبعاثات. على سبيل المثال، أشار مدير مصنع النسيج إلى انخفاض بنسبة 22% في استهلاك المياه وانخفاض بنسبة 18% في المواد الكيميائية المستخدمة في الصباغة بسبب التعديلات المدفوعة بالذكاء الاصطناعي في عمليات الصباغة، مما يوضح الفوائد الملموسة لـ AI-BDA في تعزيز الاستدامة دون المساس بالجودة.
تتمثل إحدى الرؤى الحاسمة من المقابلات في دور ثقافة البيانات المستندة إلى البيئة (GDDC) كعامل مساعد في تنفيذ AI-BDA بشكل فعال، حيث أشار عشرة من المستجيبين إلى أن نتائج أدوات الذكاء الاصطناعي المتطابقة تختلف بشكل كبير بناءً على قبول الثقافة داخل المنظمات. برزت أهمية ضمير القائد كشرط حدودي بارز، حيث أشار 11 من أصل 12 من المستجيبين إلى تأثير القادة ذوي التفاصيل الدقيقة في تعزيز نهج مستند إلى البيانات نحو الاستدامة. كما تم الإشارة إلى حواجز مثل مقاومة الإدارة الوسطى ونقص المواهب، مما يبرز الحاجة إلى دمج طويل الأمد لـ AI-BDA مع البيانات التاريخية الملكية لتنمية كفاءات خضراء فريدة. بشكل عام، توفر هذه النتائج تحققًا قويًا من العالم الحقيقي للنموذج المقترح للوساطة المعتدلة.
المناقشة
تؤكد قسم المناقشة في الورقة البحثية على أهمية نظرية معالجة المعلومات التنظيمية (OIPT) في فهم كيفية تنقل المنظمات عبر عدم اليقين البيئي من خلال تعزيز قدرات معالجة المعلومات. تفترض الدراسة أنه في البيئات الديناميكية والمعقدة، يعتمد اتخاذ القرار الفعال على القدرة على جمع وتحليل واستخدام المعلومات، خاصة في سياق اعتماد تحليلات البيانات الضخمة المستندة إلى الذكاء الاصطناعي (AI-BDA) لتعزيز الكفاءات الأساسية الخضراء. على عكس النظريات التقليدية مثل نظرية الموارد أو نظرية التعلم التنظيمي، تتناول OIPT مباشرة الحاجة إلى أن تدير المنظمات عدم اليقين وتستفيد من المعلومات كموارد حاسمة للتنافسية.
تكشف النتائج عن علاقة إيجابية كبيرة بين AI-BDA والكفاءات الأساسية الخضراء، حيث تعمل ثقافة اتخاذ القرارات المستندة إلى البيانات الخضراء (GDDC) كعامل وساطة. تشير النتائج إلى أن المنظمات التي تنمي GDDC تكون في وضع أفضل للاستفادة من الرؤى المستخلصة من AI-BDA لتعزيز قدراتها في إدارة البيئة. علاوة على ذلك، تم تحديد ضمير القائد كعامل معتدل يعزز العلاقة بين AI-BDA وGDDC، مما يشير إلى أن القادة الذين يركزون على الأهداف ويتحملون المسؤولية يمكنهم دفع دمج رؤى البيانات في الممارسات المستدامة بشكل فعال. بشكل عام، تؤكد الدراسة على أهمية كل من القدرات التكنولوجية وثقافة تنظيمية تمكينية في تطوير مزايا تنافسية من خلال الكفاءات الخضراء.
القيود
تعترف الدراسة بعدة قيود قد تؤثر على تفسير نتائجها. من الجدير بالذكر أنه على الرغم من أن طريقة جمع البيانات على ثلاث مراحل هي قوة كبيرة تقلل من تحيز الطريقة الشائعة، فإن التصميم العرضي يقيد بطبيعته القدرة على استخلاص استنتاجات سببية. تشير هذه القيود إلى أنه بينما يمكن تحديد العلاقات، تظل الاتجاهات والآليات الأساسية غير مؤكدة.
بالإضافة إلى ذلك، قد لا تأخذ التحليلات التكميلية التي تم إجراؤها في الاعتبار جميع المتغيرات المربكة المحتملة، والتي قد تؤثر على النتائج. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار التصاميم الطولية لتأسيس العلاقات السببية بشكل أفضل واستكشاف تأثير المتغيرات الإضافية التي قد لا تكون قد تم التقاطها في هذه الدراسة.
DOI: https://doi.org/10.1109/tem.2025.3648578
Publication Date: 2026-01-01
Author(s): Muhammad Usman et al.
Primary Topic: AI and HR Technologies
Overview
The section titled “Overview” discusses the interplay between big data analytics and the development of green core competencies within organizations. It emphasizes the significance of fostering a data-driven decision-making culture, which is essential for leveraging big data effectively. The authors argue that such a culture not only enhances organizational performance but also supports the integration of sustainable practices.
Additionally, the role of leader conscientiousness is highlighted as a critical factor in promoting this data-driven culture. Leaders who exhibit high levels of conscientiousness are more likely to prioritize data analytics in their decision-making processes, thereby facilitating the adoption of green competencies. The findings suggest that organizations aiming to enhance their sustainability efforts should focus on cultivating both a robust data-driven culture and conscientious leadership to maximize the benefits of big data analytics.
Introduction
The introduction of this research paper highlights the increasing importance of business sustainability and environmental management, particularly through the lens of emerging technologies like artificial intelligence-based big data analytics (AI-BDA). The authors argue that AI-BDA serves as a transformative capability that integrates AI techniques with big data processes, enabling organizations to derive valuable insights from complex datasets. Previous studies have indicated that AI-BDA enhances market performance, green supply chain performance, and overall environmental performance, yet there remains a gap in understanding its role in developing green core competencies.
To address this gap, the study proposes a framework grounded in organizational information processing theory (OIPT), suggesting that AI-BDA can improve green core competencies directly and indirectly, with a green data-driven decision-making culture (GDDC) acting as a mediator. GDDC is defined as an organizational culture that prioritizes the collection and analysis of environmentally relevant data in decision-making processes. The authors also introduce the concept of leader conscientiousness as a potential moderating factor, positing that leaders with high conscientiousness may be more effective in leveraging AI-BDA to foster GDDC and enhance green core competencies. This research aims to contribute to the literature on sustainability, digital technologies, and leadership by elucidating the mechanisms through which AI-BDA can support environmentally sustainable initiatives.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection criteria for participants, the data collection techniques, and the analytical methods utilized to interpret the results. The study employed both qualitative and quantitative measures, ensuring a comprehensive analysis of the data.
Key findings were derived through statistical analyses, which included regression models and hypothesis testing, to ascertain the significance of the results. The methodology also emphasizes the importance of replicability and transparency, providing a clear framework for future research in the field. Overall, the rigor of the methods employed supports the validity of the findings and their implications for further studies.
Results
The thematic analysis of 12 semi-structured interviews yielded significant qualitative findings that corroborate the quantitative model regarding the use of AI-based big data analytics (AI-BDA) in environmental decision-making. Interviewees reported practical applications of AI-BDA, such as real-time monitoring of energy, water, and emissions. For instance, a textile plant manager noted a 22% reduction in water consumption and an 18% decrease in dye chemicals due to AI-driven adjustments in dyeing processes, illustrating the tangible benefits of AI-BDA in enhancing sustainability without compromising quality.
A critical insight from the interviews is the role of green data-driven culture (GDDC) as a facilitator of effective AI-BDA implementation, with ten respondents indicating that the outcomes of identical AI tools varied significantly based on cultural acceptance within organizations. The importance of leader conscientiousness emerged as a prominent boundary condition, with 11 out of 12 interviewees highlighting the influence of detail-oriented leaders on fostering a data-driven approach to sustainability. Barriers such as middle-management resistance and talent shortages were also noted, emphasizing the need for long-term integration of AI-BDA with proprietary historical data to cultivate unique green competencies. Overall, these findings provide robust, real-world validation of the proposed mediated moderation model.
Discussion
The discussion section of the research paper emphasizes the significance of Organizational Information Processing Theory (OIPT) in understanding how organizations navigate environmental uncertainties through enhanced information processing capabilities. The study posits that in dynamic and complex environments, effective decision-making hinges on the ability to gather, analyze, and utilize information, particularly in the context of adopting AI-based big data analytics (AI-BDA) to foster green core competencies. Unlike traditional theories such as the resource-based view or organizational learning theory, OIPT directly addresses the need for organizations to manage uncertainties and leverage information as a critical resource for competitiveness.
The findings reveal a significant positive relationship between AI-BDA and green core competencies, with green data-driven decision-making culture (GDDC) serving as a mediating factor. The results indicate that organizations that cultivate a GDDC are better positioned to utilize insights from AI-BDA to enhance their environmental management capabilities. Furthermore, leader conscientiousness is identified as a moderator that strengthens the relationship between AI-BDA and GDDC, suggesting that leaders who are goal-oriented and responsible can effectively drive the integration of data insights into sustainable practices. Overall, the study underscores the importance of both technological capabilities and an enabling organizational culture in developing competitive advantages through green competencies.
Limitations
The study acknowledges several limitations that may impact the interpretation of its findings. Notably, although the three-wave data collection method is a significant strength that mitigates common method bias, the cross-sectional design inherently restricts the ability to draw causal conclusions. This limitation suggests that while associations can be identified, the directionality and underlying mechanisms remain uncertain.
Additionally, the supplementary analyses conducted may not fully account for all potential confounding variables, which could influence the results. Future research should consider longitudinal designs to better establish causal relationships and explore the effects of additional variables that may not have been captured in this study.