DOI: https://doi.org/10.1057/s41599-026-08454-8
تاريخ النشر: 2026-07-23
المؤلف: Wenhui Zhang وآخرون
الموضوع الرئيسي: الدافع والصورة الذاتية في الرياضة
نظرة عامة
تستكشف هذه الدراسة التأثير المزدوج للذكاء الاصطناعي (AI) على أداء مهام الموظفين، في إطار نظرية تحديد الذات. تحدد مسارين: مسار تسهيل حيث يعزز الذكاء الاصطناعي الأداء من خلال الدافع الذاتي وصياغة الوظائف الموجهة نحو الترويج، ومسار مثبط حيث يقلل الذكاء الاصطناعي من الأداء عبر الدافع المسيطر وصياغة الوظائف الموجهة نحو الوقاية. كما تفحص البحث الدور الوسيط للتقييمات الذاتية الأساسية (CSE)، حيث وجدت أن CSE يعزز التأثيرات الإيجابية للذكاء الاصطناعي بينما يخفف من تأثيراته السلبية.
منهجياً، استخدمت الدراسة تصميم حقل متعدد المصادر على ثلاث موجات شملت 409 زوج من الموظفين والمشرفين من صناعات كثيفة الذكاء الاصطناعي في الصين. تم جمع البيانات من خلال استبيانات متطابقة، وتم قياس المفاهيم الرئيسية باستخدام مقاييس موثوقة. تم اختبار الفرضيات باستخدام الانحدار الهرمي، وتقنيات البوتستراب، وتحليلات الوساطة المعدلة باستخدام SPSS وMplus.
تساهم النتائج في فهم تأثير “السيف ذو الحدين” للذكاء الاصطناعي من خلال توضيح المسارات السلوكية التحفيزية المعنية وتسليط الضوء على أهمية CSE كشرط حدودي. تعزز هذه البحث نظرية تحديد الذات في سياق التحول الرقمي وتوفر رؤى عملية لتطوير استراتيجيات دمج الذكاء الاصطناعي الشاملة والشخصية في المنظمات.
مقدمة
تناقش مقدمة ورقة البحث التأثير التحويلي للذكاء الاصطناعي (AI) على العمليات التنظيمية وتجارب الموظفين، مما يبرز استفساراً حاسماً حول كيفية تأثير استخدام الذكاء الاصطناعي على أداء الموظفين. يُعرّف أداء المهام بأنه الفعالية في تنفيذ المسؤوليات الأساسية، وهو أمر مركزي لنجاح المنظمة. ومع ذلك، لا تزال الآليات التي يؤثر بها الذكاء الاصطناعي على هذا الأداء غير مفهومة بشكل كافٍ. بينما يمكن أن يعزز الذكاء الاصطناعي أداء المهام من خلال تخفيف الأعباء وتمكين الموظفين، قد يقدم أيضاً تحديات مثل غموض الدور والقلق بشأن أمان الوظيفة، مما يؤدي إلى نتائج مختلطة. تقدم الأدبيات الحالية نتائج متناقضة، حيث تشير بعض الدراسات إلى أن الذكاء الاصطناعي يعزز الاستجابات النفسية الإيجابية والانخراط، بينما تشير دراسات أخرى إلى أنه يمكن أن يثير مشاعر سلبية تعيق الأداء.
تقترح الورقة إطار عمل مزدوج المسار قائم على نظرية تحديد الذات (SDT) لتوضيح التأثيرات المتناقضة للذكاء الاصطناعي على أداء المهام. تفترض أن استخدام الذكاء الاصطناعي يمكن أن ينشط إما الدافع الذاتي أو الدافع المسيطر، مما يؤثر بدوره على سلوكيات صياغة الوظائف—الموجهة نحو الترويج أو الموجهة نحو الوقاية—مؤثراً على نتائج الأداء. تم تحديد التقييمات الذاتية الأساسية (CSE) كعامل وسطي، حيث يدرك الأفراد ذوو CSE العالي الذكاء الاصطناعي كفرصة للنمو، مما يعزز الدافع الذاتي، بينما قد يرى الأفراد ذوو CSE المنخفض ذلك كتهديد، مما يؤدي إلى دافع مسيطر. تهدف هذه الدراسة إلى دمج التأثيرات الإيجابية والسلبية للذكاء الاصطناعي ضمن إطار موحد، مقدمة رؤى حول العمليات التحفيزية والفروق الفردية التي تشكل أداء الموظف في سياق تنفيذ الذكاء الاصطناعي.
الطرق
تستكشف منهجية هذه الدراسة التطبيقات التنظيمية للذكاء الاصطناعي (AI)، مع التركيز على تقنيات مثل التعرف على الوجه والصوت، والدردشة الآلية، وخوارزميات التوصية الذكية. لضمان فهم المشاركين لاستخدام الذكاء الاصطناعي، تم تقديم الاستبيان بتعريفات وأمثلة محددة للصناعة. تم اختيار المشاركين من تجمعات تطوير الذكاء الاصطناعي الرئيسية في الصين، والتي تضم موظفين ومديرين من مختلف القطاعات، بما في ذلك تكنولوجيا المعلومات، والمالية، والتصنيع الذكي، والرعاية الصحية، والتعليم. تم استخدام تصميم استبيان مزدوج بين القائد والموظف، مع استخدام تقنيات أخذ العينات المريحة والثلجية. شملت طرق جمع البيانات كلاً من الطرق غير المتصلة والاتصال بالإنترنت، حيث أكمل الموظفون ومشرفوهم الاستبيانات، المرتبطة عبر أرقام الهواتف المحمولة. تم تقديم حوافز لتعزيز معدلات الاستجابة، وتم تنفيذ تصميم متعدد الموجات ومتعدد المصادر للتخفيف من تحيز الطريقة الشائعة، وجمع البيانات على مدى ثلاث نقاط زمنية من يوليو إلى نوفمبر 2024.
وزعت الدراسة ما مجموعه 563 استبياناً، محققة معدلات استجابة عالية بلغت 81.8% للموظفين و84.1% للمشرفين. من بين 409 استجابة صالحة من الموظفين، كان توزيع الجنس متوازناً نسبياً، مع وجود أغلبية تتراوح أعمارهم بين 26-35 ولديهم خبرة عمل كبيرة (82.88% أفادوا بأن لديهم من 3 إلى 10 سنوات). كانت العينة متنوعة عبر الصناعات، مما يضمن تمثيلاً واسعاً. تم قياس المفاهيم باستخدام مقاييس موثوقة، حيث تم تقييم العناصر على مقياس ليكرت من خمس نقاط. على سبيل المثال، كان لدى صياغة الوظائف الموجهة نحو الوقاية ألفا كرونباخ قدره 0.964، بينما كان أداء المهام، الذي تم تقييمه باستخدام مقياس من أربعة عناصر، لديه ألفا كرونباخ قدره 0.868، مما يدل على موثوقية عالية في أدوات القياس المستخدمة.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مسلطاً الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى أن الفرضية الرئيسية كانت مدعومة، حيث كشفت التحليلات الإحصائية عن علاقة قوية بين المتغيرات قيد التحقيق. على وجه التحديد، تظهر النتائج أن التدخل أدى إلى تحسين قابل للقياس في النتائج المستهدفة، تم قياسها بواسطة مقاييس مثل حجم التأثير وقيم p.
بالإضافة إلى ذلك، يوفر القسم تمثيلات بصرية للبيانات، بما في ذلك الرسوم البيانية والجداول، التي توضح الاتجاهات والأنماط التي لوحظت طوال الدراسة. تساهم هذه النتائج في المعرفة الحالية من خلال تأكيد الأبحاث السابقة بينما تقدم أيضاً رؤى جديدة حول الآليات المعنية. بشكل عام، تؤكد النتائج فعالية النهج المقترح وتقترح طرقاً للبحث المستقبلي لاستكشاف تداعيات هذه النتائج بشكل أعمق.
المناقشة
توضح قسم المناقشة في ورقة البحث التأثيرات المزدوجة لاستخدام الذكاء الاصطناعي على أداء مهام الموظفين، في إطار نظرية تحديد الذات. تفترض أن الذكاء الاصطناعي يمكن أن يعزز أو يعيق الأداء اعتماداً على العمليات التحفيزية التي ينشطها. بشكل محدد، يعزز استخدام الذكاء الاصطناعي الدافع الذاتي، مما يؤدي إلى صياغة وظائف موجهة نحو الترويج، والتي تؤثر بشكل إيجابي على أداء المهام. على العكس، يمكن أن يؤدي أيضاً إلى تفعيل الدافع المسيطر، مما ينتج عنه صياغة وظائف موجهة نحو الوقاية تؤثر سلباً على الأداء. تسلط الدراسة الضوء على أن التقييمات الذاتية الأساسية (CSE) تعد وسيلة مهمة لتعديل هذه العلاقات؛ حيث من المرجح أن يستفيد الموظفون ذوو CSE العالي من الذكاء الاصطناعي للنمو، بينما قد يرى أولئك ذوو CSE المنخفض الذكاء الاصطناعي كتهديد، مما يؤدي إلى سلوكيات تجنب.
تشمل المساهمات النظرية تقديم نموذج مزدوج المسار الذي يوفق بين الآثار الإيجابية والسلبية لاستخدام الذكاء الاصطناعي، موسعاً الفهم لكيفية تأثير الدافع والسلوك على هذه العلاقة. يعالج هذا النموذج الفجوات البحثية السابقة من خلال دمج كلا المسارين التحفيزيين والتأكيد على دور الفروق الفردية، وخاصة CSE، في تشكيل الاستجابات للذكاء الاصطناعي. تشير الآثار العملية إلى أنه ينبغي على المنظمات تعزيز بيئة تشجع الدافع الذاتي وسلوكيات صياغة الوظائف الداعمة، مع تخصيص استراتيجيات الإدارة لمستويات CSE الفردية لتحسين فوائد دمج الذكاء الاصطناعي في مكان العمل. تم اقتراح اتجاهات البحث المستقبلية لاستكشاف العوامل الديموغرافية وسياقات الصناعة المحددة لتعميق الرؤى حول تأثير الذكاء الاصطناعي على نتائج العمل.
DOI: https://doi.org/10.1057/s41599-026-08454-8
Publication Date: 2026-07-23
Author(s): Wenhui Zhang et al.
Primary Topic: Motivation and Self-Concept in Sports
Overview
This study explores the dual impact of artificial intelligence (AI) on employee task performance, framed within self-determination theory. It identifies two pathways: a facilitative pathway where AI enhances performance through autonomous motivation and promotion-focused job crafting, and an inhibitive pathway where AI detracts from performance via controlled motivation and prevention-focused job crafting. The research further examines the moderating role of core self-evaluations (CSE), finding that CSE amplifies the positive effects of AI while buffering against its negative impacts.
Methodologically, the study employed a three-wave, multi-source field design involving 409 employee-supervisor pairs from AI-intensive industries in China. Data were collected through matched questionnaires, and key constructs were measured using validated scales. The hypotheses were tested using hierarchical regression, bootstrapping, and moderated mediation analyses with SPSS and Mplus.
The findings contribute to the understanding of AI’s “double-edged sword” effect by delineating the motivational-behavioral pathways involved and highlighting the significance of CSE as a boundary condition. This research enriches self-determination theory in the context of digital transformation and provides practical insights for developing inclusive and personalized AI integration strategies in organizations.
Introduction
The introduction of the research paper discusses the transformative impact of artificial intelligence (AI) on organizational operations and employee experiences, highlighting a critical inquiry into how AI usage influences employee performance. Task performance, defined as the effectiveness in executing core responsibilities, is central to organizational success. However, the mechanisms through which AI affects this performance remain inadequately understood. While AI can enhance task performance by alleviating workloads and empowering employees, it may also introduce challenges such as role ambiguity and anxiety about job security, leading to mixed outcomes. Existing literature presents contradictory findings, with some studies indicating that AI fosters positive psychological responses and engagement, while others suggest it can provoke negative emotions that hinder performance.
The paper proposes a dual-path framework grounded in self-determination theory (SDT) to elucidate the paradoxical effects of AI on task performance. It posits that AI usage can activate either autonomous or controlled motivation, which in turn influences job crafting behaviors—promotion-focused or prevention-focused—affecting performance outcomes. Core self-evaluations (CSE) are identified as a moderating factor, where high-CSE individuals perceive AI as an opportunity for growth, fostering autonomous motivation, while low-CSE individuals may view it as a threat, leading to controlled motivation. This study aims to integrate the positive and negative effects of AI within a unified framework, offering insights into the motivational processes and individual differences that shape employee performance in the context of AI implementation.
Methods
The methodology of this study investigates the organizational applications of artificial intelligence (AI), focusing on technologies such as facial and voice recognition, chatbots, and intelligent recommendation algorithms. To ensure participants understood AI usage, the survey was prefaced with definitions and industry-specific examples. Participants were selected from major AI development clusters in China, comprising employees and managers across various sectors, including IT, finance, smart manufacturing, healthcare, and education. A leader-employee matched-pair survey design was employed, utilizing convenience and snowball sampling techniques. Data collection involved both offline and online methods, with questionnaires completed by employees and their supervisors, linked via mobile phone numbers. Incentives were provided to enhance response rates, and a multi-wave, multi-source design was implemented to mitigate common method bias, gathering data over three time points from July to November 2024.
The study distributed a total of 563 questionnaires, achieving high response rates of 81.8% for employees and 84.1% for supervisors. Among the 409 valid employee responses, the gender distribution was relatively balanced, with a majority aged 26-35 and significant work experience (82.88% reporting 3 to 10 years). The sample was diverse across industries, ensuring broad representativeness. Constructs were measured using validated scales, with items rated on a five-point Likert scale. For instance, prevention-focused job crafting had a Cronbach’s alpha of 0.964, while task performance, assessed with a four-item scale, had a Cronbach’s alpha of 0.868, indicating high reliability in the measurement instruments used.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicate that the primary hypothesis was supported, with statistical analyses revealing a strong correlation between the variables under investigation. Specifically, the results demonstrate that the intervention led to a measurable improvement in the target outcomes, quantified by metrics such as effect size and p-values.
Additionally, the section provides visual representations of the data, including graphs and tables, which illustrate trends and patterns observed throughout the study. These findings contribute to the existing body of knowledge by confirming previous research while also offering new insights into the mechanisms at play. Overall, the results underscore the efficacy of the proposed approach and suggest avenues for future research to further explore the implications of these findings.
Discussion
The discussion section of the research paper elucidates the dual effects of AI usage on employee task performance, framed through self-determination theory. It posits that AI can enhance or hinder performance depending on the motivational processes it activates. Specifically, AI usage fosters autonomous motivation, leading to promotion-focused job crafting, which positively influences task performance. Conversely, it can also trigger controlled motivation, resulting in prevention-focused job crafting that negatively impacts performance. The study highlights that core self-evaluations (CSE) significantly moderate these relationships; employees with high CSE are more likely to leverage AI for growth, while those with low CSE may perceive AI as a threat, leading to avoidance behaviors.
Theoretical contributions include the introduction of a dual-path model that reconciles the positive and negative implications of AI usage, expanding the understanding of how motivation and behavior mediate this relationship. This model addresses prior research gaps by integrating both motivational pathways and emphasizing the role of individual differences, particularly CSE, in shaping responses to AI. Practical implications suggest that organizations should cultivate an environment that promotes autonomous motivation and supportive job crafting behaviors, tailoring management strategies to individual CSE levels to optimize the benefits of AI integration in the workplace. Future research directions are proposed to explore demographic factors and specific industry contexts to deepen insights into AI’s impact on work outcomes.