DOI: https://doi.org/10.3389/fpsyg.2025.1573587
PMID: https://pubmed.ncbi.nlm.nih.gov/40470012
تاريخ النشر: 2025-05-21
المؤلف: Xiaoyue Hu وآخرون
الموضوع الرئيسي: إدارة المعرفة والمشاركة
نظرة عامة
تدرس هذه الدراسة تأثير اعتماد الذكاء الاصطناعي (AI) على مشاركة المعرفة بين الموظفين داخل المنظمات، مع تسليط الضوء على أدوار فرص التعلم، القيادة المتناقضة، والتكنولوجيا المحببة. باستخدام استبيان شمل 364 موظفًا ونمذجة المعادلات الهيكلية (SEM)، تحدد الأبحاث أن اعتماد الذكاء الاصطناعي يعزز بشكل كبير مشاركة المعرفة، بشكل أساسي من خلال وساطة فرص التعلم. بالإضافة إلى ذلك، تجد الدراسة أن كل من القيادة المتناقضة والتكنولوجيا المحببة تعمل كعوامل تعزز، مما يشير إلى أن الموظفين الذين يميلون أكثر نحو التكنولوجيا والذين يقودهم قادة متناقضون هم أكثر احتمالًا لاستخدام الذكاء الاصطناعي لمشاركة المعرفة.
تؤكد النتائج على أهمية تعزيز بيئة تنظيمية داعمة تشجع أسلوب القيادة المتناقضة وتعزز المواقف الإيجابية تجاه التكنولوجيا. يمكن أن تعزز هذه الاستراتيجيات سلوكيات مشاركة المعرفة بين الموظفين، مما maximizes فوائد دمج الذكاء الاصطناعي. تدعو الورقة إلى مزيد من البحث للتحقيق في عوامل سياقية إضافية قد تؤثر على مشاركة المعرفة المدفوعة بالذكاء الاصطناعي، وبالتالي تساهم في فهم أعمق لهذه الديناميكية المتطورة في بيئات العمل.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على الديناميات التنظيمية، لا سيما في تعزيز الكفاءة التشغيلية، وتحليل البيانات، وعمليات اتخاذ القرار. تسهل تقنيات الذكاء الاصطناعي، مثل التعلم الآلي ومعالجة اللغة الطبيعية، تحسين الاتصال والتعاون، وهو أمر حيوي للابتكار والميزة التنافسية. من خلال أتمتة المهام الروتينية، يسمح الذكاء الاصطناعي للموظفين بالمشاركة في حل المشكلات المعقدة، مما يعزز التعلم المستمر والتطوير المهني. علاوة على ذلك، تعزز أدوات الذكاء الاصطناعي مشاركة المعرفة من خلال توفير الوصول الفوري إلى المعلومات وتحديد فجوات المعرفة، مما يعزز ثقافة تنظيمية تعاونية.
على الرغم من فوائد اعتماد الذكاء الاصطناعي، تحدد الورقة تحديات كبيرة تتعلق بأساليب القيادة ومواقف الموظفين تجاه التكنولوجيا. تفترض أن الموظفين الذين لديهم درجة عالية من التكنولوجيا المحببة هم أكثر احتمالًا لتبني الذكاء الاصطناعي، مما يؤدي إلى تحسين التعلم والتعاون، بينما قد يقاوم أولئك الذين لديهم تكنولوجيا محببة أقل الاندماج. بالإضافة إلى ذلك، يبدو أن القيادة المتناقضة تؤثر بشكل إيجابي على تصورات الموظفين للذكاء الاصطناعي كفرصة للنمو. تهدف الدراسة إلى استكشاف الدور الوسيط لفرص التعلم في العلاقة بين اعتماد الذكاء الاصطناعي ومشاركة المعرفة، بينما تفحص أيضًا كيف تؤثر القيادة المتناقضة والتكنولوجيا المحببة على هذه الديناميكية. من خلال استخدام نظرية الإدراك الاجتماعي، تسعى الأبحاث إلى تقديم رؤى حول مواءمة فرص التعلم مع مستويات متفاوتة من التكنولوجيا المحببة وأنماط القيادة لتعزيز فعالية الذكاء الاصطناعي في تعزيز مشاركة المعرفة بين الموظفين.
النتائج
في هذه الدراسة، تم إجراء التحليلات باستخدام Mplus 8.3 لتحليل العوامل التأكيدية (CFA) ونمذجة المعادلات الهيكلية (SEM)، بينما تم استخدام SPSS 26.0 للإحصاءات الوصفية وتحليلات الارتباط. أشارت النتائج إلى أن النموذج المفترض المكون من خمسة عوامل أظهر توافقًا جيدًا مع البيانات (χ² = 1476.958، df = 619، CFI = 0.93، TLI = 0.93، RMSEA = 0.06، SRMR = 0.04). اقترح اختبار عامل هارمان الواحد أن انحياز الطريقة الشائعة لم يكن مصدر قلق كبير، حيث كان العامل الأول يمثل فقط 36.767% من التباين. كانت مقاييس الموثوقية للمتغيرات الرئيسية قوية، حيث تراوحت ألفا كرونباخ من 0.898 إلى 0.977.
دعمت التحليلات عدة فرضيات: أثر اعتماد الذكاء الاصطناعي (AI) بشكل إيجابي على فرص تعلم الموظفين (β = 0.169، p < 0.001) ومن ثم عزز مشاركة المعرفة بين الموظفين (β = 0.276، p < 0.001). علاوة على ذلك، وُجد أن اعتماد الذكاء الاصطناعي له تأثير غير مباشر إيجابي على مشاركة المعرفة بين الموظفين من خلال فرص التعلم (التأثير غير المباشر = 0.047، 95% CI = [0.030، 0.066]). كانت التأثيرات المعتدلة للقيادة المتناقضة والتكنولوجيا المحببة أيضًا مهمة؛ كانت العلاقة بين اعتماد الذكاء الاصطناعي وفرص تعلم الموظفين أقوى عند مستويات أعلى من كلا المعتدلين. على وجه التحديد، أسفرت التفاعل مع القيادة المتناقضة عن تأثير أقوى (β = 0.300، 95% CI = [0.243، 0.357]) مقارنة بالمستويات المنخفضة (β = 0.023، 95% CI = [-0.037، 0.083]). وبالمثل، كان التأثير أكثر وضوحًا مع التكنولوجيا المحببة العالية (β = 0.225، 95% CI = [0.165، 0.285]) مقابل المستويات المنخفضة (β = 0.127، 95% CI = [0.067، 0.187]). تؤكد هذه النتائج الفرضيات المتعلقة بالأدوار الوسيطة والمعتدلة لفرص تعلم الموظفين، القيادة المتناقضة، والتكنولوجيا المحببة في العلاقة بين اعتماد الذكاء الاصطناعي ومشاركة المعرفة.
المناقشة
تناقش هذه الورقة البحثية التفاعل بين اعتماد الذكاء الاصطناعي (AI)، فرص تعلم الموظفين، ومشاركة المعرفة داخل المنظمات، من خلال إطار نظرية الإدراك الاجتماعي لألبرت باندورا (SCT). تفترض الدراسة أن اعتماد الذكاء الاصطناعي يعمل كعامل محفز لتعزيز فرص التعلم، مما يعزز بدوره سلوكيات مشاركة المعرفة بين الموظفين. تحدد القيادة المتناقضة والتكنولوجيا المحببة كعوامل معتدلة مهمة تؤثر على هذه العلاقة. تشجع القيادة المتناقضة، التي تتميز بالتوازن بين المطالب المتنافسة، بيئة داعمة تحفز الموظفين على رؤية الذكاء الاصطناعي كفرصة للنمو بدلاً من تهديد. وبالمثل، فإن الموظفين الذين لديهم تكنولوجيا محببة عالية يميلون أكثر لتبني تقنيات الذكاء الاصطناعي، ويرونها كأدوات للتطوير الشخصي والمهني، مما يعزز تفاعلهم مع فرص التعلم.
تساهم النتائج في الأدبيات من خلال توضيح الآليات التي من خلالها يتحول اعتماد الذكاء الاصطناعي إلى مشاركة المعرفة، مع التأكيد على دور فرص التعلم كعامل وسيط. تقترح الدراسة أن على المنظمات تخصيص استراتيجيات اعتماد الذكاء الاصطناعي لتأخذ في الاعتبار أنماط القيادة والمواقف الفردية تجاه التكنولوجيا، مما يضمن توافق مبادرات التدريب مع احتياجات الموظفين. من خلال تعزيز بيئة تشجع على التعلم المستمر والتعاون، يمكن للمنظمات الاستفادة من الإمكانات التحويلية للذكاء الاصطناعي لتعزيز الأداء العام والابتكار.
القيود
تحدد هذه القسم عدة قيود للدراسة حول اعتماد الذكاء الاصطناعي ومشاركة المعرفة، بينما تقترح أيضًا طرقًا للبحث المستقبلي. أولاً، على الرغم من أن الدراسة تأخذ في الاعتبار متغيرات مثل مدة خدمة الموظف، إلا أنها لا تستكشف تفاعلاتها الديناميكية مع اعتماد الذكاء الاصطناعي ومشاركة المعرفة. يمكن أن تركز التحقيقات المستقبلية على كيفية تأثير مدة خدمة الموظف والالتزام على هذه العلاقات، لا سيما بالنظر إلى اختلاف الاستجابة للتكنولوجيا بين الموظفين الجدد والقدامى.
ثانيًا، بينما تستخدم الدراسة نظرية الإدراك الاجتماعي كإطار عمل، قد لا تتناول بشكل كافٍ تعقيدات اعتماد الذكاء الاصطناعي عبر سياقات تنظيمية مختلفة. يمكن أن تدمج الأبحاث المستقبلية نماذج نظرية إضافية، مثل نموذج قبول التكنولوجيا (TAM) أو النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، لتعزيز فهم نتائج اعتماد الذكاء الاصطناعي. أخيرًا، تقتصر الأبحاث على تركيزها على منظمة واحدة ضمن قطاع السياحة، مما قد يقيد قابلية تعميم النتائج. قد يؤدي توسيع العينة لتشمل صناعات متنوعة وتبني منظور زمني طويل إلى تعزيز الصلاحية الخارجية وعمق الدراسات المستقبلية.
DOI: https://doi.org/10.3389/fpsyg.2025.1573587
PMID: https://pubmed.ncbi.nlm.nih.gov/40470012
Publication Date: 2025-05-21
Author(s): Xiaoyue Hu et al.
Primary Topic: Knowledge Management and Sharing
Overview
This study examines the impact of artificial intelligence (AI) adoption on employee knowledge sharing within organizations, highlighting the roles of learning opportunities, paradoxical leadership, and technophilia. Utilizing a survey of 364 employees and structural equation modeling (SEM), the research identifies that AI adoption significantly enhances knowledge sharing, primarily through the mediation of learning opportunities. Additionally, the study finds that both paradoxical leadership and technophilia serve as amplifying factors, suggesting that employees who are more technologically inclined and those led by paradoxical leaders are more likely to utilize AI for knowledge sharing.
The findings underscore the importance of fostering a supportive organizational environment that encourages a paradoxical leadership style and promotes positive attitudes toward technology. These strategies can enhance knowledge-sharing behaviors among employees, maximizing the benefits of AI integration. The paper calls for further research to investigate additional contextual factors that may influence AI-driven knowledge sharing, thereby contributing to a deeper understanding of this evolving dynamic in workplace settings.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence (AI) on organizational dynamics, particularly in enhancing operational efficiency, data analysis, and decision-making processes. AI technologies, such as machine learning and natural language processing, facilitate improved communication and collaboration, which are vital for innovation and competitive advantage. By automating routine tasks, AI allows employees to engage in complex problem-solving, fostering continuous learning and professional development. Furthermore, AI tools enhance knowledge sharing by providing real-time access to information and identifying knowledge gaps, thereby promoting a collaborative organizational culture.
Despite the benefits of AI adoption, the paper identifies significant challenges related to leadership styles and employees’ attitudes toward technology. It posits that employees with a high degree of technophilia are more likely to embrace AI, leading to improved learning and collaboration, while those with lower technophilia may resist integration. Additionally, paradoxical leadership appears to positively influence employees’ perceptions of AI as an opportunity for growth. The study aims to explore the mediating role of learning opportunities in the relationship between AI adoption and knowledge sharing, while also examining how paradoxical leadership and technophilia moderate this dynamic. By employing social cognition theory, the research seeks to provide insights into aligning learning opportunities with varying levels of technophilia and leadership styles to enhance AI’s effectiveness in promoting employee knowledge sharing.
Results
In this study, analyses were conducted using Mplus 8.3 for confirmatory factor analysis (CFA) and structural equation modeling (SEM), while SPSS 26.0 was utilized for descriptive statistics and correlation analyses. The results indicated that the hypothesized five-factor model demonstrated a good fit to the data (χ² = 1476.958, df = 619, CFI = 0.93, TLI = 0.93, RMSEA = 0.06, SRMR = 0.04). The Harman’s single-factor test suggested that common method bias was not a significant concern, with the first factor accounting for only 36.767% of the variance. Reliability measures for key variables were robust, with Cronbach’s alphas ranging from 0.898 to 0.977.
The analysis supported several hypotheses: artificial intelligence (AI) adoption positively influenced employee learning opportunities (β = 0.169, p < 0.001) and subsequently enhanced employee knowledge sharing (β = 0.276, p < 0.001). Furthermore, AI adoption was found to have a positive indirect effect on employee knowledge sharing through learning opportunities (indirect effect = 0.047, 95% CI = [0.030, 0.066]). Moderating effects of paradoxical leadership and technophilia were also significant; the relationship between AI adoption and employee learning opportunities was stronger at higher levels of both moderators. Specifically, the interaction with paradoxical leadership yielded a stronger effect (β = 0.300, 95% CI = [0.243, 0.357]) compared to lower levels (β = 0.023, 95% CI = [-0.037, 0.083]). Similarly, the effect was more pronounced with higher technophilia (β = 0.225, 95% CI = [0.165, 0.285]) versus lower levels (β = 0.127, 95% CI = [0.067, 0.187]). These findings confirm the hypotheses regarding the mediating and moderating roles of employee learning opportunities, paradoxical leadership, and technophilia in the relationship between AI adoption and knowledge sharing.
Discussion
This research paper discusses the interplay between artificial intelligence (AI) adoption, employee learning opportunities, and knowledge sharing within organizations, framed through Albert Bandura’s social cognitive theory (SCT). The study posits that AI adoption serves as a catalyst for enhancing learning opportunities, which in turn fosters knowledge-sharing behaviors among employees. It identifies paradoxical leadership and technophilia as significant moderating factors that influence this relationship. Paradoxical leadership, characterized by balancing competing demands, encourages a supportive environment that motivates employees to view AI as an opportunity for growth rather than a threat. Similarly, employees with high technophilia are more inclined to embrace AI technologies, viewing them as tools for personal and professional development, thus enhancing their engagement with learning opportunities.
The findings contribute to the literature by clarifying the mechanisms through which AI adoption translates into knowledge sharing, emphasizing the role of learning opportunities as a mediating factor. The study suggests that organizations should tailor their AI adoption strategies to consider leadership styles and individual attitudes toward technology, ensuring that training initiatives align with employees’ needs. By fostering an environment that promotes continuous learning and collaboration, organizations can leverage AI’s transformative potential to enhance overall performance and innovation.
Limitations
This section outlines several limitations of the study on AI adoption and knowledge sharing, while also suggesting avenues for future research. Firstly, although the study accounts for variables like employee tenure, it does not explore their dynamic interactions with AI adoption and knowledge sharing. Future investigations could focus on how employee tenure and commitment influence these relationships, particularly given the differing receptiveness to technology among new and senior employees.
Secondly, while the study employs social cognitive theory as a framework, it may not adequately address the complexities of AI adoption across various organizational contexts. Future research could integrate additional theoretical models, such as the Technology Acceptance Model (TAM) or the Unified Theory of Acceptance and Use of Technology (UTAUT), to enrich the understanding of AI adoption outcomes. Lastly, the research is limited by its single-organizational focus within the tourism sector, which may restrict the generalizability of the findings. Expanding the sample to include diverse industries and adopting a longitudinal perspective could enhance the external validity and depth of future studies.