DOI: https://doi.org/10.1007/s10799-024-00435-0
تاريخ النشر: 2024-08-23
المؤلف: Ahmad A. Khanfar وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تقدم هذه الدراسة تحليلًا ببليومتريًا للأدبيات حول اعتماد الذكاء الاصطناعي (AI) من 1984 إلى 2022، باستخدام أداة Biblioshiny من حزمة R bibliometrix. تم مراجعة 91 مقالًا، مما كشف عن أربعة مواضيع رئيسية: الذكاء الاصطناعي، التعلم الآلي، نموذج النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، ونموذج قبول التكنولوجيا (TAM). شمل التحليل تكرار النشر، اتجاهات الكلمات الرئيسية، ورؤى موضوعية، مما يبرز الفجوات الكبيرة في الأدبيات، لا سيما التطبيق المحدود لنظريات الاعتماد والتركيز على صناعات معينة مثل الزراعة، القانونية، والتعليم.
تشير النتائج إلى أن الأبحاث المستقبلية يجب أن تستكشف دوافع اعتماد الذكاء الاصطناعي عبر مجموعة أوسع من الصناعات، بما في ذلك الرعاية الصحية والتأمين، وتطبيق نماذج قبول التكنولوجيا بشكل أكثر شمولاً. بالإضافة إلى ذلك، تؤكد الدراسة على الحاجة إلى التحقيق في العلاقات المتبادلة بين العوامل الفردية والتنظيمية التي تؤثر على اعتماد الذكاء الاصطناعي. تشمل قيود المراجعة التحيزات المحتملة في اختيار المقالات والاستخدام الحصري لقاعدة بيانات Scopus، مما يشير إلى أن الدراسات المستقبلية يمكن أن تستفيد من دمج قواعد بيانات أخرى لتحليل أكثر شمولاً.
مقدمة
تناقش مقدمة الورقة الإمكانات التحويلية للذكاء الاصطناعي (AI) في العمليات التنظيمية، مع التأكيد على دوره في تعزيز اتخاذ القرار، وأتمتة المهام، وتحليل مجموعات البيانات الكبيرة. على الرغم من الاعتماد السريع على أنظمة الذكاء الاصطناعي—مع توقعات استثمارات تصل إلى 77.6 مليار دولار في 2022—تستمر تحديات التنفيذ، مع الإبلاغ عن معدلات فشل عالية. بدأت نسبة كبيرة من المنظمات في استكشاف استراتيجيات الذكاء الاصطناعي، ومع ذلك لا يزال العديد منها مترددًا أو غير متفاعل. وقد دفع ذلك الباحثين إلى التحقيق في دوافع وعوائق اعتماد الذكاء الاصطناعي، مما أدى إلى زيادة الأدبيات التي تسعى لتلخيص النتائج وتحديد الفجوات.
لمعالجة قيود المراجعات النوعية السابقة، التي غالبًا ما تعاني من التحيز والتركيز الضيق، تستخدم هذه الدراسة نهجًا ببليومتريًا لتحليل تطور ومواضيع أبحاث اعتماد الذكاء الاصطناعي عبر صناعات مختلفة. تشمل الأهداف فحص تطور مجال البحث، وتحديد الموضوعات الرئيسية، وكشف فرص البحث المستقبلية. تهدف الدراسة إلى المساهمة في الأدبيات من خلال رسم تطور دراسات اعتماد الذكاء الاصطناعي، وتحديد الموضوعات الناشئة، وتقديم رؤى لكل من الأكاديميين والممارسين بشأن العوامل المؤثرة في اعتماد الذكاء الاصطناعي. ستفصل الأقسام التالية من الورقة المنهجية الببليومترية، وتقدم نتائج التحليل، وتناقش الآثار، وتقترح إرشادات للبحث المستقبلي.
النتائج
أسفر عملية البحث عن إجمالي 4,775 مقالًا بحثيًا، والتي تم تنقيحها لاحقًا عن طريق استبعاد المنشورات غير الدورية والمقالات بلغات أخرى غير الإنجليزية. أسفر هذا التصفية الأولية عن 2,051 مقالًا، حيث قام مؤلفان بمراجعة العناوين والملخصات بشكل مستقل، مما قلص الاختيار إلى 158 مقالًا. أدى مراجعة النص الكامل إلى استبعاد 55 مقالًا لم تستوفِ معايير الإدراج و12 مقالًا تفتقر إلى توفر النص الكامل، مما أسفر عن مجموعة نهائية من 91 مقالًا.
لضمان الصرامة المنهجية، تم التحقق من معايير الاستبعاد من قبل مؤلفين إضافيين. ركزت الدراسة بشكل خاص على اعتماد الذكاء الاصطناعي، مما أدى إلى استبعاد المقالات التي، على الرغم من ارتباطها بالذكاء الاصطناعي، ناقشت تطبيقه في مجالات مختلفة مثل الرعاية الصحية، والتسويق، والزراعة دون ارتباط مباشر باعتماد الذكاء الاصطناعي. بالإضافة إلى ذلك، تم استبعاد الدراسات التي تتناول البلوك تشين، وإنترنت الأشياء، أو الطباعة ثلاثية الأبعاد، وكذلك تلك التي تفحص اعتماد الذكاء الاصطناعي من منظور المستهلك أو الطالب بدلاً من منظور تنظيمي. يتم توضيح نتائج هذه العملية الشاملة للبحث في الشكل 1.
المناقشة
في هذا القسم، أجرى المؤلفون تحليلًا ببليومتريًا لـ 91 مقالًا حول اعتماد الذكاء الاصطناعي في المنظمات، المنشورة بين 1984 و2022، لتحديد المواضيع البحثية الرئيسية والاتجاهات المستقبلية. استخدم التحليل تقنيات ببليومترية متنوعة مثل الاقتران الببليوغرافي، الاقتباس المشترك، وتحليل الكلمات المشتركة، مما كشف عن زيادة كبيرة في تكرار النشر، لا سيما من 2020 إلى 2022، مما يدل على زيادة الاهتمام الأكاديمي باعتماد الذكاء الاصطناعي. أبرزت الدراسة أربعة مواضيع رئيسية ظهرت خلال هذه الفترة: الذكاء الاصطناعي (AI)، التعلم الآلي، النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، ونموذج قبول التكنولوجيا (TAM). تتميز هذه المواضيع بارتفاع المركزية والكثافة، مما يشير إلى أهميتها وترابطها داخل مجال البحث.
تشير النتائج إلى أنه قبل عام 2020، كان التركيز البحثي بشكل أساسي على تحديات اعتماد أنظمة الروبوتات. ومع ذلك، يظهر تطور الموضوع بعد عام 2019 تحولًا نحو استكشاف تطبيقات الذكاء الاصطناعي والتعلم الآلي عبر صناعات مختلفة، بما في ذلك التصنيع والبنوك. يؤكد المؤلفون على الحاجة إلى مزيد من البحث لاستكشاف عوامل اعتماد الذكاء الاصطناعي في القطاعات الأقل دراسة، مثل التعليم العالي والتأمين. كما تؤكد الدراسة على تطبيق النظريات المعتمدة مثل إطار العمل التكنولوجي-المنظمة-البيئة (TOE) لفهم دوافع وعوائق اعتماد الذكاء الاصطناعي، مما يشير إلى أن الأبحاث المستقبلية يجب أن تستمر في الاستفادة من هذه المنظورات النظرية لتعميق الفهم حول ديناميات اعتماد الذكاء الاصطناعي.
DOI: https://doi.org/10.1007/s10799-024-00435-0
Publication Date: 2024-08-23
Author(s): Ahmad A. Khanfar et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study presents a bibliometric analysis of the literature on artificial intelligence (AI) adoption from 1984 to 2022, utilizing the Biblioshiny tool from the R-package bibliometrix. A total of 91 articles were reviewed, revealing four primary themes: AI, machine learning, the Unified Theory of Acceptance and Use of Technology (UTAUT) model, and the Technology Acceptance Model (TAM). The analysis included publication frequency, keyword trends, and thematic insights, highlighting significant gaps in the literature, particularly the limited application of adoption theories and the focus on specific industries such as agriculture, legal, and education.
The findings suggest that future research should explore AI adoption drivers across a broader range of industries, including healthcare and insurance, and apply technology acceptance models more extensively. Additionally, the study emphasizes the need for investigations into the interrelations among individual and organizational factors influencing AI adoption. Limitations of the review include potential biases in article selection and the exclusive use of the Scopus database, suggesting that future studies could benefit from incorporating other databases for a more comprehensive analysis.
Introduction
The introduction of the paper discusses the transformative potential of Artificial Intelligence (AI) in organizational operations, emphasizing its role in enhancing decision-making, automating tasks, and analyzing large datasets. Despite the rapid adoption of AI systems—projected investments reaching $77.6 billion in 2022—implementation challenges persist, with high failure rates reported. A significant portion of organizations have begun exploring AI strategies, yet many remain hesitant or unengaged. This has prompted researchers to investigate the drivers and barriers to AI adoption, leading to a growing body of literature that seeks to synthesize findings and identify gaps.
To address the limitations of previous qualitative reviews, which often suffer from bias and a narrow focus, this study employs a bibliometric approach to analyze the evolution and themes of AI adoption research across various industries. The objectives include examining the development of the research domain, identifying key themes, and uncovering future research opportunities. The study aims to contribute to the literature by mapping the evolution of AI adoption studies, outlining emerging topics, and providing insights for both scholars and practitioners regarding the factors influencing AI adoption. The subsequent sections of the paper will detail the bibliometric methodology, present analysis results, discuss implications, and propose future research guidelines.
Results
The search process yielded a total of 4,775 research articles, which were subsequently refined by excluding non-journal publications and articles in languages other than English. This initial filtering resulted in 2,051 articles, from which two authors independently reviewed the titles and abstracts, narrowing the selection to 158 articles. A further full-text review led to the exclusion of 55 articles that did not meet the inclusion criteria and 12 articles lacking full-text availability, culminating in a final dataset of 91 articles.
To ensure methodological rigor, the exclusion criteria were validated by two additional authors. The study specifically focused on AI adoption, leading to the exclusion of articles that, while related to AI, discussed its application in various fields such as healthcare, marketing, and agriculture without a direct link to AI adoption. Additionally, studies addressing blockchain, IoT, or 3D printing, as well as those examining AI adoption from a consumer or student perspective rather than an organizational one, were also excluded. The results of this comprehensive search process are illustrated in Figure 1.
Discussion
In this section, the authors conducted a bibliometric analysis of 91 articles on AI adoption in organizations, published between 1984 and 2022, to identify major research themes and future directions. The analysis employed various bibliometric techniques such as bibliographic coupling, co-citation, and co-word analysis, revealing a significant increase in publication frequency, particularly from 2020 to 2022, indicating heightened scholarly interest in AI adoption. The study highlighted four major themes that emerged during this period: Artificial Intelligence (AI), Machine Learning, the Unified Theory of Acceptance and Use of Technology (UTAUT), and the Technology Acceptance Model (TAM). These themes are characterized by high centrality and density, suggesting their importance and interconnectedness within the research domain.
The findings indicate that prior to 2020, research primarily focused on the challenges of robotic system adoption. However, the thematic evolution post-2019 shows a shift towards exploring AI and machine learning applications across various industries, including manufacturing and banking. The authors emphasize the need for further research to explore AI adoption factors in less studied sectors, such as higher education and insurance. The study also underscores the application of established theories like the Technology-Organization-Environment (TOE) framework to understand the drivers and barriers of AI adoption, suggesting that future research should continue to leverage these theoretical perspectives to deepen insights into AI adoption dynamics.