DOI: https://doi.org/10.2147/prbm.s441444
PMID: https://pubmed.ncbi.nlm.nih.gov/38343429
تاريخ النشر: 2024-02-01
المؤلف: Po‐Chien Chang وآخرون
الموضوع الرئيسي: التوتر التكنولوجي في البيئات المهنية
نظرة عامة
تدرس هذه الدراسة تأثير الضغط التكنولوجي الناتج عن دمج الذكاء الاصطناعي (AI) على نية الموظفين في اعتماد الذكاء الاصطناعي، باستخدام نظرية الأحداث العاطفية (AET) وإطار الضغط التحدي-العائق (CHSF). من خلال تحليل كمي للبيانات المجمعة من 301 موظف عبر 11 منظمة في مقاطعة قوانغدونغ، الصين، تكشف الأبحاث أن التأثير الإيجابي يتوسط العلاقة الإيجابية بين ضغوط التكنولوجيا التحدي ونية اعتماد الذكاء الاصطناعي، بينما يتوسط قلق الذكاء الاصطناعي العلاقة السلبية بين ضغوط التكنولوجيا العائق ونية اعتماد الذكاء الاصطناعي.
علاوة على ذلك، تشير النتائج إلى أن الكفاءة الذاتية التقنية تعدل تأثيرات كل من ضغوط التكنولوجيا التحدي والعائق على الاستجابات العاطفية للموظفين، فضلاً عن التأثيرات غير المباشرة على نية اعتماد الذكاء الاصطناعي. تستنتج الدراسة أن ضغوط التكنولوجيا التحدي يمكن أن تعزز نية اعتماد الذكاء الاصطناعي من خلال تعزيز المشاعر الإيجابية، بينما يمكن أن تعيق ضغوط العائق هذه النية من خلال تحفيز القلق. تساهم هذه الرؤى في فهم ديناميات اعتماد الذكاء الاصطناعي وتبرز أهمية إدارة الاستجابات العاطفية للموظفين تجاه دمج الذكاء الاصطناعي في البيئات التنظيمية.
مقدمة
تسلط المقدمة الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في الثورة التكنولوجية الحالية، مع التأكيد على تأثيره عبر مختلف القطاعات، بما في ذلك الابتكار في الأعمال، وتحويل العمليات، واتخاذ القرارات. أدى دمج الذكاء الاصطناعي إلى تجربة المنظمات لتحسينات في الكفاءة والإنتاجية والأداء العام، مع إحصائية ملحوظة تشير إلى أن 80% من الشركات الكبرى قد اعتمدت تقنيات الذكاء الاصطناعي.
تبحث هذه الدراسة بشكل خاص في مفهوم الكفاءة الذاتية التقنية كشرط حدودي يؤثر على الفروق الفردية في اعتماد الذكاء الاصطناعي. من خلال استكشاف هذا البعد، تهدف الدراسة إلى تعزيز فهم التعقيدات المرتبطة بتنفيذ الذكاء الاصطناعي في مكان العمل، مما يوفر رؤى ذات صلة لكل من الأطر النظرية والتطبيقات العملية.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يسلط الضوء على اتجاهات البيانات الهامة، والنتائج الإحصائية، وأي علاقات ملحوظة بين المتغيرات. غالبًا ما تكون النتائج مصحوبة بوسائل بصرية مثل الرسوم البيانية أو الجداول، التي توضح الجوانب الكمية للنتائج.
قد يناقش القسم أيضًا تداعيات هذه النتائج فيما يتعلق بالفرضيات المطروحة في بداية الدراسة. من المهم ملاحظة أي شذوذ أو نتائج غير متوقعة، حيث يمكن أن توفر هذه رؤى حول الآليات الأساسية أو تقترح مجالات لمزيد من التحقيق. بشكل عام، تساهم النتائج في الفهم الأوسع لموضوع البحث وقد تُعلم الدراسات أو التطبيقات المستقبلية في هذا المجال.
المناقشة
يتناول قسم المناقشة في ورقة البحث التفاعل بين ضغوط التكنولوجيا التحدي والعائق المدفوعة بالذكاء الاصطناعي، والاستجابات العاطفية، ونوايا اعتماد الذكاء الاصطناعي، في إطار نظرية الأحداث العاطفية (AET). يفترض أن التقييمات المعرفية للموظفين للأحداث العملية تؤثر بشكل كبير على استجاباتهم العاطفية، والتي بدورها تؤثر على سلوكياتهم تجاه اعتماد تكنولوجيا الذكاء الاصطناعي. ترتبط ضغوط التكنولوجيا التحدي، التي تُعتبر فرصًا للنمو، بالتأثير الإيجابي وزيادة المبادرة، بينما تؤدي ضغوط التكنولوجيا العائق، التي تُعتبر عقبات، إلى استجابات عاطفية سلبية مثل القلق والإحباط. تفترض الدراسة أن التأثير الإيجابي يتوسط العلاقة بين ضغوط التحدي ونية اعتماد الذكاء الاصطناعي، بينما يتوسط قلق الذكاء الاصطناعي العلاقة بين ضغوط العائق ونية الاعتماد.
علاوة على ذلك، يتم التأكيد على دور الكفاءة الذاتية التقنية كعامل تعديل يؤثر على هذه العلاقات. من المرجح أن يدرك الموظفون الذين يتمتعون بكفاءة ذاتية تقنية أعلى ضغوط التحدي بشكل إيجابي ويختبرون قلقًا أقل من ضغوط العائق، مما يعزز نيتهم في اعتماد تقنيات الذكاء الاصطناعي. تقترح الفرضيات المطروحة أن تأثيرات كل من ضغوط التكنولوجيا التحدي والعائق على الاستجابات العاطفية ونوايا الاعتماد اللاحقة يتم تعديلها بواسطة ثقة الأفراد في قدراتهم التقنية. بشكل عام، تؤكد النتائج على أهمية الاستجابات العاطفية والكفاءة الذاتية في تشكيل مواقف الموظفين تجاه تكنولوجيا الذكاء الاصطناعي في مكان العمل.
القيود
تسلط قيود هذه الدراسة الضوء على ثلاثة مجالات رئيسية للتحسين والبحث المستقبلي. أولاً، قد يؤدي الاعتماد على البيانات المبلغ عنها ذاتيًا إلى إدخال تباين في الطريقة الشائعة، على الرغم من الجهود المبذولة لمعالجة ذلك من خلال عملية جمع بيانات ثلاثية الموجات واختبار عامل هارمان الواحد. يمكن أن تعزز الدراسات المستقبلية الصلاحية من خلال دمج تقييمات متعددة المصادر، مثل تقييمات المشرفين لسلوكيات اعتماد الذكاء الاصطناعي للموظفين، لتقليل تأثير تحيزات الإبلاغ الذاتي.
ثانيًا، لا تلتقط قياسات العاطفة في هذه الدراسة بشكل كافٍ الطبيعة الديناميكية لتقلبات المشاعر اليومية الناتجة عن الضغط المرتبط بالتكنولوجيا. قد تعيق هذه السهو فهمًا شاملاً لكيفية تأثير الضغط التكنولوجي على مشاعر الموظفين بمرور الوقت. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار الاستطلاعات اليومية الطولية لتقييم العواقب العاطفية المتطورة للضغط المرتبط بالتكنولوجيا بشكل أفضل.
أخيرًا، تركز الدراسة فقط على عامل الحدود على مستوى الفرد وهو الكفاءة الذاتية التقنية. قد يوفر توسيع هذا التحقيق ليشمل عوامل سياقية أخرى، مثل القيادة الرقمية ومناخ الابتكار، فهمًا أكثر دقة للعوامل المؤثرة على نوايا اعتماد الذكاء الاصطناعي.
DOI: https://doi.org/10.2147/prbm.s441444
PMID: https://pubmed.ncbi.nlm.nih.gov/38343429
Publication Date: 2024-02-01
Author(s): Po‐Chien Chang et al.
Primary Topic: Technostress in Professional Settings
Overview
The study investigates the impact of technostress generated by Artificial Intelligence (AI) integration on employees’ intention to adopt AI, utilizing Affective Events Theory (AET) and the Challenge-Hindrance Stressor Framework (CHSF). Through a quantitative analysis of data collected from 301 employees across 11 organizations in Guangdong Province, China, the research reveals that positive affect mediates the positive relationship between challenge technology stressors and AI adoption intention, while AI anxiety mediates the negative relationship between hindrance technology stressors and AI adoption intention.
Moreover, the findings indicate that technical self-efficacy moderates the effects of both challenge and hindrance technology stressors on employees’ affective responses, as well as the indirect effects on AI adoption intention. The study concludes that challenge technology stressors can enhance AI adoption intention by fostering positive emotions, whereas hindrance stressors can hinder this intention by inducing anxiety. These insights contribute to the understanding of AI adoption dynamics and highlight the importance of managing employees’ emotional responses to AI integration in organizational settings.
Introduction
The introduction highlights the transformative role of artificial intelligence (AI) in the current technological revolution, emphasizing its influence across various sectors, including business innovation, process transformation, and decision-making. The integration of AI has led organizations to experience improvements in efficiency, productivity, and overall performance, with a notable statistic indicating that 80% of large corporations have adopted AI technologies.
This research specifically investigates the concept of technical self-efficacy as a boundary condition affecting individual differences in AI adoption. By exploring this dimension, the study aims to enhance the understanding of the complexities associated with AI implementation in the workplace, thereby providing insights that are relevant for both theoretical frameworks and practical applications.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It highlights significant data trends, statistical outcomes, and any observed relationships between variables. The results are often accompanied by visual aids such as graphs or tables, which illustrate the quantitative aspects of the findings.
The section may also discuss the implications of these results in relation to the hypotheses posed at the outset of the study. It is crucial to note any anomalies or unexpected outcomes, as these can provide insights into the underlying mechanisms or suggest areas for further investigation. Overall, the results contribute to the broader understanding of the research topic and may inform future studies or applications in the field.
Discussion
The discussion section of the research paper elaborates on the interplay between AI-driven challenge and hindrance technology stressors, affective reactions, and AI adoption intentions, framed within the Affective Events Theory (AET). It posits that employees’ cognitive appraisals of work events significantly influence their emotional responses, which in turn affect their behaviors regarding AI technology adoption. Challenge technology stressors, perceived as opportunities for growth, are linked to positive affect and increased initiative, while hindrance technology stressors, viewed as obstacles, lead to negative affective reactions such as anxiety and frustration. The study hypothesizes that positive affect mediates the relationship between challenge stressors and AI adoption intention, whereas AI anxiety mediates the relationship between hindrance stressors and adoption intention.
Furthermore, the role of technical self-efficacy is emphasized as a moderating factor that influences these relationships. Employees with higher technical self-efficacy are more likely to perceive challenge stressors positively and experience less anxiety from hindrance stressors, thereby enhancing their intention to adopt AI technologies. The proposed hypotheses suggest that the effects of both challenge and hindrance technology stressors on affective reactions and subsequent adoption intentions are moderated by individuals’ confidence in their technical abilities. Overall, the findings underscore the importance of emotional responses and self-efficacy in shaping employees’ attitudes towards AI technology in the workplace.
Limitations
The limitations of this study highlight three key areas for improvement and future research. Firstly, the reliance on self-reported data may introduce common method variance, despite efforts to address this through a three-wave data collection process and Harman’s single-factor test. Future studies could enhance validity by incorporating multi-source assessments, such as supervisor evaluations of employees’ AI adoption behaviors, to reduce the influence of self-report biases.
Secondly, the measurement of affect in this study does not adequately capture the dynamic nature of daily emotional fluctuations resulting from technology-related stress. This oversight may hinder a comprehensive understanding of how technostress impacts employees’ emotions over time. Future research should consider longitudinal daily surveys to better assess the evolving emotional consequences of technology-related stress.
Lastly, the study focuses solely on the individual-level boundary factor of technical self-efficacy. Expanding this investigation to include other contextual factors, such as digital leadership and innovation climate, could provide a more nuanced understanding of the determinants influencing AI adoption intentions.