بررسی تاثیر قابلیت های هوش مصنوعی بر بهره وری کتابداران: نقش میانجی تسهیم دانش (کتابداران کتابخانه‌های علوم پزشکی دانشگاه‌های تهران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری، مدیریت اطلاعات و دانش، دانشگاه تهران، تهران، ایران.

2 استادیار، علم اطلاعات و دانش شناسی، ادبیات و علوم انسانی، خلیج فارس بوشهر، ایران.

10.22067/infosci.2025.93694.1240

چکیده

مقدمه و اهداف: این پژوهش با هدف بررسی تأثیر قابلیت‌های هوش مصنوعی بر بهره‌وری کتابداران، با تأکید بر نقش میانجی تسهیم دانش، در میان کتابداران کتابخانه‌های دانشگاه‌های علوم پزشکی مستقر در تهران انجام شده است.
روش‌‌ها: روش پژوهش از نوع پیمایش همبستگی و از منظر هدف، کاربردی است. جامعه آماری این پژوهش شامل کتابداران شاغل در کتابخانه‌های دانشگاه‌های علوم پزشکی شهر تهران که در مجموع 214 نفر بودند، با استفاده از فرمول کوکران و در نظر گرفتن پارامترهای آماری استاندارد، حجم نمونه پژوهش 137 نفر تعیین گردید. برای سنجش متغیرهای پژوهش از ابزارهای معتبر و استاندارد بهره گرفته شد. میزان استفاده از هوش مصنوعی از طریق پرسشنامه‌ای ۲۲‌گویه‌ای در پنج بعد (مدیریت هوش مصنوعی، تصمیم‌گیری مبتنی بر هوش مصنوعی، زیرساخت هوش مصنوعی، آمادگی برای هوش مصنوعی، و مهارت‌های مرتبط با هوش مصنوعی)، بهره‌وری با ابزار ۱۷‌گویه‌ در چهار بُعد (کارایی، اثربخشی، تعهد و توانایی حل مسئله) و شاخص تسهیم دانش که شامل ۱۲ گویه بود، ارزیابی شد. تمامی ابزارها براساس طیف پنج‌درجه‌ای لیکرت طراحی شدند. روایی ابزارها از طریق تحلیل روایی همگرا و واگرا و پایایی آن‌ها با محاسبه آلفای کرونباخ تأیید شد.
یافته‌ها: نتایج نشان داد که بین هوش مصنوعی و بهره‌وری کتابداران رابطه مثبت و معناداری وجود داشت. همچنین، هوش مصنوعی اثر مثبت و معناداری بر تسهیم دانش داشت. از سوی دیگر، تسهیم دانش با بهره‌وری کتابداران رابطه مثبت و معناداری برقرار کرد.
بحث و نتیجه‌گیری: تحلیل‌ها بیانگر آن است که تسهیم دانش به‌عنوان یک متغیر میانجی کامل، نقش مهمی در پیوند میان قابلیت‌های هوش مصنوعی و بهره‌وری کتابداران ایفا می‌کند.
اصالت: این پژوهش به غنای ادبیات مرتبط با هوش مصنوعی در حوزه کتابداری کمک کرده و خلأهای موجود در فهم روابط میان فناوری‌های نوین و بهره‌وری منابع انسانی در کتابخانه‌ها را آشکار می‌سازد.

کلیدواژه‌ها

موضوعات


Acypreste, R. d., & Paraná, E. (2022). Artificial Intelligence and employment: a systematic review. Brazilian Journal of Political Economy, 42(4), 1014-1032. doi:https://doi.org/10.1590/0101-31572022-3320
Al Naqbi, H., Bahroun, Z., & Ahmed, V. (2024). Enhancing work productivity through generative artificial intelligence: A comprehensive literature review. Sustainability, 16(3), 1166. doi:https://doi.org/10.3390/su16031166
Alenezi, A., Alshammari, M. H., & Ibrahim, I. A. (2024). Optimizing nursing Productivity: exploring the role of Artificial Intelligence, Technology Integration, competencies, and Leadership. Journal of Nursing Management, 2024(1), 8371068. doi:https://doi.org/10.1155/2024/8371068
Binsaeed, R. H., Yousaf, Z., Grigorescu, A., Samoila, A., Chitescu, R. I., & Nassani, A. A. (2023). Knowledge Sharing Key Issue for Digital Technology and Artificial Intelligence Adoption. Systems, 11(7), 316. doi:https://doi.org/10.3390/systems11070316
Callari, T. C., & Puppione, L. (2025). Can generative artificial intelligence productivity tools support workplace learning? A qualitative study on employee perceptions in a multinational corporation. Journal of Workplace Learning. doi:https://doi.org/10.1108/JWL-11-2024-0258
Chen, D., Esperança, J. P., & Wang, S. (2022). The impact of artificial intelligence on firm performance: an application of the resource-based view to e-commerce firms. Frontiers in psychology, 13, 884830. doi:https://doi.org/10.3389/fpsyg.2022.884830
Chukwuka, E. J., & Dibie, K. E. (2024). Strategic role of artificial intelligence (AI) on human resource management (HR) employee performance evaluation function. International Journal of Entrepreneurship and Business Innovation, 7(2), 269-282. doi:http://10.52589/IJEBI-HET5STYK
Dammaj, A., Alawneh, A., Hammad, A. A., & Sweis, R. J. (2016). Investigating the relationship between knowledge sharing and service quality in private hospitals in Jordan. International Journal of Productivity and Quality Management, 17(4), 437-455. doi:https://doi.org/10.1504/IJPQM.2016.075248
Gusti, M. A., Satrianto, A., Juniardi, E., & Fitra, H. (2024). Artificial intelligence for employee engagement and productivity. Problems and Perspectives in Management, 22(3), 174. doi:http://10.21511/ppm.22(3).2024.14
Jabbarzadeh, Y. (2013). Determining the effective Indicators in Measurement of the Employees’ effectiveness Case Study of Inspection of NAJA. Supervision & Inspection, 7(24), 55-72. doi:https://dor.isc.ac/dor/20.1001.1.17359554.1392.1392.24.3.8
Kassa, B. Y., & Worku, E. K. (2025). The impact of artificial intelligence on organizational performance: The mediating role of employee productivity. Journal of Open Innovation: Technology, Market, and Complexity, 11(1), 100474. doi:https://doi.org/10.1016/j.joitmc.2025.100474
Kokina, J., Blanchette, S., Davenport, T. H., & Pachamanova, D. (2025). Challenges and opportunities for artificial intelligence in auditing: Evidence from the field. International Journal of Accounting Information Systems, 56, 100734. doi:https://doi.org/10.1016/j.accinf.2025.100734
Li, N., Yan, Y., Yang, Y., & Gu, A. (2022). Artificial intelligence capability and organizational creativity: The role of knowledge sharing and organizational cohesion. Frontiers in psychology, 13, 845277. doi:https://doi.org/10.3389/fpsyg.2022.845277
Malik, A., De Silva, M. T., Budhwar, P., & Srikanth, N. (2021). Elevating talents' experience through innovative artificial intelligence-mediated knowledge sharing: Evidence from an IT-multinational enterprise. Journal of International Management, 27(4), 100871. doi:https://doi.org/10.1016/j.intman.2021.100871
Malik, A., Thevisuthan, P., & De Sliva, T. (2022). Artificial intelligence, employee engagement, experience, and HRM. Strategic human resource management and employment relations: An international perspective, 171-184. doi:https://doi.org/10.1007/978-3-030-90955-0_16
Morandini, S., Fraboni, F., De Angelis, M., Puzzo, G., Giusino, D., & Pietrantoni, L. (2023). The impact of artificial intelligence on workers’ skills: Upskilling and reskilling in organisations. Informing Science, 26, 39-68. doi:https://dx.doi.org/10.28945/5078
Necula, S.-C., Fotache, D., & Rieder, E. (2024). Assessing the impact of artificial intelligence tools on employee productivity: insights from a comprehensive survey analysis. Electronics, 13(18), 3758. doi:https://www.mdpi.com/2079-9292/13/18/3758#
Nguyen, T.-M., & Malik, A. (2022). Impact of knowledge sharing on employees' service quality: the moderating role of artificial intelligence. International Marketing Review, 39(3), 482-508. doi:http://10.1108/IMR-02-2021-0078
Nwankpa, J. K., & Roumani, Y. F. (2024). Remote work, employee productivity and innovation: the moderating roles of knowledge sharing and digital business intensity. Journal of Knowledge Management, 28(6), 1793-1818. doi:http://dx.doi.org/10.1108/JKM-12-2022-0967
Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of Business Research, 145, 605-615. doi:http://dx.doi.org/10.1016/j.jbusres.2022.03.008
Olan, F., Ogiemwonyi Arakpogun, E., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of Business Research, 145, 605-615. doi:https://doi.org/10.1016/j.jbusres.2022.03.008
Olan, F., Suklan, J., Arakpogun, E. O., & Robson, A. (2021). Advancing consumer behavior: The role of artificial intelligence technologies and knowledge sharing. IEEE Transactions on Engineering Management. doi:http://dx.doi.org/10.1109/TEM.2021.3083536
Papagiannidis, E., Mikalef, P., & Conboy, K. (2025). Responsible artificial intelligence governance: A review and research framework. The Journal of Strategic Information Systems, 34(2), 101885. doi:https://doi.org/10.1016/j.jsis.2024.101885
Perifanis, N.-A., & Kitsios, F. (2023). Investigating the influence of artificial intelligence on business value in the digital era of strategy: A literature review. Information, 14(2), 85. doi:https://doi.org/10.3390/info14020085
Russel, S., & Norvig, P. Artificial Intelligence: Modem Approach, 2002. Prentive Hall. doi:https://scholar.google.com/scholar_lookup
Sarker, I. H. (2022). AI-Based Modeling: Techniques, Applications and Research Issues Towards Automation, Intelligent and Smart Systems. SN Computer Science, 3(2), 158. doi:http://10.1007/s42979-022-01043-x
Saxena, M., & Mishra, D. K. (2025). Artificial intelligence: the way ahead for employee engagement in corporate India. Global Knowledge, Memory and Communication, 74(1/2), 111-127. doi:http://10.1108/GKMC-09-2022-0215
Shaikh, F., Afshan, G., Anwar, R. S., Abbas, Z., & Chana, K. A. (2023). Analyzing the impact of artificial intelligence on employee productivity: the mediating effect of knowledge sharing and well‐being. Asia Pacific Journal of Human Resources, 61(4), 794-820. doi:http://doi/abs/10.1111/1744-7941.12385
Shamout, M. D., Elayan, M. B. H., Hamouche, S., & Chabani, Z. (2025). The Role of Collaboration Technology and Knowledge Sharing Climate on Employee Productivity and Innovative Behavior. Knowledge and Process Management. doi:http://dx.doi.org/10.1002/kpm.1801
Singh, S., Siemon, D., & Vodolazskii, D. (2025). Emotional Productivity: Exploring the Impact of AI Interactions on Employee Well-Being and Workplace Efficiency. Proceedings of the 58th Hawaii International Conference on System Sciences. doi:https://urn.fi/URN:NBN:fi-fe202501174191
Szczepaniuk, H., & Szczepaniuk, E. K. (2022). Applications of artificial intelligence algorithms in the energy sector. Energies, 16(1), 347. doi:https://doi.org/10.3390/en16010347
Taleb, H. M., Mahrose, K., Abdel-Halim, A. A., Kasem, H., Ramadan, G. S., Fouad, A. M., . . . Salem, H. M. (2025). Using artificial intelligence to improve poultry productivity–a review. Annals of Animal Science, 25(1), 23-33. doi:http://10.2478/aoas-2024-0039
Trenerry, B., Chng, S., Wang, Y., Suhaila, Z. S., Lim, S. S., Lu, H. Y., & Oh, P. H. (2021). Preparing workplaces for digital transformation: An integrative review and framework of multi-level factors. Frontiers in psychology, 12, 620766. doi:https://doi.org/10.3389/fpsyg.2021.620766
Zeb, A., Rehman, F. U., Bin Othayman, M., & Rabnawaz, M. (2025). Artificial intelligence and ChatGPT are fostering knowledge sharing, ethics, academia and libraries. The International Journal of Information and Learning Technology, 42(1), 67-83. doi:http://10.1108/IJILT-03-2024-0046
 
CAPTCHA Image