مدلسازی پیشران‌های تجاری‌سازی دانش مبتنی بر هوش مصنوعی در استارتاپ‌های هایتک

مطالعه حاضر با هدف مدلسازی پیشران‌های تجاری‌سازی دانش مبتنی بر هوش مصنوعی در استارتاپ‌های هایتک انجام شد. این مطالعه از نظر هدف یک پژوهش پژوهش کاربردی-توسعه‌ای است و براساس نحوه گردآوری داده‌ها نیز یک پژوهش پیمایشی-مقطعی محسوب می‌شود. در راستای نیل به هدف پژوهش از طرح پژوهش آمیخته اکتشافی استفاده گردید. جامعه مشارکت‌کنندگان بخش کیفی شامل خبرگان نظری (اساتید دانشگاهی) و خبرگان تجربی (مدیران استارتاپ‌های هایتک) است. برای نمونه‌گیری از روش هدفمند استفاده شد و پس از 17 مصاحبه، اشباع نظری حاصل گردید. جامعه آماری بخش کمی شامل کارشناسان بخش فنی استارتاپ‌های هایتک است. حجم نمونه با فرمول کوکران 132 نفر برآورد گردید و نمونه‌گیری با روش خوشه‌ای-تصادفی انجام شد. برای شناسایی مقوله‌های مدل از تحلیل کیفی مضمون استفاده شد. برای اعتبارسنجی الگو از روش حداقل مربعات جزئی استفاده گردید. تجزیه‌وتحلیل داده‌ها در فاز کیفی با نرم‌افزار maxqda20 و در فاز کمی با نرم‌افزار smart pls انجام شد. براساس روش تحلیل مضمون مبتنی بر روش شش مرحله‌ای اترید-استرلینگ (2001)، در مرحله کدگذاری باز 201 کد شناسایی و از طریق کدگذاری محوری به 11 مضمون اصلی و 71 مضمون فرعی حاصل شد. نتایج نشان داد عوامل محیطی، شبکه‌سازی، عوامل فنی، عوامل مدیریتی، عوامل مشتری، عوامل دیجیتال، عوامل راهبردی، فرصت‌های فناورانه، دانش کارآفرینانه، هوشیاری کارآفرینانه، ویژگی‌های کارآفرینانه می‌باشند که بر تجاری‌سازی دانش مبتنی بر هوش مصنوعی در استارتاپ‌های هایتک تاثیر می‌گذارند. عوامل فنی، محیطی و شبکه‌سازی بیشترین نقش را در تجاری‌سازی دانش مبتنی بر هوش مصنوعی ایفا می‌کنند.

modeling the commercialization drivers of artificial intelligence-based knowledge in high-tech startups

the present study was conducted with the aim of modeling the drivers of artificial intelligence-based knowledge commercialization in high-tech startups. in terms of the purpose, this study is an applicable-developmental research, and based on the method of data collection, it is considered a crosssectionalsurvey. in order to achieve the goal of the research, an exploratory mixed research design was used. the community of participants of the qualitative part includes theoretical experts (university professors) andexperimental experts (managers of hi-tech startups). purposive method wasused for sampling, and theoretical saturation was achieved after 17 interviews.the statistical population of the quantitative section includes experts in thetechnical department of high-tech startups. the sample size was estimated tobe 132 people using cochran's formula, and sampling was done by clusterrandommethod. qualitative theme analysis was used to identify the categoriesof the model. partial least squares method was used to validate the model. dataanalysis in qualitative phase was done with maxqda20 software, and inquantitative phase with smart pls software. according to the theme analysismethod based on etrid-sterling's (2001) six-step method, 201 codes wereidentified in the open coding stage, and 11 main themes and 71 secondarythemes were obtained through axial coding. the results showed that there areenvironmental factors, networking, technical factors, managerial factors,customer factors, digital factors, strategic factors, technological opportunities,entrepreneurial knowledge, entrepreneurial awareness, and entrepreneurialcharacteristics that affect the commercialization of knowledge based onartificial intelligence in high-tech startups. technical, environmental andnetworking factors play the most important role in the commercialization ofknowledge based on artificial intelligence.