ارائه مدل توسعه اعتماد شناختی کارکنان در هوش مصنوعی

پژوهش حاضر با هدف ارائه مدل توسعه اعتماد شناختی کارکنان در هوش مصنوعی است. جامعه آماری این پژوهش شامل مدیران ارشد شرکت­های استان تهران که به روش نمونه‌گیری هدفمند غیر احتمالی تعداد 17 نفر به عنوان نمونه انتخاب شدند. این مطالعه با رویکرد کیفی و با استفاده از گراندد تئوری انجام شد. برای جمع‌آوری داده‌ها از مصاحبه‌های نیمه‌ساختاریافته عمیق استفاده شد و تحلیل داده‌ها با روش کدگذاری باز و محوری انجام گرفت. مصاحبه‌ها تا اشباع داده‌ها ادامه یافتند و سپس با استفاده از نرم‌افزار maxqda 2022 تحلیل شدند. نتایج نشان می‌دهند 16 مقوله فرعی در قالب طبقات شش گانه که عوامل علی شامل شفافیت، آموزش و آگاهی‌بخشی، انطباق اخلاقی و تعریف نقش‌ها و اهداف مشترک، از جمله عواملی هستند که به تقویت اعتماد کارکنان کمک می‌کنند. عوامل زمینه‌ای همچون فرهنگ سازمانی و منابع؛ عوامل مداخله‌گر مقاومت کارکنان و پیچیدگی سیستم است. راهبردها شامل آموزش و توانمندسازی کارکنان به‌عنوان ابزارهای کلیدی در بهبود تعاملات انسان و ماشین شناخته می‌شوند. در نهایت، پیامدها این فرایند شامل پذیرش هوش مصنوعی، بهبود تعاملات انسان و ماشین، و افزایش عملکرد سازمانی می‌باشد.نتایج این تحلیل بر اهمیت ایجاد شفافیت، کاهش پیچیدگی سیستم، و ارتقای درک کارکنان از سازوکارها و مزایای هوش مصنوعی برای افزایش اعتماد شناختی تاکید دارد.

presenting a model for developing employee cognitive trust in artificial intelligence

the present study aims to provide a model for developing employee cognitive trust in artificial intelligence. the statistical population of this study includes senior managers of companies in tehran province, 17 of whom were selected as samples using non-probability purposive sampling. this study wasconducted with a qualitative approach and using grounded theory. in-depthsemi-structured interviews were used to collect data, and data analysis wasperformed using open and axial coding methods. interviews continued untildata saturation and were then analyzed using maxqda 2022 software. theresults show that there are16 subcategories in the form of six classes: thecausal factors include transparency, education and awareness, ethicalcompliance, and defining common roles and goals, are among the factors thathelp strengthen employee trust. contextual factors are organizational cultureand resources; and intervening factors are employee resistance and systemcomplexity. strategies include employee training and empowerment as keytools in improving human-machine interactions. ultimately, the outcomes ofthis process include ai adoption, improved human-machine interactions, andincreased organizational performance. the results of this analysis emphasizethe importance of creating transparency, reducing system complexity, andimproving employee understanding of the mechanisms and benefits of ai toincrease cognitive trust.