مقاله انگلیسی رایگان در مورد هوش داده ها و تحلیل: یک تحلیل کتابسنجی از هوش مصنوعی-انسان در تاثیر گذاری تصمیم گیری بخش دولتی – الزویر ۲۰۲۱

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله هوش داده ها و تحلیل: یک تحلیل کتابسنجی از هوش مصنوعی-انسان در تاثیر گذاری تصمیم گیری بخش دولتی
عنوان انگلیسی مقاله Data intelligence and analytics: A bibliometric analysis of human–Artificial intelligence in public sector decision-making effectiveness
انتشار مقاله سال ۲۰۲۲
تعداد صفحات مقاله انگلیسی ۱۷ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۸٫۵۹۳ در سال ۲۰۲۰
شاخص H_index ۱۱۷ در سال ۲۰۲۰
شاخص SJR ۲٫۲۲۶ در سال ۲۰۲۰
شناسه ISSN ۰۰۴۰-۱۶۲۵
شاخص Quartile (چارک) Q1 در سال ۲۰۲۰
فرضیه ندارد
مدل مفهومی دارد، تصویر۱ صفحه ۴
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مدیریت، مهندسی کامپیوتر
گرایش های مرتبط مدیریت سازمان های دولتی، مدیریت فناوری اطلاعات، هوش مصنوعی
نوع ارائه مقاله
ژورنال
مجله  پیش بینی فناورانه و تحول اجتماعی – Technological Forecasting & Social Change
دانشگاه University of Naples “Parthenope”, Naples, Italy
کلمات کلیدی دو سو توانی، صنعت ۴٫۰، هوش تجاری، کلان داده ها، سرمایه فکری، هوش انسان، مسئولیت و عملکرد
کلمات کلیدی انگلیسی Ambidexterity, Industry 4.0, Business intelligence, Big data, Intellectual capital, Human intellect, Accountability and performance
شناسه دیجیتال – doi
https://doi.org/10.1016/j.techfore.2021.121201
کد محصول E15771
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
Keywords
Introduction
Theoretical background
Methodology
Bibliometric analysis and results
Discussion
Concluding remarks
Declaration of Competing Interest
Appendix. Supplementary materials
References

بخشی از متن مقاله:
ABSTRACT
This study investigates the literary corpus of the role and potential of data intelligence and analytics through the lenses of artificial intelligence (AI), big data, and the human–AI interface to improve overall decision-making processes. It investigates how data intelligence and analytics improve decision-making processes in the public sector. A bibliometric analysis of a database containing 161 English-language articles published between 2017 and 2021 is performed, providing a map of the knowledge produced and disseminated in previous studies. It provides insights into key topics, citation patterns, publication activities, the status of collaborations between contributors over past studies, aggregated data intelligence, and analytics research contributions. The study provides a retrospective review of published content in the field of data intelligence and analytics. The findings indicate that field research has been concentrated mainly on emerging technologies’ intelligence capabilities rather than on human–artificial intelligence in decision-making performance in the public sector. This study extends an ambidexterity theory in decision support, which enlightens how this ambidexterity can be encouraged and how it affects decision outcomes. The study emphasises the importance of the public sector adoption of data intelligence and analytics, as well as its efficiency. Furthermore, this study expands how researchers and practitioners interpret and understand data intelligence and analytics, AI, and big data for effective public sector decision-making.
Introduction
Technological breakthroughs have ushered in a new era for companies and governments over the last two decades (Amankwah-Amoah, 2017; You et al., 2019; Grover et al., 2020). Since 2011, the emergence of the Industry 4.0 paradigm has opened a new stage, defined as “The Fourth Industrial Revolution,” which leads to the digitisation of all industrial processes and the convergence and interconnection between the different aspects of manufacturing in various departments and functions (Rieple et al., 2012; Gursoy et al., 2019).

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *