לחץ בעבודה ויצירתיות אישית: פרוטוקול למידול משוואות מבניות חלקיות של ריבועים חלקיים מבוסס מסך למקומות עבודה מבוססי בינה מלאכותית

סיכום

מחקר זה מציג פרוטוקול מודל משוואות מבני מבוסס מסך (PLS-SEM) לבדיקת תיווך ומיתון, ביצוע אבחון בשיטה משותפת, פירוש שיפועים פשוטים והערכת רלוונטיות חיזוי במחקר במקום העבודה המוטמע בבינה מלאכותית.

תקציר

השימוש הגובר בבינה מלאכותית (AI) בארגונים מעצב מחדש את דרישות העבודה, תפיסות ההנהגה וההזדמנויות ליצירתיות של העובדים. בהסתמך על מודל דרישות משאבים בעבודה (JD–R) ותיאוריית הלמידה החברתית, מחקר זה בוחן האם תפיסות העובדים לגבי מנהיגות אתית מתווכות את הקשר בין לחץ בעבודה ליצירתיות אישית, והאם הטמעת בינה מלאכותית ארגונית מגבירה קשר זה. באמצעות מידול משוואות מבניות של מינימום ריבועים חלקיים (PLS-SEM) עם 5,000 דגימות bootstrap, הממצאים מראים שלחץ תעסוקתי משפיע לרעה על תפיסת המנהיגות האתית, בעוד שתפיסת מנהיגות אתית משפיעה לטובה על היצירתיות. לחץ בעבודה לא היה קשור ישירות ליצירתיות; במקום זאת, תפיסת מנהיגות אתית שימשה כדרך עקיפה משמעותית. בנוסף, הטמעת בינה מלאכותית ארגונית חיזקה את הקשר בין תפיסות של מנהיגות אתית ליצירתיות. ממצאים אלו מצביעים על כך שיצירתיות במקומות עבודה מבוססי בינה מלאכותית מעוצבת פחות על ידי הטכנולוגיה עצמה ויותר על ידי מנגנונים פסיכולוגיים ארגוניים. ארגונים השואפים לשפר את היצירתיות במהלך טרנספורמציה דיגיטלית צריכים לנהל לחץ תעסוקתי ולטפח סביבות מנהיגות אתיות, במקום להתמקד רק ביישום בינה מלאכותית. פרוטוקול זה משתמש במודל האמפירי כדוגמה מעובדת להדגמת תהליך עבודה שניתן לשחזור בין סקר ל-PLS-SEM.

מבוא

הבינה המלאכותית (AI) שינתה את אופן ביצוע עבודתם של העובדים, מבינים את טבע דרישות התפקיד שלהם ומזהים הזדמנויות ליצירתיות, כאשר ארגונים מתחילים לאמץ את הבינה המלאכותית לתמיכה בהחלטות, אוטומציה ותיאום 1,2,3,4. יכולות מבוססות בינה מלאכותית יכולות להרחיב את טווח המידע הנגיש ולתמוך בניסויים, אך כשלעצמן אינן מעודדות אנשים להתנהג בצורה יצירתית ^5,6. במקום זאת, ההתנהגות היצירתית של העובדים תלויה בתפיסותיהם לגבי הלגיטימיות של ניסויים, הוגנות בטיפול בטעויות, ותמיכה במנהיגים שלהם ^7,8. פרוטוקול זה מגדיר יצירתיות כתהליך מבוסס תפיסה בפסיכולוגיה ארגונית ולא כמוצר מבוסס טכנולוגיה, תוך שהוא מאפשר לתהליך מהגיוס ועד להסקה להיות חוזר ושקוף⁹. ההליך אינו מצלם או מתבונן במשתתפים במעבדה, אך התופעה המעניינת עדיין היא התנהגות, שכן העובדים מגיבים ללחץ בעבודה, מבינים מידע חברתי ומפתחים תגובות יצירתיות למצב עבודה מושפע מ-AI. לכן, היקף ההתנהגות מטופל באמצעות התנהגות מדידה במקום העבודה ומבנים פרשניים הקשורים ליצירתיות, תפיסת מנהיגות ותגובה הקשרית הקשורה לבינה מלאכותית, במקום התנהגות פיזית ^6,10.

מקומות עבודה מוטמעים בבינה מלאכותית מוגדרים כסביבות עבודה שבהן העובדים תופסים את הבינה המלאכותית כחלק קבוע מתיאום עבודה, תמיכה בהחלטות, הערכה ופתרון בעיות, ולא ככלי אופציונלי מזדמן. מבנה זה צר יותר מהטרנספורמציה הדיגיטלית הרחבה, שונה מאימוץ בינה מלאכותית כהקדמה, שונה מבשלות הבינה המלאכותית כשלב היישום, ושונה מיכולת בינה מלאכותית כמיומנות טכנית. מכיוון שעובדים אינם יודעים את היקף השימוש האובייקטיבי בבינה מלאכותית בכל הפונקציות, המבנה נחשב כהטמעה נתפסת של בינה מלאכותית ארגונית, ההולמת למודל מבוסס תפיסה של תפיסת מנהיגות אתית ויצירתיות אישית 1,4,11,12.

פרוטוקול זה מתמודד עם שלושה פערים שמחזקים זה את זה. ראשית, ידוע פחות על מה נחשב למנהיגות אתית בסביבות עבודה המוטמעות, וכיצד תפיסות מנהיגות אתיות קשורות ללחץ תעסוקתי בהקשר ליצירתיות. הקשר הזה חשוב משום שההשפעות של לחץ בעבודה על יצירתיות משתנות כאשר הן מונחות בהקשר ומפרש^13,14. שנית, בעוד שמחקרים על יצירתיות במקומות עבודה משובצים בבינה מלאכותית לעיתים קרובות התייחסו לבינה מלאכותית ככלי או מדד לאימוץ בינה מלאכותית, יש פחות ראיות לאופן שבו הטמעת בינה מלאכותית ארגונית מעצבת תגובות התנהגותיות לרמזים מנהיגים או לפרשנויות של אי-ודאות הקשורה לבינה מלאכותית ^4,11,12. שלישית, מחקרים המשתמשים בנתונים מבוססי סקרים בפסיכולוגיה ארגונית לעיתים קרובות מצמצמים הכל מגיוס וסינון ועד בניית מדידה, הכנת נתונים, וניתוחי תיווך ומודרציה של מידול משוואות מבניות חלקית (PLS-SEM) לתיאורים קצרים, אף על פי שתוקף מדידה, תוקף מבחין, קולינאריות ורלוונטיות חיזוית הם כולם חשובים לשקול 15,16,17,¹⁸. המחברים הופכים את זרימת העבודה הזו לגלויה בהליך זה על ידי הפחתת 342 התחלות סקר ל-310 מקרים שמישים, הפרדת בלוקי בנייה, בדיקת קולינאריות מלאה עם VIF וחיתוך 3.3, בדיקת אפקטים ישירים, עקיפים ואינטראקציה עם 5,000 דגימות מחדש עם בוטסטרפ, ולבסוף הכללת PLSpredict כמסך רלוונטיות חיזוי 15,16,18,19.

לכן, התרומה העיקרית היא מתודולוגית. מודל לחץ תעסוקתי-מנהיגות אתית-יצירתיות נשמר כדוגמה שעובדת, אך התרומה העיקרית היא להפוך החלטות אנליטיות נסתרות בדרך כלל לגלויות לראוי: סינון זכאות, שמירת קוד פריטים, הפרדת מבנים, אימות מדידה, דיאגנוסטיקה בשיטה משותפת, אתחול, פירוק אפקט, פרשנות שיפוע פשוט, והערכת PLSpredict 15,18,19. בהתאם למודל דרישות עבודה-משאבים^20,21, לחץ בעבודה הוא דרישה שצורכת את המשאבים הקוגניטיביים והרגשיים הנדרשים למעורבות יצירתית, ובכך משפיעה על היצירתיות⁹. העובדים מתמקדים במאמציהם הדיסקרטיים ביצירת פתרונות חדשים וייחודיים באמצעות גמישות קוגניטיבית, ניסויים ושיטות עבודה חדשות. יש להם פחות זמן לייצר רעיונות כשהם מתמודדים עם דד-ליינים ארוכים בסביבת עבודה סוערת, והם נוטים להתמקד במניעת טעויות והשלמת משימות^13,14. לא כל לחץ מזיק ליצירתיות, ורמות מסוימות של אתגר עשויות לקדם יצירת רעיונות בקרב אנשים שמקבלים אוטונומיה במשימה ומקבלים תמיכה חברתית במקום העבודה^13,22. לעומת זאת, לחץ מתמשך עלול להוביל למערכת יחסים שלילית.

בהתאם לכך, המחברים משערים שלחץ תעסוקתי קשור לרעה ליצירתיות האישית (H1). לחץ בעבודה עשוי גם להשפיע על האופן שבו עובדים מסוימים רואים את סביבתם החברתית. בתקופות של שינוי ולחץ, העובדים עלולים לפתח רגישות מוגברת לאותות של הוגנות, תמיכה ותגובתיות^. תגובה מאוחרת מההנהלה או קבלת החלטות לא עקבית, מזווית זו, יכולה להיתפס כתיאום לקוי בהקשר אחד וכהזנחה בהקשר אחר. העיקר הוא שכאשר אנשים נמצאים תחת לחץ, הם נוטים להדגיש יותר את מה שמנהיגים מסמנים להם, ולכן במצבים ללא הוגנות ותמיכה גלויה, הם נוטים יותר ליצור פרשנויות שליליות ^8,10. לאחר מכן, המחברים משערים שלחץ תעסוקתי קשור לרעה לתפיסות העובדים של מנהיגות אתית (H2). תפיסת מנהיגות אתית היא איך העובדים רואים את המנהיג שלהם כהוגן, ישר, פתוח ובעל ערכים מוסריים טובים 10,23,24. מנקודת מבט של תיאוריית למידה חברתית, תפיסת מנהיגות אתית מצביעה על האם העובדים ישתמשו בקולם, ייקחו סיכונים על ידי ניסוי דברים חדשים, או יעברו ניסוי⁷. העובדים יהיו נוטים יותר לתת חוות דעת על דרכי עבודה חדשות ולנסות רעיונות חדשים כאשר הם תופסים את המנהיג שלהם כאתי. מנהיגים הוגנים ואמינים ייצרו יותר הזדמנויות לעובדים לעסוק בהתנהגויות יצירתיות שיקוליות ^6,7,10.

בהתאם לכך, המחברים משערים כי תפיסות העובדים לגבי מנהיגות אתית קשורות באופן חיובי ליצירתיות האישית (H3). המודל גם מציג מסלול עקיף שבו תפיסת מנהיגות אתית מתווכת את השפעת הלחץ בעבודה על היצירתיות האישית. השפעות הקשורות ללחץ על היצירתיות נראות לא עקביות ומרמזות שהקשר אינו פשוט^14,22. שני עובדים עשויים להיחשף לאותה רמת לחץ, אך אחד מהם עשוי להמשיך לראות את המנהיג כאתי ואת מקום העבודה כבטוח מספיק כדי לשתף רעיונות. העובד השני עשוי להפסיק לשתף רעיונות כאשר הוא תופס את המנהיג כלא אתי או מרגיש שמטופל בצורה לא הוגנת ^6,7. מסלול זה מצביע על השפעת הפרשנות החברתית ומציע כי התמקדות בלבד בהשפעה הישירה של לחץ תעסוקתי על התפוקה היצירתית עשויה להיות בלתי מספקת.

המחברים גם משערים שתפיסות העובדים לגבי מנהיגות אתית מתווכות את הקשר בין לחץ תעסוקתי ליצירתיות אישית (H4). הטמעת בינה מלאכותית ארגונית קשורה לסביבות עבודה שבהן הבינה משמשת לתיווך, הערכה ותמיכה בעבודת העובדים ^1,25,26. סביבות ארגוניות משובצות בינה מלאכותית מרחיבות את הגישה של העובדים למידע, מקצרות את הזמן הנדרש לביצוע עבודה מסוימת, ומספקות מרחב רחב יותר לשילוב מחדש של רעיונות. במקביל, הם עשויים להעלות שאלות לגבי מי או מה יישא באחריות, אילו סוגי הערכות יתבצעו, ואילו סוגי ניסויים מקובלים²⁷. במצבים כאלה, העובדים נוטים להתייחס יותר לרמזים אתיים של מנהיגות כאשר שופטים האם ניסויים מבוססי בינה מלאכותית, סבילות לשגיאות בינה מלאכותית ויצירת רעיונות בעזרת בינה מלאכותית הם לגיטימיים ובטוחים 11,30,31. לכן, המחברים חוזים כי הטמעת בינה מלאכותית ארגונית תגדיל את הרלוונטיות של תפיסות מנהיגות אתית ליצירתיות האישית.

בהתאם לכך, המחברים משערים כי הטמעת בינה מלאכותית ארגונית ממתנת את הקשר בין תפיסות העובדים לגבי מנהיגות אתית לבין יצירתיות אישית, כך שהקשר החיובי חזק יותר כאשר הטמעת הבינה המלאכותית הארגונית גבוהה (H5). פרוטוקול זה מיועד לחוקרי התנהגות החוקרים התנהגות מדווחת על עצמם במקום העבודה ואת פרשנותה החברתית כאשר תצפית ישירה אינה מעשית או לא מוצדקת מבחינה אתית. כתב היד תורם בשלוש דרכים. ראשית, היא סוטה מההבנה המסורתית של יצירתיות במקומות עבודה מבוססי בינה מלאכותית כביטוי של תוצרים טכנולוגיים וידע טכני-מדעי, ומציגה את התהליך הזה כמבוסס על תפיסה כתהליך פסיכולוגיה ארגונית ^6,9. שנית, היא מרחיבה את הטיעון הזה בכך שהיא מדגימה שתפיסות של מנהיגות אתית מתווכות את הקשר בין לחץ תעסוקתי ליצירתיות אישית, וכי הקשר בין תפיסות מנהיגות אתית ליצירתיות מתמתן על ידי הטמעת בינה מלאכותית ארגונית ^4,10,14. שלישית, הוכנסו סקר מבוסס מסך והליך PLS-SEM להערכת תהליכי גישור ומתן 15,18,19. היתרון שלו הוא הפיכת החלטות נסתרות לגלוי, כולל סינון תעסוקה, הפרדת מבנים, בדיקות תוקף וקוליניאריות, בוטסטרפינג, פירוק אפקט, פרשנות מתינות, ניתוח PLSpredict ופרשנות זהירה של יחסי חתך.

פרוטוקול

תהליך המחקר התנהל לפי כל הפרוטוקולים האתיים למחקר עם משתתפים אנושיים. כל המידע על המשתתפים נאסף באופן אנונימי באמצעות טכנולוגיית סקרים מקוונת ונהלי הסכמה דיגיטלית מיודעת. לא נאסף מידע שמזהה משתתף, ולא הוקלט סרטון של משתתף. לכל המשתתפים הוצג מסך הסכמה דיגיטלית מעודכנת לפני ההגעה לסקר. המסך הסביר את מטרת המחקר האקדמית, שההשתתפות הייתה וולונטרית, שהתשובות יישארו בסודיות, ושהנתונים ישמשו למטרות מחקר בלבד. משתתפים שלא הכירו באופן פעיל בהסכמה מדעת הוסרו מהסקר לפני שהוצג כל פריט מחקר. מידע על אישור אתי או פטור צריך להיות מדווח בהצהרת האתיקה בהתאם לדרישות המוסד המגיש. האלמנט הוויזואלי של פרוטוקול זה נועד להציג את השלבים הללו כהדגמת וידאו מבוססת מסך של גיוס, הסכמה, סינון, עיבוד נתונים ללא זיהוי, יצירת מודלים של SmartPLS, אתחול, פירוק אפקטים והערכת PLSpredict, ולא כתרשים נוסף של תהליך עבודה. רצף הטבלאות מחקה את רצף השלבים בהדגמת הווידאו. טבלה 1 מזהה את המדגם שנשמר לאחר גיוס, הסכמה, סינון ובדיקות איכות. הבסיס למדידת בלוקים מוצג בטבלה 2. טבלאות 3–5 מדווחות על איכות מדידה, תוקף מבחין ואבחון קוליניאריות. טבלה 6 מדווחת על תוצאות בדיקת ההשערות. טבלה 7 מציגה את הפירוק של השפעות ישירות ועקיפות. טבלה 8 היא נקודת הביקורת PLSpredict. טבלאות 1–8, אם כן, מייצגות את מסלול הפלט מהזנת הסקר ועד להסקה סטטיסטית עבור תהליך העבודה מבוסס מסך^15,18. כל הפלטפורמות/הכלים ששימשו במחקר זה מופיעים בטבלת החומרים.

מודל מחקר

בדוגמה שעובדת, תפיסת מנהיגות אתית מתווכת את השפעות הלחץ בעבודה על היצירתיות האישית, והטמעת בינה מלאכותית ארגונית ממתנת את השפעת תפיסת המנהיגות האתית על היצירתיות האישית. איור 1 מציג את המודל הקונספטואלי, שבו H4 מתייחס להשפעת תפיסת המנהיגות האתית כדרך עקיפה, ו-H5 מתייחס למתן תפיסת המנהיגות האתית על ידי הטמעת בינה מלאכותית ארגונית. מטרת המודל אינה להציג מודל סיבתי, אלא להציג תהליך תיווך ומודרציה מבוסס מסך.

איור 1: מודל קונספטואלי. הדיאגרמה מציגה את לחץ התעסוקה (JS) כמנבא, תפיסת מנהיגות אתית (EL) כמתווך, יצירתיות אישית (IC) כתוצאה, והטמעת בינה מלאכותית ארגונית (OA) כממתנת מערכת היחסים בין EL–IC. חצים מוצקים מציינים את המסלולים הישירים המשוערים, המסלול המתווך הוא JS > EL > IC, ומונח האינטראקציה מייצג את EL × OA > IC. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.

נתוני מחקר

מערכת גיוס משתתפים מבוססת אינטרנט ומערכת סקרים מבוססת אינטרנט משמשות לאיסוף תגובות אנונימיות לסקרים מעובדים במשרה מלאה באוכלוסיית היעד. יש להגדיר מסננים לפני ההשקה, ויש להשתמש בפריט סינון מבוסס סקר לאישור זכאות לפני הצגת בלוקי הבנייה. תגובות של משתתפים שאינם מסכימים, משיבים לא זכאים ותשובות שנכשלו בבדיקות בקרת איכות אינן כלולות לפני הניתוח. בדוגמה העובדת, נותרו למחברים 310 סקרים שהושלמו תקפים מתוך 342 התחלות ראשוניות לאחר סינון מצב תעסוקה ובדיקות בקרת איכות. טבלה 1 מציגה את המידע הדמוגרפי עבור המדגם הסופי התקף.

טבלה 1: מאפיינים תיאוריים של המדגם (n = 310). הטבלה מסכמת את המשיבים שנשארו לפי מאפיינים דמוגרפיים ותעסוקתיים לאחר הסכמה, סינון זכאות והחרגות בקרת איכות; n מציין גודל מדגם. אנא לחצו כאן להורדת הטבלה הזו.

אמצעים

סולם ליקרט בן שבע נקודות משמש לכל הפריטים (1 = לא מסכים בתוקף; 7 = מסכים בחוזקה). הסקר כולל בלוקים של מדידה ללחץ בעבודה, תפיסת מנהיגות אתית, יצירתיות אישית והטמעת בינה מלאכותית ארגונית. שמור קודי פריט בעת עיצוב וייצוא הסקר כדי להבטיח שכל מדד נמדד ניתן למפות למשתנה החבוי המתאים במהלך מפרט המודל. הסט המלא של פריטי המדידה והמקורות מופיע בטבלה 2.

טבלה 2: פריטי מדידה ומקורות. טבלה זו מספקת את פריטי השאלון, הבנייה של המשימות ומקורות הסולם. קיצורים: JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; OA = הטמעת בינה מלאכותית ארגונית. אנא לחצו כאן להורדת הטבלה הזו.

לפני ייבוא הנתונים לתוכנת PLS-SEM, על החוקרים לייצא את מערך הנתונים המושלם בפורמט .csv. שמות, כתובות אימייל, כתובות IP ומזהים ישירים אחרים יש להסיר מהייצוא כדי למנוע חשיפה לא מכוונת של מידע המשתתפים. יש לבדוק את הקובץ המיוצא לערכים חסרים, תגובות סינון כושלות, יישור קווי, בדיקות קשב כושלות ושגיאות בשמות משתנים. רק משתני האינדיקטור והבקרה הנדרשים על ידי המודל צריכים להישמר. התחלות הסקר הראשוניות, מדגם סופי תקף, טווחי אמינות, טווח AVE, טווח VIF מבני, והגדרת דגימה מחדש של בוטסטרפ צריכים להיקלט לדיווח מאוחר יותר.

תהליך עבודה אנליטי PLS-SEM

כדי לנתח את ההשערות, החוקרים צריכים להשתמש ב-PLS-SEM. ב-SmartPLS 4.1, יש ליצור פרויקט חדש על ידי ייבוא קובץ .csv המנוקה. המבנים החבויים צריכים להיות מונחים על בד המודלים, והאינדיקטורים השמורים צריכים להיות מוקצים ל-JS, EL, IC ו-OA. ניתן לצייר את המסלולים הישירים הללו על קנבס הדגם; המסלול העקיף ניתן לציין כ-JS > EL > IC, ומונח האינטראקציה בין מוצר לאינדיקטור יכול להיווצר גם כ-OA × EL > IC. חוקרים צריכים להפעיל את אלגוריתם PLS לפני שהם מעריכים את המסלולים המבניים. ב-SmartPLS, עבור ל-Calculate > PLS Algorithm ורשום את הגדרות ההערכה, כולל סכמת משקלול המסלול, מספר האיטרציות המקסימלי, וקריטריון העצירה אם קיים. לאחר ביצוע אלגוריתם PLS, על החוקרים להעריך את ערכי האלפא, האמינות המורכבת, AVE, העומסים החיצוניים, Fornell-Larcker, יחס HTMT וערכי VIF 17,18,19 של קרונבך. התוצרים להערכת האמינות, התוקף והקוליניאריות מדווחים בטבלאות 3–5. מומלץ למחברים לבצע מבחן קולינארי מלא כדי לבדוק הטיה אפשרית בשיטה משותפת. ערכי VIF מבניים צריכים להיחשב כאינדיקטור אבחנתי להטיה פוטנציאלית מאותו מקור, ולא כאינדיקטור לכך שההטיה מאותו מקור הוסרה.

הפרוטוקול מבדיל בין VIFים חיצוניים לבין VIFים מבניים/קוליניאריות מלאה. אם VIF חיצוני עולה על 3.3 אך נשאר מתחת ל-5.0, יש לזהות את הערך כחשש פוטנציאלי לקולינאריות ברמת אינדיקטור ולא כהטיה משותפת. VIFים בעלי קולינאריות מלאה מפורשים בנפרד כמסך אבחוני מאותו מקור, ולא כהוכחה לכך שההטיית שיטה נפוצה בוטלה 15,18,19. יש לבצע אבחון איכות מדידה וקולינאריות לפני פירוש מקדמי המסלול, השפעות עקיפות ומונחי אינטראקציה. כדי לחשב מסלולים ישירים, השפעות עקיפות ספציפיות ואפקט המתנה, החוקרים חייבים לבצע את תהליך האתחול עם 5,000 דגימות חוזרות. עם 5,000 תתי-דגימות, יש לבצע מבחן דו-זנבי ב-α = 0.05, ולהשאיר את אפשרויות שינוי הסימן ורווח האמון כפי שהיה בפרויקט. טבלה 6 מציגה את מקדם המסלול, ההשפעה העקיפה הספציפית ותוצאות האינטראקציה. לאחר בדיקת ההשערות, יש לסקור את החלקים של ההשפעות העקיפות הספציפיות וההשפעות הכוללות בפלט כדי להעריך את הקשר הישיר בין JS > IC ביחס למסלול העקיף דרך EL וללכוד את פירוק ההשפעה בטבלה 7. הליך זה נמנע מפרשנות של מסלול הלחץ-יצירתיות הישיר הלא-משמעותי בנפרד מהנתיב העקיף המבוסס על תפיסה משמעותית. מומלץ לחוקרים להריץ את PLSpredict עבור המבנים האנדוגניים ולדווח על סטטיסטיקות^Q2predict, RMSE ו-MAE כהערכת רלוונטיות חזויה מוגבלת. התוצאות הנוכחיות עבור^Q2חוזה, RMSE ו-MAE עבור המבנים האנדוגניים EL ו-IC, יחד עם תוצאות עבור מדד מודל ליניארי, אם מוצגים בטבלה 8. תוצאות אלו מתפרשות כראיות חיזוי מוגבלות ולא כראיות חיזוי מלאות¹⁸.

הפרוטוקול ממוקד בכוונה ולא מורכב סטטיסטית. חוקרים שמשווים מאוחר יותר מדינות, מקצועות או רמות ניהוליות יכולים להוסיף בדיקות מדידה-אינוויריאנטיות, ניתוח רב-קבוצתי, סגמנטציה או מיפוי חשיבות-ביצועים לאחר שנקבעה תהליכי העבודה הבסיסיים של התיווך והמודרציה. מסלולי עקיפה או אינטראקציה מובהקים סטטיסטית אינם צריכים להתפרש כתופעות סיבתיות כאשר הנתונים הם חתך רוחבי. יש להציג אותן כאסוציאציות תואמות תיאוריה אלא אם כן קיימות ראיות לאורך זמן, ניסיוניות או רב-מקורות. זהירות זו חוזרת על עצמה בתוצאות ובדיון, כך שמסלולי הגישור והמתינות מוצגים כאסוציאציות תואמות תיאורטית ולא כתופעות סיבתיות^15,18. אם תוויות התפריט המדויקות שונות בין גרסאות SmartPLS, החוקרים צריכים להשתמש בנתיב התפריט המקביל ולתעד את גרסת התוכנה, הגדרות האלגוריתם והגדרות הדגימה מחדש בטבלת החומרים או בהערת שחזור.

תוצאות

הערכת מודל המדידה

מודל המדידה שימש לאחר מכן להערכת אמינות ותוקף המבנה. אמינות, תוקף מתכנס, טעינות פריטים ואבחון קוליניאריות מוצגים בטבלה 3. ערכי האלפא של קרונבך הנעים בין 0.877 ל-0.932 עולים על החיתוך של 0.70. ההערכות לאמינות המרוכבת היו מקובלת, כאשר CR (ρ_a) נע בין 0.880 ל-0.959 ו-CR (ρ_c) בין 0.911 ל-0.945. ה-AVE היה גבוה משמעותית מהסף הנדרש של 0.50 (0.672–0.779). הערכת קולינריות על בסיס קולינאריות מלאה לא גילתה עדות להטיית שיטה משותפת, שכן כל ה-VIFים המבניים היו <3.3. בסך הכול, המדדים עמדו בסטנדרטים של אמינות, תוקף מתכנס וקולינריות מקובלת. הפריטים כלולים בטבלה 2. טווחים אלו מאשרים שמודל המדידה עומד בסטנדרטים הנפוצים של אמינות, תוקף וקולינאריות מלאה המפורטים בפרוטוקול זה.

טבלה 3: הערכת מודל מדידה ואבחון קולינאריות. הטבלה מדווחת על סטטיסטיקות האלפא (α), האמינות המורכבת (ρa ו-ρc), השונות הממוצעת שהופקה (AVE), עומסים חיצוניים וסטטיסטיקות של גורם אינפלציית שונות (VIF). ערכי VIF הקרובים ל-1 מציינים רב-קוליניאריות זניחה, ערכים בין 1 ל-3 מציינים קולינאריות נמוכה ומקובלת, וערכים מעל 3 מצביעים על עלייה בחששות בקולינאריות. קיצורים: JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; OA = הטמעת בינה מלאכותית ארגונית. אנא לחצו כאן להורדת הטבלה הזו.

הערכת תוקף הבחנה

תוקף ההבחנה מוערך באמצעות קריטריון פורנל-לקרקר או יחס HTMT^17,19. תוצאות פורנל-לאקר מוצגות בטבלה 4. השורש הריבועי של כל אומדן AVE גבוה יותר מהקורלציות שלו עם מבנים אחרים, מה שמדגים תוקף מבחין. בנוסף, כפי שמוצג בטבלה 5, כל ה-HTMTs < 0.85, מה שגם מצביע על כך שהמבנים שונים מבחינה אמפירית. ממצאי פורנל-לקרקר ו-HTMT יחד מצביעים על כך שמודל המדידה מייצג כראוי את ההבדלים בין המבנים ששימשו במחקר זה.

טבלה 4: תוקף מבחין שנבחן באמצעות קריטריון פורנל–לקרקר. ערכים אלכסוניים הם שורשי הריבוע של השונות הממוצעת המופקת (AVE), וערכים לא-אלכסוניים הם קורלציות אינטרקונסטרוקטריות. קיצורים: JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; OA = הטמעת בינה מלאכותית ארגונית. אנא לחצו כאן להורדת הטבלה הזו.

טבלה 5: תוקף מבחין שנבחן באמצעות יחס ההטרוטרייט–מונוטרייט (HTMT). ערכים מתחת ל-0.85 מצביעים על ייחודיות אמפירית בין המבנים. קיצורים: JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; OA = הטמעת בינה מלאכותית ארגונית. אנא לחצו כאן להורדת הטבלה הזו.

מודל מבני ובדיקת השערות

כדי לבדוק את ההשערות, נבדק המודל המבני. תפיסת המנהיגות האתית היא הערכה סובייקטיבית של איך העובדים רואים התנהגות מנהיג. בהתאם לכך, כל מסלולים מבניים בין EL למשתנים אחרים יש לפרש כיחסים המבוססים על תפיסות. טבלה 6 מציגה את התוצאות של לחץ בעבודה, תפיסת מנהיגות אתית, יצירתיות אישית והטמעת בינה מלאכותית ארגונית. R²= 0.104 של תפיסת מנהיגות אתית ו-R²=0.186 של יצירתיות אישית הוסברו על ידי המודל. תוצאות אלו מייצגות כוח הסבר מתון, המתאים להסקה זהירה בהקשר של מחקר התנהגות ארגונית חתך רוחב. מסיבה זו, הפרוטוקול מתמקד בהדגמת זרימת עבודה, פירוק אפקטים והערכת רלוונטיות חיזוי במקום תוקף חיזוי מלא. כמו כן, יצירתיות עשויה להיות מושפעת מגורמים נוספים, כגון אקלים צוות, חילופי מנהיגים-חברים, אוטונומיה במשימות, הקשר תעסוקתי ונורמות חדשנות ארגוניות, שלא נלקחו בחשבון במודל הנוכחי. לכן, R²הקטן מציין את הגבול לעוצמת ההסבר של המודל, ולא כישלון של תהליך העבודה העקיף והאינטראקציה. H1 לא נתמך, שכן הקשר בין לחץ תעסוקתי ליצירתיות אישית לא היה מובהק (β = –0.054, t = 0.935, f²= 0.003, גודל השפעה זניח). לחץ תעסוקתי היה קשור שלילית לתפיסת מנהיגות אתית (β = –0.322, t = 6.785, f²= 0.116, גודל אפקט קטן), שתמך ב-H2. H3 נתמך, כאשר תפיסת מנהיגות אתית הייתה קשורה באופן חיובי ליצירתיות אישית (β = 0.371, t = 5.453, f² = 0.136). ההשפעה העקיפה של לחץ בעבודה על היצירתיות האישית דרך תפיסת מנהיגות אתית הייתה משמעותית (β = –0.120, t = 4.364), ותמכה ב-H4. האינטראקציה בין תפיסת המנהיגות האתית לבין הטמעת בינה מלאכותית ארגונית הייתה קשורה באופן חיובי ליצירתיות אישית (β = 0.141, t = 2.211, f⁼ 0.024, גודל אפקט קטן), שתמכה ב-H5. תוצאות משתני ביקורת וגודל אפקט מדווחות בטבלה 6.

טבלה 6: תוצאות בדיקת השערות, גדלי השפעה והשפעות משתני בקרה. האפקט העקיף המתאים ל-H4 מדווח כאן ומתפרק עוד בטבלה 7. *p < 0.05, **p < 0.01, ו-***p < 0.001. קיצורים: β = מקדם מסלול סטנדרטי; t = סטטיסטיקה t; f² = גודל האפקט; p = ערך הסתברות; n.s. = לא משמעותי; JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; OA = הטמעת בינה מלאכותית ארגונית. אנא לחצו כאן להורדת הטבלה הזו.

הטמעת בינה מלאכותית ארגונית חיזקה את הקשר בין תפיסות מנהיגות אתית ליצירתיות האישית (β = 0.141, t = 2.211, p = 0.027). כדי להפוך את האינטראקציה לניתנת לפרשנות עבור מאמר פרוטוקול ויזואלי, איור 2 וטבלה 9 מציגים את האינטראקציה באופן חזותי וכהשפעות מותנות ברמות נמוכות (−1 SD), ממוצע וגבוהות (+1 SD) של הטמעת בינה מלאכותית ארגונית¹⁸.

איור 2: שיפועים פשוטים לאפקט המתון של הטמעת בינה מלאכותית ארגונית. התרשים מתאר את הקשר המותנה בין תפיסת מנהיגות אתית (EL) ליצירתיות אישית (IC) ברמות נמוכות (−1 סטיית תקן [SD]), ממוצע, וגבוהות (+1 SD) של הטמעת בינה מלאכותית ארגונית (OA). בקובץ איור 2 שהוגש בנפרד, משתמשים ברווחים לפני ואחרי כל האופרטורים המתמטיים (למשל, OA × EL, β = 0.141, ו-+1 SD). אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.

פירוק השפעות מבניות

כדי להמחיש את מנגנון התיווך, הושפע השפעות מבניות ישירות ועקיפות הופרקו. בטבלה 7, המחברים מראים את פירוק ההשפעות המבניות הקשורות לתפיסת מנהיגות אתית. הקשר הישיר בין לחץ תעסוקתי ליצירתיות האישית לא היה מובהק (β = –0.054), בעוד שהקשר העקיף הפועל דרך תפיסת מנהיגות אתית היה מובהק (β = –0.120, p < 0.001). לכן, הקשר בין לחץ תעסוקתי ליצירתיות האישית במדגם היה ברור בעיקר דרך תפיסות העובדים של מנהיגות אתית. תבנית זו מצביעה על תיווך מלא ולא חלקי, משום שהמסלול הישיר של JS > IC היה לא מובהק, בעוד שהמסלול העקיף של JS > EL > IC היה משמעותי. הפרשנות היא שלחץ תעסוקתי קשור ליצירתיות בעיקר דרך תפיסת המנהיגות האתית של העובדים ולא דרך מסלול ישיר שאריתי בדוגמה הזו.

טבלה 7: פירוק השפעות מבניות. הטבלה מפרידה בין אפקטים ישירים, ספציפיים, עקיפים, עקיפים כוללים וכוללים ביחס JS > IC. קיצורים: JS = לחץ בעבודה; EL = תפיסת מנהיגות אתית; IC = יצירתיות אישית; n.s. = לא משמעותי. עמוד < 0.001. ערכים עשויים שלא להסתכם בדיוק בגלל העיגול. אנא לחצו כאן להורדת הטבלה הזו.

הערכת רלוונטיות חיזוי

הרלוונטיות החיזוי הוערכה באמצעות PLSpredict. שיטה זו משמשת להערכת רלוונטיות חיזוי על ידי בחינת Q²predict, RMSE ו-MAE עבור המבנים האנדוגניים שזוהו בטבלה 8. PLSpredict מספקת גם אמצעי מתודולוגי שימושי לחוקרים לספק בדיקת רלוונטיות חזויה תמציתית של המסלולים המשמעותיים שזוהו. בדוגמה המעובדת שמוצגת בדוח זה, טבלה 8 מסכמת את נקודת הביקורת הסופית התומכת במסלולי הגישור והמודרטציה שזוהו קודם לכן, תוך הכללת ראיות לרלוונטיות חזויה לתפיסת מנהיגות אתית וליצירתיות אישית. מכיוון שכל ערכי החיזוי של רבעון²היו חיוביים אך בגודל צנוע, יש לפרש רלוונטיות חיזוי כמתן תועלת חיזוי מוגבלת במקום לספק תחזיות מלאות של כל התוצאות. ערך ה-Q2predict הנמוך מאוד ליצירתיות אישית נדון ישירות כחיזוי מעשי חלש. דבר זה אינו מבטל את ממצאי הגישור והמודרציה, אך הוא מגביל טענות חיזוי ומניע מחקר עתידי עם חיזוי יצירתיות חזקים יותר ברמת הפרט, הצוות, המשימה והארגון^.

טבלה 8: PLSחזה תוצאות עבור המבנים האנדוגניים. הטבלה מדווחת על רבעון²לחיזוי, שורש ממוצע ריבועי שגיאה (RMSE), ושגיאה ממוצעת מוחלטת (MAE) לתפיסת מנהיגות אתית (EL) ויצירתיות אישית (IC), יחד עם מדד המודל הליניארי (LM) כאשר זמין. סטטיסטיקות אלו מפורשות כראיות לרלוונטיות חיזוי מוגבלת. אנא לחצו כאן להורדת הטבלה הזו.

טבלה 9 יש לקרוא יחד עם איור 2. הוא מתרגם את האינטראקציה המשמעותית בין OA × EL להשפעות מותנות של תפיסת מנהיגות אתית על היצירתיות האישית ברמות נמוכות (−1 SD), ממוצעות וגבוהות (+1 SD) של הטמעת בינה מלאכותית ארגונית. השיפוע המותנה הוא החלש ביותר כאשר הטמעת ה-AI נמוכה, תואמת את הקישור הבסיסי בין EL > IC בממוצע, וחזק ביותר כאשר ההטמעה של AI גבוהה. לכן, טבלה 9 מבהירה את הכיוון המעשי של H5 בכך שהיא מראה שרמזים למנהיגות אתית הופכים למשמעותיים יותר ליצירתיות כאשר הבינה המלאכותית מוטמעת עמוק יותר בשגרות העבודה¹⁸.

טבלה 9: השפעות מותנות של תפיסת מנהיגות אתית (EL) על היצירתיות האישית (IC). הטבלה מדווחת על שיפועים מותנים של EL > IC ברמות נמוכות (−1 סטיית תקן [SD]), ממוצע, וגבוהות (+1 SD) של הטמעת בינה מלאכותית ארגונית (OA), ובכך הופכת את אפקט המתון H5 לניתן לפרשנות. אנא לחצו כאן להורדת הטבלה הזו.

זמינות נתונים:

חומרי הגלם האנליטיים מסופקים כקבצי נתונים משלימים בעלי שמות ברורים: טבלה משלימה 1, מאגר נתונים של סקר נקי שלא מזוהה; טבלה משלימה 2, פלט אלגוריתם SmartPLS PLS; טבלה משלימה 3, SmartPLS 5,000-Resample Bootstrapping פלט; וטבלה משלימה 4, SmartPLS PLSpredict ו-CVPAT Output. הסבר מפורט על הקבצים הללו ניתן בתיק המשלים 1.

טבלה משלימה 1: נתונים גולמיים. מאגר נתונים של סקר נקי לא מזוהה. אנא לחצו כאן להורדת הקובץ הזה.

טבלה משלימה 2: נתונים גולמיים. פלט אלגוריתם SmartPLS PLS. אנא לחצו כאן להורדת הקובץ הזה.

טבלה משלימה 3: נתונים גולמיים. פלט אתחול של SmartPLS 5,000 דגימה מחודשת. אנא לחצו כאן להורדת הקובץ הזה.

טבלה משלימה 4: נתונים גולמיים. SmartPLS PLSpredict ו-CVPAT Output. אנא לחצו כאן להורדת הקובץ הזה.

קובץ משלים 1: קובץ README. להוראות הקשורות לטבלאות נתונים גולמיים. אנא לחצו כאן להורדת הקובץ הזה.

דיון

הפרוטוקול מציג שיטה מבוססת סקרים ניתנת להעברה להבנת האופן שבו דרישות פסיכולוגיות, תפיסות מנהיגות ותנאים הקשרים לבינה מלאכותית משפיעים על תוצאות העובדים בהקשרים תעסוקתיים דיגיטליים ^1,2,4. התרומה העיקרית שלה אינה מניפולציה מצולמת, אלא תהליך עבודה אנליטי ניתן למעקב לגיוס מקוון, הסכמה וסינון, מדידת מבנים מעניינים, הכנת נתונים, הגדרת מודל SmartPLS, אתחול ופירוש תוצאות תיווך ומידרציה מייצגות ^15,18. הצעדים שננקטו ניתנים למעקב באמצעות טבלאות המוצגות בכתב היד ובקבצי הפלט של SmartPLS בחומר המשלים המקוון. עם זאת, זה ברור בקלות כי כל השלבים מגיוס מקוון ועד ניתוח באמצעות SmartPLS מיושמים באמצעות קליקים מבוססי מסך שניתן להדגים בסרטון ולאמת דרך קבצי הפלט והטבלאות שהוגשו ב-SmartPLS המשקפות את אותן תוצאות.

תהליך עבודה זה יכול להיות מותאם בקלות ללימוד מנגנוני תפיסה אחרים במקום המבנים שהמחברים חוקרים, ויכול להשתמש באותם גיוס מקוון, סינון, מדדים מאומתים ורצף PLS-SEM. הליך זה מתאים לפורמט שיטות ויזואליות משלוש סיבות. ראשית, רוב מה שנעשה במחקר סקרים אנונימי הוא דיגיטלי ופרוצדורלי ולא פיזי. שנית, פעולות אלו משפיעות על הפרשנות; בדוגמה זו, המחברים יכולים פשוט להכיר במסלול JS > IC כממצא אפס, אלא אם בדיקות מדידה ופירוק אפקטים מראים ש-JS > EL > IC הוא המסלול העקיף. שלישית, מכיוון שההליכים הללו מתבצעים באמצעות Prolific, Qualtrics, טיפול במערכי נתונים, SmartPLS, קבצי פלט, קבצי טבלאות וסרטוני וידאו ללכידת מסך במידת הצורך, ניתן ללמד אותם, לבדוק ולשכפל אותם מבלי להקליט משתתפים בודדים. המחברים יכולים לעבור מסך אחר מסך ב-SmartPLS ולחבר קבצי פלט תוכנה, קבצי טבלאות, קבצי פלט משלימים של SmartPLS וסרטוני צילום מסך להחלטות מתודולוגיות מרכזיות בנוגע להכללת דגימות, הפרדת מבנים, הערכת איכות מודל, ופרשנות של ממצאים ישירים, עקיפים, אינטראקטיביים וחיזויים. למרות ש-PLS-SEM מבוסס סקר חסר את הדיוק הגרפי של מניפולציה מעבדתית, המסלול הביקורתי מהגיוס להסקה מהווה את המתודולוגיה. בדרך זו, הוא מספק אמצעים ניתנים לשכפול לחקר התנהגות אנושית במקום העבודה – פעולה יצירתית, פרשנות חברתית ותגובה קונטקסטואלית של בינה מלאכותית – מבלי לדרוש הקלטת וידאו של המשתתפים ^6,8,10.

הפרוטוקול מתאים לפורמט שיטות ויזואליות משום שההליך דיגיטלי ומבוסס מסך. הווידאו יכול להציג את מסך ההסכמה, מסנן הזכאות, מערך נתונים לא מזוהה, מבנה קוד הפריט, קנבס המודלים, הגדרות אלגוריתמים, פלט אתחול, אפקטים עקיפים, פלט אינטראקציה, פרשנות שיפוע פשוט, ותוצאות PLSpredict מבלי לצלם משתתפים או לחשוף נתונים פרטיים^15,18. היישום המייצג מדגים מדוע נראות פרוצדורלית חשובה גם אם הטכניקה הסטטיסטית אינה נדירה. ההפחתה מסקר 342 מתחילה ל-310 מקרים תקפים, מקדמי האמינות בין 0.877 ל-0.932, AVE בין 0.672 ל-0.779, VIFs מבניים כולם מתחת ל-3.3, מסלול ה-IC הישיר הלא-משמעותי JS > (β = 0.054), המסלול העקיף המשמעותי של JS > EL > IC (β = –0.120), והאינטראקציה המשמעותית בין OA × EL (β = 0.141) – כולם תלויים בהחלטות קודמות לגבי סינון, הפרדת מבנה, תוקף מדידה, אבחון קולינאריות, ואתחול 15,18,19. PLS-SEM תומך בפרוטוקול זה על ידי הערכת איכות המבנה, הפרדת אפקטים ישירים, עקיפים ואינטראקציה, והערכת מסלולי אתחול במקביל¹⁸. PLSpredict שואל האם המבנים האנדוגניים עדיין רלוונטיים לחיזוי לאחר שנבדקו איכות המדידה והמסלולים המבניים. הערכים החיוביים אך הצנועים של Q2predict לתפיסת מנהיגות אתית ויצירתיות אישית תומכים בהכללת טבלה 8 תוך הצעת שימושיות חיזוי מוגבלת, במקום תחזית מלאה. המסלול הישיר הלא-משמעותי של JS > IC לא צריך להיות מפורש לבד. הפירוק מראה שלחץ בעבודה קשור ליצירתיות דרך תפיסת מנהיגות אתית, ולכן כתב היד המתוקן מדגיש תיווך מלא, פירוק אפקט ופרשנות מרוסנת של אסוציאציות חתך 15,18,19.

ממצאים אלה תואמים לתיאור תפיסתי של יצירתיות בעבודות משובצות בבינה מלאכותית ^8,9. במחקר זה, לחץ תעסוקתי חזה באופן שלילי את תפיסת המנהיגות האתית, מה שחזה באופן חיובי את היצירתיות האישית. למרות שלחץ תעסוקתי לא חזה ישירות יצירתיות אישית, הוא היה קשור בעקיפין ליצירתיות דרך תפיסות העובדים לגבי סביבת המנהיגות. הקשר החיובי בין תפיסת מנהיגות אתית ליצירתיות התחזק גם על ידי הטמעת בינה מלאכותית ארגונית 26,28,29,31. המחקר הנוכחי מקדם את הפסיכולוגיה הארגונית בכך שהוא מראה כי יצירת היצירתיות במקום העבודה היא פחות פונקציה של טכנולוגיה כשלעצמה ויותר תפיסות העובדים לגבי עבודה ותמיכה מצד מנהיגים ^1,4,13. השפעת תפיסת המנהיגות האתית על היצירתיות היא צוואר בקבוק פרשני מותנה חברתית, הקשרית ומוטיבציונית, דרכו לחץ תעסוקתי משפיע על היצירתיות. במיוחד, לחץ תעסוקתי עשוי להפחית את הנגישות לאותות מנהיגות אתיים ותומכים נתפסים, בעוד שתפיסת מנהיגות אתית מספקת מידע חברתי שמעודד קול, ניסוי ולקיחת סיכונים בונים ^6,7,10. המחקר גם מבהיר כי הטמעת בינה מלאכותית ארגונית היא אפשרות הקשר, ולא מניע ישיר להתנהגות יצירתית. בסביבות משולבות בבינה מלאכותית, העובדים עשויים להיות פחות בטוחים לגבי ניסויים, אחריות, וכיצד המנהלים והעמיתים שלהם יעריכו מאמצים יצירתיים. קריאה זו יכולה להסביר מדוע הממצאים על יחסי לחץ-יצירתיות היו מעורבים בעבר: לחץ עשוי להשפיע על היצירתיות באופן שונה בהתאם לשאלה האם העובדים עדיין תופסים מנהיגים כצודקים, אמינים ותומכים. לכן, מנהיגות אתית מתפרשת כרמז חברתי חשוב וצוואר בקבוק פרשני במקומות עבודה המוטמעים בבינה מלאכותית. כאשר אחריות, ניסויים והערכה מתווכים חלקית על ידי בינה מלאכותית, העובדים עשויים להסתמך יותר על הוגנות, שקיפות ואמינות מנהיגים כדי להחליט האם לקיחת סיכונים יצירתית בטוחה.

הממצאים גם מצביעים על כך שיצירתיות במקומות עבודה משובצים בבינה מלאכותית לא ניתנת לשימור באמצעות טכנולוגיה בלבד ^1,2,4. תקשורת מתמשכת, הליכי הערכה הוגנים יותר ותמיכה גלויה בניסויים מאפשרים לעובדים שרואים במנהיגיהם אתיים להרגיש חופשיים יותר לדון ולנסות רעיונות חדשים ^6,7,10. ארגונים צריכים לראות את הלחץ בעבודה כתנאי רלוונטי ליצירתיות ולא רק דרך עדשת רווחה בלבד, תוך הכרה שלחץ מופרז עלול לערער את תנאי היחסים שתומכים בהתנהגות יצירתית^13,14. יישום בינה מלאכותית יהיה פורה במיוחד כאשר מקום העבודה יספק לעובדים ציפיות התנהגותיות ברורות, משוב הוגן ותמיכה ממוקדת אדם. מכיוון שהתכונות הממוקדות באדם של הבינה המלאכותית ליצירת רעיונות, חיזוי, אוטומציה ושליטה נכנסות לעולמות של הפרט בדרכים שונות, ארגונים צריכים לקשר בין יישום בינה מלאכותית לניהול לחץ ומנהיגות אתית במקום להתייחס לשניים כיוזמות נפרדות ^2,32,33.

מספר מגבלות צריכות להנחות את השימוש העתידי בפרוטוקול. הנתונים הם חד-פעמיים, חתך רוחבי, מדווחים עצמית, ולכן הטיית שיטה נפוצה ודיווח תלוי מצב, כמו גם הסקה סיבתית, אינם ניתנים לשלול לחלוטין; לפיכך, יש לפרש את המסלולים המבניים כאסוציאציות תיאורטיות^15,18. מגבלה זו נראית לעין ולא מוסתרת: הפרוטוקול מציין היכן ראיות סקר גל יחיד תומכות בבדיקות אסוציאציה תואמות תיאוריה והיכן נדרשים עיצובים אורכיים, מרובי מקורות או תצפיתיים לטענות סיבתיות או התנהגותיות חזקות יותר. המודל לקח בחשבון שונות קטנה עד בינונית בתפיסת מנהיגות אתית (R²=0.104) וביצירתיות האישית (R²=0.186). אלו אינם ערכים קריטיים משום שמטרת הפרוטוקול היא לספק הבנה ברורה של זרימת תהליך הגישור והמודרציה, אך הם מציעים מנבאים פוטנציאליים נוספים כמו חילופי מנהיג-חבר, אקלים צוות, תרבות ארגונית ונורמות חדשנות. המדגם כלל עובדים מארצות הברית ומבריטניה, והמדד להטמעת בינה מלאכותית ארגונית היה רחב ולא ספציפי למערכות בינה מלאכותית גנרטיבית, חזויה, התאמה או שליטה בלבד. מחקרים מאוחרים יותר עשויים להרחיב את פרוטוקול הבסיס הזה באמצעות עיצובים אורכיים או מרובי גלים, דגימות בין-תרבותיות, ניתוח רב-קבוצתי, סגמנטציה או מדדים מתקדמים יותר של מערכות בינה מלאכותית לפי הצורך בשאלה¹⁶. הפרוטוקול מספק נתיב ברור להתפתחות: חוקרים יכולים להתחיל בתהליך התיווך והמודרציה הבסיסית ולהוסיף מודולים מיוחדים כאשר התיאוריה מחייבת, למשל, בדיקות מדידה-אינווריאנטיות בהשוואות בין-לאומיות, ניתוח רב-קבוצתי במחקרים של הבדלים תעסוקתיים או ניהוליים, סגמנטציה של מחלקות חבויות במאמצים לחשוף פרופילים נסתרים של המשיבים, או מיפוי חשיבות-ביצועים כאשר הוא משמש לתעדוף ניהולי. בסך הכול, הפרוטוקול מתייחס ליצירתיות במקום העבודה המופעלת על ידי בינה מלאכותית כפרקטיקה פרשנית ולמנהיגות אתית כצינור שדרכו לחץ תעסוקתי קשור בעקיפין ליצירתיות, ומסלול זה מתחזק על ידי הטמעת בינה מלאכותית ארגונית. על ידי הסבר המסלול מהגדרה וסינון אוכלוסייה דרך מדדי אימות, בדיקת תיווך ומתיון, ביצוע PLSpredict ופרשנות זהירה, זרימת העבודה יכולה לקדם שקיפות, השוואה ושימוש חוזר במחקר סקרים במקום העבודה המבוסס בינה מלאכותית ^18,19.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה

שם	חברה	מספר קטלוג	הערות
ChatGPT (דגם שפה AI)	OpenAI	N/A	נוצל רק לעריכת שפה, בדיקת דקדוק ושיפור מבני במהלך הכנת כתב היד. הכלי לא שימש לאיסוף נתונים, ניתוח סטטיסטי או פרשנות של תוצאות אמפיריות. המחברים בדקו, ערוכים, ואישרו את כתב היד הסופי ולוקחים אחריות מלאה על תוכנו. URL: https://chatgpt.com/
Prolific (פלטפורמת גיוס משתתפים מקוון)	Prolific Academic Ltd.	N/A	פלטפורמה מקוונת המשמשת לגיוס משתתפים לסקרים לדוגמה העובדת. המשתתפים נבדקו באמצעות קריטריוני התאמה מוגדרים מראש, כולל תעסוקה במשרה מלאה ורלוונטיות לאוכלוסיית מקום העבודה היעד. URL: https://www.prolific.com/
Qualtrics (פלטפורמת סקר מקוון)	Qualtrics, LLC	N/A	פלטפורמת סקר מבוססת אינטרנט המשמשת לעיצוב שאלונים, הסכמה מושכלת דיגיטלית, סינון, הצגת בלוק מבנה, איסוף נתוני תגובה, וייצוא מערכי נתונים מנוטרלים. פריטי מדידה נמסרו באמצעות סולם לייקרט מסוג 7 נקודות הנע בין 1 = חשוב מסכים מאוד ל-7 = מסכים מאוד. URL: https://www.qualtrics.com/
SmartPLS 4.1 (תוכנת PLS-SEM)	SmartPLS GmbH	גרסה 4.1	נוצל למודלים משוואות מבניות חלקיות מרובעות לכל הפחות (PLS-SEM), כולל מפרט מודל, אומדן אלגוריתם PLS, הערכת מודל מדידה, אבחון קולינאריות, אתחול מחדש עם 5,000 דגימות, בדיקת אפקט עקיף ספציפי, אומדן מונח אינטראקציה, פירוק אפקט ו-PLSpredict הערכה. URL: https://smartpls.com/