İş Stresi ve Bireysel Yaratıcılık: Yapay Zeka Tabanlı İş Yerleri İçin Ekran Tabanlı Kısmi En Küçük Kare Yapısal Denklem Modelleme Protokolü

Özet

Bu araştırma, arabuluculuk ve moderasyonu test etmek, ortak yöntem tanılamaları yapmak, basit eğimleri yorumlamak ve yapay zeka tabanlı işyeri araştırmalarında öngörücü önemi değerlendirmek için ekran tabanlı bir anketten kısmi en küçük kare yapısına denkleme modelleme (PLS-SEM) protokolü sunmaktadır.

Özet

Yapay zekanın (YZE) kuruluşlarda artan kullanımı, çalışanların iş taleplerini, liderlik algılarını ve yaratıcılık fırsatlarını yeniden şekillendiriyor. İş Talepleri–Kaynakları (JD–R) modeli ve Sosyal Öğrenme Teorisi'ne dayanarak, bu çalışma, çalışanların etik liderlik algılarının iş stresi ile bireysel yaratıcılık arasındaki ilişkiyi aracılık edip etmediğini ve örgütsel yapay zeka gömülülüğünün bu ilişkiyi güçlendirip güçlendirmediğini inceliyor. Kısmi en küçük kare yapısal denklem modellemesi (PLS-SEM) ve 5.000 bootstrap yeniden örnekleme kullanılarak yapılan bulgular, iş stresinin etik liderlik algısını olumsuz etkilediğini, etik liderlik algısının ise yaratıcılığı olumlu etkilediğini göstermektedir. İş stresi doğrudan yaratıcılıkla ilgili değildi; Bunun yerine, etik liderlik algısı önemli bir dolaylı yol olarak hizmet etti. Ayrıca, organizasyonel yapay zeka gömülü, etik liderlik algısı ile yaratıcılık arasındaki ilişkiyi güçlendirdi. Bu bulgular, yapay zeka destekli iş yerlerinde yaratıcılığın teknolojinin kendisinden ziyade örgütsel psikolojik mekanizmalarla şekillendiğini gösteriyor. Dijital dönüşüm sırasında yaratıcılığı artırmak isteyen kuruluşlar, yalnızca yapay zeka uygulamasına odaklanmak yerine iş stresini yönetmeli ve etik liderlik ortamları geliştirmelidir. Bu protokol, tekrarlanabilir anket-SEM-SEM iş akışını göstermek için ampirik modeli örnek olarak kullanır.

Giriş

Yapay zeka (YZE), çalışanların iş yapma biçimini, iş gereksinimlerinin doğasını anlama ve yaratıcılık fırsatlarını belirleme biçimini dönüştürdü; çünkü organizasyonlar karar desteği, otomasyon ve koordinasyon için yapay^{zekayı benimsemeye başladı} 1,2,3,4. YZ destekli yetenekler, erişilebilir bilgilerin kapsamını artırabilir ve deneyleri destekleyebilir, ancak başlı başına insanları yaratıcı davranmaya teşvik etmekte^{başarısız olur 5,6}. Bunun yerine, çalışanların yaratıcı davranışları, deneylerin meşruiyeti, hata yapmaya yönelik adil muamele ve liderlerine destek olmaları konusundaki algılarına bağlıdır ^7,8. Bu protokol, yaratıcılığı organizasyon psikolojisinde algı temelli bir süreç olarak tanımlar; teknolojiye dayalı bir ürün değil, işe alımdan çıkarmaya kadar sürecin tekrarlanabilir ve şeffaf^{olmasını sağlar.} Prosedür, katılımcıları laboratuvarda filme almaz veya gözlemlemez, ancak ilgi çekici olgunun olduğu durum yine davranıştır; çünkü çalışanlar iş stresine yanıt verir, sosyal bilgileri anlamlandırır ve yapay zeka etkisiyle dolu bir iş durumuna yaratıcı tepkiler geliştirir. Bu nedenle davranışsal kapsam, fiziksel davranış yerine ölçülebilir işyeri davranışı ve yaratıcılık, liderlik algısı ve yapay zeka ile ilgili bağlamsal yanıtla ilgili yorumlayıcı yapılarla ele^{alınır 6,10}.

YZ tabanlı çalışma yerleri, çalışanların yapay zekayı iş koordinasyonu, karar desteği, değerlendirme ve problem çözmenin tekrarlayan bir parçası olarak algıladığı çalışma ortamları olarak tanımlanır; bu zaman zaman isteğe bağlı bir araç olarak değil. Bu yapı, geniş dijital dönüşümden daha dar, yapay zeka benimsemesinden (giriş) olarak farklı, uygulama aşaması olarak yapay zeka olgunluğundan ve teknik yetkinlik olarak yapay zeka yeteneğinden farklıdır. Çalışanlar, tüm fonksiyonlarda yapay zeka kullanımının nesnel kapsamını bilmeyebileceğinden, bu yapı algılanan örgütsel yapay zeka gömülülüğü olarak ele alınır ve bu, etik liderlik algısı ve bireysel yaratıcılığın algı temelli modeli^{için uygundur} 1,4,11,12.

Bu protokol, karşılıklı üç boşluğu ele alır. Birincisi, yapay zeka tabanlı işyeri ortamlarında etik liderliğin ne olduğu ve etik liderlik algılarının yaratıcılıkla ilgili iş stresiyle nasıl ilişkili olduğu hakkında daha az bilgi vardır. Bu ilişki önemlidir çünkü iş stresinin yaratıcılık üzerindeki etkileri, bağlamlandırılıp yorumlandığında^{değişir 13,14}. İkincisi, yapay zeka gömülü iş yerlerinde yaratıcılık üzerine yapılan araştırmalar sıklıkla yapay zeka benimseme aracı veya ölçütü olarak değerlendirilse de, organizasyon genelinde yapay zeka gömülüsüne, lider ipuçlarına veya yapay zeka ile ilgili belirsizliğin yorumlarına karşı davranışsal tepkileri nasıl şekillendirdiğine dair daha az kanıt^{vardır 4,11,12}. Üçüncüsü, organizasyon psikolojisinde anket tabanlı veri kullanılarak yapılan çalışmalar, genellikle işe alım ve taramadan ölçüm, veri hazırlama ve ardından Kısmi En Küçük Kare Yapısal Denklem Modelleme (PLS-SEM) arabuluculuk ve moderasyon analizlerine kadar her şeyi kısa açıklamalara özetlemektedir; oysa ölçüm geçerliliği, ayırt etkililiği, kollineerlik ve öngörücü önem dikkate alınması önemlidir 15,16,17,¹⁸. Yazarlar, bu süreçte bu iş akışını görünür hale getirirler; 342 anket başlangıcını 310 kullanılabilir vakaya indirerek, yapı bloklarını ayırarak, VIF ile tam kollinearlığı test ederek ve 3.3 kesim sınırını test ederlerek, 5.000 önyüklemeli yeniden örnekleme ile doğru, dolaylı ve etkileşim etkilerini test eder ve son olarak PLSpredict'i öngörücü-alaka^{ekranı olarak dahil ederler} 15,16,18,19.

Bu nedenle birincil katkı metodolojiktir. İş Stresi-Etik Liderlik-Yaratıcılık modeli örnek olarak korunmuştur, ancak ana katkı, normalde gizli olan analitik kararların görünür hale getirilmesidir: uygunluk taraması, eşya kodu tutma, yapı ayrımı, ölçüm doğrulama, kollinearlık ve ortak yöntem tanılama, bootstrapping, etki ayrıştırması, basit eğim yorumu ve PLSpredict^{değerlendirmesi} 15,18,19. İş Talepleri-Kaynakları^modeli 20,21'e göre, iş stresi, yaratıcı olarak etkileşime girmek için gereken bilişsel ve duygusal kaynakları tüketen ve yaratıcılığı etkileyen bir ^{taleptir. 9}. Çalışanlar, takdire dayalı çabalarını bilişsel esneklik, deneme ve yeni çalışma yöntemleri yoluyla yeni ve benzersiz çözümler üretmeye odaklar. Çalkantılı bir çalışma ortamında uzun teslim tarihleriyle karşılaştıklarında fikir üretmek için daha az zamanları olur ve genellikle hata önleme ve görev tamamlamaya^{odaklanırlar 13,14}. Tüm stres yaratıcılığa zarar vermez ve belirli zorluk seviyeleri, işyerinde özerklik kazanan ve sosyal destek alan bireyler arasında fikir üretimini teşvik^{edebilir 13,22}. Buna karşılık, sürekli baskı olumsuz bir ilişkiye yol açabilir.

Buna göre, yazarlar iş stresinin bireysel yaratıcılıkla olumsuz ilişkili olduğunu (H1) öne sürerler. İş stresi, bazı çalışanların sosyal çevrelerini nasıl gördüğünü de etkileyebilir. Değişkenlik ve stres dönemlerinde, çalışanlar adalet, destek ve yanıt verme sinyallerine karşı yüksek hassasiyet^{geliştirebilirler 8}. Bu açıdan yönetimin gecikmeli yanıtı veya tutarsız karar vermesi bir bağlamda zayıf koordinasyon, başka bir bağlamda ihmal olarak okunabilir. Önemli olan, insanlar stres altındayken, liderlerin onlara ne işaret ettiğine daha fazla önem vermeleri ve bu nedenle, görünür adalet ve destek olmadığı durumlarda olumsuz yorumlar yapma olasılıkları daha^{yüksek olmasıdır 8,10}. Sonra, yazarlar iş stresinin çalışanların etik liderlik algılarıyla olumsuz ilişkilendirildiğini varsayımlar (H2). Etik liderlik algısı, çalışanların liderlerini adil, dürüst, açık ve iyi ahlaki değerlere sahip olarak görmesidir 10,23,24. Sosyal öğrenme teorisi açısından etik liderlik algısı, çalışanların seslerini kullanıp kullanmayacağını, yeni şeyler deneyerek risk alıp almayacağını veya deney yapıp^{yapmayacaklarını gösterir 7}. Çalışanlar, liderlerini etik olarak algıladıklarında yeni çalışma yöntemleri hakkında katkı sağlamaya ve yeni fikirler denemeye daha yatkın olacaklardır. Adil ve güvenilir liderler, çalışanların takdire bağlı yaratıcı davranışlar sergilemeleri için daha fazla fırsat^{yaratacaktır 6,7,10}.

Buna göre, yazarlar çalışanların etik liderlik algılarının bireysel yaratıcılıkla olumlu ilişkilendirildiğini öne sürerler (H3). Model ayrıca, etik liderlik algısının iş stresinin bireysel yaratıcılık üzerindeki etkisini aracılık ettiği dolaylı bir yol da tanıtıyor. Yaratıcılık üzerindeki stresle ilgili etkiler tutarsız görünür ve ilişkinin doğrudan olmadığını ima^{eder 14,22}. İki çalışan aynı seviyede strese maruz kalabilir, ancak biri lideri etik ve işyerini fikir paylaşmak için yeterince güvenli olarak algılamaya devam edebilir. Diğer çalışan liderin etik olmadığını düşündüklerinde veya haksız muamele gördüğünde fikirlerini paylaşmayı^{bırakabilir 6,7}. Bu yol sosyal yorumun etkisini gösterir ve yalnızca iş stresinin yaratıcı çıktı üzerindeki doğrudan etkisine odaklanmanın yetersiz olabileceğini öne sürer.

Yazarlar ayrıca, çalışanların etik liderlik algılarının iş stresi ile bireysel yaratıcılık arasındaki ilişkiyi aracılık ettiğini öne sürerler (H4). Organizasyonel yapay zeka gömülü, yapay zekanın çalışanların işini arabuluculuk, değerlendirme ve desteklemek için kullanıldığı işyeri ortamlarıyla^{ilişkilidir 1,25,26}. YZ tabanlı organizasyon ortamları, çalışanların bilgiye erişimini genişletir, bazı işleri tamamlamak için gereken zamanı azaltır ve fikirlerin yeniden birleştirilmesi için daha geniş bir alan sağlar. Aynı zamanda, kim veya neyin sorumlu tutulacağı, hangi tür değerlendirmelerin yapılacağı ve hangi deney biçimlerinin kabul edilebilir olduğu gibi sorular gündeme^{getirebilirler 27}. Böyle durumlarda, çalışanlar yapay zeka destekli deneylerin, yapay zeka destekli deneylerin ve yapay zeka destekli fikir üretiminin meşru ve güvenli olup olmadığını değerlendirirken etik liderlik ipuçlarına daha çok dikkat etme^{eğilimindedir} 11,30,31. Bu nedenle, yazarlar örgütsel yapay zeka gömülüğünün etik liderlik algılarının bireysel yaratıcılıkla ilgisini artıracağını öngörüyorlar.

Buna göre, yazarlar örgütsel yapay zeka gömülüğünün, çalışanların etik liderlik algısı ile bireysel yaratıcılık arasındaki ilişkiyi alıttığını, böylece olumlu ilişkinin organizasyonel yapay zeka gömülülüğü yüksek olduğunda daha güçlü olduğunu varsayarlar (H5). Bu protokol, doğrudan gözlem pratik olmayan veya etik açıdan gereksiz olduğunda kendini bildiren işyeri davranışını ve sosyal yorumunu inceleyen davranış araştırmacıları için tasarlanmıştır. El yazması üç şekilde katkıda bulunur. Birincisi, yapay zeka destekli iş yerlerinde yaratıcılığın geleneksel anlayışlarından teknolojik çıktıların ve teknik-bilimsel bilginin bir tezahürü olarak ayrılır ve bu süreci algı temelinde organizasyonel psikoloji süreci^{olarak sunar 6,9}. İkincisi, etik liderlik algılarının iş stresi ile bireysel yaratıcılık arasındaki ilişkiyi aracılık ettiğini ve etik liderlik algıları ile yaratıcılık arasındaki ilişkinin örgütsel yapay zeka gömülülüğü^{ile ölçüldüğünü göstererek bu argümanı genişletiyor 4,10,14}. Üçüncü olarak, arabuluculuk ve moderasyon süreçlerini değerlendirmek için ekran tabanlı bir anket ve PLS-SEM prosedürü 15,18,19 olarak tanıtılır. Avantajı, istihdam taraması, yapı ayrımı, geçerlilik ve kollinearlık kontrolleri, bootstrapping, etki ayrıştırma, moderasyon yorumlama, PLSpredict analizi ve kesitsel ilişkilerin dikkatli yorumlanması gibi gizli kararların görünür hale gelmesini sağlar.

Protokol

Araştırma süreci, insan katılımcılarla yapılan tüm etik protokollere uydu. Tüm katılımcı bilgileri çevrimiçi anket teknolojisi ve dijital bilgilendirilmiş onay prosedürleriyle anonim olarak toplanmıştır. Herhangi bir katılımcıyı tanımlayan bilgi toplanmadı ve herhangi bir katılımcının videosu kaydedilmedi. Tüm katılımcılara ankete ulaşmadan önce dijital bilgilendirilmiş onay taraması sunuldu. Ekran, çalışmanın akademik amacını, katılımın gönüllü olduğunu, yanıtların gizli tutulacağını ve verilerin yalnızca araştırma amaçlı kullanılacağını açıkladı. Bilgilendirilmiş rızayı aktif olarak kabul etmeyen katılımcılar, herhangi bir çalışma maddesi sunulmadan önce anketten çıkarıldı. Etik onay veya muafiyet bilgileri, başvuru yapan kurumun gereksinimlerine uygun olarak etik beyannamede bildirilmelidir. Bu protokolün görsel unsuru, bu adımları ek bir iş akışı figürü olarak değil, işe alım, rıza, tarama, kimlik dışı veri işleme, SmartPLS model oluşturma, önyükleme, etki ayrıştırma ve PLSpredict değerlendirmesinin ekran tabanlı video gösterimi olarak sunmayı amaçlamaktadır. Tablo dizisi, video gösterimindeki adımların sırasını taklit eder. Tablo 1, işe alım, onay, tarama ve kalite kontrollerinden sonra tutulan örneklemi tanımlar. Yapı bloklarının ölçülmesi için temel Tablo 2'de sunulmaktadır. Tablolar 3–5, ölçüm kalitesini, ayırt edici geçerliliği ve kollinearlık tanısını bildirir. Tablo 6, hipotez testinin çıktılarını gösterir. Tablo 7, doğrudan ve dolaylı etkilerin ayrıştırmasını gösterir. Tablo 8, PLSpredict kontrol noktasıdır. Bu nedenle, tablolar 1–8, ekran tabanlı iş akışı^15,18 için anket girişinden istatistiksel çıkarıma kadar çıktının izini temsil etmektedir. Bu çalışmada kullanılan tüm platformlar/araçlar Materyaller Tablosu'nda listelenmiştir.

Araştırma modeli

Işlenilen örnekte, etik liderlik algısı iş stresinin bireysel yaratıcılık üzerindeki etkilerini aracılık eder ve organizasyonel yapay zeka gömülü, etik liderlik algısının bireysel yaratıcılık üzerindeki etkisini yumuşatır. Şekil 1 , H4'ün etik liderlik algısının dolaylı bir yol olarak etkisini, H5'in ise örgütsel yapay zeka gömülüğünün etik liderlik algısının ılımlılığını ifade ettiği kavramsal modeli sunar. Modelin amacı, nedensel bir model değil, ekran tabanlı bir arabuluculuk ve moderasyon iş akışını göstermektir.

Şekil 1: Kavramsal model. Diyagram, iş stresini (JS) öngörücü olarak, etik liderlik algısını (EL) aracı olarak, bireysel yaratıcılığı (IC) sonuç olarak ve organizasyonel yapay zeka gömülülüğünü (OA) EL–IC ilişkisinin moderatörü olarak sunar. Düz oklar varsayımsal doğrudan yolları gösterir, aracılı yol JS > EL > IC'dir ve etkileşim terimi EL × OA > IC'yi temsil eder. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Araştırma verileri

İnternet tabanlı bir katılımcı alım sistemi ve internet tabanlı bir anket sistemi, hedef iş yeri nüfusunda tam zamanlı çalışanlardan anonim anket yanıtlarını toplamak için kullanılır. Filtreler fırlatmadan önce ayarlanmalı ve yapı bloklarının gösterilmesinden önce uygunluğu doğrulamak için anket tabanlı bir tarama öğesi kullanılmalıdır. Rıza almayan katılımcıların, uygun olmayan katılımcıların ve kalite kontrol kontrollerinden geçemeyen yanıtların yanıtları analiz öncesi hariç tutulur. İşlenen örnekte, yazarlara istihdam durumu taraması ve kalite kontrol kontrollerinden sonra başlangıçta 342 başlangıçtan 310 geçerli tamamlanmış anket bırakıldı. Tablo 1 , nihai geçerli örneklem için demografik bilgileri sunmaktadır.

Tablo 1: Örneklemin betimleyici özellikleri (n = 310). Tablo, onay, uygunluk taraması ve kalite kontrol dışı bırakılmalardan sonra tutulan katılımcıları demografik ve istihdam özelliklerine göre özetliyor; n örneklem büyüklüğünü gösterir. Bu tabloyu indirmek için lütfen buraya tıklayın.

Önlemler

Tüm maddeler için yedi noktalı Likert ölçeği kullanılır (1 = kesinlikle katılmıyor; 7 = kesinlikle katılıyor). Anket, iş stresi, etik liderlik algısı, bireysel yaratıcılık ve organizasyonel yapay zeka gömülüyünün ölçüm bloklarını içeriyor. Anketi tasarlarken ve dışa aktarırken ürün kodlarını koruyun; böylece her ölçülen göstergenin model belirtimi sırasında ilgili gizli değişkenine eşlenebileceğinden emin olun. Ölçüm öğeleri ve kaynaklarının tam seti Tablo 2'de sunulmaktadır.

Tablo 2: Ölçüm öğeleri ve kaynakları. Bu tablo, anket öğelerini, yapı atamalarını ve ölçek kaynaklarını içerir. Kısaltmalar: JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; OA = organizasyonel yapay zeka gömülü. Bu tabloyu indirmek için lütfen buraya tıklayın.

Verileri PLS-SEM yazılımına aktarmadan önce, araştırmacılar tamamlanmış veri setini .csv formatta dışa aktarmalıdır. İsimler, e-posta adresleri, IP adresleri ve diğer doğrudan tanımlayıcılar, katılımcı bilgilerinin istemeden açıklanmasını önlemek için ihracadan çıkarılmalıdır. İhtır edilen dosyada eksik değerler, başarısız tarama yanıtları, düz çizgi çizilme, başarısız dikkat kontrolleri ve değişken adı hataları incelenmelidir. Yalnızca modelin gerektirdiği temizlenmiş gösterge değişkenleri ve kontrol değişkenleri korunmalıdır. İlk anket başları, nihai geçerli örneklem, güvenilirlik aralıkları, AVE aralığı, yapısal VIF aralığı ve bootstrap yeniden örnekleme ayarı daha sonra rapor için kaydedilmelidir.

PLS-SEM analitik iş akışı

Hipotezleri analiz etmek için araştırmacılar PLS-SEM kullanmalıdır. SmartPLS 4.1'de, temizlenmiş .csv dosyası içe aktarılarak yeni bir proje oluşturulacaktır. Gizli yapılar model tuvale yerleştirilmeli, tutulan göstergeler ise JS, EL, IC ve OA'ya atanmalıdır. Bu doğrudan yollar model tuval üzerinde çizilebilir; dolaylı yol JS > EL > IC olarak tanımlanabilir ve ürün-gösterge etkileşim terimi OA × EL > IC olarak da oluşturulabilir. Araştırmacılar, yapısal yolları değerlendirmeden önce PLS algoritmasını uygulamalıdır. SmartPLS'de, PLS Algoritmasını Hesapla > ve tahmin ayarlarını, yol ağırlıklandırma şeması, maksimum tekrar sayısı ve sağlanırsa durdurma kriterini not edin. PLS algoritması yürütüldükten sonra, akademisyenler Cronbach'ın alfa, bileşik güvenilirlik, AVE, dış yüklemeler, Fornell-Larcker, HTMT oranı ve VIF^değerleri 17,18,19'u değerlendirmelidir. Güvenilirlik, geçerlilik ve kollineerliğin değerlendirilmesi için çıkan çıktılar Tablolar 3–5'te bildirilmiştir. Yazarlara, olası ortak yöntem yanlılığını kontrol etmek için tam bir kollinearlık testi yapmaları tavsiye edilir. Yapısal VIF değerleri, aynı kaynak yanlılığının kaldırıldığının bir göstergesi olarak değil, potansiyel aynı kaynak-yanlılığın tanısal göstergesi olarak görülmelidir.

Protokol, dış model VIF'leri yapısal/tam kollineerlik VIF'lerden ayırır. Dış bir VIF 3.3'ü geçer ancak 5.0'ın altında kalıyorsa, bu değer ortak yöntem yanlılığı teşhisi olarak değil, potansiyel bir gösterge düzeyinde kollinearlık endişesi olarak kabul edilmelidir. Tam kollinearlık VIF'ler, ortak yöntem yanlılığının ortadan kaldırıldığının kanıtı olarak değil, aynı kaynaklı tanı ekranı olarak ayrı yorumlanır⁽15,18,19). Ölçüm kalitesi ve kollineerlik tanıları, yol katsayıları, dolaylı etkiler ve etkileşim terimleri yorumlanmadan önce yapılmalıdır. Doğrudan yolları, spesifik dolaylı etkileri ve moderasyon etkisini hesaplamak için araştırmacılar 5.000 yeniden örnekleme ile bootstrapping prosedürünü gerçekleştirmelidir. 5.000 alt örnekle, α = 0.05 ile iki kuyruklu test yapın ve işaret değişimi ile güven aralığı seçeneklerini projedeki gibi bırakın. Tablo 6, yol katsayısını, özel dolaylı etkinin ve etkileşim sonuçlarını sunar. Hipotezler test edildikten sonra, çıktıdaki spesifik dolaylı etkiler ve toplam etkiler bölümleri gözden geçirilmeli; böylece doğrudan JS > IC ilişkisi DOKLİ yol ile karşılaştırıldığında değerlendirilecek ve Tablo 7'deki etki ayrışmasını ele alacak. Bu prosedür, anlamlı olmayan doğrudan stres–yaratıcılık yolunu, anlamlı algıya dayalı dolaylı yoldan ayrı yorumlamaktan kaçınır. Araştırmacıların endojen yapılar için PLSpredict çalışmaları ve Q²predict, RMSE ve MAE istatistiklerini sınırlı bir öngörücü-alaka değerlendirmesi olarak raporlamaları önerilir. Q²için endogen yapılar EL ve IC için tahmin, RMSE ve MAE ile birlikte, sağlanırsa lineer model kıstası için sonuçları Tablo 8'de sunulmaktadır. Bu sonuçlar, tam tahmin kanıtı değil, sınırlı öngörücü-alaka kanıtı olarak yorumlanmalıdır¹⁸.

Protokol, istatistiksel olarak süslü değil, kasıtlı olarak odaklanmıştır. Daha sonra ülkeleri, meslekleri veya yönetimsel seviyeleri karşılaştıran araştırmacılar, temel arabuluculuk ve moderasyon iş akışı oluşturulduktan sonra ölçüm-değişmezlik testi, çoklu grup analizi, segmentasyon veya önem-performans haritalaması ekleyebilirler. İstatistiksel olarak anlamlı dolaylı veya etkileşim yolları, veriler kesitsel olduğunda nedensel etkiler olarak yorumlanmamalıdır. Uzunlaması, deneysel veya çok kaynaklı kanıt mevcut olmadıkça, teorisel tutarlı ilişkiler olarak sunulmalıdır. Bu uyarı, Sonuçlar ve Tartışma'da tekrarlanmıştır; böylece arabuluculuk ve moderasyon yolları nedensel etkiler yerine teoriye uygun ilişkiler olarak^{sunulur 15,18}. Eğer SmartPLS sürümleri arasında tam menü etiketleri farklıysa, araştırmacılar eşdeğer menü yolunu kullanmalı ve yazılım sürümünü, algoritma ayarlarını ve yeniden örnekleme ayarlarını Materyaller Tablosu'na veya tekrarlanabilirlik notuna kaydetmelidir.

Sonuçlar

Ölçüm modelinin değerlendirilmesi

Ölçüm modeli daha sonra yapı güvenilirliği ve geçerliliğini değerlendirmek için kullanıldı. Güvenilirlik, yakınsak geçerlilik, eşya yüklemeleri ve kollineerlik tanılaması Tablo 3'te sunulmaktadır. Cronbach'ın alfa değerleri 0.877 ile 0.932 arasında değişir, 0.70 kesim sınırını aşmaktadır. Bileşik güvenilirlik tahminleri kabul edilebilirdi; CR (ρ_a) 0.880 ile 0.959 arasında, CR (ρ_c) ise 0.911 ile 0.945 arasında değişiyordu. AVE, gerekli sınır seviyesi olan 0,50'nin (0,672–0,779) önemli ölçüde üzerindeydi. Tam kollineerlik temelinde yapılan kollineerlik değerlendirmesi, tüm yapısal VIF'ler <3.3 olduğundan, ortak yöntem yanlılığına dair hiçbir kanıt göstermedi. Genel olarak, ölçütler güvenilirlik, yakınsak geçerlilik ve kabul edilebilir kollineerlik ölçütlerini karşıladı. Öğeler Tablo 2'de yer almaktadır. Bu aralıklar, ölçüm modelinin bu protokolde belirtilen yaygın kullanılan güvenilirlik, geçerlilik ve tam kollineerlik kıyaslamalarını karşıladığını doğrular.

Tablo 3: Ölçüm modeli değerlendirmesi ve kollinearlık tanıları. Tablo, Cronbach'ın alfa (α), bileşik güvenilirlik (ρa ve ρc), çıkarılan ortalama varyans (AVE), dış yüklemeler ve varyans enflasyon faktörü (VIF) istatistiklerini sunmaktadır. 1'e yakın VIF değerleri önemsiz çok doğrusal olmayı gösterir, 1 ile 3 arasındaki değerler düşük ve kabul edilebilir kollineerliği gösterir, 3'ün üzerindeki değerler ise artan kollineerlik endişelerini gösterir. Kısaltmalar: JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; OA = organizasyonel yapay zeka gömülü. Bu tabloyu indirmek için lütfen buraya tıklayın.

Ayrımcı geçerliliğin değerlendirilmesi

Ayrımcı geçerlilik Fornell-Larcker kriteri veya HTMT^{oranı 17,19} üzerinden değerlendirilir. Fornell-Larcker sonuçları Tablo 4'te sunulmaktadır. Her AVE tahmininin karekökü, diğer yapılarla olan korelasyonlarından daha yüksektir ve bu da ayrımcı geçerliliği gösterir. Ayrıca, Tablo 5'te gösterildiği gibi, tüm HTMT'ler 0.85 < olup, bu da yapıların ampirik olarak farklı olduğunu gösterir. Fornell-Larcker ve HTMT bulguları, ölçüm modelinin bu çalışmada kullanılan yapılar arasındaki ayrımları yeterince temsil ettiğini göstermektedir.

Tablo 4: Fornell–Larcker kriteri kullanılarak değerlendirilen ayrımcı geçerlilik. Diyagonal değerler, çıkarılan ortalama varyansın karekökleridir (AVE), diyagonal olmayan değerler ise interconstruct korelasyonlardır. Kısaltmalar: JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; OA = organizasyonel yapay zeka gömülü. Bu tabloyu indirmek için lütfen buraya tıklayın.

Tablo 5: Heterotrait–monotrait (HTMT) oranı kullanılarak değerlendirilen ayrımcı geçerlilik. 0.85'in altındaki değerler, yapılar arasındaki ampirik ayırt ediciliği gösterir. Kısaltmalar: JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; OA = organizasyonel yapay zeka gömülü. Bu tabloyu indirmek için lütfen buraya tıklayın.

Yapısal model ve hipotez testi

Hipotezleri test etmek için yapısal model test edildi. Etik liderlik algısı, çalışanların lider davranışlarını nasıl gördüğüne dair öznel bir değerlendirmedir. Buna göre, EL ile diğer değişkenler arasındaki yapısal yollar, algılara dayalı ilişkiler olarak yorumlanmalıdır. Tablo 6, iş stresi, etik liderlik algısı, bireysel yaratıcılık ve organizasyonel yapay zeka gömülülüğü sonuçlarını göstermektedir. R²= 0.104 etik liderlik algısı ve R²= 0.186 bireysel yaratıcılık model tarafından açıklandı. Bu sonuçlar, kesitsel örgütsel davranış araştırmaları bağlamında temkinli çıkarım için uygun olan mütevazı bir açıklayıcı gücü temsil eder. Bu nedenle, protokol tam öngörücü geçerlilik yerine iş akışı gösterimi, etki ayrıştırma ve öngörücü önemliliğin değerlendirilmesine odaklanır. Ayrıca, yaratıcılık, mevcut modelde dikkate alınmayan takım ortamı, lider-üye değişimi, görev özerkliği, mesleki bağlam ve organizasyonel inovasyon normları gibi diğer faktörlerden de etkilenebilir. Bu nedenle küçük R², modelin açıklama gücünün sınırını gösterir, dolaylı ve etkileşim iş akışının başarısızlığını değil. H1 desteklenmedi, çünkü iş stresi ile bireysel yaratıcılık arasındaki ilişki anlamlı değildi (β = –0.054, t = 0.935, f²= 0.003, etki boyutu önemsiz). İş stresi, etik liderlik algısıyla negatif ilişkilendirildi (β = –0.322, t = 6.785, f²= 0.116, küçük etki boyutu), H2'yi destekledi. H3 desteklendi ve etik liderlik algısı bireysel yaratıcılıkla olumlu ilişkilendirildi (β = 0.371, t = 5.453, f²= 0.136). İş stresinin bireysel yaratıcılık üzerindeki etik liderlik algısı yoluyla dolaylı etkisi (β = –0.120, t = 4.364) anlamlıydı ve H4'ü destekledi. Etik liderlik algısı ile örgütsel yapay zeka gömülülüğü arasındaki etkileşim, bireysel yaratıcılıkla olumlu ilişkilendirildi (β = 0.141, t = 2.211, f²= 0.024, küçük etki boyutu), H5'i destekledi. Kontrol değişkeni ve etki boyutu sonuçları Tablo 6'da bildirilmiştir.

Tablo 6: Hipotez testi sonuçları, etki boyutları ve kontrol değişkeni etkileri. H4'e karşılık gelen dolaylı etki burada bildirilmekte ve Tablo 7'de daha ayrıntılı olarak ayrılmıştır. *p < 0.05, **p < 0.01 ve ***p < 0.001. Kısaltmalar: β = standartlaştırılmış yol katsayısı; t = t istatistik; f² = etki boyutu; p = olasılık değeri; n.s. = anlamlı değil; JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; OA = organizasyonel yapay zeka gömülü. Bu tabloyu indirmek için lütfen buraya tıklayın.

Örgütsel yapay zeka gömülü, etik liderlik algıları ile bireysel yaratıcılık arasındaki ilişkiyi güçlendirdi (β = 0.141, t = 2.211, p = .027). Etkileşimi görselleştirilmiş bir protokol makalesi için yorumlanabilir kılmak amacıyla, Şekil 2 ve Tablo 9, etkileşimi görsel olarak ve organizasyonel yapay zeka gömülülüğünün düşük (−1 SD), ortalama ve yüksek (+1 SD) seviyelerinde koşullu etkiler olarak sunmaktadır^.

Şekil 2: Organizasyonel yapay zeka gömülüğünün moderatör etkisi için basit eğimler. Şekil, organizasyonel yapay zeka gömülülüğü (OA) seviyelerinde etik liderlik algısı (EL) ile bireysel yaratıcılık (IC) arasındaki koşullu ilişkiyi göstermektedir. Ayrı gönderilen Şekil 2 dosyasında, tüm matematiksel operatörlerden önce ve sonra boşluklar kullanılır (örneğin, OA × EL, β = 0.141 ve +1 SD). Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Yapısal etkilerin ayrıştırılması

Arabuluculuk mekanizmasını göstermek için, doğrudan ve dolaylı yapısal etkiler ayrıldı. Tablo 7'de yazarlar, etik liderlik algısını içeren yapısal etkilerin ayrışmasını göstermektedir. İş stresi ile bireysel yaratıcılık arasındaki doğrudan ilişki anlamlı değildi (β = –0.054), etik liderlik algısıyla işleyen dolaylı ilişki ise anlamlıydı (β = –0.120, p < 0.001). Dolayısıyla, örneklemde iş stresi ile bireysel yaratıcılık arasındaki ilişki, öncelikle çalışanların etik liderlik algıları aracılığıyla ortaya çıktı. Bu desen, doğrudan JS > IC yolu anlamlı olmadığı için, dolaylı JS > EL > IC yolu anlamlı olduğu için tam arabuluculuğu göstermektedir. Yorum, iş stresinin yaratıcılıkla öncelikle çalışanların etik liderlik algısı yoluyla ilişkilendirildiği, bu işlenmiş örnekte kalıcı doğrudan bir yol üzerinden değil.

Tablo 7: Yapısal etkilerin ayrıştırılması. Tablo, JS > IC ilişkisi için doğrudan, özgül, dolaylı, toplam dolaylı ve toplam etkileri ayırır. Kısaltmalar: JS = iş stresi; EL = etik liderlik algısı; IC = bireysel yaratıcılık; n.s. = anlamlı değil. p < 0.001. Değerler yuvarlama nedeniyle tam olarak toplanamayabilir. Bu tabloyu indirmek için lütfen buraya tıklayın.

Öngörücü önem değerlendirmesi

Tahminci önemlilik PLSpredict kullanılarak değerlendirilmiştir. Bu yöntem, Tablo 8'de tanımlanan endogen yapılar için Q²predict, RMSE ve MAE'ye bakarak öngörücü önemi değerlendirmek için kullanılır. PLSpredict ayrıca, belirlenen önemli yollar üzerinde kısa bir öngörücü önem kontrolü sağlamak için faydalı bir metodolojik yöntem sunar. Bu raporda sunulan örnekte, Tablo 8 , daha önce belirlenen arabuluculuk ve moderasyon yollarını destekleyen nihai denetim noktasını, etik liderlik algısı ve bireysel yaratıcılık için öngörücü öneme dair bazı kanıtlar içererek özetlemektedir. Tüm Q²tahmin değerleri pozitif ancak mütevazı boyutlarda olduğundan, öngörücü ilgi, tüm sonuçların tam tahminlerini vermek yerine sınırlı öngörücü fayda sağlamak olarak yorumlanmalıdır. Bireysel yaratıcılık için çok düşük Q2predict değeri, doğrudan zayıf bir pratik tahmin olarak tartışılır. Bu, arabuluculuk ve moderasyon bulgularını geçersiz kılmaz, ancak tahmin iddialarını sınırlar ve yaratıcılığın daha güçlü bireysel, ekip, görev ve organizasyon düzeyindeki öngörücüleriyle gelecekteki araştırmaları motive^{eder 18}.

Tablo 8: Endojen yapılar için sonuçları tahmin edin. Tablo, etik liderlik algısı (EL) ve bireysel yaratıcılık (IC) için Q²öngörüşü, kök ortalama kare hatası (RMSE) ve ortalama mutlak hata (MAE) ile mevcut olduğunda lineer model (LM) kıyası ile birlikte rapor verir. Bu istatistikler, sınırlı öngörücü-alaka kanıtı olarak yorumlanır. Bu tabloyu indirmek için lütfen buraya tıklayın.

Tablo 9, Şekil 2 ile birlikte okunmalıdır. Önemli OA × EL etkileşimini, etik liderlik algısının bireysel yaratıcılık üzerindeki koşullu etkilerine çevirir; düşük (−1 SD), ortalama ve yüksek (+1 SD) organizasyonel yapay zeka gömülüğü seviyelerinde. Koşullu eğim, yapay zeka gömülülüğü düşük olduğunda, ortalama EL > IC ilişkisini oluşturduğunda en zayıf ve yapay zeka gömülülüğü yüksek olduğunda en güçlüdür. Dolayısıyla, Tablo 9, H5'in pratik yönünü netleştirir ve etik liderlik ipuçlarının yapay zeka iş rutinlerine daha derinlemesine yerleştiğinde yaratıcılık için daha önemli hale geldiğini^{gösterir 18}.

Tablo 9: Etik liderlik algısının (EL) bireysel yaratıcılık (IC) üzerindeki koşullu etkileri. Tablo, organizasyonel yapay zeka gömülülüğü (OA) seviyelerinde düşük (−1 standart sapma [SD]), ortalama ve yüksek (+1 SD) seviyelerde koşullu EL > IC eğimlerini rapor eder; böylece H5 moderasyon etkisi yorumlanabilir hale gelir. Bu tabloyu indirmek için lütfen buraya tıklayın.

VERİ ERIŞILEBILIRLIĞI:

Ham analitik materyaller, açıkça isimlendirilmiş ek veri dosyaları olarak sunulur: Ek Tablo 1, Kimliği Kaldırılmış Temizlenmiş Anket Veri Seti; Ek Tablo 2, SmartPLS PLS Algoritma Çıktısı; Ek Tablo 3, SmartPLS 5.000-Yeniden Örnekleme Başlatma Çıktısı; ve Ek Tablo 4, SmartPLS PLSpredict ve CVPAT Çıktısı. Bu dosyaların ayrıntılı açıklaması Ek Dosya 1'de verilmiştir.

Ek Tablo 1: Ham veriler. Kimliği Yok Edilmiş Temizlenmiş Anket Veri Seti. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 2: Ham veri. SmartPLS PLS algoritma çıktısı. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 3: Ham veri. SmartPLS 5.000 Yeniden Örnekleme Başlatma Çıktısı. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 4: Ham veri. SmartPLS PLSpredict ve CVPAT Çıkışı. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 1: README dosyası. Ham veri tablolarıyla ilgili talimatlar için. Bu dosyayı indirmek için lütfen buraya tıklayın.

Tartışma

Protokol, psikolojik taleplerin, liderlik algılarının ve yapay zeka bağlantılı bağlamsal koşulların dijital olarak dönüştürülmüş iş bağlamlarında çalışan sonuçlarını nasıl etkilediğini anlamak için aktarılabilir bir anket tabanlı yöntem^{sunmaktadır. 1,2,4}. Ana katkısı filme alınmış bir manipülasyon değil, çevrimiçi işe alım, onay ve tarama için izlenebilir analitik iş akışıdır; ilgi alanlarını ölçmek, veri hazırlamak, SmartPLS modelini belirlemek, önyükleme ve temsil aracılık ve moderasyon sonuçlarının yorumlanmasıdır^15,18. Atılan adımlar, el yazmasında sunulan tablolar ve çevrimiçi ek materyaldeki SmartPLS çıktı dosyaları üzerinden izlenebilir. Buna rağmen, çevrimiçi işe alımdan SmartPLS kullanılarak analize kadar tüm adımlar, videoda gösterilebilen ve aynı sonuçları yansıtan gönderilen SmartPLS çıktı dosyaları ve tablolarıyla doğrulanabilen ekran tabanlı tıklamalarla uygulandığı için kolayca kanıtlanabilir.

Bu iş akışı, yazarların incelediği yapılar yerine diğer algı temelli mekanizmaların incelenmesine kolayca uyarlanabilir ve aynı çevrimiçi işe alım, tarama, doğrulanmış ölçüm ve PLS-SEM dizisini kullanabilir. Bu prosedür, görselleştirilmiş yöntemler formatı için üç nedenle uygundur. Birincisi, anonim anket araştırmalarında yapılan işin çoğu fiziksel değil, dijital ve prosedüreldir. İkinci olarak, bu işlemler yorumu etkiler; bu örnekte, yazarlar JS > IC yolunu sıfır bulgu olarak kabul edebilirler, ölçüm kontrolleri ve etki ayrıştırması JS > EL > IC'nin dolaylı yol olduğunu göstermedikçe. Üçüncüsü, bu prosedürler Prolific, Qualtrics, veri seti işleme, SmartPLS, çıktı dosyaları, tablo dosyaları ve uygun olduğunda ekran yakalama videoları aracılığıyla gerçekleştiği için, bireysel katılımcılar kaydedilmeden öğretilebilir, denetlenebilir ve çoğaltılanabilirler. Yazarlar, SmartPLS'te ekran ekran ilerleyip yazılım çıktı dosyalarını, tablo dosyalarını, ek SmartPLS çıktı dosyalarını ve ekran yakalama videolarını örnek dahil etme, yapı ayrımı, model kalitesi değerlendirmesi ve doğru, dolaylı, etkileşimli ve öngörücü bulguların yorumlanması gibi temel metodolojik kararlara bağlayabilirler. Anket tabanlı PLS-SEM, laboratuvar manipülasyonunun grafik hassasiyetinden yoksun olsa da, alınımdan çıkarıma denetlenebilir yol metodolojiyi oluşturur. Bu şekilde, katılımcıların video kaydını gerektirmeden insan işyeri davranışını - yaratıcı eylem, sosyal yorum ve yapay zeka - bağlamsal yanıtı - incelemek için tekrarlanabilir ^{araçlar sağlar.}

Protokol, işlem dijital ve ekran tabanlı olduğu için görselleştirilmiş metodlar formatı için uygundur. Video, katılımcıları filme almadan veya özel verileri ortaya çıkarmadan onay ekranı, uygunluk filtresi, kimlik dışı veri seti, eşya kodu yapısı, model tuvaleti, algoritma ayarları, bootstrapping çıktısı, dolaylı etkiler, etkileşim çıktısı, basit eğim yorumu ve PLSpredict sonuçlarını katılımcıları filme almadan veya özel verileri açığa çıkarmadan^{gösterebilir. 15,18}. Temsil eden uygulama, istatistiksel teknik nadir olmasa bile prosedürel görünürlüğün neden önemli olduğunu gösterir. 342 anket başlangıcından 310 geçerli vakaya indirilme, güvenilirlik katsayıları 0.877 ile 0.932 arasında, AVE 0.672 ile 0.779 arasında, yapısal VIF'lerin hepsi 3.3'ün altında, anlamsız doğrudan JS > IC yolu (β = –0.054), anlamlı JS > EL > IC dolaylı yol (β = –0.120) ve anlamlı OA × EL etkileşimi (β = 0.141) tüm bu faktörler tarama ile ilgili önceki kararlara bağlıdır. Yapı ayrımı, ölçüm geçerliliği, kollinearlık tanıları ve önyükleme 15,18,19. PLS-SEM, yapı kalitesini değerlendirerek, doğrudan, dolaylı ve etkileşim etkilerini ayırarak ve paralel^olarak önyükleme yollarını tahmin ederek bu protokolü destekler. PLSpredict, ölçüm kalitesi ve yapısal yollar değerlendirildikten sonra endogen yapıların hâlâ öngörücü öneme sahip olup olmadığını sorar. Etik liderlik algısı ve bireysel yaratıcılık için olumlu ama mütevazı Q2predict değerleri, tam tahmin yerine sınırlı tahmin faydalılığını önerirken, Tablo 8'in dahil edilmesini destekler. Anlamsız JS > IC doğrudan yolu tek başına yorumlanmamalıdır. Ayrıştırma, iş stresinin etik liderlik algısı yoluyla yaratıcılıkla ilişkili olduğunu göstermektedir; bu nedenle revize edilmiş makale tam arabuluculuğu, etki ayrıştırmasını ve kesitsel çağrışımların ölçülü yorumunu^{vurgulamaktadır} 15,18,19.

Bu bulgular, yapay zeka gömülü çalışmalarda yaratıcılığın algısal anlatımıyla^{tutarlıdır 8,9}. Bu çalışmada iş stresi, etik liderlik algısını olumsuz tahmin etti, bu da bireysel yaratıcılığı olumlu şekilde öngördü. İş stresi doğrudan bireysel yaratıcılığı öngörmese de, çalışanların liderlik ortamı algıları aracılığıyla dolaylı olarak yaratıcılıkla ilişkilendirildi. Etik liderlik algısı ile yaratıcılık arasındaki olumlu ilişki, örgütsel yapay zeka gömülülüğü^{ile de güçlenmiştir} 26,28,29,31. Mevcut araştırma, işyeri yaratıcılığının yaratılmasının teknolojinin kendisinden ziyade çalışanların yapay zeka tabanlı çalışma ve liderlerden destek algıları olduğunu göstererek organizasyon psikolojisini ilerletmektedir ^1,4,13. Etik liderlik algısının yaratıcılık üzerindeki etkisi, iş stresinin yaratıcılığı etkilediği sosyal, bağlamsal ve motivasyon koşullarına bağlı bir yorum darboğazıdır. Özellikle, iş stresi algılanan etik ve destekleyici liderlik sinyallerinin erişilebilirliğini azaltabilirken, etik liderlik algısı ses, deneme ve yapıcı risk almayı teşvik eden sosyal bilgiler^{sağlar 6,7,10}. Çalışma ayrıca, örgütsel yapay zeka gömülüğünün yaratıcı davranışın doğrudan bir itici kaynağı değil, bağlamsal bir kolaylaştırıcı olduğunu da ortaya koyuyor. Yapay zeka entegre ortamlarda, çalışanlar deney, hesap verebilirlik ve yöneticileri ile meslektaşlarının yaratıcı çabaları nasıl değerlendireceği konusunda daha az emin olabilir. Bu okuma, geçmişte stres-yaratıcılık ilişkileri bulgularının neden karışık olduğunu açıklamaya yardımcı olabilir: stres, çalışanların liderleri hâlâ adil, güvenilir ve destekleyici olarak algılayıp algılamadığına bağlı olarak yaratıcılığı farklı şekilde etkileyebilir. Bu nedenle, etik liderlik, yapay zeka tabanlı işyerlerinde önemli bir sosyal ipucu ve yorumlama darboğazı olarak yorumlanır. Hesap verebilirlik, deneme ve değerlendirme kısmen yapay zeka tarafından aracılık edildiğinde, çalışanlar yaratıcı risk alma sürecinin güvenli olup olmadığına karar vermek için lider adaletine, şeffaflığına ve güvenilirliğine daha çok güvenebilir.

Bulgular ayrıca, yapay zeka tabanlı işyerlerinde yaratıcılığın yalnızca teknolojiyle sürdürülemeyeceğini^{gösteriyor 1,2,4}. Sürekli iletişim, daha adil değerlendirme prosedürleri ve deneylere görünür destek, liderlerini etik olarak gören çalışanların yeni fikirleri tartışmak ve denemek için kendilerini daha özgür hissetmelerini^{sağlar 6,7,10}. Kuruluşlar, iş stresini sadece iyilik merceğinden değil, yaratıcılıkla ilgili bir durum olarak düşünmeli, aşırı stresin yaratıcı davranışı destekleyecek ilişkisel koşulları zayıflatabileceğini^{kabul etmelidir 13,14}. Yapay zeka uygulaması en verimli şekilde bir işyeri çalışanlara net davranışsal beklentiler, adil geri bildirim ve insan merkezli destek sağladığında olur. Yapay zekanın fikir, tahmin, otomasyon ve kontrol gibi insan merkezli özellikleri bireylerin dünyasına farklı şekillerde gireceği için, organizasyonlar yapay zeka uygulamasını stres yönetimi ve etik liderlikle ilişkilendirmeli, bunları ayrı girişimler olarak ele almak yerine ^2,32,33.

Protokolün gelecekteki kullanımını birkaç sınırlama yönlendirmelidir. Veriler tek durumlu, kesitsel, kendi kendine bildirilen ve bu nedenle yaygın yöntem yanlılığı ve duruma bağlı raporlama ile nedensel çıkarım tamamen dışlanamaz; Bu nedenle, yapısal yollar teorik tutarlı ilişkiler^{olarak yorumlanmalıdır 15,18}. Bu sınırlama gizli değil, görünürdür: protokol, tek dalga anket kanıtlarının teorisel tutarlı ilişkilendirme testlerini desteklediği ve daha güçlü nedensel veya davranışsal iddialar için uzunlaması, çok kaynaklı veya gözlemsel tasarımların nerede gereklidigini gösterir. Model, etik liderlik algısında (R²= 0.104) ve bireysel yaratıcılıkta (^{R 2}= 0.186) küçük ve orta miktardaki varyansı hesaba kattı. Bunlar kritik değerler değildir çünkü protokolün amacı arabuluculuk ve moderasyon sürecinin net bir anlaşılmasını sağlamaktır; ancak lider-üye değişimi, ekip ortamı, organizasyon kültürü ve inovasyon normları gibi diğer potansiyel öngörücüleri önerirler. Örneklem, Amerika Birleşik Devletleri ve Birleşik Krallık'tan çalışanlardan oluşuyordu ve organizasyonel yapay zeka gömülülüğü ölçüsü, üretken, öngörücü, eşleştirme veya kontrol odaklı yapay zeka sistemlerine özgü değil, geniş bir ölçüdeydi. Sonraki çalışmalar, bu temel protokolü boylamasına veya çoklu dalga tasarımları, kültürlerarası örnekler, çoklu grup analizi, segmentasyon veya araştırma^{sorusu 16'nın} gerektirdiği daha gelişmiş yapay zeka sistemleri ölçümleri kullanarak genişletebilir. Protokol, gelişim için net bir yol sağlar: araştırmacılar, temel arabuluculuk ve moderasyon iş akışıyla başlayabilir ve teori gerektirdiğinde özel modüller ekleyebilir; örneğin, uluslar arası karşılaştırmalarda ölçüm-değişmezlik testi, mesleki veya yönetsel farklılıkların çalışmalarında çok gruplu analiz, gizli katılımcı profillerini ortaya çıkarma çabalarında gizli sınıf segmentasyonu veya yönetimsel önceliklendirme için kullanılan önem-performans haritalama. Genel olarak, protokol yapay zeka destekli işyeri yaratıcılığını yorumlayıcı bir uygulama olarak, etik liderliği ise iş stresinin yaratıcılıkla dolaylı olarak ilişkilendirildiği bir kanal olarak ele alıyor ve bu yol örgütsel yapay zeka gömülüyle güçlendirilmektedir. Bir nüfusun tanımlanması ve taramasından ölçümlerin doğrulanması, arabuluculuk ve moderasyonun testlenmesi, PLSpredict yapılması ve dikkatle yorumlanma yoluyla süreci açıklayarak iş akışı, yapay zeka destekli işyeri anket araştırmalarının şeffaflığını, karşılaştırılabilirliğini ve yeniden kullanılabilirliğini teşvik^{etme potansiyeline sahiptir 18,19}.

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
ChatGPT (Yapay Zeka Dil Modeli)	OpenAI	N/A	Yalnızca dil düzenleme, dilbilgisi denetimi ve el yazması hazırlama sırasında yapısal iyileştirme için kullanıldı. Araç veri toplama, istatistiksel analiz veya ampirik sonuçların yorumlanması için kullanılmamıştır. Yazarlar nihai el yazmasını inceledi, düzenledi ve onayladı ve içeriğin tamamı için sorumluluk aldı. URL: https://chatgpt.com/
Prolific (Çevrimiçi Katılımcı Alım Platformu)	Prolific Academic Ltd.	N/A	Çalışma örneği için anket katılımcılarının alımı için kullanılan çevrimiçi platform. Katılımcılar, tam zamanlı istihdam ve hedef işyeri nüfusuna uygunluk dahil olmak üzere önceden tanımlanmış uygunluk kriterleri kullanılarak tarandı. URL: https://www.prolific.com/
Qualtrics (Çevrimiçi Anket Platformu)	Qualtrics, LLC	N/A	Anket tasarımı, dijital bilgilendirilmiş onam, eleme, yapı blok sunumu, yanıt veri toplanması ve tanımsız veri kümesi dışa aktarılması için kullanılan web tabanlı anket platformu. Ölçüm öğeleri, 1 = kesinlikle katılmıyorum ile 7 = kesinlikle katılıyorum arasında değişen 7 noktalık Likert tipi bir ölçek kullanılarak uygulandı. URL: https://www.qualtrics.com/
SmartPLS 4.1 (PLS-SEM Yazılımı)	SmartPLS GmbH	Versiyon 4.1	Kısmi en küçük kareler yapısal eşitlik modellemesi (PLS-SEM) için kullanıldı, model belirleme, PLS algoritması tahmini, ölçüm modeli değerlendirmesi, eşdeğişkenlik teşhisi, 5.000 yeniden örnekleme ile bootstrapping, özel dolaylı etki testi, etkileşim terimi tahmini, etki ayrıştırması ve PLSpredict değerlendirmesi içerir. URL: https://smartpls.com/