مطالعات مدیریت کسب و کار هوشمند

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی‌ارشد مدیریت فناوری اطلاعات، گرایش سیستم‌های اطلاعاتی پیشرفته، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

2 دانشیار، گروه فناوری اطلاعات و مدیریت عملیات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران نویسنده مسئول : imanraeesi@atu.ac.ir

3 استاد گروه فناوری اطلاعات و مدیریت عملیات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

10.22054/ims.2024.77611.2421

چکیده

توسعه روزافزون فناوری‌های دیجیتال تغییرات چشمگیری در عملکرد کسب ‌و کارها ایجاد کرده است. افزایش تعداد مقالات منتشر شده در این موضوع نیز بیانگر توجه ویژه محققان در حوزه سیستم‌های اطلاعاتی، مدیریت کسب ‌و کار و نوآوری می‌باشد. در حالی که تغییرات دیجیتالی صورت گرفته به عنوان یک ضرورت اجتناب ‌ناپذیر در عصر دیجیتال محسوب می‌شود، تحقیقات پیشین به حوزه خاصی محدود شده‌اند. هدف این تحقیق شناسایی مضامین کلیدی و موضوعات کلان از طریق مرور سیستماتیک ۲۰۱ مقاله در طی سال ۲۰۱۸ تا ۲۰۲۳ از دو پایگاه اطلاعاتی با سطح کیفی بالا (اسکوپوس و وب آو ساینس) است. ابتدا با استفاده از تحلیل مضمون به شناسایی مضامین اصلی و بررسی روابط آن‌ها با یکدیگر از منظر توسعه فناوری‌های دیجیتال پرداخته می‌شود. در گام بعد با استفاده مدل‌سازی موضوعی (تخصیص پنهان دیریکله) به بررسی حوزه‌های کلان تاثیر گذاری این فناوری‌ها پرداخته و با استفاده از رویکرد علم سنجی روندهای تحقیقاتی آتی این موضوع شناسایی می‌گردد. یافته بدست آمده نشان دهنده تاثیر توسعه فناوری‌های دیجیتال بر تصمیم گیری داده محور، دیجیتالی‌سازی فرآیندها، تعاملات دیجیتالی و یادگیری اشتراکی است که منجر به تحقق تحول دیجیتال در سطوح عملیاتی و استراتژیک کسب و کار می‌گردد. نوآوری این پژوهش طراحی شبکه مضامین از طریق بررسی عمیق متون و تحلیل متن کاوی است که سبب شناخت بیشتر روابط بین مولفه‌های کلیدی می‌گردد. و در گام آخر به ارائه توصیه‌هایی به محققان و مدیران برای انجام تحقیقات آتی اقدام می‌شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Analyzing the Impact of Key Digital Transformation Technologies on Business Performance Improvement Using Advanced Text Analytics Methods

نویسندگان [English]

  • Mohammad Amin Yalpanian 1
  • Iman Raeesi Vanani 2
  • Mohammad Taghi Taghavifard 3

1 Master of Information Technology Management, Advanced Information Systems, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran

2 Associate Professor, Department of Information Technology and Operations Management, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran Corresponding Author: imanraeesi@atu.ac.ir

3 Professor, Department of Information Technology and Operations Management, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran

چکیده [English]

The ever-increasing development of digital technologies has brought about significant changes in business performance. The increase in the number of published articles on this topic also shows the special attention of researchers in information systems, business management, and innovation. While digital changes are inevitable in the digital age, previous research has been limited to a specific domain. This research aims to identify key themes and macro topics through a systematic review of 201 articles from 2018 to 2023 through two high-quality databases (Scopus and Web of Science). First, using thematic analysis, the main themes are identified, and their relationships are investigated from the perspective of digital technology development. In the next step, by using topic modeling (Latent Dirichlet Allocation), the major domains of the impact of these technologies will be investigated, and future research trends will be identified using the scientometric approach. The innovation of this research is designing a thematic network through in-depth text review and text mining analysis, which leads to a better understanding of the relationships between critical components. In the last step, recommendations are given to researchers and managers to conduct future research.

کلیدواژه‌ها [English]

  • Digital Technology
  • Business Performance Improvement
  • Digital Transformation
  • Thematic Analysis
  • Advanced Text Analytics