Bu bibliometrik tədqiqat təşkilatlarda süni intellektlə insan arasındakı qarşılıqlı əlaqənin akademik ədəbiyyatda necə konseptuallaşdırıldığını və tədqiqat sahəsinin hansı istiqamətlərə irəlilədiyini araşdırır. Tədqiqatçılar Scopus-dan əldə edilən 2178 ilkin sənədi və onların istinad etdiyi 15.078 ikinci dərəcəli sənədi VOSviewer 1.6.20 istifadə edərək document co-citation və bibliographic coupling üsulları ilə təhlil ediblər. Birgə-istinad analizi sahənin beş əsas intellektual klasterini üzə çıxararkən, biblioqrafik əlaqələndirmə analizi dörd aktual tədqiqat cəbhəsini müəyyən edib. Ortaya çıxan ümumi nümunə göstərir ki, ədəbiyyat süni intellekti yalnız səmərəlilik yaradan və insanlar tərəfindən “qəbul edilməli” texnologiya kimi görən yanaşmalardan etibar, insan muxtariyyəti, birgə qərarvermə, qarşılıqlı uyğunlaşma, idarəetmə və təşkilati qabiliyyətləri əhatə edən daha insanmərkəzli əməkdaşlıq yanaşmasına doğru genişlənir. Bununla belə, bu nəticə bütün iş yerlərinin empirik olaraq belə dəyişdiyini sübut etmir; tədqiqat elmi nəşrlər arasındakı istinad münasibətlərini xəritələndirir və Scopus, axtarış terminləri, fənn sərhədləri və bibliometrik hədlərin təsirinə məruz qalır.

Tədqiqatın ən mühüm mesajlarından biri budur ki, süni intellektin təşkilatlarda dəyər yaratması yalnız alqoritmin texniki gücü ilə izah edilə bilməz. Araşdırılan ədəbiyyat əməkdaşların süni intellekti anlaması, ona uyğun səviyyədə etibar etməsi, insan və AI rollarının necə bölündüyü, rəhbərliyin dəstəyi, verilənlərə əsaslanan mədəniyyət, etik idarəetmə, iş axınının dizaynı və əməkdaşların qərar proseslərində mənalı rolu qoruyub saxlaması kimi amilləri getdikcə daha mərkəzi mövzulara çevirir. Müəlliflər bu dəyişikliyi avtomatlaşdırma mərkəzli düşüncədən süni intellekt və insanın bir-birini tamamladığı sosiotexniki sistemlərə doğru inkişaf edən tədqiqat istiqaməti kimi şərh edirlər.

Süni intellekt artıq yalnız alətdirmi?

Tədqiqatın istifadə etdiyi tərifə görə AI–human collaboration, insan aktorları ilə ağıllı sistemlərin iş tapşırıqlarını birlikdə yerinə yetirdiyi, qərar proseslərinə birgə qatıldığı və təşkilati nəticələri birlikdə formalaşdırdığı interaktiv prosesdir. Tədqiqat ədəbiyyatda iki əsas yanaşmanın olduğunu göstərir.

Birinci yanaşma süni intellekti alət kimi görür. Bu modeldə AI analiz, qərar dəstəyi və ya iş axınının səmərəliliyini təmin edir, lakin əsas səlahiyyət və qərar məsuliyyəti insanda qalır. İkinci yanaşma isə AI-ni getdikcə daha çox komanda yoldaşı və ya yarımmuxtar iş ortağı kimi konseptuallaşdırır. Burada insan və süni intellekt tapşırıqların müəyyənləşdirilməsi, icrası və ya koordinasiyasına müxtəlif səviyyələrdə birlikdə qatıla bilər.

Bibliometrik xəritədə görünən dəyişiklik alət yanaşmasının yoxa çıxdığını göstərmir. Daha düzgün şərh budur ki, tədqiqat sahəsi “İnsan AI-dən istifadə edəcəkmi?” sualından kənara çıxaraq “İnsan və AI birlikdə necə işləyəcək, rollarını necə uyğunlaşdıracaq və məsuliyyəti necə bölüşəcək?” sualına daha çox yönəlir.

Sahə niyə parçalanmış hesab olunur?

Süni intellekt–insan əməkdaşlığı tək bir elm sahəsinin mövzusu deyil. Tədqiqatlar təşkilati davranış, psixologiya, informasiya sistemləri, idarəetmə, təhsil, insan resursları və insan–kompüter qarşılıqlı əlaqəsi kimi müxtəlif fənlərdə inkişaf edib. Bu vəziyyət etibar, texnologiyanın qəbulu, antropomorfizm, liderlik, etika, iş dizaynı, rəqəmsal qabiliyyət, əməkdaş münasibətləri və performans kimi anlayışların bir-birindən ayrı ədəbiyyatlarda öyrənilməsinə səbəb olur.

Tədqiqatın məqsədi ayrı-ayrı araşdırmaların nəticələrini meta-analitik şəkildə birləşdirmək deyil; fərqli ədəbiyyatların hansı mənbələrdən birlikdə istifadə etdiyini və hansı tədqiqatların ortaq bilik əsaslarına söykəndiyini xəritələndirərək sahənin intellektual arxitekturasını ortaya çıxarmaqdır.

Document co-citation ilə bibliographic coupling arasındakı fərq nədir?

Document co-citation iki mənbənin sonrakı tədqiqatlar tərəfindən nə qədər tez-tez birlikdə istinad aldığını araşdırır. İki çalışma eyni məqalələrin mənbə siyahılarında təkrar-təkrar birlikdə görünürsə, bu onların oxşar nəzəri və ya konseptual bilik bazasının hissələri olduğuna işarə edir. Buna görə birgə-istinad analizi əsasən sahənin intellektual əsaslarını anlamaq üçün istifadə edilib.

Bibliographic coupling isə əks istiqamətdən baxır. İki aktual tədqiqatın mənbə siyahılarında nə qədər ortaq istinad olduğunu araşdırır. Eyni mənbələrə intensiv müraciət edən yeni tədqiqatların oxşar tədqiqat suallarını və ya tematik istiqamətləri paylaşacağı gözlənilir. Tədqiqatçılar bu üsuldan sahənin aktual tədqiqat cəbhələrini müəyyənləşdirmək üçün istifadə ediblər.

Deməli, bu iki analiz eyni sualı təkrarlamır. Biri “Bu sahə hansı düşüncə əsasları üzərində qurulub?” sualına, digəri isə “Aktual tədqiqatlar hansı istiqamətlərdə klasterləşir?” sualına yaxınlaşır.

Beş əsas intellektual klaster nəyi göstərir?

Birgə-istinad şəbəkəsində ilk 100 sənəd beş klasterə ayrılıb. Tədqiqatın 9-cu səhifəsindəki Şəkil 1-də qırmızı, yaşıl, mavi, sarı və bənövşəyi rənglərlə göstərilən bu quruluş sahənin psixoloji nəzəriyyələrdən təhsil transformasiyasına və texnologiyanın qəbuluna qədər uzanan geniş nəzəri bazaya malik olduğunu göstərir.

Psixoloji və sosial əsas niyə vacibdir?

Ən böyük birgə-istinad klasteri insanların süni intellekti yalnız funksional xüsusiyyətlərinə görə qiymətləndirmədiyini araşdıran işlərdən ibarətdir. Antropomorfik dizayn, sosial mövcudluq, etibar, istilik qavrayışı, istifadəçi kimliyi və insana bənzər qarşılıqlı əlaqə xüsusiyyətləri bu ədəbiyyatda mühüm yer tutur.

Bu tədqiqat qolunun əsas ideyası odur ki, çatbot, xidmət robotu və ya oxşar AI agenti istifadəçi tərəfindən tam neytral proqram təminatı kimi qəbul edilməyə bilər. İnsana bənzər davranış və ya kommunikasiya forması istifadəçilərin sistemlə qurduğu münasibəti və davranış reaksiyalarını dəyişə bilər.

Niyə ali təhsil bu qədər dominantdır?

Birgə-istinad strukturunun iki böyük hissəsi birbaşa ali təhsil və təhsil transformasiyası ilə əlaqəlidir. Müəlliflər bunu tədqiqat dizaynındakı xəta kimi deyil, xüsusilə generativ süni intellektin sürətli yayılmasından sonra mövcud ədəbiyyatın empirik bölgüsünün əksi kimi şərh edirlər.

Bu tədqiqatlarda tələbə münasibətləri, müəllim hazırlığı, qiymətləndirmə formaları, akademik dürüstlük, AI savadlılığı, institusional idarəetmə və generativ AI-nin tədris proseslərinə inteqrasiyası önə çıxır. Nəticədə sahənin ilkin nəzəri bazası müəssisələr qədər təhsil təşkilatlarından da intensiv şəkildə qidalanır.

Etik və idrak müzakirəsinin mərkəzində nə var?

Etik-idrak klasteri qərəz, yanlış məlumat, akademik dürüstlük, idrak yükünün AI-yə ötürülməsi, şəffaflıq, ədalət və məsuliyyətli idarəetmə kimi mövzular ətrafında formalaşır. Burada əsas sual yalnız “AI istifadə edilməlidirmi?” deyil. Sistemlərin qərar və istehsal proseslərinə daha çox qoşulduğu şəraitdə insanların qiymətləndirmə qabiliyyətinin, məsuliyyətinin və muxtariyyətinin necə qorunacağı da müzakirə edilir.

Davranış mənimsəmə nəzəriyyələri niyə hələ də vacibdir?

Bənövşəyi klasterdə Theory of Planned Behavior (TPB) və Technology Acceptance Model (TAM) kimi klassik texnologiya mənimsəmə nəzəriyyələri mərkəzi mövqedədir. Münasibətlər, sosial normalar, qavranılan davranış nəzarəti, qavranılan fayda və istifadə asanlığı kimi dəyişənlər insanların yeni texnologiyadan istifadə niyyətini izah etmək üçün uzun müddətdir istifadə olunur.

Tədqiqatın vurğuladığı nəzəri sərhəd isə budur: bu modellər bir şəxsin AI-ni qəbul edib-etməyəcəyini izah etməkdə faydalı ola bilər, lakin sistem iş yoldaşına və ya ortaq qərar aktoruna çevrildikdə uzunmüddətli əməkdaşlığın necə inkişaf etdiyini izah etmək üçün təkbaşına kifayət etməyə bilər.

Aktual tədqiqat cəbhəsində hansı dörd sahə önə çıxır?

13-cü səhifədəki bibliographic coupling şəbəkəsi daha aktual tədqiqat ədəbiyyatını dörd tematik cəbhədə birləşdirir:

AI–CRM tədqiqatları təşkilatlara nə deyir?

AI dəstəkli müştəri münasibətlərinin idarə olunması ədəbiyyatında texnologiyaya sahib olmaq öz-özlüyündə kifayət qədər qabiliyyət sayılmır. Araşdırılan tədqiqat klasteri AI istifadəsinin təşkilati performansla əlaqələndirilməsində liderlik dəstəyi, əməkdaş bacarıqları, təşkilati hazırlıq, bilik paylaşımı, verilənlərə əsaslanan mədəniyyət və strateji planlaşdırma kimi amilləri önə çıxarır.

Deməli, AI-nin təşkilata yerləşdirilməsi yalnız proqram təminatı almaq və ya model işlətmək problemi kimi deyil, texniki və insani qabiliyyətlərin birlikdə inkişaf etdirilməsini tələb edən təşkilati transformasiya problemi kimi nəzərdən keçirilir.

İnsana bənzər süni intellekt həmişə daha yaxşıdırmı?

Tədqiqat belə ümumiləşdirmə aparmır. Antropomorfik AI klasteri insana bənzər xüsusiyyətlərin sosial mövcudluq, empatiya, öz-uyğunluq, etibar, iştirak və istifadəçi davranışları ilə münasibətlərini araşdıran işləri bir araya gətirir. Bu ədəbiyyatda insana bənzər xüsusiyyətlərin bəzi kontekstlərdə istifadəçi qarşılıqlı əlaqəsini gücləndirə bildiyinə dair nəticələr olsa da, bibliometrik analiz antropomorfizmin bütün sistemlərdə və ya bütün istifadəçilər üçün müsbət nəticə verdiyini sınaqdan keçirmir.

Danışıq agentləri niyə ayrıca tədqiqat sahəsinə çevrilib?

Çatbotlar, virtual assistentlər və digər danışıq agentləri getdikcə yalnız avtomatlaşdırılmış müştəri xidməti alətləri kimi nəzərdən keçirilmir. Ədəbiyyat mesaj forması, cavabvermə qabiliyyəti, sosial işarələr, antropomorfizm və qarşılıqlı əlaqə keyfiyyətinin etibar, istifadəçi nəzarəti, müştəri bağlılığı və təcrübə üzərindəki rolunu araşdırır.

Buna görə tədqiqat fokusunun “Bot suala cavab verir?” səviyyəsindən “İnsan botla necə sosial və idrak münasibəti qurur?” sualına doğru genişləndiyi görünür.

Tədqiqat sahəsi zamanla necə dəyişib?

Tədqiqatın 16-cı səhifəsindəki zaman qatı bibliographic coupling şəbəkəsini nəşr ilinə görə göstərir. Müəlliflərin şərhinə görə 2021–2022 dövründəki araşdırmalar əsasən AI mənimsənilməsi, təşkilati hazırlıq və rəqəmsal transformasiya mövzularına fokuslanarkən, 2022–2023 dövründə müştəri təcrübəsi, marketinq və danışıq agentləri daha görünən olur.

2023–2024 dövrünə aid daha yeni tədqiqatlar isə idarəetmə, ədalət, insaniləşdirmə, emosional reaksiya və AI sistemlərinin sosial nəticələri kimi mövzularda sıxlaşır. Bu nümunə müəlliflər tərəfindən sahənin tətbiq və mənimsəmə suallarından daha münasibət yönlü, etik və insanmərkəzli problemlərə doğru genişlənməsi kimi şərh edilir.

Üçqatlı model nəyi izah edir?

17-ci səhifədəki Şəkil 4 iki bibliometrik analizin birlikdə şərhindən yaranan üçqatlı konseptual quruluş təqdim edir.

1. Əsas nəzəri qat: TPB, TAM, antropomorfizm, sosial mövcudluq, etibar, etika və institusional adaptasiya kimi əsaslar.
2. Vasitəçi institusional və qabiliyyət mexanizmləri: AI savadlılığı, müəllim və ya əməkdaş hazırlığı, etik idarəetmə, təşkilati hazırlıq, verilənlərə əsaslanan mədəniyyət və qabiliyyət inkişafı.
3. Aktual tətbiq sahələri: AI idarəetməsi, AI–CRM, antropomorfik AI, müştərinin emosional reaksiyaları, danışıq agentləri və istehlakçı təcrübəsi.

Bu şəklin mühüm elmi sərhədi tədqiqatda açıq şəkildə qeyd edilir: oxlar səbəb-nəticə zəncirini göstərmir. Diaqram bibliometrik klasterlər arasında tədqiqatçıların gördüyü tematik uyğunlaşmanı və konseptual irəliləyişi vizuallaşdırır.

Əsas dəyişiklik: qəbuldan birgə uyğunlaşmaya

Tədqiqatın nəzəri şərhində ən diqqətçəkən dəyişiklik AI-nin “qəbul edilməli texnologiya” kimi nəzərdən keçirilməsindən “birlikdə işlənməli aktor” kimi araşdırılmasına doğru inkişaf edən xəttdir.

Bu yeni çərçivədə yalnız istifadə niyyəti deyil; co-agency, co-adaptation, rol müzakirəsi, qarşılıqlı etibarın kalibrlənməsi, ortaq qərar məsuliyyəti və qarşılıqlı əlaqə keyfiyyəti önəm qazanır. İnsan və AI zamanla bir-birinin davranışına uyğunlaşa bilər; təşkilat isə bu münasibətin qaydalarını iş dizaynı, təlim və idarəetmə vasitəsilə formalaşdıra bilər.

Təşkilatlar üçün çıxarılan praktik nəticə nədir?

Müəlliflərin praktik şərhi qurumların “AI-ni işə salmaq” yanaşmasından “AI–insan əməkdaşlıq sistemlərini dizayn etmək” yanaşmasına keçməsidir. Təklif olunan istiqamətlərə rol əsaslı yenidən bacarıq qazandırma, rəhbərlərin AI nəticələrini şərh edə bilməsi, insan–AI asılılığına uyğun iş axınlarının yenidən dizaynı və etik hesabatlılığın gündəlik qərar mexanizmlərinə yerləşdirilməsi daxildir.

Tədqiqat həmçinin AI savadlılığını tək ümumi bacarıq kimi yox, texniki savadlılıq, şərhedici savadlılıq və koordinasiya savadlılığı kimi fərqli qabiliyyətlər şəklində düşünməyi təklif edir. Məqsəd əməkdaşların yalnız AI alətini işlətməyi deyil, sistemin sərhədlərini anlamağı, nəticələrini sorğulamağı və AI tövsiyəsi ilə kontekstual insan biliyi toqquşduqda necə hərəkət etməli olduqlarını bilməsini təmin etməkdir.

İş axınları necə yenidən düşünülür?

Tədqiqatın müzakirəsində insan–AI tamamlayıcılığı xüsusi vurğulanır. Verilənlərin sintezi və ya anomaliyanın aşkarlanması kimi bəzi tapşırıqlar AI dəstəyinə uyğun ola bilər, etik qiymətləndirmə, kontekstual şərh və ya müzakirə kimi tapşırıqlar isə daha çox insan mühakiməsinə ehtiyac duya bilər.

Müəlliflər bunu bütün işlər üçün təsdiqlənmiş vahid tapşırıq bölgüsü formulu kimi təqdim etmirlər. Bibliometrik klasterlərdəki tamamlayıcılıq araşdırmalarından çıxış edərək, tapşırıqların ayrılması və insanla AI arasındakı iş bölgüsünün pilot tətbiqlərlə iterativ şəkildə yenidən tənzimlənməsini gələcək təşkilati sınaqlar üçün istiqamət kimi müzakirə edirlər.

Tədqiqatın dəstəklədiyi nəticələr

Tədqiqatın dəstəklədiyi əsas nəticə budur ki, təşkilatlarda AI–insan qarşılıqlı əlaqəsi ədəbiyyatı intellektual baxımdan yalnız texnologiyanın qəbulundan ibarət deyil və aktual tədqiqatlarda etibar, etika, insaniləşdirmə, təşkilati qabiliyyət, danışıq agentləri, emosional reaksiya və insan–AI tamamlayıcılığı kimi sahələr aydın şəkildə görünür.

İstinad şəbəkələrinin birlikdə şərhi göstərir ki, tədqiqatçılar AI inteqrasiyasını getdikcə sosiotexniki əməkdaşlıq qabiliyyəti kimi nəzərdən keçirirlər. Tədqiqat bu şərhi bibliometrik klasterlərin mövzularına, qarşılıqlı əlaqələrinə və zaman bölgülərinə əsaslandırır.

Tədqiqatın sübut etmədiyi nəticələr

Tədqiqat AI ilə işləyən insanların avtomatik olaraq daha məhsuldar olduğunu sübut etmir. İşçi məhsuldarlığı, müəssisə mənfəətliliyi və ya konkret AI sisteminin performansı üzərində ortaq təcrübə aparılmayıb.

Tədqiqat AI-nin insan işçilərin yerini almalı və ya almamalı olduğunu sınaqdan keçirmir. Ədəbiyyatda avtomatlaşdırmadan əməkdaşlığa doğru tematik genişlənməni müəyyən edir.

Tədqiqat insana bənzər AI-nin həmişə daha yaxşı olduğunu göstərmir. Antropomorfizm araşdırmalarının ədəbiyyatda mühüm klaster təşkil etdiyini göstərir.

Tədqiqat bibliometrik klasterlər arasındakı münasibətlərin səbəbli olduğunu sübut etmir. Şəbəkə yaxınlığı və ortaq istinad strukturları intellektual və tematik yaxınlığı göstərir; səbəb-nəticə münasibətini göstərmir.

Tədqiqat bütün AI–insan əməkdaşlığı ədəbiyyatının tam xəritəsi deyil. Bu, Scopus, seçilmiş axtarış terminləri, idarəetmə və sosial elm kateqoriyalarının sərhədləri və bibliometrik hədlərlə məhdudlaşdırılmış ədəbiyyat kainatıdır.

Tədqiqatın Metodu və Nəticələri

Verilənlər mənbəyi necə seçildi?

Bütün biblioqrafik qeydlər Scopus bazasından götürülüb. Tədqiqatçılar Scopus-u idarəetmə, psixologiya, təşkilati davranış və informasiya sistemləri sahələrində geniş multidissiplinar əhatəsi, istinad məlumatları və biblioqrafik ixrac imkanlarına görə seçdiklərini bildirirlər.

Verilənlər bazası səviyyəsində dil məhdudiyyəti tətbiq edilməyib. Mənbə tədqiqata görə ingiliscə olmayan nəşrlər verilənlər dəstinin %2-dən azını təşkil edir.

Tədqiqatın məqsədi təşkilati AI–insan əməkdaşlığını araşdırmaq olduğundan idarəetmə, biznes, təşkilati davranış və əlaqəli sosial elm sahələrinə fokuslanılıb; kompüter elmləri, mühəndislik, tibb, kimya və fizika kimi texniki və biotibbi kateqoriyalar mövzu səviyyəsində çıxarılıb.

Axtarış hansı anlayışlardan istifadə etdi?

Axtarış strategiyasında “AI-human collaboration”, “AI integration in business”, “AI-human teaming”, “AI-human partner*”, “AI integration in organizations”, “AI integration in the workplace”, “AI in the workplace”, “AI socialization”, “AI social integration”, “AI sociotechnical”, “AI socio-technical”, “AI as social actor”, “AI social interaction” və “AI integration” kimi ifadələrdən istifadə edilib.

Mühüm əhatə seçimi olaraq tədqiqatçılar “human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” və “AI-assisted decision making” kimi bəzi alternativ terminləri son sorğuya daxil etməyiblər. İlkin axtarışlar bu ifadələrin kompüter elmləri, robototexnika və sistem arxitekturasına yönəlmiş çoxlu tədqiqat gətirdiyini göstərib; tədqiqatçılar təşkilati fokusu qorumaq üçün daha məhdud sorğuya üstünlük veriblər.

Bu qərar tədqiqat sualına uyğundur, lakin eyni zamanda nəticələrin texniki insan–AI əməkdaşlığı ədəbiyyatının hamısını təmsil etmədiyi deməkdir.

Neçə nəşr qiymətləndirildi?

PRISMA tipli seçim axınında 2226 qeyd müəyyənləşdirilib və yoxlanılıb; onlardan 2178 sənəd son verilənlər dəstində saxlanılıb. Tədqiqatçılar ilkin əldəetmə ilə ixrac olunan qeydlərin sayı arasındakı kiçik fərqlərin Scopus-un dinamik indeksləmə və metadata normallaşdırma proseslərindən qaynaqlandığını bildirirlər.

Son analizdə 2178 ilkin sənədlə bu nəşrlərin mənbə siyahılarında olan 15.078 ikinci dərəcəli sənəd istifadə edilib.

Birgə-istinad analizi necə aparıldı?

Document co-citation analizi 2178 ilkin sənədin istinad etdiyi 15.078 ikinci dərəcəli sənəd üzərində aparılıb. Mənbənin şəbəkə analizinə daxil olması üçün minimum birgə-istinad həddi 5 olaraq müəyyən edilib.

Bu həddən sonra 304 ikinci dərəcəli sənəd analiz şərtlərinə cavab verib. Vizual oxunaqlılığı artırmaq üçün co-citation strength dəyərinə görə ən güclü 100 sənəd son şəbəkə xəritəsində göstərilib.

Analizdə full counting istifadə edilib, fərqli sənədlərin istinad sıxlığındakı fərqləri balanslaşdırmaq üçün association-strength normalization tətbiq olunub. Şəbəkə VOSviewer 1.6.20-nin VOS mapping və clustering alqoritmləri ilə qurulub.

Düyün ölçüsü xam Scopus istinad sayını deyil, total link strength dəyərini təmsil edir. Yəni böyük düyün mütləq ən çox ümumi istinad alan işi deyil, araşdırılan şəbəkədə digər sənədlərlə ən güclü ümumi əlaqəyə malik işi göstərir.

Bibliographic coupling analizi necə aparıldı?

İkinci analiz yenə 2178 ilkin sənəddən başlayıb, lakin ən az 20 istinad alan işlər coupling şəbəkəsinə daxil edilib. Bu hədd nəticəsində 219 sənəd biblioqrafik əlaqələndirmə şəbəkəsini formalaşdırıb.

Klasterləşmə 219 sənədin hamısı üzərində aparılıb; yalnız vizuallaşdırma mərhələsində total link strength baxımından ilk 100 sənəd göstərilib. Deməli, “ilk 100” seçimi klasterləri yaratmaq üçün deyil, sıx şəbəkəni oxunaqlı etmək üçün tətbiq edilib.

Burada da full counting və association-strength normalization istifadə edilib. Bir əlaqənin minimum strength dəyəri 1, hər klasterdə ən az 10 sənəd şərti müəyyən edilib.

Hədd seçimləri nəticələri süni şəkildə yaratmış ola bilərmi?

Tədqiqatçılar həm birgə-istinad, həm də bibliographic coupling analizlərində seçilən hədlərin ətrafındakı fərqli dəyərlərlə həssaslıq analizi apardıqlarını bildirirlər. Mənbə tədqiqata görə dominant klasterlərin tematik tərkibi və nisbi mövqeləri bu alternativ hədlərdə əsasən qorunub.

Bu nəzarət aşkar edilən strukturların yalnız bir ixtiyari hədd dəyərinin məhsulu olması ehtimalını azaldır. Bununla belə, bibliometrik şəbəkə quruluşu hədd, normallaşdırma və klasterləşdirmə qərarlarından tam müstəqil deyil; müəlliflər bunu tədqiqatın məhdudiyyətləri arasında açıq qəbul edirlər.

Birgə-istinad şəbəkəsində hansı işlər mərkəzdədir?

Qırmızı psixoloji və sosial klasterdə Alabed və həmkarları, Araujo və Adam və həmkarlarının insana bənzər AI, sosial mövcudluq və istifadəçi reaksiyaları ilə bağlı tədqiqatları önə çıxır.

Yaşıl ali təhsil klasterində Chan-ın generativ AI siyasəti və tələbələrin/institusiyaların uyğunlaşması ilə bağlı işləri, həmçinin Alasadi və Baiz-in generativ AI-nin təhsil və tədqiqatdakı imkan və risklərinə dair işi mühüm düyünlərdir.

Mavi etik-idrak klasterində generativ AI-nin təhsil, akademik dürüstlük və etik problemlərinə yönələn işlər; sarı klasterdə isə AI savadlılığı, müəllim hazırlığı və təhsil transformasiyası ədəbiyyatı sıxlaşır.

Bənövşəyi klasterin nəzəri onurğasını Ajzen-in Theory of Planned Behavior yanaşması və Davis-in Technology Acceptance Model-i təşkil edir.

Aktual bibliographic coupling şəbəkəsi hansı istiqaməti göstərir?

Aktual şəbəkənin ən böyük klasteri 28 sənədlə AI idarəetməsi, etika və insaniləşdirmə sahəsidir. AI–CRM və təşkilati performans klasteri 25 sənəd; antropomorfik AI və istehlakçının emosional reaksiyası klasteri də 25 sənəd ehtiva edir. Dördüncü klaster danışıq agentləri və istehlakçı təcrübəsinə fokuslanır.

Şəbəkənin sıx əlaqəli quruluşu tədqiqatçıların psixoloji etibar, texnologiya dizaynı, təşkilati qabiliyyət və etik idarəetməni getdikcə eyni ümumi AI–insan əməkdaşlığı problemi daxilində nəzərdən keçirdiyini düşündürür.

Bibliometrik xəritələrin ən mühüm şərh sərhədi nədir?

Bibliometrik klaster eyni mövzudakı işlər arasında elmi konsensusun olduğunu avtomatik sübut etmir. Klasterlər ortaq istinad və ya ortaq mənbə istifadəsi səbəbilə bir-birinə yaxınlaşan nəşr qruplarıdır.

Eyni şəkildə total link strength bir tədqiqatın nəzəri baxımdan “doğru” olduğunu və ya digər işlərdən elmi cəhətdən üstün olduğunu göstərmir. Ölçü şəbəkə daxilində struktur əlaqə gücünü təmsil edir.

Mənbə daxilində zaman əhatəsi uyğunsuzluğu

Tədqiqatın metod bölməsi sistemli Scopus axtarışının Noyabr 2025-də aparıldığını və verilənlər dəstinin yenə Noyabr 2025 tarixli Scopus snapshot-unu təmsil etdiyini açıq bildirir. Bununla belə, müxtəlif bölmələrdə son verilənlər dəsti 2019–2026 arasında nəşr olunan sənədlərdən ibarətmiş kimi təsvir edilir.

Mənbə tədqiqat Noyabr 2025-də çıxarılmış verilənlər dəstindəki “2026” nəşrlərinin mahiyyətini və ya necə daxil edilə bildiyini izah etmir. Buna görə 2026 əhatəsi mətndəki verilənlərin toplanma tarixi ilə izah tələb edən zaman uyğunsuzluğu kimi qiymətləndirilməlidir. Tədqiqatın Şəkil 3-dəki zaman qatının vizual miqyasının da 2021–2024 dövrünü göstərməsi bu qeyri-müəyyənliyi aradan qaldırmır.

Mənbə daxilində istinad–açıqlama uyğunsuzluqları

Bibliographic coupling nəticələrində bəzi istinad nömrələrinin izahı mənbə siyahısındakı məqalə başlıqları ilə tam üst-üstə düşmür. Məsələn, Cədvəl 2-də Chatterjee və həmkarları [58] B2B kontekstində AI əsaslı CRM-in firma performansı və rəqabət üstünlüyünə təsirini araşdıran iş kimi təsvir edilir; lakin mənbə siyahısında B2B başlıqlı iş [64] nömrəlidir. [58] nömrəli iş isə AI–CRM və rəqəmsal transformasiyanı mikro-əsaslar və liderlik dəstəyi perspektivindən araşdırır.

Oxşar çarpazlaşmalar [59], [63] və [64] nömrəli AI–CRM işlərinin izahlarında da görünür. Bundan başqa, 3.2.1 bölməsində Zheng və həmkarları [56] üçün akademiklər və doktorantların generativ AI qavrayışlarından bəhs edən izah verilir, halbuki [56] nömrəli mənbə xarici dil öyrənməsində generativ AI texnologiyasının qəbulunu araşdıran işdir. Akademik və tələbə qavrayışlarına dair izah Fırat [55] işinin əhatəsi ilə daha çox uyğunlaşır.

Bu uyğunsuzluqlar tədqiqatın dörd əsas bibliometrik klasterini avtomatik etibarsız etmir; lakin ayrı-ayrı “mərkəzi iş → izah” uyğunluqları şərh edilərkən mənbə siyahısının ayrıca yoxlanmalı olduğunu göstərir.

Tədqiqatın əsas məhdudiyyətləri

• Yalnız Scopus istifadə edilib; digər verilənlər bazalarında indekslənən işlər əhatədən kənarda qala bilər.
• İngiliscə olmayan nəşrlər verilənlər dəstinin %2-dən azdır; regional tədqiqatlar yetərincə təmsil olunmaya bilər.
• Texniki və biotibbi mövzu sahələri məqsədli şəkildə çıxarılıb.
• “Human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” və oxşar bəzi geniş axtarış terminləri son sorğuda istifadə edilməyib.
• Bibliometrik hədlər, normallaşdırma və clustering parametrləri şəbəkə konfiqurasiyasına təsir göstərə bilər.
• Yeni nəşrlər hələ kifayət qədər istinad almadığı üçün şəbəkədə aşağı görünürlüyə malik ola bilər.
• Ad variantları, self-citation və metadata xətaları tam aradan qaldırılmamış ola bilər.
• Bibliometrik münasibətlər səbəbliliyi göstərmir.
• Sahə xüsusilə əsas co-citation qatında ali təhsil tədqiqatlarına güclü şəkildə fokuslanıb.

Gələcək tədqiqatlar üçün hansı boşluqlar müəyyən edilib?

Müəlliflər gələcəkdə Scopus ilə Web of Science və ya fənnəxas verilənlər bazalarını birləşdirən çoxbazalı tədqiqatların və daha geniş çoxdilli analizlərin aparılmasını təklif edirlər. Bibliometrik xəritələndirmənin sistemli məzmun analizi, topic modeling və ya meta-analizlə birləşdirilməsi də təklif olunan istiqamətlərdəndir.

Daha fundamental elmi ehtiyac isə AI–insan əməkdaşlığının zamanla necə inkişaf etdiyini birbaşa müşahidə edən uzunmüddətli tədqiqatların artırılmasıdır. Rol müzakirəsi, etibar kalibrlənməsi, AI-yə söykənmə səviyyəsi, sistem yeniləmələrindən sonra yenidən uyğunlaşma və ortaq performans kimi dəyişənlərin yalnız mənimsəmə anında deyil, istifadə prosesi boyunca ölçülməsi təklif olunur.

Tədqiqat həmçinin yalnız “AI istifadə olunurmu?” sualını ölçmək əvəzinə qarşılıqlı əlaqə keyfiyyəti, ortaq mental modellər, birgə qərar məsuliyyəti və etik dayanıqlıq kimi əməkdaşlıq keyfiyyəti ölçülərinin inkişaf etdirilməsini mühüm tədqiqat ehtiyacı kimi müəyyən edir.

Mənbə və Metod Qeydi

Tam orijinal tədqiqat adı: From Automation to Collaboration: Mapping AI–Human Interaction in Organizations Through Bibliometric Analysis

Müəlliflər: Elissar Abdul Khalek; Jeffrey Macias; Itamar Shabtai.

Bərabər birinci/bərabər töhfə: Mənbədə belə bir bəyanat yoxdur.

Məsul müəllif: Itamar Shabtai.

Qurumlar: Drucker School of Management, Claremont Graduate University, Claremont, California, ABŞ; Center of Information System and Technology, Claremont Graduate University, Claremont, California, ABŞ.

Mənbə növü: Resenziyalı icmal məqaləsi; bibliometrik analiz və elm xəritələndirməsi tədqiqatıdır. Meta-analiz və ya empirik işçi nümunəsi üzərində aparılan təşkilati eksperiment deyil.

Jurnal: AI.

Nəşriyyat: MDPI, Basel, İsveçrə.

Biblioqrafik qeyd: AI, 2026, Cild 7, Say 6, Məqalə 189.

DOI: 10.3390/ai7060189.

Alınma / reviziya / qəbul / nəşr: 19 Mart 2026 / 11 May 2026 / 12 May 2026 / 25 May 2026.

Resenziya statusu: Resenziyalı jurnal nəşridir.

Lisenziya: Creative Commons Attribution (CC BY).

Akademik redaktor: Tihomir Orehovački.

Tədqiqat verilənləri mənbəyi: Scopus.

Bibliometrik proqram: VOSviewer 1.6.20.

Əsas analizlər: Document co-citation və bibliographic coupling.

Əsas verilənlər həcmi: 2178 ilkin sənəd və 15.078 ikinci dərəcəli sənəd.

Əlavə material: File S1; tam Scopus sorğusu, mövzu sahəsi istisnaları, hədd parametrləri, thesaurus düzəlişləri və Noyabr 2025-də aparılan bibliometrik analiz mərhələlərinin təfərrüatlarını ehtiva etdiyi bildirilir.

Maliyyələşdirmə: Məqalə emal ödənişinin (APC) Claremont Graduate University tərəfindən dəstəkləndiyi bildirilir. Mənbə maliyyələşdirənin tədqiqat dizaynı, verilənlərin toplanması, analiz, şərh, yazı və ya nəşr qərarında rolunun olmadığını bildirir.

Etik komitə: Tətbiq olunmur.

Məlumatlandırılmış razılıq: Tətbiq olunmur.

Verilənlərə əlçatanlıq: Tədqiqatda istifadə edilən Scopus metadata ixracının əsaslandırılmış sorğu ilə məsul müəllifdən əldə oluna biləcəyi bildirilir. Təfərrüatlı metod sənədləşməsi əlavə materialda təqdim olunub.

Maraqların toqquşması: Müəlliflər maraqların toqquşması bildirməyiblər.

Müəllif töhfələri: Konseptuallaşdırma E.A.K., J.M. və I.S.; metodologiya E.A.K. və J.M.; verilənlərin kurasiyası E.A.K.; ilkin qaralama E.A.K. və J.M.; nəzərdən keçirmə və redaktə E.A.K., J.M. və I.S.; vizuallaşdırma E.A.K.; məsləhət/rəhbərlik E.A.K., J.M. və I.S. tərəfindən həyata keçirilib.

Elmi şərhin sərhədi

Bu tədqiqatda işçilər, menecerlər, müştərilər və ya təşkilatlar üzərində yeni davranış eksperimenti aparılmayıb. Nəticələr akademik nəşrlərin istinad və ortaq mənbə münasibətlərindən çıxarılan bibliometrik strukturu göstərir.

“Avtomatlaşdırmadan əməkdaşlığa keçid” ifadəsi buna görə bütün təşkilatlarda müşahidə edilmiş empirik transformasiya nisbəti deyil, tədqiqat ədəbiyyatının tematik quruluşuna dair müəllif şərhidir. Bibliometrik zaman və klaster nümunələri bu şərhi dəstəkləyir, lakin təşkilatların faktiki olaraq hansı sürətlə və ya hansı dərəcədə dəyişdiyini ölçmür.

Eyni şəkildə tədqiqatın üçqatlı konseptual modeli təsdiqlənmiş səbəbli təşkilati nəzəriyyə deyil. Müəlliflər Şəkil 4-dəki oxların səbəbli ardıcıllığı deyil, tematik inkişaf və konseptual uyğunlaşmanı təmsil etdiyini açıq bildirirlər.

Sonda mənbədə Noyabr 2025 Scopus snapshot-u ilə 2019–2026 verilənlər əhatəsi arasında izah olunmamış zaman uyğunsuzluğu və bəzi ayrı-ayrı istinad nömrəsi–tədqiqat izahı uyğunluqlarında problemlər mövcuddur. Verianla mətnində bu məqamlar mənbədə olmadığı şəkildə düzəldilməyib, birbaşa görünən edilib.