Utafiti huu wa bibliometriki unachunguza jinsi mwingiliano kati ya akili bandia na binadamu katika mashirika umejengwa kimawazo katika fasihi ya kitaaluma na ni katika mwelekeo gani eneo la utafiti linaendelea. Watafiti walichambua nyaraka 2178 za msingi zilizopatikana kutoka Scopus na nyaraka 15.078 za sekondari zilizotajwa nazo kwa kutumia VOSviewer 1.6.20 kupitia mbinu za document co-citation na bibliographic coupling. Uchambuzi wa nukuu za pamoja ulifichua makundi matano ya msingi ya kiakili ya eneo hilo, huku uchambuzi wa uunganishaji wa kibibliografia ukibainisha maeneo manne ya sasa ya utafiti. Muundo wa jumla unaoonekana unaonyesha kuwa fasihi inapanuka kutoka mitazamo inayochukulia akili bandia kama teknolojia inayoongeza ufanisi na inayopaswa “kukubaliwa” na watu, kuelekea mtazamo wa ushirikiano unaomweka binadamu katikati na unaojumuisha uaminifu, uhuru wa binadamu, maamuzi ya pamoja, kuzoeana, utawala na uwezo wa shirika. Hata hivyo, matokeo haya hayathibitishi kwa njia ya kimajaribio kwamba maeneo yote ya kazi yamebadilika kwa namna hiyo; utafiti unaweka ramani mahusiano ya nukuu kati ya machapisho ya kisayansi na unaathiriwa na Scopus, maneno ya utafutaji, mipaka ya taaluma na vizingiti vya bibliometriki.

Moja ya ujumbe muhimu zaidi wa utafiti ni kwamba uzalishaji wa thamani wa akili bandia katika mashirika hauwezi kuelezwa kwa nguvu ya kiufundi ya algoriti pekee. Fasihi iliyochunguzwa inazidi kuweka katikati mambo kama wafanyakazi kuelewa AI, kuiamini kwa kiwango kinachofaa, namna majukumu ya binadamu na AI yanavyogawanywa, msaada wa uongozi, utamaduni unaotegemea data, utawala wa kimaadili, usanifu wa mtiririko wa kazi na kuhakikisha wafanyakazi wanaendelea kuwa na jukumu lenye maana katika michakato ya maamuzi. Waandishi wanafasiri mabadiliko haya kama mwelekeo wa utafiti unaosonga kutoka fikra zinazolenga uendeshaji otomatiki kuelekea mifumo ya kijamii-kiufundi ambamo akili bandia na binadamu hukamilishana.

Je, akili bandia sasa ni chombo tu?

Kulingana na ufafanuzi unaotumiwa na utafiti, AI–human collaboration ni mchakato shirikishi ambamo wahusika wa kibinadamu na mifumo yenye akili hutekeleza pamoja majukumu ya kazi, hushiriki pamoja katika michakato ya maamuzi na kuunda kwa pamoja matokeo ya shirika. Utafiti unaonyesha kuwa kuna mitazamo miwili mikuu katika fasihi.

Mtazamo wa kwanza huona akili bandia kama chombo. Katika modeli hii AI hutoa uchambuzi, msaada wa maamuzi au ufanisi wa mtiririko wa kazi, lakini mamlaka ya msingi na wajibu wa maamuzi hubaki kwa binadamu. Mtazamo wa pili unazidi kuielewa AI kama mshiriki wa timu au mshirika wa kazi mwenye uhuru wa kiasi. Hapa binadamu na akili bandia wanaweza kushiriki kwa viwango tofauti katika kubainisha, kutekeleza au kuratibu majukumu.

Mabadiliko yanayoonekana kwenye ramani ya bibliometriki hayamaanishi kuwa mtazamo wa chombo umetoweka. Tafsiri sahihi zaidi ni kwamba eneo la utafiti linavuka swali la “Je, binadamu atatumia AI?” na kuelekea zaidi katika swali la “Binadamu na AI watafanyaje kazi pamoja, watarekebishaje majukumu yao na watagawaje wajibu?”

Kwa nini eneo hili linaonekana kuwa limegawanyika?

Ushirikiano wa akili bandia–binadamu si mada ya taaluma moja pekee. Tafiti zimekua katika tabia ya shirika, saikolojia, mifumo ya habari, usimamizi, elimu, rasilimali watu na mwingiliano wa binadamu–kompyuta. Hali hii husababisha dhana kama uaminifu, kukubali teknolojia, anthropomorphism, uongozi, maadili, usanifu wa kazi, uwezo wa kidijitali, mitazamo ya wafanyakazi na utendaji kuchunguzwa katika fasihi tofauti.

Lengo la utafiti si kuunganisha matokeo ya kila utafiti mmoja mmoja kwa njia ya meta-analitiki; bali ni kuweka ramani ya ni vyanzo gani vinavyotumiwa pamoja na ni tafiti zipi zinazotegemea misingi ya maarifa ya pamoja ili kufichua usanifu wa kiakili wa eneo hilo.

Kuna tofauti gani kati ya document co-citation na bibliographic coupling?

Document co-citation huchunguza ni mara ngapi vyanzo viwili vinatajwa pamoja na tafiti za baadaye. Ikiwa kazi mbili zinaonekana pamoja mara kwa mara katika orodha za marejeo za makala zilezile, hali hiyo inaashiria kuwa ni sehemu za msingi mmoja wa maarifa ya kinadharia au dhana unaofanana. Kwa hiyo uchambuzi wa nukuu za pamoja umetumiwa hasa kuelewa misingi ya kiakili ya eneo hili.

Bibliographic coupling huangalia upande wa kinyume. Huchunguza ni marejeo mangapi ya pamoja yanayopatikana katika bibliografia za tafiti mbili za sasa. Tafiti za sasa zinazotegemea sana vyanzo vilevile zinatarajiwa kushiriki maswali ya utafiti au mielekeo ya kimada inayofanana. Watafiti walitumia mbinu hii kubainisha maeneo ya sasa ya utafiti.

Kwa hiyo uchambuzi huu miwili haurudii swali lilelile. Mmoja unakaribia swali la “Eneo hili limejengwa juu ya misingi gani ya mawazo?”, na mwingine “Tafiti za sasa zinakusanyika katika mielekeo ipi?”

Makundi matano ya msingi ya kiakili yanaonyesha nini?

Katika mtandao wa nukuu za pamoja, nyaraka 100 za kwanza ziligawanywa katika makundi matano. Muundo huu, unaoonyeshwa kwa nyekundu, kijani, bluu, njano na zambarau katika Kielelezo 1 kwenye ukurasa wa 9 wa utafiti, unaonyesha kuwa eneo hilo lina msingi mpana wa kinadharia unaotoka katika nadharia za kisaikolojia hadi mabadiliko ya elimu na kukubali teknolojia.

Kwa nini msingi wa kisaikolojia na kijamii ni muhimu?

Kundi kubwa zaidi la nukuu za pamoja linajumuisha tafiti zinazochunguza kwamba watu hawatathmini akili bandia kwa sifa zake za kiutendaji pekee. Usanifu wa anthropomorphic, uwepo wa kijamii, uaminifu, mtazamo wa ukarimu, utambulisho wa mtumiaji na sifa za mwingiliano unaofanana na binadamu zina nafasi muhimu katika fasihi hii.

Wazo kuu la tawi hili la utafiti ni kwamba chatbot, roboti ya huduma au wakala mwingine wa AI huenda asionekane kwa mtumiaji kama programu isiyo na upande wowote. Tabia au namna ya mawasiliano inayofanana na binadamu inaweza kubadilisha uhusiano ambao watumiaji hujenga na mfumo pamoja na majibu yao ya kitabia.

Kwa nini elimu ya juu inaonekana kuwa kubwa kiasi hiki?

Sehemu mbili kubwa za muundo wa nukuu za pamoja zinahusiana moja kwa moja na elimu ya juu na mabadiliko ya elimu. Waandishi hawatafsiri hali hii kama kosa la usanifu wa utafiti, bali kama kielelezo cha mgawanyo wa kimajaribio wa fasihi iliyopo, hasa baada ya kuenea kwa haraka kwa generative AI.

Katika tafiti hizi, mitazamo ya wanafunzi, maandalizi ya walimu, aina za tathmini, uadilifu wa kitaaluma, uelewa wa AI, utawala wa taasisi na ujumuishaji wa generative AI katika michakato ya kufundisha vinajitokeza. Kwa sababu hiyo, msingi wa awali wa kinadharia wa eneo hili unalishwa kwa nguvu na taasisi za elimu kama ilivyo kwa biashara.

Kitu gani kiko katikati ya mjadala wa maadili na utambuzi?

Kundi la kimaadili-kiutambuzi linajengwa kuzunguka masuala kama upendeleo, taarifa potofu, uadilifu wa kitaaluma, kuhamisha mzigo wa kiutambuzi kwa AI, uwazi, haki na utawala wenye uwajibikaji. Swali kuu hapa si tu “Je, AI inapaswa kutumiwa?” Pia kunajadiliwa jinsi uwezo wa binadamu wa kutathmini, wajibu na uhuru unavyoweza kulindwa katika hali ambapo mifumo inashiriki zaidi katika michakato ya maamuzi na uzalishaji.

Kwa nini nadharia za kukubali kitabia bado ni muhimu?

Katika kundi la zambarau, nadharia za kawaida za kukubali teknolojia kama Theory of Planned Behavior (TPB) na Technology Acceptance Model (TAM) zina nafasi ya kati. Vigezo kama mitazamo, kanuni za kijamii, udhibiti wa kitabia unaotambulika, manufaa yanayotambulika na urahisi wa kutumia vimetumiwa kwa muda mrefu kueleza nia za watu kutumia teknolojia mpya.

Mpaka wa kinadharia unaosisitizwa na utafiti ni huu: modeli hizi zinaweza kusaidia kueleza ikiwa mtu atakubali AI au la, lakini mfumo unapokuwa mfanyakazi mwenzake au mshiriki wa maamuzi, zinaweza kutotosha pekee kueleza jinsi ushirikiano wa muda mrefu unavyokua.

Ni maeneo gani manne yanajitokeza katika utafiti wa sasa?

Mtandao wa bibliographic coupling kwenye ukurasa wa 13 unaunganisha fasihi ya sasa zaidi katika maeneo manne ya kimada:

Tafiti za AI–CRM zinasema nini kwa mashirika?

Katika fasihi ya usimamizi wa uhusiano na wateja unaosaidiwa na AI, kumiliki teknolojia pekee hakuonekani kama uwezo wa kutosha. Kundi la tafiti lililochunguzwa linaangazia mambo kama msaada wa uongozi, ujuzi wa wafanyakazi, utayari wa shirika, kushirikiana maarifa, utamaduni wa data na mipango ya kimkakati katika kuhusisha matumizi ya AI na utendaji wa shirika.

Kwa hiyo kuingiza AI katika shirika hakutazamwi tu kama suala la kununua programu au kuendesha modeli, bali kama tatizo la mabadiliko ya shirika linalohitaji kuendeleza kwa pamoja uwezo wa kiufundi na wa kibinadamu.

Je, AI inayofanana na binadamu huwa bora kila mara?

Utafiti haufanyi ujumlishaji huo. Kundi la AI ya anthropomorphic linakusanya tafiti zinazochunguza mahusiano kati ya sifa zinazofanana na binadamu na uwepo wa kijamii, huruma, kujilinganisha, uaminifu, ushiriki na tabia za watumiaji. Ingawa kuna matokeo kwamba sifa zinazofanana na binadamu zinaweza kuimarisha mwingiliano katika baadhi ya mazingira, uchambuzi wa bibliometriki haujaribu kama anthropomorphism hutoa matokeo chanya katika mifumo yote au kwa watumiaji wote.

Kwa nini mawakala wa mazungumzo wamekuwa eneo tofauti la utafiti?

Chatbot, wasaidizi pepe na mawakala wengine wa mazungumzo hawachukuliwi tena tu kama zana za huduma kwa wateja zilizootomatishwa. Fasihi inachunguza nafasi ya muundo wa ujumbe, uwezo wa kujibu, ishara za kijamii, anthropomorphism na ubora wa mwingiliano katika uaminifu, udhibiti wa mtumiaji, uaminifu wa mteja na uzoefu.

Kwa hiyo lengo la utafiti linapanuka kutoka kiwango cha “Je, bot inajibu swali?” hadi swali la “Binadamu anajengaje uhusiano wa kijamii na kiutambuzi na bot?”

Eneo la utafiti limebadilikaje kwa muda?

Safu ya muda kwenye ukurasa wa 16 inaonyesha mtandao wa bibliographic coupling kwa mwaka wa uchapishaji. Kulingana na tafsiri ya waandishi, tafiti za 2021–2022 zililenga zaidi kukubali AI, utayari wa shirika na mabadiliko ya kidijitali, huku katika 2022–2023 uzoefu wa mteja, masoko na mawakala wa mazungumzo vikionekana zaidi.

Tafiti mpya zaidi za 2023–2024 zinajikita kwenye utawala, haki, ubinadamu, mwitikio wa kihisia na athari za kijamii za mifumo ya AI. Waandishi wanafasiri muundo huu kama kupanuka kwa eneo kutoka maswali ya matumizi na kukubali kuelekea matatizo ya kimahusiano, kimaadili na yanayomweka binadamu katikati zaidi.

Modeli ya tabaka tatu inaeleza nini?

Kielelezo 4 kwenye ukurasa wa 17 kinatoa muundo wa dhana wa tabaka tatu uliopatikana kwa kutafsiri pamoja uchambuzi miwili ya bibliometriki.

1. Tabaka la msingi la kinadharia: TPB, TAM, anthropomorphism, uwepo wa kijamii, uaminifu, maadili na kuzoea kwa taasisi.
2. Mbinu za kati za kitaasisi na uwezo: uelewa wa AI, utayari wa mwalimu au mfanyakazi, utawala wa kimaadili, utayari wa shirika, utamaduni wa data na ukuzaji wa uwezo.
3. Maeneo ya sasa ya matumizi: utawala wa AI, AI–CRM, AI ya anthropomorphic, miitikio ya kihisia ya wateja, mawakala wa mazungumzo na uzoefu wa mtumiaji.

Mpaka muhimu wa kisayansi wa kielelezo hiki umeelezwa wazi katika utafiti: mishale haionyeshi mnyororo wa kisababishi. Mchoro unaonyesha ulinganifu wa kimada na maendeleo ya dhana ambayo watafiti wanaona kati ya makundi ya bibliometriki.

Mabadiliko makuu: kutoka kukubali hadi kuzoeana

Katika tafsiri ya kinadharia ya utafiti, mabadiliko yanayoonekana zaidi ni kutoka kuitazama AI kama “teknolojia ya kukubaliwa” kuelekea kuichunguza kama “mshiriki ambaye lazima ifanyiwe kazi pamoja”.

Katika mfumo huu mpya, si nia ya kutumia pekee inayokuwa muhimu; co-agency, co-adaptation, majadiliano ya majukumu, urekebishaji wa uaminifu wa pande mbili, wajibu wa maamuzi ya pamoja na ubora wa mwingiliano vinapata umuhimu. Binadamu na AI wanaweza kuzoea tabia za kila mmoja kwa muda; shirika linaweza kuunda kanuni za uhusiano huu kupitia usanifu wa kazi, mafunzo na utawala.

Ni hitimisho gani la vitendo linalotolewa kwa mashirika?

Tafsiri ya vitendo ya waandishi ni kwamba taasisi zinapaswa kutoka katika mtazamo wa “kuanzisha AI” na kuelekea “kubuni mifumo ya ushirikiano wa AI–binadamu”. Mielekeo inayopendekezwa ni pamoja na kuwapa watu ujuzi mpya kulingana na majukumu, kuwawezesha viongozi kufasiri matokeo ya AI, kubuni upya mtiririko wa kazi kulingana na utegemezi wa binadamu–AI na kuingiza uwajibikaji wa kimaadili katika mifumo ya maamuzi ya kila siku.

Utafiti pia unapendekeza kutazama uelewa wa AI si kama ujuzi mmoja wa jumla, bali kama uwezo tofauti kama uelewa wa kiufundi, uelewa wa kutafsiri na uelewa wa uratibu. Lengo ni kuhakikisha wafanyakazi hawajui tu kuendesha zana ya AI, bali pia kuelewa mipaka ya mfumo, kuhoji matokeo na kujua namna ya kutenda wakati pendekezo la AI linapingana na maarifa ya kibinadamu ya muktadha.

Mtiririko wa kazi unafikiriwaje upya?

Katika mjadala wa utafiti, ukamilishanaji wa binadamu–AI unasisitizwa hasa. Baadhi ya majukumu kama usanisi wa data au kugundua anomali yanaweza kufaa kusaidiwa na AI, wakati tathmini ya maadili, tafsiri ya muktadha au majadiliano yanaweza kuhitaji zaidi hukumu ya binadamu.

Waandishi hawawasilishi hili kama fomula moja iliyothibitishwa ya kugawa majukumu kwa kazi zote. Wakitegemea tafiti za ukamilishanaji katika makundi ya bibliometriki, wanajadili kutenganisha majukumu na kurekebisha kwa mzunguko mgawanyo wa kazi kati ya binadamu na AI kupitia majaribio ya awali kama mwelekeo wa majaribio ya shirika ya baadaye.

Matokeo yanayoungwa mkono na utafiti

Hitimisho kuu linaloungwa mkono na utafiti ni kwamba fasihi ya mwingiliano wa AI–binadamu katika mashirika haijaundwa kiakili na kukubali teknolojia pekee, na katika tafiti za sasa maeneo kama uaminifu, maadili, ubinadamu, uwezo wa shirika, mawakala wa mazungumzo, mwitikio wa kihisia na ukamilishanaji wa binadamu–AI yanaonekana wazi.

Tafsiri ya pamoja ya mitandao ya nukuu inaonyesha kuwa watafiti wanazidi kuiona ujumuishaji wa AI kama uwezo wa ushirikiano wa kijamii-kiufundi. Utafiti unaegemeza tafsiri hii kwenye mada, mahusiano na mgawanyo wa muda wa makundi ya bibliometriki.

Matokeo ambayo utafiti haujathibitisha

Utafiti haujathibitisha kwamba watu wanaofanya kazi na AI huwa na ufanisi zaidi kiotomatiki. Hakuna jaribio la pamoja lililofanywa kuhusu uzalishaji wa mfanyakazi, faida ya kampuni au utendaji wa mfumo fulani wa AI.

Utafiti haujaribu kama AI inapaswa au haipaswi kuchukua nafasi ya wafanyakazi wa kibinadamu. Unabainisha kupanuka kwa mada kutoka uendeshaji otomatiki kuelekea ushirikiano katika fasihi.

Utafiti hauonyeshi kwamba AI inayofanana na binadamu huwa bora kila mara. Unaonyesha kuwa tafiti za anthropomorphism zinaunda kundi muhimu katika fasihi.

Utafiti haujathibitisha kuwa mahusiano kati ya makundi ya bibliometriki ni ya kisababishi. Ukaribu wa mtandao na miundo ya marejeo ya pamoja huonyesha ukaribu wa kiakili na kimada; si uhusiano wa sababu na athari.

Utafiti si ramani kamili ya fasihi yote ya ushirikiano wa AI–binadamu. Ni ulimwengu wa fasihi uliofungwa na Scopus, maneno yaliyoteuliwa ya utafutaji, mipaka ya kategoria za usimamizi na sayansi za kijamii na vizingiti vya bibliometriki.

Mbinu na Matokeo ya Utafiti

Chanzo cha data kilichaguliwaje?

Rekodi zote za bibliografia zilichukuliwa kutoka hifadhidata ya Scopus. Watafiti wanasema walichagua Scopus kwa sababu ya ufunikaji wake mpana wa taaluma nyingi katika usimamizi, saikolojia, tabia ya shirika na mifumo ya habari, data za nukuu na uwezo wa kusafirisha rekodi za bibliografia.

Hakuna kizuizi cha lugha kilichowekwa katika kiwango cha hifadhidata. Kulingana na utafiti chanzo, machapisho yasiyo ya Kiingereza yanaunda chini ya %2 ya seti ya data.

Kwa kuwa lengo lilikuwa kuchunguza ushirikiano wa AI–binadamu katika mashirika, msisitizo uliwekwa kwenye usimamizi, biashara, tabia ya shirika na sayansi za kijamii zinazohusiana; kategoria za kiufundi au kibayomedikali kama sayansi ya kompyuta, uhandisi, tiba, kemia na fizikia zilitolewa katika kiwango cha mada.

Utafutaji ulitumia dhana zipi?

Katika mkakati wa utafutaji maneno kama “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” na “AI integration” yalitumiwa.

Kama chaguo muhimu la upeo, watafiti hawakujumuisha katika hoja ya mwisho baadhi ya istilahi mbadala kama “human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” na “AI-assisted decision making”. Utafutaji wa awali ulionyesha kuwa istilahi hizi zilileta tafiti nyingi zinazolenga sayansi ya kompyuta, robotiki na usanifu wa mifumo; watafiti walichagua hoja iliyobana zaidi ili kuhifadhi lengo la shirika.

Uamuzi huu unaendana na swali la utafiti, lakini pia unamaanisha kwamba matokeo hayawakilishi fasihi yote ya kiufundi ya ushirikiano wa binadamu–AI.

Machapisho mangapi yalitathminiwa?

Katika mtiririko wa uteuzi wa mtindo wa PRISMA, rekodi 2226 zilitambuliwa na kuchunguzwa; kati yake nyaraka 2178 zilibaki katika seti ya data ya mwisho. Watafiti wanaeleza kuwa tofauti ndogo kati ya urejeshaji wa awali na idadi ya rekodi zilizosafirishwa zinaweza kutokana na uorodheshaji wenye mabadiliko na michakato ya kuhalalisha metadata ya Scopus.

Katika uchambuzi wa mwisho, nyaraka 2178 za msingi na nyaraka 15.078 za sekondari zilizokuwa katika marejeo ya machapisho hayo zilitumiwa.

Uchambuzi wa nukuu za pamoja ulifanywaje?

Uchambuzi wa Document co-citation ulifanywa kwenye nyaraka 15.078 za sekondari zilizotajwa na nyaraka 2178 za msingi. Kizingiti cha chini cha co-citation kwa chanzo kuingia katika uchambuzi wa mtandao kiliwekwa kuwa 5.

Baada ya kizingiti hiki, nyaraka 304 za sekondari zilikidhi masharti ya uchambuzi. Ili kuongeza usomaji wa kuona, nyaraka 100 zenye co-citation strength kubwa zaidi zilionyeshwa kwenye ramani ya mwisho ya mtandao.

Full counting ilitumiwa, na association-strength normalization ikatumika kusawazisha tofauti za msongamano wa nukuu kati ya nyaraka. Mtandao uliundwa kwa algoriti za VOS mapping na clustering za VOSviewer 1.6.20.

Ukubwa wa nodi hauwakilishi idadi ghafi ya nukuu za Scopus bali thamani ya total link strength. Kwa maneno mengine, nodi kubwa si lazima iwe kazi iliyonukuliwa zaidi kwa jumla; ni kazi yenye uhusiano mkubwa zaidi wa jumla na nyaraka nyingine katika mtandao uliochunguzwa.

Uchambuzi wa bibliographic coupling ulifanywaje?

Uchambuzi wa pili ulianza tena na nyaraka 2178 za msingi, lakini ni tafiti zilizokuwa na angalau nukuu 20 zilizoingizwa katika mtandao wa coupling. Kizingiti hiki kilisababisha nyaraka 219 kuunda mtandao wa bibliographic coupling.

Clustering ilifanywa kwenye nyaraka zote 219; katika hatua ya uwasilishaji pekee, nyaraka 100 za kwanza kwa total link strength zilionyeshwa. Hivyo chaguo la “100 za kwanza” halikutumiwa kuunda makundi, bali kufanya mtandao mzito usomeke.

Hapa pia full counting na association-strength normalization zilitumiwa. Minimum strength ya kiungo iliwekwa 1, na sharti la angalau nyaraka 10 katika kila kundi likatumika.

Je, chaguo la vizingiti linaweza kuwa limetengeneza matokeo kwa bandia?

Watafiti wanasema walifanya sensitivity analysis kwa thamani tofauti karibu na vizingiti vilivyochaguliwa katika uchambuzi wa co-citation na bibliographic coupling. Kulingana na utafiti chanzo, muundo wa kimada na nafasi za kulinganisha za makundi makuu zilibaki kwa kiasi kikubwa katika vizingiti hivi mbadala.

Udhibiti huu unapunguza uwezekano kwamba miundo iliyopatikana ni bidhaa ya thamani moja tu ya kizingiti iliyo ya kiholela. Hata hivyo, muundo wa mtandao wa bibliometriki haujitegemei kabisa kutokana na maamuzi ya vizingiti, normalization na clustering; waandishi wanakubali hili wazi kama kizuizi.

Ni tafiti zipi ziko katikati ya mtandao wa nukuu za pamoja?

Katika kundi jekundu la kisaikolojia na kijamii, tafiti za Alabed na wenzake, Araujo, Adam na wenzake kuhusu AI inayofanana na binadamu, uwepo wa kijamii na miitikio ya watumiaji zinajitokeza.

Katika kundi la kijani la elimu ya juu, tafiti za Chan kuhusu sera ya generative AI na kuzoea kwa wanafunzi/taasisi, pamoja na kazi ya Alasadi na Baiz kuhusu fursa na hatari za generative AI katika elimu na utafiti ni nodi muhimu.

Katika kundi la bluu la kimaadili-kiutambuzi kuna tafiti zinazolenga generative AI katika elimu, uadilifu wa kitaaluma na matatizo ya maadili; katika kundi la njano kuna fasihi ya uelewa wa AI, maandalizi ya walimu na mabadiliko ya elimu.

Msingi wa kinadharia wa kundi la zambarau unatokana na Theory of Planned Behavior ya Ajzen na Technology Acceptance Model ya Davis.

Mtandao wa sasa wa bibliographic coupling unaashiria mwelekeo gani?

Kundi kubwa zaidi la mtandao wa sasa lina nyaraka 28 katika utawala wa AI, maadili na ubinadamu. Kundi la AI–CRM na utendaji wa shirika lina nyaraka 25; kundi la AI ya anthropomorphic na mwitikio wa kihisia wa mtumiaji pia lina nyaraka 25. Kundi la nne linalenga mawakala wa mazungumzo na uzoefu wa mtumiaji.

Muundo wa mtandao wenye miunganisho mingi unaashiria kuwa watafiti wanazidi kuangalia uaminifu wa kisaikolojia, usanifu wa teknolojia, uwezo wa shirika na utawala wa kimaadili ndani ya tatizo moja la jumla la ushirikiano wa AI–binadamu.

Ni mpaka gani muhimu zaidi wa kutafsiri ramani za bibliometriki?

Kundi la bibliometriki halithibitishi moja kwa moja kwamba kuna makubaliano ya kisayansi kati ya tafiti za mada ileile. Makundi ni vikundi vya machapisho yanayokaribiana kutokana na nukuu za pamoja au matumizi ya vyanzo vya pamoja.

Vivyo hivyo, total link strength haionyeshi kuwa utafiti ni “sahihi” kinadharia au una ubora wa kisayansi kuliko mingine. Kipimo kinawakilisha nguvu ya muunganisho wa kimfumo ndani ya mtandao.

Kutolingana kwa upeo wa muda ndani ya chanzo

Sehemu ya mbinu ya utafiti inaeleza wazi kwamba utafutaji wa kimfumo wa Scopus ulifanywa Novemba 2025 na kwamba seti ya data inawakilisha snapshot ya Scopus ya Novemba 2025. Hata hivyo, katika sehemu kadhaa seti ya mwisho inaelezwa kana kwamba ina nyaraka zilizochapishwa kati ya 2019–2026.

Utafiti chanzo hauelezi asili ya machapisho ya “2026” katika seti iliyotolewa Novemba 2025 au jinsi yalivyoweza kujumuishwa. Kwa hiyo upeo wa 2026 unapaswa kutazamwa kama kutolingana kwa muda kunakohitaji maelezo dhidi ya tarehe ya ukusanyaji wa data. Ukweli kwamba kiwango cha kuona cha safu ya muda katika Kielelezo 3 kinaonyesha 2021–2024 hauondoi kutokuwa na uhakika huu.

Kutolingana kwa nukuu–maelezo ndani ya chanzo

Katika matokeo ya bibliographic coupling, maelezo ya baadhi ya namba za nukuu hayalingani kikamilifu na vichwa vya makala katika orodha ya marejeo. Kwa mfano, katika Jedwali 2, Chatterjee na wenzake [58] wanaelezwa kama utafiti wa athari ya CRM inayotegemea AI kwa utendaji wa kampuni na faida ya ushindani katika muktadha wa B2B; lakini kazi yenye kichwa cha B2B katika orodha ya marejeo iko namba [64]. Kazi ya [58] badala yake inahusu AI–CRM na mabadiliko ya kidijitali kutoka mtazamo wa micro-foundations na msaada wa uongozi.

Mikanganyiko inayofanana inaonekana pia katika maelezo ya tafiti za AI–CRM namba [59], [63] na [64]. Pia katika sehemu ya 3.2.1 maelezo kuhusu mtazamo wa generative AI wa wasomi na wanafunzi wa uzamivu yamepewa Zheng na wenzake [56], lakini chanzo namba [56] ni utafiti wa kukubali teknolojia ya generative AI katika kujifunza lugha ya kigeni. Maelezo kuhusu mitazamo ya wasomi na wanafunzi yanaendana zaidi na upeo wa utafiti wa Fırat [55].

Kutolingana huku hakufanyi makundi manne makuu ya bibliometriki kuwa batili moja kwa moja; lakini kunaonyesha kwamba ulinganifu wa “utafiti wa kati → maelezo” unapaswa kuthibitishwa pia dhidi ya orodha ya marejeo.

Vikwazo vikuu vya utafiti

• Scopus pekee imetumiwa; tafiti zilizo katika hifadhidata nyingine zinaweza kubaki nje.
• Machapisho yasiyo ya Kiingereza ni chini ya %2 ya seti ya data; tafiti za kikanda zinaweza kutowakilishwa vya kutosha.
• Maeneo ya kiufundi na kibayomedikali yaliondolewa kwa makusudi.
• Baadhi ya istilahi pana kama “Human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” na zinazofanana hazikutumiwa katika hoja ya mwisho.
• Vizingiti vya bibliometriki, normalization na vigezo vya clustering vinaweza kuathiri usanidi wa mtandao.
• Machapisho mapya yanaweza kuwa na mwonekano mdogo kwa sababu bado hayajanukuliwa vya kutosha.
• Tofauti za majina, self-citation na makosa ya metadata huenda hayajaondolewa kabisa.
• Mahusiano ya bibliometriki hayaonyeshi sababu.
• Eneo lina mkusanyiko mkubwa wa tafiti za elimu ya juu hasa katika safu ya msingi ya co-citation.

Ni mapengo gani ya utafiti wa baadaye yalibainishwa?

Waandishi wanapendekeza tafiti za baadaye zichemshie Scopus na Web of Science au hifadhidata maalumu za taaluma pamoja na kufanya uchambuzi mpana wa lugha nyingi. Pia inapendekezwa kuunganisha ramani za bibliometriki na uchambuzi wa kimfumo wa maudhui, topic modeling au meta-analysis.

Hitaji la msingi zaidi la kisayansi ni kuongeza tafiti za muda mrefu zinazotazama moja kwa moja jinsi ushirikiano wa AI–binadamu unavyokua kwa muda. Inapendekezwa kupima majadiliano ya majukumu, urekebishaji wa uaminifu, kiwango cha kutegemea AI, kuzoea tena baada ya sasisho za mfumo na utendaji wa pamoja si wakati wa kukubali pekee, bali katika muda wote wa matumizi.

Utafiti pia unabainisha ukuzaji wa vipimo vya ubora wa ushirikiano kama ubora wa mwingiliano, modeli za pamoja za kiakili, wajibu wa maamuzi ya pamoja na uthabiti wa kimaadili kama hitaji muhimu la utafiti badala ya kupima tu “Je, AI inatumika?”

Maelezo ya Chanzo na Mbinu

Jina kamili la utafiti asili: From Automation to Collaboration: Mapping AI–Human Interaction in Organizations Through Bibliometric Analysis

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

Mwandishi wa kwanza sawa/mchango sawa: Hakuna tamko kama hilo katika chanzo.

Mwandishi anayewajibika: Itamar Shabtai.

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

Aina ya chanzo: Makala ya mapitio iliyopitiwa na rika; utafiti wa bibliometriki na ramani za sayansi. Si meta-analysis wala jaribio la shirika lililofanywa kwa sampuli ya wafanyakazi.

Jarida: AI.

Mchapishaji: MDPI, Basel, Uswisi.

Kumbukumbu ya bibliografia: AI, 2026, Juzuu 7, Toleo 6, Makala 189.

DOI: 10.3390/ai7060189.

Imepokelewa / marekebisho / imekubaliwa / imechapishwa: 19 Machi 2026 / 11 Mei 2026 / 12 Mei 2026 / 25 Mei 2026.

Hali ya mapitio: Ni chapisho la jarida lililopitiwa na rika.

Leseni: Creative Commons Attribution (CC BY).

Mhariri wa kitaaluma: Tihomir Orehovački.

Chanzo cha data ya utafiti: Scopus.

Programu ya bibliometriki: VOSviewer 1.6.20.

Uchambuzi mkuu: Document co-citation na bibliographic coupling.

Kiasi kikuu cha data: Nyaraka 2178 za msingi na nyaraka 15.078 za sekondari.

Nyenzo za ziada: File S1; inasemekana ina hoja kamili ya Scopus, uondoaji wa maeneo ya mada, vigezo vya threshold, marekebisho ya thesaurus na maelezo ya hatua za uchambuzi wa bibliometriki uliofanywa Novemba 2025.

Ufadhili: Imeripotiwa kuwa ada ya uchakataji wa makala (APC) iliungwa mkono na Claremont Graduate University. Chanzo kinasema mfadhili hakuwa na jukumu katika usanifu wa utafiti, ukusanyaji wa data, uchambuzi, tafsiri, uandishi au uamuzi wa kuchapisha.

Kamati ya maadili: Haitumiki.

Ridhaa iliyoarifiwa: Haitumiki.

Upatikanaji wa data: Imeripotiwa kuwa usafirishaji wa metadata ya Scopus uliotumiwa unaweza kupatikana kutoka kwa mwandishi anayewajibika kwa ombi lenye sababu. Nyaraka za kina za mbinu zimetolewa katika nyenzo za ziada.

Mgongano wa maslahi: Waandishi hawakuripoti mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana E.A.K., J.M. na I.S.; metodolojia E.A.K. na J.M.; usimamizi wa data E.A.K.; rasimu ya kwanza E.A.K. na J.M.; mapitio na uhariri E.A.K., J.M. na I.S.; uonyeshaji E.A.K.; ushauri/usimamizi E.A.K., J.M. na I.S.

Mpaka wa tafsiri ya kisayansi

Katika utafiti huu hakuna jaribio jipya la kitabia lililofanywa kwa wafanyakazi, mameneja, wateja au mashirika. Matokeo yanaonyesha muundo wa bibliometriki uliotokana na mahusiano ya nukuu na marejeo ya pamoja ya machapisho ya kitaaluma.

Kwa hiyo kauli “kutoka uendeshaji otomatiki hadi ushirikiano” si kiwango cha mabadiliko ya kimajaribio kilichopimwa katika mashirika yote, bali ni tafsiri ya waandishi kuhusu muundo wa kimada wa fasihi ya utafiti. Miundo ya muda na makundi ya bibliometriki inaunga mkono tafsiri hiyo, lakini haipimi kasi au kiwango ambacho mashirika yanabadilika kweli.

Vivyo hivyo, modeli ya dhana ya tabaka tatu ya utafiti si nadharia ya shirika yenye uhusiano wa kisababishi iliyothibitishwa. Waandishi wanaeleza wazi kuwa mishale katika Kielelezo 4 haiwakilishi mfuatano wa sababu, bali maendeleo ya kimada na ulinganifu wa dhana.

Hatimaye, chanzo kina kutolingana kwa muda kusikoelezwa kati ya snapshot ya Scopus ya Novemba 2025 na upeo wa data wa 2019–2026, pamoja na matatizo katika baadhi ya ulinganifu wa namba ya nukuu–maelezo ya utafiti. Katika maandishi ya Verianla masuala haya hayajarekebishwa kwa namna ambayo haipo katika chanzo, bali yamefanywa yaonekane moja kwa moja.