<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>توسعه فردی و تحول سازمانی</JournalTitle>
      <Issn>3092-6491</Issn>
      <Volume>3</Volume>
      <Issue>پیاپی 8</Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>06</Month>
        <Day>05</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Designing a Model for Enhancing Employee Productivity in Power Companies Based on Artificial Intelligence</ArticleTitle>
    <VernacularTitle>طراحی مدل ارتقاء بهره وری كاركنان شرکت برق مبتنی بر هوش مصنوعی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>22</LastPage>
    <ELocationID EIdType="doi">10.61838/kman.jpdot.132</ELocationID>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>مریم </FirstName>
        <LastName>پاکنژاد</LastName>
        <Affiliation>دانشجوی دکتری، گروه مدیریت آموزشی، واحد تهران غرب ، دانشگاه آزاد اسلامی، تهران، ایران. </Affiliation>
      </Author>
      <Author>
        <FirstName>حسینعلی</FirstName>
        <LastName>جاهد</LastName>
        <Affiliation>دانشیار، گروه مدیریت آموزشی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>رضا</FirstName>
        <LastName> سورانی یانچشمه</LastName>
        <Affiliation>استادیار، گروه مدیریت آموزشی، واحد تهران غرب ، دانشگاه آزاد اسلامی، تهران، ایران. </Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404</Year>
        <Month>01</Month>
        <Day>16</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to design a model to enhance employee productivity in electric power distribution companies using artificial intelligence (AI) to improve human resource development and organizational performance. A mixed-method approach was adopted. The qualitative phase employed thematic analysis via MAXQDA and semi-structured interviews with 14 experts and senior managers from power distribution companies in western Iran. In the quantitative phase, a researcher-made questionnaire was distributed among a stratified random sample of 351 employees. Data were analyzed using SPSS and PLS software. Thematic analysis yielded 100 indicators, 24 components, and 10 core dimensions. In the quantitative analysis, the "ethical intelligence" dimension had the highest importance coefficient (0.909), while "knowledge and technology management" had the lowest (0.741). Paired t-tests confirmed significant differences between the current and ideal states across all dimensions. The final model included four core domains: philosophy and goals, theoretical foundations, evaluation system, and implementation mechanism. The proposed AI-based productivity model offers a strategic framework to optimize human resource performance in infrastructure industries. Emphasizing organizational ethics, continuous learning, digital competencies, and advanced data analytics, this model presents a forward-looking path for sustainable productivity enhancement.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف اصلی این پژوهش، طراحی مدل ارتقاء بهره‌وری کارکنان شرکت برق با بهره‌گیری از قابلیت‌های هوش مصنوعی در راستای توسعه منابع انسانی و بهبود عملکرد سازمانی است. این تحقیق با روش آمیخته (کیفی-کمی) انجام شده است. در بخش کیفی با استفاده از تحلیل مضمون و نرم‌افزار MAXQDA، داده‌ها از طریق مصاحبه نیمه‌ساختاریافته با 14 نفر از خبرگان و مدیران ارشد شرکت‌های توزیع برق غرب کشور گردآوری شد. در بخش کمی، از پرسشنامه محقق‌ساخته و روش توصیفی-پیمایشی استفاده شد و نمونه‌ای 351 نفری از کارکنان شرکت‌های توزیع برق در استان‌های غربی کشور با روش نمونه‌گیری تصادفی طبقه‌ای انتخاب شدند. داده‌ها با SPSS و PLS تحلیل شدند. نتایج کیفی منجر به استخراج 100 شاخص، 24 مؤلفه و 10 بُعد اصلی شد. در بخش کمی، بعد «هوشمندی اخلاقی» بالاترین ضریب اهمیت (0.909) و بعد «بهبود مدیریت دانش و فناوری» پایین‌ترین ضریب (0.741) را داشتند. همچنین نتایج آزمون t وابسته نشان‌دهنده وجود تفاوت معنادار بین وضعیت موجود و مطلوب در تمامی ابعاد بود. مدل نهایی نیز دارای 4 بخش اصلی شامل فلسفه و اهداف، مبانی نظری، نظام ارزیابی و سازوکار اجرایی تأیید شد. مدل طراحی‌شده با تأکید بر بهره‌گیری از هوش مصنوعی، می‌تواند مسیر راهبردی برای افزایش بهره‌وری نیروی انسانی در صنایع زیرساختی فراهم آورد. توجه به ابعاد درون‌سازمانی، توسعه اخلاق دیجیتال، ارتقاء مهارت‌های فردی، آموزش مستمر و استفاده از ابزارهای تحلیل داده، کلید موفقیت این مدل خواهد بود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Employee performance management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">organizational productivity</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدیریت عملکرد کارکنان</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بهره وری سازمانی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journalpdot.com/index.php/jpdot/article/download/132/122</ArchiveCopySource>
  </Article>
</ArticleSet>
