<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>توسعه فردی و تحول سازمانی</JournalTitle>
      <Issn>3092-6491</Issn>
      <Volume>4</Volume>
      <Issue>پیاپی 12</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>04</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Explaining the Impact of Artificial Intelligence Development on Supply Chain Diversity and Resilience in Iranian Manufacturing Industries: A Structural Equation Modeling (PLS) Approach</ArticleTitle>
    <VernacularTitle>تبیین مدل تأثیر توسعه هوش مصنوعی بر تنوع و تاب‌آوری زنجیره تأمین در صنایع تولیدی ایران با رویکرد مدل‌سازی معادلات ساختاری (PLS)</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>16</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>روزمهر</FirstName>
        <LastName>اخلاقی فیض آثار</LastName>
        <Affiliation>دانش آموخته کارشناسی ارشد، گروه مهندسی صنایع، دانشگاه صنعتی شریف، تهران، ایران.</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/06/10</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to examine the impact of artificial intelligence (AI) development on supply chain diversity and resilience, considering the mediating roles of information transparency and coordination cost reduction, as well as the moderating role of organizational digitalization. This applied, descriptive–survey research was conducted among 280 supply chain managers and experts in manufacturing firms in Tehran, from which 160 participants were selected using stratified random sampling based on Cochran’s formula. Data were collected through a researcher-made questionnaire consisting of 38 items measuring six main constructs. Reliability was confirmed using Cronbach’s alpha and composite reliability, while convergent validity was supported by acceptable AVE values. Data analysis was performed using Smart PLS and the PLS-SEM technique to examine direct, indirect (mediating), and moderating effects. AI development had a significant positive impact on supply chain diversity (β=0.42, p&amp;lt;0.001) and resilience (β=0.35, p&amp;lt;0.001). AI also significantly improved information transparency (β=0.63, p&amp;lt;0.001) and reduced coordination costs (β=0.59, p&amp;lt;0.001). Information transparency positively influenced supply chain diversity (β=0.38, p&amp;lt;0.001), while reduced coordination costs enhanced resilience (β=0.33, p=0.001). Organizational digitalization significantly strengthened the effect of AI on supply chain diversity (β=0.21, p=0.033) and resilience (β=0.19, p=0.041). The mediating role of information transparency was also confirmed (β=0.24, p=0.002). AI development effectively enhances supply chain diversity and resilience through improved information transparency, reduced coordination costs, and strengthened organizational digitalization, positioning AI as a strategic driver of supply chain performance in Iranian manufacturing industries.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش بررسی اثر توسعه هوش مصنوعی بر تنوع و تاب‌آوری زنجیره تأمین با در نظر گرفتن نقش میانجی شفافیت اطلاعات و کاهش هزینه‌های هماهنگی و نقش تعدیل‌گر سطح دیجیتالی شدن سازمان است. این پژوهش از نوع کاربردی و با روش توصیفی–پیمایشی انجام شد. جامعه آماری شامل ۲۸۰ نفر از مدیران و کارشناسان زنجیره تأمین شرکت‌های تولیدی شهر تهران بود که با استفاده از فرمول کوکران، ۱۶۰ نفر به شیوه نمونه‌گیری تصادفی طبقه‌ای انتخاب شدند. داده‌ها از طریق پرسشنامه محقق‌ساخته شامل ۳۸ گویه در شش متغیر اصلی جمع‌آوری شد. پایایی پرسشنامه با استفاده از آلفای کرونباخ و اعتبار مرکب تأیید شد و روایی همگرا با AVE مناسب احراز گردید. تحلیل داده‌ها با نرم‌افزار Smart PLS و روش مدل‌سازی معادلات ساختاری (PLS-SEM) برای ارزیابی اثرات مستقیم، غیرمستقیم و تعدیل‌گری انجام شد. نتایج نشان داد توسعه هوش مصنوعی اثر مثبت و معناداری بر تنوع زنجیره تأمین (β=0.42، p&amp;lt;0.001) و تاب‌آوری زنجیره تأمین (β=0.35، p&amp;lt;0.001) دارد. همچنین توسعه AI به‌طور معنادار شفافیت اطلاعات (β=0.63، p&amp;lt;0.001) و کاهش هزینه‌های هماهنگی (β=0.59، p&amp;lt;0.001) را افزایش داد. شفافیت اطلاعات بر تنوع زنجیره (β=0.38، p&amp;lt;0.001) و کاهش هزینه‌های هماهنگی بر تاب‌آوری زنجیره (β=0.33، p=0.001) اثر مثبت داشت. سطح دیجیتالی شدن سازمان اثر AI بر تنوع زنجیره (β=0.21، p=0.033) و تاب‌آوری زنجیره (β=0.19، p=0.041) را تقویت کرد. نقش میانجی شفافیت اطلاعات نیز تأیید شد (β=0.24، p=0.002). توسعه هوش مصنوعی از طریق ارتقای شفافیت اطلاعات، کاهش هزینه‌های هماهنگی و تقویت دیجیتالی شدن سازمان، به‌طور مؤثر موجب افزایش تنوع و تاب‌آوری زنجیره تأمین می‌شود و می‌تواند به‌عنوان راهبردی کلیدی در مدیریت زنجیره تأمین صنایع تولیدی ایران به کار رود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial Intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Supply Chain</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Supply Chain Diversity</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Supply Chain Resilience</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Structural Equation Modeling</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">زنجیره تأمین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تنوع زنجیره تأمین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تاب‌آوری زنجیره تأمین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدل‌سازی معادلات ساختاری</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journalpdot.com/index.php/jpdot/article/download/264/178</ArchiveCopySource>
  </Article>
</ArticleSet>
