دانلود ترجمه مقاله نقش هوش مصنوعی و اعتبار شرکتی در پذیرش بانکداری دیجیتال

1. مقدمه 2. مروری بر مقالات و پیشینه نظری 3. توسعه فرضیه‌ها 4. روش و تحلیل 5. نتایج تجربی 6. بحث و بررسی 7. نتیجه‌گیری و مطالعات آینده

چکیده – هدف – همگرایی عملیات بانکی با فناوری‌های پیشرفته، فراتر از جنبه فنی است و نشان‌دهنده تغییر به سمت تجربیات بانکداری مشتری‌محور است که از طریق ارائه راهبردی خدمات امکان‌پذیر می‌شود. در این راستا، این پژوهش به بررسی تأثیرات خدمات بانکی یکپارچه با هوش مصنوعی و اعتبار شرکتی بر ارزیابی مشتریان و قصد آنان برای توصیه خدمات بانکی دیجیتالی‌شده می‌پردازد. این مطالعه نقش میانجی ارزیابی خدمات بانکی دیجیتالی‌شده را بررسی کرده و این روابط را در بین گروه‌های مشتریان متمایز شده توسط سطوح مختلف سواد مالی و نگرش نسبت به پیشنهادات تبلیغاتی مقایسه می‌کند. طرح/روش‌شناسی/رویکرد – با اتکا بر نظریه قاب‌بندی اهداف، این مطالعه از مدل‌سازی معادلات ساختاری با حداقل مربعات جزئی و تحلیل چندگروهی برای تحلیل داده‌های جمع‌آوری شده از 758 کاربر خدمات بانکی دیجیتالی‌شده استفاده می‌کند. مدل ارائه شده، هم عوامل سطح خدمت و هم ویژگی‌های سطح فردی از جمله دانش مالی و نگرش نسبت به پیشنهادات تبلیغاتی را در بر می‌گیرد. یافته‌ها – نتایج نشان می‌دهد که خدمات یکپارچه با هوش مصنوعی و اعتبار شرکتی به طور معناداری بر ارزیابی مشتریان از خدمات بانکی دیجیتالی‌شده تأثیر می‌گذارند و اثرات مستقیم و غیرمستقیمی بر قصد توصیه دارند. تأثیر خدمات یکپارچه با هوش مصنوعی به طور کامل توسط ارزیابی خدمات بانکی دیجیتالی‌شده میانجی‌گری می‌شود. تحلی چند گروهی نشان می‌دهد که مشتریان با دانش مالی کم بیشتر به اعتبار شرکتی تکیه می‌کنند، در حالی که مشتریان دارای نگرش تبلیغاتی بالا نسبت به خدمات یکپارچه با هوش مصنوعی پاسخگوتر هستند. محدودیت‌ها/پیامدهای پژوهش – این مطالعه با شناسایی مکانیسم میانجی ارزیابی خدمات و بررسی اثرات تعدیل‌کننده ویژگی‌های مشتری، نظریه قاب‌بندی اهداف را در زمینه بانکداری مبتنی بر هوش مصنوعی بسط می‌دهد. پیامدهای عملی – یافته‌ها بینش‌های قابل اجرایی برای مؤسسات مالی و سیاست‌گذاران ارائه می‌دهد. تدوین راهبردهای آموزشی مالی دیجیتال و دستورالعمل‌های واضح‌تر مرتبط با هوش مصنوعی می‌تواند کاربران محروم را توانمند سازد. طراحی خدمات فراگیر و راهبردهای اعتمادسازی می‌توانند مشارکت در بین گروه‌های متنوع مشتریان را افزایش دهند. اصالت/ارزش – این مطالعه از جمله اولین پژوهش‌هایی است که به طور همزمان اثرات طراحی خدمات بانکی دیجیتالی‌شده مبتنی بر هوش مصنوعی و اعتبار شرکتی را بر قصد توصیه این خدمات بررسی کرده و در عین حال ویژگی‌های کلیدی مشتریان را نیز لحاظ می‌کند.

Purpose – The convergence of banking operations with advanced technologies is beyond technical and signifies the shift toward customer-centric banking experiences enabled through strategic service delivery. To that end, this study investigates the effects of AI-integrated banking services and corporate reputation on customers’ assessment and intention to recommend digitalised banking services (DBS). The study further examines the mediating role of DBS assessment and compares these relationships across customer groups distinguished by varying levels of financial literacy and attitudes toward promotional offers. Design/methodology/approach – Drawing on goal-framing theory (GFT), this study employs partial least squares structural equation modelling (PLS-SEM) and multi-group analysis to analyse data collected from 758 DBS users. The model incorporates both service-level factors and individual-level characteristics, including financial knowledge and attitudes toward promotional offers. Findings – The results reveal that AI-integrated services and corporate reputation significantly influence customers’ assessment of DBS, exerting both direct and indirect effects on recommendation intention. The influence of AI-integrated services is fully mediated by DBS assessment. Multi-group analysis further shows that customers with low financial knowledge rely more on corporate reputation, whereas those with high promotion attitudes are more responsive to AI-integrated services. Research limitations/implications – This study extends goal-framing theory to the context of AI-enabled banking by identifying the mediating mechanism of service assessment and exploring the moderating effects of customer traits. Practical implications – The findings offer actionable insights for financial institutions and policymakers. Clearer AI-related guidelines and digital finance education strategies can empower underserved users. Inclusive service design and trust-building strategies can enhance engagement among diverse customer groups. Originality/value – This study is among the first to jointly examine the effects of AI-enabled DBS design and corporate reputation on DBS recommendation intention while accounting for key customer characteristics.

ترجمه این مقاله در 32 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.