تاثیر کارآفرینی الگوریتمی و توسعه پایدار چندجانبه: بررسی نقش میانجی قابلیتهای دادهمحور

هدف: همگرایی دیجیتالی‌سازی و پایداری در حال تغییر شکل کسب‌وکارهای مدرن است و اشکال جدیدی از کارآفرینی مانند کارآفرینی الگوریتمی (AE) را برجسته می‌سازد—یعنی خودکارسازی یا تقویت کارکردهای اصلی کارآفرینانه توسط سیستم‌های هوشمند. در حالی که پتانسیل AE و فناوری‌های دیجیتال مرتبط با آن برای پیشبرد توسعه پایدار به طور گسترده‌ای پذیرفته شده است، سازوکارهای دقیقی که از طریق آن‌ها این فناوری‌ها به نتایج پایدار منجر می‌شوند، از نظر تجربی بررسی‌نشده و از نظر نظری کمتر توسعه‌یافته باقی مانده‌اند. این مطالعه با بررسی رابطه بین AE و توسعه پایدار چندجانبه (MLSD) این شکاف تحقیقاتی مهم را برطرف می‌کند. MLSD به عنوان دستیابی شرکت به ارزش متوازن اقتصادی، اجتماعی و زیست‌محیطی برای ذی‌نفعان متعدد (مانند سهامداران، جامعه، کارکنان) تعریف می‌شود. این پژوهش مدلی را ارائه و آزمون می‌کند که در آن، این رابطه به طور حیاتی توسط کارآفرینی داده‌محور (DDE) میانجی‌گری می‌شود—یعنی عمل استفاده از تحلیل داده به عنوان یک منبع بنیادی برای ایجاد و مدیریت کسب‌وکار. پرسش اصلی تحقیق، این مسیر میانجی را بررسی کرده و فرض می‌کند که AE بر DDE و DDE نیز به نوبه خود بر MLSD تأثیر مثبت دارد.روش: این مطالعه از یک رویکرد تحقیق کمی و استنتاجی با طرح پیمایش مقطعی برای آزمون مدل مفهومی استفاده کرده است. داده‌ها از ۵۰۰ بنیان‌گذار و مدیر ارشد شرکت‌های کوچک و متوسط مبتنی بر فناوری و استارتاپ‌های فعال در تهران، ایران، که یک قطب کارآفرینی کلیدی در منطقه است، گردآوری شد. شرکت‌کنندگان با استفاده از روش نمونه‌گیری تصادفی طبقه‌بندی‌شده انتخاب شدند تا نمایندگی متناسب در بخش‌های مختلف صنعت و اندازه‌های شرکت تضمین شود. ابزار اندازه‌گیری یک پرسشنامه ساختاریافته با گویه‌هایی بر اساس مقیاس هفت‌درجه‌ای لیکرت بود. سازه‌های کلیدی با استفاده از مقیاس‌های معتبر اقتباس‌شده از ادبیات پیشین اندازه‌گیری شدند: یک مقیاس ۵ گویه‌ای برای AE یک مقیاس ۵ گویه‌ای برای DDE و یک مقیاس ۹ گویه‌ای برای MLSD که به عنوان عملکرد سه‌گانه (TBL) عملیاتی شد یک پروتکل اعتبارسنجی دقیق سه‌مرحله‌ای—شامل پنل متخصصان برای روایی محتوا، فرآیند دقیق ترجمه و ترجمه معکوس، و ارزیابی کامل روان‌سنجی—اعتبار ابزار را تضمین کرد. مدل فرضی با استفاده از مدل‌سازی معادلات ساختاری به روش حداقل مربعات جزئی (PLS-SEM) آزمون شد.یافته‌ها: مدل اندازه‌گیری پایایی و روایی بسیار خوبی را نشان داد و تمام معیارهای استاندارد تحقیقات کمی را برآورده کرد. سازگاری درونی با مقادیر آلفای کرونباخ و پایایی ترکیبی بالاتر از آستانه ۰.۷۰ برای همه سازه‌ها تأیید شد. روایی همگرا با مقادیر میانگین واریانس استخراج‌شده (AVE) بسیار بالاتر از ۰.۵۰ برقرار بود و روایی واگرا از طریق معیار فورنل-لارکر و نسبت‌های هتروتریت-مونوتریت (HTMT) که همگی زیر آستانه ۰.۸۵ بودند، تأیید شد.تحلیل مدل ساختاری نتایج معناداری را آشکار ساخت و هر چهار فرضیه تأیید شدند. تأثیر مثبت و قوی AE بر DDE مشاهده شد (p<0.001,β=0.600) که H2 را تأیید کرد. DDE نیز به نوبه خود تأثیر مثبت و قوی بر MLSD داشت (p<0.001,β=0.501) که مؤید H3 بود. نکته بسیار مهم، تأیید اثر غیرمستقیم، مثبت و معنادار AE بر MLSD از طریق DDE بود (p<0.001,β=0.301) که فرضیه میانجی‌گری (H4) را تأیید کرد. اثر مستقیم AE بر MLSD نیز معنادار باقی ماند (p<0.001,β=0.199)، که نقش DDE را به عنوان یک میانجی جزئی تثبیت کرد. این مدل توانست ۵۴.۸ درصد از واریانس MLSD را تبیین کند.نتیجه: این پژوهش نتیجه می‌گیرد که کارآفرینی داده‌محور (DDE) یک میانجی جزئی و حیاتی در رابطه مثبت بین کارآفرینی الگوریتمی (AE) و توسعه پایدار چندجانبه (MLSD) است. یافته اصلی این است که اگرچه AE مزایای پایداری مستقیمی را به همراه دارد، اما پتانسیل کامل آن از طریق تقویت قابلیت‌های داده‌محور که بینش‌های الگوریتمی را به نتایج قابل‌سنجش در سه حوزه اصلی تبدیل می‌کنند، محقق می‌شود. الگوریتم‌ها به عنوان موتورهای تحلیلی عمل می‌کنند، اما DDE چارچوب استراتژیک لازم برای خلق ارزش را فراهم می‌آورد.این تحقیق با معرفی AE و DDE به عنوان قابلیت‌های سازمانی حیاتی و دشوار برای تقلید جهت دستیابی به مزیت رقابتی پایدار در دنیای دیجیتال، به دیدگاه مبتنی بر منابع (RBV) و نظریه قابلیت‌های پویا (DCT) کمک می‌کند. از نظر کاربردی، این یافته‌ها به کارآفرینان توصیه می‌کند که ابزارهای الگوریتمی را با یک فرهنگ داده‌محور قوی به صورت استراتژیک ترکیب کنند تا نوآوری پایدار را هدایت نمایند. برای سیاست‌گذاران، این مطالعه بر لزوم حمایت از اکوسیستم‌های دیجیتال از طریق تأمین مالی و زیرساخت و همچنین تدوین دستورالعمل‌های اخلاقی شفاف برای تضمین پیشرفت فناورانه مسئولانه تأکید می‌کند. محدودیت‌های اصلی شامل نمونه محدود به یک منطقه و طرح مقطعی است که نیاز به تحقیقات آتی در زمینه‌های متنوع و با داده‌های طولی برای اثبات علیت را نشان می‌دهد.