تحلیل خط مشی عملیاتی تاثیر سیستم های پرسش و پاسخ فارسی بر بهبود عملکرد سازمان امور مالیاتی کشور
الموضوعات : خطمشی‌گذاری عمومی در مدیریتعلی احسانی 1 , سید عبداله امین موسوی 2 , محمود البرزی 3 , مریم رستگارپور 4
1 - دانشجوی دکتری، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - استادیار، گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
3 - دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران ، ایران.
4 - استادیار گروه مهندسی کامپیوتر، دانشکده کامپیوتر، واحد ساوه، دانشگاه آزاد اسلامی، مرکزی، ایران.
الکلمات المفتاحية: بهبود عملکرد, سیستم پرسش و پاسخ فارسی, مودیان مالیاتی, خدمات هوشمند, سازمان امور مالیاتی ایران,
ملخص المقالة :
زمینه و هدف: سازمان ها در تلاش برای بهبود عملکرد، در ارائه خدمات هوشمند هستند. سیستم هوشمند پرسش و پاسخ نوعی دستیار مجازی است که قادر به تعامل با کاربران هستند. هدف این مقاله بررسی این است که آیا ویژگی‌های سیستم پرسش و پاسخ می‌تواند بر بهبود عملکرد سازمان مالیاتی تأثیر بگذارد.روش: ابتدا سیستم پرسش و پاسخ در بستر وب در اختیار مودیان قرار داده می شود. ابزار مورد استفاده جهت ارزیابی مؤلفه ها و زیر مؤلفه های بدست آمده، پرسشــنامه محقق ساخته بود. جهت ســنجش روایی از ابزار اندازه گیری روایی صوری استفاده شد و در جهت پایایی از روش محاســبه آلفای کرونباخ بهره گرفته شــد.با استفاده از فرمول نمونه گیری کوکران، تعداد 384 نفر از مودیان به عنوان حجم نمونه آماری تعیین شدند. سپس داده‌ها از طریق مدل‌سازی معادلات ساختاری حداقل مربعات برای ارزیابی مدل تحلیل می شوند.یافته ها: ویژگی‌های مرتبط با سیستم های هوشمند پرسش و پاسخ به طور مثبت بر بهبود عملکرد سازمان تأثیر می‌گذارد.نتیجه گیری: این مطالعه اهمیت و تاثیر مثبت سرمایه گذاری سازمان در پذیرش عوامل مرتبط با هوشمند سازی خدمات و تأثیرات فناوری‌های جدید مبتنی بر هوش مصنوعی را برای تقویت رابطه ارباب رجوع و سازمان نشان می دهد.
_||_
Ameen, N.; Hosany, S.; Tarhini, A. Consumer interaction with cutting-edge technologies: Implications for future research. Comput.Hum. Behav. 2021, 120, 106761.
Aria, K. and Handayani, A. N. (2012) “Question Answering System for an Effective Collaborative Learning”, (IJACSA) International Journal of Advanced Computer cience and Applications, Vol. 3(1), PP: 60-64.
Alam, R.; Islam, M.A.; Khan, A.R. Usage of chatbot as a new digital communication tool for customer support: A case study on Banglalink. Indep. Bus. Rev. 2019, 12, 31–37. Available online: http://www.sbe.iub.edu.bd/wp-content/uploads/2020/09/a4.pdf(accessed on 10 December 2021).
Batra, R., & Ahtola, O. T. (1991). Measuring the hedonic and utilitarian sources of consumer attitudes. Marketing letters, 2(2), 159-170.
Choi, K., Pacana, R.M., Tan, A. L., Yiu, J. and Lim, N. R. (2011) “A Question Answering System that Performs Evaluations and Comparisons on Structured Data for Business Intelligence in Biotechnology” Uncertainty Reasoning and Knowledge Engineering (URKE), Vol.1, PP: 137-140.
Dhar, R., & Wertenbroch, K. (2000). Consumer choice between hedonic and utilitarian goods. Journal of marketing research, 37(1), 60-71.
Fiore, A. M., Jin, H. J., & Kim, J. (2005). For fun and profit: Hedonic value from image interactivity and responses toward an online store. Psychology & Marketing, 22(8), 669-694.
Gartner Says 25 Percent of Customer Service Operations Will Use Virtual Customer Assistants by2020.https://www.gartner.com/en/newsroom/press-releases/2018-02-19-gartner-says-25-percent-ofcustomer-service-operations-will-use-virtual-customer-assistants-by-2020.
Godey, B., Manthiou, A., Pederzoli, D., Rokka, J., Aiello, G., Donvito, R., & Singh, R. (2016). Social media marketing efforts of luxury brands: Influence on brand equity and consumer behavior. Journal of business research, 69(12), 5833-5841.
Hair, J. F., Hult, T. M., Ringle, C., Sarstedt, M., Magno, F., Cassia, F. and Scafarto, F. (2020), Le equazioni strutturali Partial Least Squares. Introduzione alla PLS-SEM, FrancoAngeli, Milano.
Hoyer, W. D., Kroschke, M., Schmitt, B., Kraume, K., & Shankar, V. (2020). Transforming the customer experience through new technologies. Journal of Interactive Marketing, 51, 57- 71.
Ho, A.; Hancock, J.; Miner, A.S. Psychological, Relational, and Emotional Effects of Self-Disclosure After Conversations with a Chatbot. J. Commun. 2018, 68, 712–733.
Kulviwat, S., Bruner II, G. C., Kumar, A., Nasco, S. A., & Clark, T. (2007). Toward a unified theory of consumer acceptance technology. Psychology & Marketing, 24(12), 1059-1084.
Lemon, K.N.; Verhoef, P.C. Understanding Customer Experience Throughout the Customer Journey. J. Mark. 2016, 80, 69–96.
MSI. Research Priorities 2020–2022. Massachusetts, in Marketing Science Institute. Available online: https://www.msi.org/wpcontent/uploads/2020/06/MSI_RP20-22.pdf (accessed on 12 January 2022).
Molavai,M.AbbasPour,A.(1396). The relationship of smart organization with productivity, ,Shiraz, Kharazmi Higher Institute of Science and Technology.Fourth International Congress of New Research in Management, Accounting and Economics Studies.
Nasco, S. A., Kulviwat, S., Kumar, A., & Bruner Ii, G. C. (2008). The CAT model: Extensions and moderators of dominance in technology acceptance. Psychology & marketing, 25(10), 987-1005.
Nicolescu, L.; Tudorache, M.T. Human-Computer Interaction in Customer Service: The Experience with AI Chatbots—A Systematic Literature Review. Electronics 2022,11, 1579.
Ringle, C., Da Silva, D., & Bido, D. (2015). Structural equation modeling with the SmartPLS.
Riikkinen, M.; Saarijarvi, H.; Sarlin, P.; Lahteenmaki, I. Using artificial intelligence to create value in insurance. Int. J. Bank Mark.2018, 36, 1145–1168.
Scheidt, S., & Chung, Q. B. (2019). Making a case for speech analytics to improve customer service quality: Vision, implementation, and evaluation. International Journal of Information Management, 45, 223–232. https://doi.org/10.1016/j.ijinfomgt.2018.01.002.
Suwono, L.V.; Sihombing, S.O. Factors Affecting Customer Loyalty of Fitness Centers: An Empirical Study. J. Din. Manaj. 2016, 7,45.
Trivedi, J. (2019). Examining the customer experience of using banking chatbots and its impact on brand love: the moderating role of perceived risk. Journal of internet Commerce, 18(1), 91-111.
Wang, Y. F. and Petrina, S. (2013) “Using Learning Analytics to Understand the Design of an Intelligent Language Tutor-Chatbot Lucy”. (IJACSA) International Journal of Advanced Computer Science and Applications, Vol.4 (11), PP: 124-131.
Wiedmann, K. P., Hennigs, N., & Siebels, A. (2009). Value‐based segmentation of luxury consumption behavior. Psychology & Marketing, 26(7), 625-651.
Yang Z., Li Y., Cai J and Nyberg, E. (2014) “QUADS: Question Answering for Decision Support”, In proceedings of SIGR 2014: the Thirty-seventh Annual Internations ACM SIGIR Conference on Research and Development in Information Retrieval, USA, PP: 375-384
Zarouali, B., Van den Broeck, E., Walrave, M., & Poels, K. (2018). Predicting consumer responses to a chatbot on Facebook. Cyberpsychology, Behavior, and Social Networking, 21(8), 491-497
Zgodavova, K. Kisela, M. & Sutoova, A. (2016). Intelligent approaches for an organisation’s management system change, The TQM Journal, 28 (5): 760-773.
