تحلیل خط مشی عملیاتی تاثیر سیستم های پرسش و پاسخ فارسی بر بهبود عملکرد سازمان امور مالیاتی کشور
محورهای موضوعی : 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.
کلید واژه: بهبود عملکرد, سیستم پرسش و پاسخ فارسی, مودیان مالیاتی, خدمات هوشمند, سازمان امور مالیاتی ایران,
چکیده مقاله :
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.
Background and Aim: Organizations are trying to improve performance in providing smart services. An intelligent Q&A system is a virtual assistant that is able to interact with users. The purpose of this article is to investigate whether the characteristics of the Q&A system can improve the performance of the tax organization.Method: First, the question and answer system on the web platform is provided to the taxpayers. The tool used to evaluate the components and sub-components was a researcher-made questionnaire. Formal validity measurement tool was used to assess the validity and Cronbach's alpha calculation method was used for reliability. Using Cochran's sampling formula, 384 taxpayers were determined as the statistical sample size. The data are then analyzed by modeling the structural equations of least squares to evaluate the model.Findings: Features related to intelligent question and answer systems have a positive effect on improving organizational performance.Conclusion: This study shows the importance and positive effect of organizational investment in accepting factors related to service intelligence and the effects of new technologies based on artificial intelligence to strengthen the client-organization relationship.
_||_
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.
تحليل خط مشی عملياتي تاثير سيستم هاي پرسش و پاسخ فارسي بر بهبود عملکرد سازمان امور مالياتي کشور
چکيده:
زمينه و هدف: سازمان ها در تلاش برای بهبود عملکرد، در ارائه خدمات هوشمند هستند. سيستم هوشمند پرسش و پاسخ نوعی دستیار مجازی است که قادر به تعامل با کاربران هستند. هدف این مقاله بررسی این است که آیا ویژگیهای سيستم پرسش و پاسخ میتواند بر بهبود عملکرد سازمان مالياتي تأثیر بگذارد.
روش: ابتدا سيستم پرسش و پاسخ در بستر وب در اختيار موديان قرار داده مي 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 موديان به عنوان حجم نمونه آماری تعیین شدند. سپس دادهها از طریق مدلسازی معادلات ساختاری حداقل مربعات برای ارزيابي مدل تحليل مي شوند.
يافته ها: ویژگیهای مرتبط با سيستم هاي هوشمند پرسش و پاسخ به طور مثبت بر بهبود عملکرد سازمان تأثیر میگذارد.
نتيجه گيري: این مطالعه اهمیت و تاثير مثبت سرمایه گذاری سازمان در پذیرش عوامل مرتبط با هوشمند سازي خدمات و تأثیرات فناوریهای جدید مبتني بر هوش مصنوعي را برای تقویت رابطه ارباب رجوع و سازمان نشان می دهد.
واژگان کليدي: خدمات هوشمند، سيستم پرسش و پاسخ فارسي، موديان مالياتي، بهبود عملکرد، سازمان امور مالياتي ايران
مقدمه:
امروزه بسیاری از سازمانها دریافته اند که جهت کسب موفقیت در اقتصاد چه در دنیای کنونی و چه آتی به چیزی بیش از دستیابی اتفاقی و ناآگاهانه به دانش یکپارچه نیاز دارند. در چنین ســازمانهایی به علت وجود بهره وری و استفاده از دانش، یادگیری نیز بیشتر اســت که این به نوبه خود ارائه راهکارهای جدید برای انجام امور و به طورکلی هوشــمندی را در پی خواهد داشــت.
امروزه مشتری می خواهد زمان کمتری را صرف کند و بنابراین انتظار دارد که بتواند در هر زمان و هر مکان، صرف نظر کانال ارتباطي، به یک شرکت دسترسی پیدا کند (سوونو و سيهومبينگ1،2016). ابزاری برای پاسخگویی به دیجیتالی شدن و تجربه مشتری، استفاده از چت بات ها است(آمن و همکاران2،2021)
نظام مالیاتی ترکیبی از سازمان مالیاتی، مؤدیان مالیاتی، قانون و روش های عملیاتی است. یک نظام مالیاتی زمانی می تواند به اهداف خود دست پیدا کند که مودیان مالیاتی را که به عنوان یکی از ارکان اصلی نظام های مالیاتی هستند، را با خود هماهنگ نماید و رضایت آنها را جلب نماید. بدین ترتیب کارآیی نظام مالیاتی را نیز ارتقا خواهد بخشید. روی آوردن به روشهای هوشمند جهت تعامل هر چه بهتر و راحت تر با مودیان مالیاتی از جمله ارائه خدمات مالیاتی به صورت الکترونیکی از طریق فناوری های جدید یکی از مهم ترین روش ها می باشد. ارائه خدمات به صورت الکترونیکی موجب کاهش چشم گیر هزینه ها، تسهیل خدمت رسانی به مودیان مالیاتی، کاهش رفت و آمد های مودیان، کاهش ارتباط مودی مالیاتی با ماموران مالیاتی که به دنبال آن کاهش فساد اداری را در پی دارد.
در عصر دیجیتال که در دسترس بودن مستمر کسبوکارها بسیار مهم است، بهینهسازی تجربه مشتری بیش از هر زمان دیگری مهم است.(لمون و ورهوف3،2016)
موضوع این مطالعه تا حدی از اولویت های تحقیقاتی موسسه علم بازاريابي4 الهام گرفته شده است، که در آن تجربه و وفاداری مشتری اغلب ذکر شده است و ما سعي کرده ايم اين موضوع را با يک ابزار عملياتي واقعي در بخش موديان مالياتي بررسي نماييم. هدف این مطالعه ارائه بینشی در مورد نقش چت بات5 ها و به طور خاص سيستم هاي پرسش و پاسخ6 با افزایش ارتباط مشتریان و به طور خاص موديان مالياتي و نهايتا بهبود عملکرد است. در حالی که در گذشته، سازمان ها تنها از طریق تماس چهره به چهره یا رسانههای جمعی و يا سيستم هاي آنلاين پاسخگويي مبتني بر اپراتورهاي انساني میتوانستند با مشتریان خود ارتباط برقرار کنند، فناوری مبتني بر هوش مصنوعي این امکان را فراهم میآورد که امروزه سازمان ها میتوانند در تمام طول روز با مشتریان خود ارتباط آنلاین داشته باشند.
این مطالعه به ارائه اطلاعاتی در مورد استفاده از سيستم هاي پرسش و پاسخ فارسي به عنوان ابزاری برای ارائه خدمات مشتری به سازمان کمک می کند. یک چت بات همچنین می تواند به طور همزمان به چندین مشتری خدمات رسانی کند که هزینه ها را کاهش می دهد. این موضوع کسب اطلاعات بیشتر در مورد سيستم هاي پرسش و پاسخ را برای سازمان ها جذاب می کند. به گفته گارتنر7، شرکت های بیشتری از چت بات ها برای ارائه خدمات به مشتریان خود استفاده می کنند. این تحقیق به دنبال کمک به سازمان ها برای درک نقش سيستم هاي هوشمند با هدف افزایش ارتباط مشتریان خود و در نتیجه سود بیشتر و عملکرد بهتر است.
طبق گزارش سازمان همکاري و توسعه اقتصادي8 در سال 2019، بیش از 40 سازمان مالیاتی از هوش مصنوعی استفاده می کنند یا قصد دارند این کار را انجام دهند.
در زمینه بهره گيري از هوش مصنوعي، بسیاری از کشورها در حال حاضر به طرق مختلف در حال پیشرفت هستند. در گام اول، کمک به مالیات دهندگان از طریق اطلاع رسانی به آنها از تعهدات مالیاتی خود یا از طریق حل شبهات از طریق دستیاران مجازی یا ربات های گفتگو که برخلاف برنامه های اطلاعاتی سنتی، می توانند به صورت پویا کمک کنند. بر اساس گزارش سازمان همکاري و توسعه اقتصادي، تا سال 2017، 10 کشور در حال بهره برداري از چت بات ها هستند، 7 کشور در حال اجرايي نمودن آن و 23 کشور نیز در حال برنامه ریزی برای انجام آن هستند. سازمان مالیاتي اسپانيا با آیبیام واتسون همکاری کرد تا تردیدهای مربوط به عرضه فوری اطلاعات مالیات بر ارزش افزوده را حل کند و یک دستیار مجازی مبتنی بر هوش مصنوعی ایجاد کرد که عملکرد آن بسیار مثبت ارزيابي شد. بر اساس اطلاعات سازمان امور مالیاتی اسپانيا، تعداد ایمیل های دریافتی 80 درصد کاهش یافته و تعداد پرس و جوها به دستیار مجازی در هفته اول 10 برابر شده است.
مولوی و عباس پور9 (1396)، تحقیقی با عنوان ارتباط سازمان هوشمند با بهرهوری انجــام دادند. روش تحقیق این پژوهش توصیفی – همبســتگی اســت و به صــورت میدانی انجام شــده اســت. جامعه آماری این تحقیق شــامل کلیه کارکنان ســازمان تأمین اجتماعی اســتان آذربایجان غربی میباشــند که تعداد آنها 1500 نفر بود. نتایج حاکی از آن بود که بین هوشــمندی سازمانی، هوش سازمانی، یادگیری ســازمانی، آزاد اندیشی سازمانی و تفکر سیستمی با بهرهوری رابطه وجود دارد. (مولوي و عباس پور،2018)
زدگوداوا و همکاران (2016)، در تحقیقی که با عنوان روشهای هوشمند برای تغییر سیســتم مدیریت ســازمان انجام دادند و به این نتیجه رســیدند که ایجاد یک استراتژی هوشــمند با در نظر گرفتن فرهنگ ســازمانی تأثیر منفی تغییر را به حداقل میرساند و به افراد کمک میکند تا سریعتر بتوانند با تغییرات سازگار شوند.( زدگوداوا و همکاران10،2016)
با افزایش رقابت، ارائه خدمات با کیفیت به مشتریان به یک عنصر استراتژیک برای موفقیت یک سازمان تبدیل شده است(شيدت و چانگ11،2019)در نتیجه، پيشخوان خدمات که شخصاً با مشتریان تعامل دارند، سازمان را در حفظ ارتباط با مشتري هدايت مي کنند و در حل مشکلات مشتری و ايجاد رضايت نقش محوری دارند. با توجه به ظهور فناوری های دیجیتال، سازمان ها به طور فزاینده ای به سمت خدمات دیجیتال روی می آورند و نقش عوامل انساني در پيشخوان خدمات به شدت در حال تغییر است. در واقع، بسیاری از سازمان ها در حال تبدیل خدمات سنتی به مشتریان خود به خدمات دیجیتالی هستند. چت بات ها يا ربات هاي گفتگو ابزارهای فناوری جدیدی هستند که سعی میکنند مشتریان را به روشی مشابه عوامل انساني راضی کنند. در واقع، رباتهای گفتگو دستیاران مجازی12 هستند که مکالمات انسانی را نه تنها با ارائه اطلاعات، بلکه با تعامل با زبان آشنا از طرق مختلف و تلاش برای انتقال احساسات شبیهسازی میکنند.(هوير و همکاران13،2020)
سازمان امور مالیاتی کشور:
طی دو دهه گذشته، سازمانهای مالیاتی در اکثر کشورهای جهان از تکنولوژی های نوین جهت ایجاد تغییر در فرآیندهای تشخیص و وصول مالیات بهره برده اند تا بتوانند موجبات افزایش منافع سازمان مالیاتی را فراهم آورند. استفاده از فنآوری های نوین می تواند موجب تبادل دقیق تر و سریع تر اطلاعات مؤدیان و تأمین خدماتی که آنها را قادر به اداره امور مالیاتی شان می نماید، شود.
در کنار دستهبندیهای کلی خدمات مالیاتی مانند اظهارنامه های مالیاتی، پرونده های الکترونیکی و غیره، برخی از دستهبندیهای خاص نیز توسط مراجع معتبر، برای خدمات مودیان ارایه شده است. خدمات مودیان را ميتوان بر اساس گزارشهاي سازمان همکاري و توسعه اقتصادي به سه گروه اطلاعرساني ، تعاملي و مبادلهاي تقسيم کرد.
خدمات مبادلهاي: بيانگر تكاليف و تعهداتي است كه سازمان و موديان در راستاي فرايندهاي محوري وصول ماليات در قبال يكديگر دارند. اين دسته از خدمات ارتباطي تنگاتنگ با فرايندهاي مالياتي دارند و هدف از ارایه آنها، افزايش تسريع و تسهيل پاسخگويي به موديان است.
خدمات تعاملي: جريان دوطرفه اطلاعات است كه سيستم اطلاعاتي (پرونده مودي) را تغيير نميدهد و ميتواند شامل ارایه تمام اطلاعات عمومي مجاز شود. براي مثال، دريافت و پاسخگويي به شكايات از سيستم رايانهاي، امكان جستجو كردن اطلاعات به درخواست مؤدي يا ماشينحساب براي محاسبه برخي فيلدهاي محاسباتي اظهارنامه باشد.
خدمات اطلاعرساني و فرهنگسازی: این دسته از خدمات ماهیتی اطلاعاتی دارد و به جريان يكطرفه اطلاعات از سوي سازمان اطلاق میشود كه تمام اطلاعات عمومي مجاز را شامل شود. قوانين، سياستها، دستورالعملها و مواد آموزشي، مصداقهایی از این خدمات به شمار میآیند.
با تطبیق دستهبندی رایج از خدمات و دستهبندی خاص خدمات مودیان بر یکدیگر، میتوان چنین نتیجهگیری کرد که در محیط خدمات مودیان، خدمات مبادلهای، خدمات اصلی و خدمات تعاملی و اطلاعرسانی و فرهنگسازی ، خدمات تکمیلی به شمار میآیند.
در شکل (1) شمایی از دستهبندی تطبیقی خدمات مودیان ترسیم شده است.
شکل 1- انواع مسیرهای ارتباط با مودیان
معمولاً برای ارایه خدمات مختلف، با توجه به ماهیت این خدمات، مسیرهای مختلفی به کار گرفته میشود. مراجعان انتظار دارند که مسیرهای ارتباطی «انعطاف پذیر»، « با کیفیت »، «در دسترس» و «ایمن» باشند. در چند سال گذشته گزینههای متفاوتی پیش روی سازمانهای مالیاتی قرار گرفته است و این سازمانها میتوانند با در نظر گرفتن عوامل زیر مسیرهای مختلفی را انتخاب کنند:
• چه کانالی برای ارایه چه خدمتی مناسب است
• استفاده از این کانال چه هزینهها و مزایایی برای سازمان مالیاتی و مودی در پی خواهد داشت
• انتقال از یک کانال به کانال دیگر چه تأثیری به مراجعان خواهد داشت
• بهترین ترکیب مسیرها برای نیاز مراجعان کدام است.
معمولاً سازمانهای مالیاتی در طرحریزی برنامههای خود بر کاهش تماسهای حضوری مراجعان تاکید دارند. در این راستا جهت بهبود عملکرد و بهره وری سازمان و با توجه به رشد روز افزون بهربرداری از تکنینک های هوشمند می توان یکی از کانال های ارتباطی مهم در تعامل با مودیان جهت پاسخ به سوالات آنان را سیستم های گفتگو آنلاین و به طور خاص سیستم های پرسش و پاسخ دانست.
چت بات ها:
چت بات14 : برنامه ای نرم افزاری است که برای انجام یک مکالمه آنلاین از طریق متن یا تبدیل متن به گفتار، به جای استفاده از کانال های دیگر ارتباطی و برقراری ارتباط مستقیم با یک نماینده مرکز خدمات مشتریان استفاده می شود. چت بات ها در سیستم های گفتگو برای اهداف مختلفی از جمله خدمات مشتریان، مسیریابی درخواست ها یا جمع آوری اطلاعات استفاده می شوند.
چت بات ها با تعاریف مختلفی بیان شده اند که چند مورد در جدول 1 ارائه شده است
جدول 1-تعاریف مرتبط با چت بات ها
تعریف | منبع |
به طور عام: نرم افزاری که می تواند با استفاده از هوش مصنوعی با افراد چت/مکالمه کند. یک برنامه کامپیوتری که مکالمه انسان-انسان را شبیه سازی می کند. | آلام و همکاران15(2021) هو و همکاران16(2018) |
از دیدگاه خدمات مشتریان: یک برنامه هوشمند مصنوعی که می تواند از طریق برنامه های پیام رسانی مختلف با مصرف کنندگان تعامل داشته باشد. | ریکینن و همکاران17(2018) |
در حالی که برخی از برنامه های چت بات از فرآیندهای طبقه بندی کلمات گسترده، پردازشگرهای زبان طبیعی و هوش مصنوعی پیچیده استفاده می کنند که به آن ها توانایی یادگیری و بهبود تجربه پشتیبانی مشتریان را می دهد، برخی دیگر به سادگی کلمات کلیدی عمومی را اسکن می کنند و با استفاده از عبارات رایج به دست آمده از یک کتابخانه یا پایگاه داده مرتبط، پاسخ تولید می نمایند. با توجه به ویژگی های چت بات ها از جمله در دسترس پذیر بودن، سرعت بالا در پاسخگویی، حفظ ارتباط با مشتریان و قابلیت اعتماد شرکتها باید بر روی استفاده از چت بات ها برای حل آن دسته از وظایفی که میتوان پاسخی کاملاً ملموس و مرتبط از طریق این فناوری برای آنها ارائه کرد، تمرکز کنند.(نیکولسکو و تودوراکه18،2022)
سیستم های پرسش و پاسخ:
سیستمهای پرسش پاسخ در زمینههای آموزشی، با پاسخ دادن به سوالات سادهای مانند تاریخ انتشار یک کتاب خاص یا جمعیت یک شهر، نیز میتوانند مورد استفاده قرار گیرند(آريا و هندياني19،2012) علاوه بر این، سیستم های QA در سیستمهای پشتیبان تصمیمگیری(يانگ و همکاران20،2014)، هوش تجاری(چوي و همکاران21،2011) و سیستمهای تعاملی که در آن یک رابط مبتنی بر ربات امکان انجام گفتگو با هدف تقلید از گفتگوی انسانی دارند(وانگ و پترينا22،2013)مورد استفاده قرار میگیرد.
چت بات ها در تعیین رضایت مشتری و در نتیجه در تقویت رابطه با برند بسیار مهم هستند. برای تجزیه و تحلیل این اثرات، ما از مدل پذیرش فناوري مصرف کننده(CAT)23 پیروی میکنیم.(کولويوات و همکاران24،2007) بر خلاف مدل سنتی پذیرش فناوری، مانند مدل پذیرش فناوری25 ديويس26 که فقط عناصر شناختی27 را در نظر می گیرد، مدل CAT علاوه بر این شامل عناصر احساسي28 نیز می شود. این با آنچه چندین محقق (ناسکو و همکاران29،2008؛ فيور30 و همکاران،2005) بر آن تأکید کرده اند، منسجم است، یعنی در روابط با مصرف کنندگان، فناوری باید به دو هدف برسد: اهداف فايده گرايانه31 و اهداف لذت گرايانه32.
اهداف فايده گرايانه توسط عناصر شناختی هدایت میشوند و به سمت حل مسئله هدایت میشوند(دهار و ورتنبروچ33،2000) این اجزا به شدت با ویژگی های تحلیلی فناوری مرتبط هستند. این نشان دهنده ارزش به دست آمده از بسط اطلاعات دریافت شده توسط چت بات است.(هوير و همکاران34،2020)
اهداف لذتگرا با عناصر زیباییشناختی عاطفی، سرگرمی و لذت مرتبط هستند(باترا و آشولا35،1991)آنها نشان دهنده ارزشی هستند که مصرف کنندگان از تحریک عاطفی دریافت کردند (هوير و همکاران36،2020) که در مدل خود، ما دو عنصر فايده گرايانه را شناسایی کردیم: کیفیت اطلاعات و کیفیت سیستم و یک عنصر لذتگرایانه مرتبط با تجربه با چت بات ها.
تجربه با ربات چت به هدف لذتگرایانه استفاده از فناوری مربوط میشود، یعنی درگیر شدن در یک تجربه احساسی. تجربه احساسي نه تنها شامل عناصر سرگرمی، لذت و سرگرمی است، بلکه شامل برانگیختگی برای درگیر شدن در یک مکالمه تحریک کننده ذهنی نیز می شود.(زاروالي و همکاران37،2018) مطالعات قبلی نشان دادهاند که این جنبهها میتوانند تعیین کنند که آیا مصرفکنندگان به روشی مثبت به عوامل خدمات الکترونیکی پاسخ خواهند داد يا خير.(گودي و همکاران38،2016)
در نهایت، ما می دانیم که وقتی یک محصول یا خدمات انتظارات مشتریان را برآورده می کند،مشتریان راضی هستند.(ويدمن و همکاران39،2009) بنابراین، رضایت مشتری ناشی از تعامل با یک ربات چت می تواند کیفیت ارتباط با یک برند را تقویت کند.
اعتماد یکی از جنبه های مهم در پیاده سازی استراتژی های دولت الکترونیک است که به توصیه کاربران با تجربه به دیگر شهروندان جهت استفاده از خدمات الکترونیک می گردد . اعتماد به خدمات دولت الکترونیک رابطه پیچیده ای است.زیرا شامل بسیاری از مسائل پیچیده است که اعتماد شهروندان در استفاده از خدمات الکترونیکی را تحت تاثیر قرار می دهد. قبل از استفاده از خدمات الکترونیکی دولت، این نکته حائز اهمیت است که شهروندان اعتقاد داشته باشند که دولت مدیریت موثر و منابع تکنیکی که برای پیاده سازی و امن نمودن خدمات الکترونیک لازم است را ایجاد خواهد نمود. بر اساس مدل مذکور درخصوص استفاده از خدمات الکترونیک می توان گفت که اگر شهروندان به دولت اعتماد نمایند، در نتیجه می توان سرویس های الکترونیکی خوبی را ارائه نمود. هم چنین اگر شهروندان به تکنولوژی به عنوان یک کانال تراکنشی اعتماد نمایند ، بنابراین اعتماد به سرویس های برخط دولت الکترونیک نیز فراهم می گردد. اعتماد به دو بخش تقسیم می شود.
1- اعتماد به عناصری که خدمت را ایجاد نموده اند (دولت)
2- اعتماد به ابزارهایی که برای فراهم نمودن خدمت استفاده می شود ( تکنولوژی)
در اين پژوهش مولفه اعتماد به تکنولوژي به طور خاص جهت بررسي انتخاب گرديده است که با توجه به رشد فناوري هاي نوظهور بر پايه هوش مصنوعي و فراگيري بسترهاي مبتني بر سرويس هاي هوشمند اعتماد مردم به اين فناوري ها مي تواند حائز اهميت باشد.
با پیروی از مدل CAT در اين تحقیق، اثرات عناصر شناختی بر رضایت موديان مالياتي که در مدل شکل 2 با عنوان H1 ،H2 و تأثیر عناصر احساسي بر رضایت موديان H3 ،H4 مشخص شده اند را در نظر می گیریم. در نهایت، ما تأثیر رضایت موديان را بر بهبود عملکرد سازمان امور مالياتيH5 آزمایش کردیم.
تجربیات قبلی کار با سیستم های هوشمند: تجربه قبلی استفاده از خدمات هوشمند دولتي شامل خدمات غير برخط می تواند موثر باشد. تجارب قبلی استفاده از سرویس های هوشمند دولت می تواند منجر به پیش بینی از نحوه برخورد مردم با سرویس های الکترونیکی بر خط گردد.
کیفیت سیستم: کیفیت سیستم ادراک فرد از عملکرد سیستم می باشد. از دیدگاه مالیات الکترونیکی کیفیت سیستم از طریق سخت افزار در دسترس و برنامه های کاربردی مختلف طراحی شده، اندازه گیری می شود.
کیفیت اطلاعات: در بردارنده کیفیت اطلاعاتی است که روی وب سایت قرار داده می شود. مرتبط بودن، قابل فهم بودن ، دقیق بودن ، سازگاری داشتن ، کامل بودن ، رواج داشتن ، به هنگام بودن و قابلیت استفاده ابعادی هستند که کیفیت اطلاعات را تبیین می نمایند.
رضایت کاربر: رضایت کاربر از ارتباط موفق بین سیستم و کاربران آن اندازه گیری می شود.اگر یک سیستم بتواند نیازهای کاربران را پوشش دهد، رضایت نسبت به سیستم افزایش خواهد یافت.
بهبود عملکرد: منافع ايجاد شده از سرويس هاي هوشمند و تاثير آن بر رضايت کاربر مي تواند باعث بهبود عملکرد سازمان که هدف غائي اين تحقيق مي باشد گردد.اين بهبود در افزايش وصول ماليات، اعتماد موديان مالياتي به خدمات مالياتي و اداي تکليف خود،کاهش فساد و فرار مالياتي خواهد بود.
در شکل (2) مدل مفهومي طراحي شده به تصوير کشيده شده است.
شکل 2-مدل مفهومي
روش پژوهش:
برای دستیابی به اهداف تحقیق، سيستم پرسش و پاسخ فارسي طراحي شده را براي تعدادي از موديان مالياتي به طور تصادفي جهت دريافت پاسخ سوالات مالياتي خود نمايش داديم.
رویکرد کلی در آماده سازی سیستم پرسش و پاسخ فارسی جهت پاسخگویی به سوالات مالیاتی بدین صورت می باشد که مجموعه ای از الگوهای زبانی بر اساس ویژگی های نحوی و مورفولوژیکی زبان فارسی به صورت سیستمی ساخته شده است. الگوها با استفاده از مدل تشخیص دهنده الگو و بر پایه تکنیک های متن کاوی به کار گرفته می شوند تا اطلاعات مرتبط را استخراج کند.
پس از درج سوال و دريافت پاسخ به مودي، سيستم به صورت اتوماتيک پرسشنامه طراحي شده را به وي نمايش مي دهد که مودي مي تواند به آن پاسخ داده و يا آن را رد نمايد. سيستم فوق براي 384 نفر به نمایش در آمد.
جمع آوری داده ها در بهمن 1400 انجام شد. دادهها با استفاده از مدلسازی معادلات ساختاری حداقل مربعات جزئی(40PLS-SEM) تجزیه و تحلیل شدند(هير و همکاران41،2020).تجزیه و تحلیل با استفاده از نرم افزار SmartPLS 3 انجام گرديد(رينگل و همکاران،2015).
مولفه هایی که در این تحقیق مورد بررسی قرار می گیرد شامل 6 مولفه تجارب کار با سیستم های هوشمند، اعتماد به تکنولوژی ،کیفیت اطلاعات ، کیفیت سیستم، رضايت کاربر و بهبود عملکرد می باشد که ارتباط سوالات پرسشنامه و ابعاد تحقیق در جدول (2) نشان داده شده است.
جدول 2-ارتبط مولفه ها وسوالات پرسشنامه
ردیف | مولفه | سوالات |
1 | تجارب کار با سیستم هوشمند | EWC1,EWC2,EWC3 |
2 | اعتماد به تکنولوژی | Tr1,Tr2,Tr3,Tr4 |
3 | کیفیت اطلاعات | IQ1,IQ2,Iq3,IQ4 |
4 | کیفیت سیستم | SQ1,SQ2,SQ3,SQ4,SQ5 |
5 | رضایت موديان | CS1,CS2,CS3,CS4 |
6 | بهبود عملکرد | BRQ1,BRQ2,BRQ3 |
نتایج حاصل از محاســبه روایی و پایایی ابزارهای این مطالعه یا وضعیت شــاخصهای برازش الگوی اندازه گیری و ساختاری در جدول یک به تفکیک نشان داده شده است.
به منظور اندازه گيري قابليت اعتماد، روش آلفاي کرونباخ با استفاده از نرم افزار SPSS استفاده مي شود. عدد پایایی بدست آمده در یک نمونه 30 تایی برابر با 96.4 درصد شده است که بالاتر از 70 درصد و مناسب می باشد، لذا پرسشنامه از قابلیت اعتماد خوبی برخوردار است.
دراین پژوهش باتوجه به اینکه متغیرهای پژوهش ازچند بُعد (مؤلفه) تشکیل شدهاند، از آزمون تحلیل عاملی اکتشافی بهره گرفته شدهاست. در انجام تحلیل عاملی باید از این مسأله اطمینان حاصل شود که آیا میتوان دادههای موجود را برای تحلیل مورد استفاده قرارداد یا نه. به عبارت دیگر؛ آیا تعداد دادههای موردنظر برای تحلیل عاملی مناسب هستند یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت استفاده گردیدهاست. براساس این دو آزمون دادهها زمانی برای تحلیل عاملی مناسب هستند که شاخص KMO بیشتر از (6/0) و نزدیک به یک و sig آزمون بارتلت کمتراز (05/0) باشد. خروجی این آزمونها در جداول زیر ارائه گردیدهاست.
براي استاندارد سازي مقياسهاي ساخته شده براي اندازه گيري متغیرهای تحقیق، مقياسهاي مورد نظر در قالب پرسشنامهاي تنظيم و به شکل اتفاقي ميان 30 نفر توزيع شد. پرسشنامه علاوه بر مقياسهاي مذکور، حاوي چندين پرسش براي ملاحظه متغيرهاي زمينهاي مانند جنسيت، سن، و... بود.
جدول 3-اعتبار و روایی پرسشنامه
آلفاي کرونباخ | آزمون بارتلت (KMO) | |
تجربه کار با سامانه هاي هوشمند | 0.91 | 0.61 |
اعتماد به تکنولوژی | 0.78 | 0.72 |
کیفیت اطلاعات | 0.90 | 0.78 |
کیفیت سیستم | 0.80 | 0.74 |
رضایت مندی مودي | 0.89 | 0.79 |
بهبود عملکرد | 0.72 | 0.63 |
باتوجه به جدول فوق مقدار شاخص KMO برابر 0.71 است (بیشتراز 6/0)، لذا تعداد نمونه (تعداد پاسخدهندگان) برای تحلیل عاملی کافی میباشد. همچنین مقدار sig آزمون بارتلت، کوچکتراز 05/0 است؛ که نشان میدهد تحلیل عاملی برای شناسایی ساختار مدل عاملی مناسب است. بر طبق جدول بالا میتوان دریافت که از آنجاییکه آلفای کرونباخ پرسشنامه بالای هفت دهم است . همین طور ضریب آزمون بارتلت نیز بالای هفت دهم است. بنابراین پرسشنامه دارای اعتبار و روایی برای استفاده در تحقیق حاضر را داراست.
يافته هاي تحقيق:
در جدول (4) اطلاعات مربوط به چگونگي توزيع نمونه آماري از حيث متغيرهايي چون، جنسيت، سن، ميزان تحصيلات و ميزان سابقه همکاری با سازمان امور مالیاتی کشور پرداخته ميشود.
جدول 4-آمار توصیفی
جنسیت | |||||||||||||||
نوع | مرد | زن | |||||||||||||
تعداد | 214 | 170 | |||||||||||||
درصد | 7/55 | 3/44 | |||||||||||||
وضعیت سنی پاسخ دهندگان | |||||||||||||||
سن(سال) | کمتر از 20 | 20-30 | 31-40 | 41-50 | 51-60 | بیشتر از 60 | |||||||||
درصد | 6/15 | 19 | 2/17 | 4/14 | 8/19 | 14 | |||||||||
وضعیت تحصیلات پاسخ دهندگان | |||||||||||||||
مدرک | زیر دیپلم | دیپلم | لیسانس | فوق لیسانس | دکتری و بالاتر | ||||||||||
درصد | 21 | 2/30 | 6/20 | 4/14 | 8/13 | ||||||||||
ميزان سابقه کار با سازمان امور مالیاتی کشور | |||||||||||||||
سابقه(سال) | کمتر از یک سال | یک تا سه | چهار تا شش | بیشتر از شش سال | |||||||||||
درصد | 5/24 | 9/27 | 7/18 | 9/28 |
الگوریتم تحلیل داده ها درروش معادلات ســاختاری نشــان میدهد که پس از بررســی بــرازش الگوهای اندازه گیری و الگوی ســاختاری میتوان به بررســی و آزمون فرضیه های پژوهش پرداخت و به یافته های پژوهش رســید. شکل دو نشان دهنده الگوهای برازش شده در حالت تخمین استاندارد و معناداری میباشند.
ارزیابی مدل ساختاری بر اساس روال بوت استرپینگ انجام گرديد. جدول 5 نتایج دقیق تخمین اثرات را بر اساس روال بوت استرپینگ ارائه می دهد و شکل 3 تخمین مدل را خلاصه می کند.
جدول 5-نتايج بوت استرپينگ42
P Values | T Statistics | Standard Deviation | Sample Mean | Original Sample |
|
0.000 | 16.964 | 0.044 | 0.751 | 0.748 | TaxPayer Satisfaction -> Performance improvements |
0.000 | 4.839 | 0.049 | 0.242 | 0.239 | Experience with I-services->taxpayer satisfaction |
0.000 | 11.320 | 0.064 | 0.717 | 0.721 | Information Quality-> taxpayer satisfaction |
0.531 | 0.627 | 0.073 | 0.048 | 0.046 | system Quality-> taxpayer satisfaction |
0.000 | 2.360 | 0.036 | 0.142 | 0.135 | Trust-> taxpayer satisfaction |
حال در اين بخش با توجه به فرضيه های پژوهش با استفاده از روش معادلات ساختاری روابط بین متغیرها سنجیده می شود.
بر این اساس فرضیه های پژوهش از قرار زیر است.
: H1کيفيت اطلاعات اثر مثبت بر رضايت موديان سازمان امور مالیاتی کشور دارد.
: H2کيفيت سيستم بر رضايت موديان سازمان امور مالیاتی تاثير ندارد.
: H3 تجربیات قبلی کار با سیستم های هوشمند اثر مثبت بر رضايت موديان سازمان امور مالیاتی دارد.
: H4اعتماد به تکنولوژي تاثیر مثبت بر رضايت موديان سازمان امور مالیاتی دارد.
: H5رضايت موديان تاثير مثبت بر بهبود عملکرد سازمان امور مالياتي کشور دارد
شکل 3-تخمين مدل
بحث و نتيجه گيري:
فرضیه اصلی تحقیق در ســطح اطمینــان 95/0 مورد تأیید قرار گرفــت. یعنی با افزایش/ کاهش متغیر هوشمندســازی به مقدار یک واحد، متغیر وابســته یعنی بهره وری ســازمان به مقدار 956/0 واحد افزایش/کاهش مییابد. این نتیجه توســط نتایج بدســت آمده از تحقیق مولــوی و عباس پور (1396) همخوانی دارد و همســان اســت. دلیل ایجاد این نتیجه این اســت که هوشمندســازی در ابعاد فناوری، ســاختاری، سازمانی و محیطی باعث کاهش هزینه ها و مهمتر از آن توانمندسازی و چابکی بیشتر نیروی کار گردیده و این امر روشها و رویه های انجام امور خدماتی را بهبود میبخشــد. نتیجه این امر انجام درست کارها و انجام کارهای درست بوده که همان بهبود عملکرد است.
نتایج این مطالعه دانش موجود در مورد اثرات عوامل خدمات هوشمند (سيستم پرسش و پاسخ فارسي) بر رضایت موديان و ارتباط مودي با سازمان را افزایش می دهد. با توجه به عناصر سودگرا (شناختی)، مطالعه ما اهمیت کیفیت اطلاعات ارائه شده توسط چت بات ها را تایید می کند. در عین حال، متفاوت از سایر مطالعات(تريويدي43،2019)، در کار ما، عنصر فنی در تعیین رضایت مشتری مهم نیست.
با توجه به عناصر لذتگرا (عاطفی)، مطالعه ما نقش تجربه عاطفی را در تعیین رضایت مودي تأیید میکند. کیفیت اطلاعات و تجربه عاطفی با چت بات ها در تعیین رضایت مودي و در نهایت تقویت رابطه با سازمان بسیار مهم است. بنابراین، شرکتها نباید فراموش کنند که مصرفکنندگان واقعاً چه چیزی را از سازمان جستجو میکنند، یعنی کیفیت اطلاعات و تجربه احساسی. مصرف کنندگان به دنبال کمال فنی نیستند، اما به طور کلی، مصرف کنندگان به نظر می رسد به کیفیت اطلاعات دریافتی و حرکات به دست آمده از رابطه با چت بات ها علاقه مند هستند. البته این مطالعه دارای محدودیت هايی است. برای تایید نتایج باید داده های بیشتری جمع آوری شود. در آینده، عمیقتر کردن تحلیل با مقایسه تخمینها در بخشهای مختلف مرتبط با خدمات برای تشخیص اینکه آیا نقش سيستم هاي هومشند مفید خواهد بود بسيار حائز اهميت مي باشد.
پيشنهادات:
در اين پژوهش جهت خطمشي عملیاتی تاثیر سیستم های پرسش و پاسخ بر بهبود عملکرد سازمان امور مالیاتی بر اساس سوالات پژوهش و مولفه هاي شناسايي و رتبه بندي شده، پيشنهادهاي زير ارائه ميشود.
1-با توجه به مولفه های تجزیه و تحلیل در این مطالعه که مشتمل بر اعتماد، کیفیت اطلاعات، کیفیت سیستم و تجربه کار با سازمان می باشد پيشنهاد دیگر مي تواند در رابطه با تاثیر حریم خصوصی، تحلیل بیشتر پارادوکس حریم خصوصی و بررسی رابطه بین مسائل حریم خصوصی، هوش مصنوعی انجام پذيرد به خصوص در حوزه مالی و اقتصادی که بسیار مهم می باشد.
2-سازمان امور مالیاتی با توجه به تاثیر مثبت سیستم پرسش و پاسخ فارسی که زیر مجموعه از هوشمندسازی قلمداد می گردد می بایست به توسعه و ارتقا زیر ساخت ها و فرانیدهای لازم در دو بعد عملکردی و غیر عملکردی جهت حرکت به سمت هوشمندسازی توجه ویژه داشته باشد.
3-با توجه به توسعه سیستم ها و ابزارهای نوظهور و الگوریتم های جدید پالایش و اعتبارسنجی و ارزیابی سیستم های متن کاوی و داده کاوی، سازمان امور مالیاتی ضمن ایجاد کارگروه های فعال می بایست ضمن ایجاد تیم توانمند هوش مصنوعی در سازمان با رویکرد ارزیابی، پالایشی و نواقص داده ای اقدام نماید.
4-تست و ارزیابی سیستم های هوشمند در ابعاد مختلف سازمانی و جوامع اماری متنوع با توجه به گستردگی خدمات الکترونیکی سازمان امور مالیاتی و تغییر دامنه کاربری سیستم ها هوشمند بسیار حائز اهمیت می باشد.
5-تغییر رویکرد از حکمرانی بر داده ها به حکمرانی با داده ها با رویکرد بهبود عملکرد از قابلیت های سیستم های مبتنی بر هوش مصنوعی می باشد که با توجه به گستردگی منابع داده ای در سازمان امور مالیاتی می بایست مورد توجه قرار گیرد.
محدوديت ها:
این مطالعه شامل چندین محدودیت است. با وجود مطالعه و تجمیع نتایج مقالات، در طول این مطالعه نمی توان اظهاراتی در مورد تأثیر سيستم هاي پرسش و پاسخ و به طور کلان تر دستياران مجازي بر وفاداری مشتریان در ابعاد مختلف ارائه داد. علاوه بر این، مقاله تأثیری را که یک ربات چت میتواند در زمینهها و عملکردهای مختلف داشته باشد، مانند رباتهای گفتگوی پشتیبانی، رباتهای چت مهارتی، و چترباتهای دستیار نشان نمیدهد و تنها در راستاي پاسخگويي به سوالات مالياتي در محدوده سازمان امور مالياتي مي باشد.
منابع:
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.
[1] Suwono and Sihombing
[2] Ameen et al
[3] Lemon and Verhoef
[4] MSI: Marketing Science Institute. msi.org
[5] Chatbot
[6] QAS:Question Answering System
[7] Gartner
[8] OECD: Organization for Economic Co-operation and Development
[9] Molavai and AbbasPour
[10] Zgodavova et al
[11] Scheidt and Chung
[12] Virtual Assistant
[13] Hoyer et al
[14] chatbot
[15] Alam et al
[16] Ho et al
[17] Riikkinen et al
[18] Nicolescu and Tudorache
[19] Aria and Handayani
[20] Yang et al
[21] Choi et al
[22] Wang and Petrina
[23] Consumer Acceptance of Technology
[24] Kulviwat et al
[25] Technology Acceptance Model:TAM
[26] Davis
[27] cognitive elements
[28] affective elements
[29] Nasco et al
[30] Fiore et al
[31] utilitarian
[32] hedonic
[33] Dhar and Wertenbroch
[34] Hoyer et al
[35] Batra and Ahtola
[36] Hoyer
[37] Zarouali et al
[38] Godey et al
[39] Wiedmann et al
[40] Partial Least Square Structural Equation Modeling
[41] Hair
[42] Bootstraping
[43] Trivedi
Operational Analysis of the Effect of Persian Question Answering Systems on Improve the Performance of the Iranian National Tax Administration
Ali Ehsani1-Seyed Abdollah AminMousavi2-Mahmood Alborzi3-Maryam Rastgarpour4
Abstract:
The Background and Aim: Organizations strive to provide smart services to improve organizational performance. An intelligent Q&A system is a kind of virtual assistant that can interact with users. The present study aims to investigate whether the features related to Q&A system can affect improve the performance of the Iranian Tax Administration.
Methods: First, the Q&A system is provided to taxpayers from web. The instrument used to evaluate the obtained components, and sub-components was a researcher-made questionnaire. Face validity was used as the measurement tool, and Cronbach’s alpha was used to obtain reliability. Using the Cochran Formula sampling, 384 taxpayers were selected as the statistical sample. model was then evaluated by analyzing the obtained data through partial least squares structural equation modeling (PLS-SEM).
Results: The features related to intelligent question answering systems have a positive effect on improve organizational performance.
Conclusion: This study shows the importance and positive effect of the organization’s investment in confirming the factors related to managing smart services. It also indicates the effects of new artificial intelligence-based technologies on strengthening the relationship between the client and the organization.
Keywords: Smart Services, Persian Question Answering System,, Tax payers, Performance improvements, Iranian National Tax Administration
[1] Ph.D. student, Department of Information Technology Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran
[2] Assistant Professor, Department of Management, Faculty of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
[3] Associate Professor, Department of Information Technology Management, Faculty of Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
[4] Assistant Professor,Department of Computer Engineering, Faculty of Computer, Saveh Branch, Islamic Azad University, Markazi, Iran