دانشگاه قم علوم و فنون مدیریت اطلاعات 2476-6658 12 2 2026 06 22 Analytical model of the relationship between language barriers and knowledge processing and artificial intelligence الگوی تحلیلی رابطۀ موانع زبانی با پردازش دانش و هوش مصنوعی 126 142 3773 10.22091/stim.2025.12551.2224 FA امیر لعلی سرابی استادیار، گروه مدیریت، دانشگاه پیام‌نور، تهران، ایران 0000-0002-2467-1170 صابر شکری گروه مدیریت، دانشگاه پیام نور، تهران، ایران 0000-0001-7599-6496 Journal Article 2025 03 12 <strong>Purpose:</strong> This study aims to present an analytical model examining the relationship between language barriers (comprising translation barriers, linguistic complexity, and cultural adaptation barriers) and organizational knowledge processing, with a specific focus on the mediating role of artificial intelligence (AI) within the export storage units of the Shazand and Mahshahr petrochemical companies. The research addresses the growing importance of knowledge management and the application of emerging AI technologies in multicultural and multilingual business environments. <strong>Methodology:</strong> This applied study employs a descriptive-survey design and is causal (ex post facto) in nature. The statistical population comprised all employees of the export storage units of the Shazand and Mahshahr petrochemical companies ($N = 70$), who were selected via a census method. Data were collected using three standardized questionnaires: a language barrier questionnaire (21 items across 3 dimensions), a knowledge processing questionnaire (7 items across 2 dimensions), and an AI questionnaire (22 items across 5 dimensions). Validity was confirmed by expert review, and reliability was established with Cronbach's alpha coefficients exceeding 0.7. Data were analyzed using confirmatory factor analysis and structural equation modeling (SEM) via the partial least squares (PLS) approach. <strong>Findings:</strong> The results indicate that all dimensions of language barriers (translation barriers, linguistic complexity, and cultural adaptation barriers) exert a significant effect on organizational knowledge processing. Moreover, AI plays a mediating role in these relationships, with the strongest mediation observed between translation barriers and knowledge processing (path coefficient = 0.991). This suggests that a portion of the impact of language barriers on knowledge processing is transmitted through AI, which effectively helps mitigate the adverse effects of these barriers. <strong>Conclusion:</strong> These findings underscore the importance of accurate translation, plain language usage, culturally adaptive content, and AI adoption in enhancing knowledge processing within organizations. AI facilitates the knowledge transfer process—particularly in specialized and multilingual settings—by reducing communication hurdles. Consequently, managers should focus not only on addressing language barriers but also on developing the necessary infrastructure for AI integration and providing adequate staff training to optimize technology utilization. <strong>هدف</strong>: هدف این پژوهش، ارائۀ الگویی تحلیلی برای بررسی رابطۀ بین موانع زبانی (موانع ترجمه، پیچیدگی زبانی، و موانع سازگاری فرهنگی) و پردازش دانش در سازمان، با تأکید بر نقش میانجی‌گر هوش مصنوعی در مخازن صادراتی پتروشیمی شازند ماهشهر است. این مطالعه با توجه به اهمیت مدیریت دانش و به‌کارگیری فناوری‌های نوین هوش مصنوعی در محیط‌های چندفرهنگی و چندزبانه انجام شده است. <strong>روش</strong><strong>‌</strong><strong>شناسی</strong>: پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی–پیمایشی، و از نوع علّی (پس‌رویدادی) است. جامعه آماری شامل تمام کارکنان مخازن صادراتی پتروشیمی شازند ماهشهر (۷۰ نفر) بوده که به‌روش سرشماری انتخاب شدند. ابزار گردآوری داده‌ها سه پرسش‌نامۀ استاندارد موانع زبانی شامل سه‌بُعد، 21 گویه، پردازش دانش شامل دو بُعد، پنج گویه، و هوش مصنوعی شامل پنج بُعد و 22 گویه بود. روایی ابزار از سوی خبرگان و پایایی با آلفای کرونباخ (بیش از 0.7) تأیید شد. داده‌ها با استفاده از تحلیل عاملی تأییدی و مدل‌سازی معادلات ساختاری به روش پی.ال.اس تحلیل شدند. <strong>یافته‌ها</strong>: نتایج نشان داد تمامی ابعاد موانع زبانی (موانع ترجمه، پیچیدگی زبانی، موانع سازگاری) بر پردازش دانش در سازمان اثر مثبت و معنادار دارند. همچنین هوش مصنوعی نقش میانجی در این روابط ایفا می‌کند و قوی‌ترین اثر میانجی‌گری مربوط به رابطۀ موانع ترجمه و پردازش دانش (ضریب مسیر 0.991) بود. این نتایج بیانگر آن است که بخشی از اثر موانع زبانی بر پردازش دانش، از راه هوش مصنوعی منتقل می‌شود و این فناوری می‌تواند اثر منفی موانع زبانی را کاهش دهد. <strong>نتیجه‌گیری</strong>: یافته‌ها اهمیت ترجمۀ دقیق، استفاده از زبان ساده، محتوای سازگار فرهنگی، و به‌کارگیری هوش مصنوعی را در بهبود پردازش دانش در سازمان تأیید می‌کند. بهره‌گیری از هوش مصنوعی می‌تواند مسیر انتقال دانش را در سازمان‌ها، به‌ویژه در محیط‌های تخصصی و چندزبانه، تسهیل کرده و اثرات منفی موانع زبانی را کاهش دهد. بنابراین، مدیران باید افزون‌بر رفع موانع زبانی، زیرساخت‌های لازم برای به‌کارگیری هوش مصنوعی را فراهم کنند و کارکنان را در استفاده از آن آموزش دهند. https://stim.qom.ac.ir/article_3773_6ff5159cc6f6420a59843884c1e41f7c.pdf