Κωδικός Μαθήματος

ΠΔ-350

Εξάμηνο Μαθήματος

2ου Εξαμήνου

Πιστωτικές Μονάδες

7,5

Ηλεκτρονικό Υλικό

Κατηγορία Μαθήματος

Υποχρεωτικό

Στόχος

Η αποδοχή και υιοθέτηση της ψηφιακής τεχνολογίας αποτελούν σημαντικά ερευνητικά πεδία και ιδιαίτερες προκλήσεις για οργανισμούς, ιδίως με την εισαγωγή εφαρμογών τεχνητής νοημοσύνης που εγείρουν νέα ζητήματα εμπιστοσύνης, διαφάνειας και οργανωσιακής ετοιμότητας. Το μάθημα εξετάζει τις θεωρίες, τα μοντέλα και τις μεθοδολογίες αποδοχής και υιοθέτησης ψηφιακών τεχνολογιών σε οργανισμούς και κοινωνίες, δίνοντας ειδική έμφαση στην αποδοχή της ΤΝ και στους ανθρώπινους και οργανωσιακούς παράγοντες που την επηρεάζουν.

Μαθησιακά Αποτελέσματα

Με την ολοκλήρωση του μαθήματος οι φοιτητές θα μπορούν:

  • να εφαρμόζουν κλασικά και σύγχρονα μοντέλα αποδοχής τεχνολογίας (TAM, UTAUT, Theory of Planned Behavior, Motivational Model) σε πραγματικά επιχειρησιακά σενάρια
  • να αναλύουν επιχειρησιακές καταστάσεις για την κατανόηση του ρόλου της ψηφιακής τεχνολογίας, συμπεριλαμβανομένης της ΤΝ, ως μέρος της λύσης επιχειρησιακών προβλημάτων
  • να αξιολογούν την ετοιμότητα οργανισμών για υιοθέτηση τεχνητής νοημοσύνης, αναλύοντας τεχνολογικούς, οργανωσιακούς και ανθρώπινους παράγοντες (AI Readiness, trust in AI, algorithm aversion)
  • να σχεδιάζουν και να υλοποιούν μελέτες μέτρησης αποδοχής (ερωτηματολόγια, ποσοτική/ποιοτική ανάλυση), και να διεξάγουν ex-ante και ex-post αξιολόγηση ψηφιακών συστημάτων
  • να αξιολογούν τις ανταγωνιστικές και επιχειρησιακές επιδράσεις από την υιοθέτηση καινοτόμου ψηφιακής τεχνολογίας σε διαφορετικούς κλάδους (υγεία, χρηματοοικονομικά, δημόσιο)

Περιεχόμενα Μαθήματος

  • Υιοθέτηση ψηφιακών συστημάτων

    Θεωρητικό πλαίσιο, μοντέλο διεργασιών επιχειρησιακής αξίας, κατηγοριοποίηση μηχανισμών υιοθέτησης (αποδοχή, έναρξη, καταλληλότητα, διάχυση, άμεση χρήση, αυτοσχέδια μάθηση).

  • Επιτυχία και αποτυχία ψηφιακών συστημάτων

    Τεχνολογικοί, οργανωσιακοί, πολιτισμικοί και κοινωνικοί παράγοντες – επέκταση σε παράγοντες επιτυχίας/αποτυχίας AI-driven συστημάτων.

  • Μοντέλα αποδοχής τεχνολογίας

    Reasoned Action, TAM και extended TAM, UTAUT, Motivational Model, Theory of Planned Behavior – σύγκριση, επικύρωση, περιορισμοί και επεκτάσεις των μοντέλων.

  • Μεθοδολογίες μέτρησης αποδοχής και υιοθέτησης

    Σχεδιασμός ερωτηματολογίων (δομημένες και ημι-δομημένες ερωτήσεις), ποσοτική και ποιοτική ανάλυση δεδομένων, τεχνικές αξιολόγησης ΠΣ.

  • Οργανωσιακοί και ανθρώπινοι παράγοντες υιοθέτησης

    Οργανωσιακή κουλτούρα, ηγεσία, ψηφιακός αλφαβητισμός και κατάρτιση εργαζομένων, διαχείριση αντίστασης στην αλλαγή, συμμετοχική διεργασία ανάπτυξης συστημάτων.

  • Υιοθέτηση υπολογιστικού νέφους και ψηφιακών υπηρεσιών

    Στρατηγικές πραγμάτωσης cloud (κλίμακα ωρίμανσης), πλεονεκτήματα, επιχειρησιακοί δείκτες απόδοσης, παράγοντες επιτυχίας.

  • Αποδοχή και υιοθέτηση τεχνητής νοημοσύνης στους οργανισμούς

    Μοντέλα ετοιμότητας για AI (AI Readiness Models), τεχνολογικοί και οργανωσιακοί παράγοντες, AI Acceptance Models.

  • Εμπιστοσύνη, διαφάνεια και ηθική στην υιοθέτηση AI

    Trust in AI, αλγοριθμική αποστροφή (algorithm aversion), επεξηγησιμότητα (explainability), ηθικές διαστάσεις της υιοθέτησης AI, ψηφιακός αλφαβητισμός.

  • Καινοτομία, διάχυση και συστημικά εμπόδια

    Θεωρία διάχυσης της καινοτομίας, συστημική σκέψη στην υιοθέτηση, εμπόδια υιοθέτησης σε μεγάλους οργανισμούς, υιοθέτηση καινοτομικών διεργασιών.

  • Μελέτες περίπτωσης ανά κλάδο

    Υιοθέτηση ψηφιακών τεχνολογιών και AI στην υγεία (Health IS, Healthcare Analytics), στις χρηματοοικονομικές υπηρεσίες, στον δημόσιο τομέα, στα κινητά ψηφιακά συστήματα.

Βιβλιογραφία