乌戈楚克武·奥加拉（Ugochukwu Ogara）| 埃布卡·伊贝克（Ebuka Ibeke）| 奇内杜·帕斯卡尔·埃泽恩夸（Chinedu Pascal Ezenkwu）| 西蒙·伯内特（Simon Burnett）
罗伯特·戈登大学（Robert Gordon University）计算、工程与技术学院，阿伯丁（Aberdeen），AB10 7GJ，英国
**摘要**
本文献计量综述分析了2014年至2025年间在Scopus和Web of Science中索引的6927项研究，以追踪以人为中心的数字化转型在数字商业环境中的演变。通过使用绩效和科学映射技术，本研究发现了出版物的显著增长以及四个主要的研究方向：技术采纳模型、行为与福祉维度、能力理论以及工业4.0–5.0框架。研究结果表明，数字化转型正从以技术为主导转向以能力建设为核心，并且最近更加注重强调数字技能、韧性、领导力、可持续性和人机协作的以人为中心的方法。研究结果提供了该领域知识结构的整体概览，并展示了以人为中心的视角在数字化中介组织环境中的重要性日益增强。最后，研究提出了数字商业环境中以人为中心的数字化转型的未来研究议程。
**1. 引言**
数字化转型（Digital Transformation, DT）指的是由于广泛采用数字技术而导致的组织结构、角色、流程和商业模式的全方位变化，旨在创造价值、适应变化并实现更新[1]。除了纯粹的技术升级[2]之外，DT还涉及企业运营和竞争方式的战略和组织变革[3]。作为一个过程，它有助于实现连贯和有效的结果，尤其是在数字商业环境中，因为客户定义了市场和价值创造[4]。在数字商业环境中，价值创造、协调、金融交易、服务交付和利益相关者互动越来越多地受到数字基础设施、数据和连接技术的影响[5]。值得注意的是，更广泛的文献将数字商业环境视为一个社会技术生态系统，在这个系统中，数字技术影响着个人、产品、流程、销售和整个商业模式。数字企业依靠技术中介的合作来实现价值共创，并优先考虑社会技术重构[1],[6],[7],[8]。
以人为中心的数字化转型处于技术、组织和人的交汇点[9]。它被概念化为一种社会技术方法，将数字技术、业务流程管理和新兴技术与人类因素相结合。虽然技术提供了工作和服务交付的基础设施、工具和平台[2]，但其效果取决于组织如何通过战略、领导力、结构、文化和能力发展来整合这些技术[3,8]。在数字商业环境中，客户和员工是数字化转型的关键，因为商业策略取决于他们的互动：客户通过期望和行为推动价值创造，而员工则通过数字渠道将这些信息反馈给组织决策[1,10]。可以说，这解释了为什么尽管技术采用加速，许多组织仍然难以实现DT的好处，因为许多转型仅关注技术本身[11]。因此，关键问题不再是企业是否采用数字技术，而是它们如何建立有效和负责任地利用这些技术所需的人力和组织条件[4,9]。
先前的研究已经广泛探讨了DT的技术、战略和组织维度。然而，对于以人为中心的要素（如员工能力、数字领导力、福祉、组织文化和社会技术适应）的关注较少。现有的综述通常集中在技术、商业模式或DT成果上，这限制了对更广泛文献中人类维度的理解[12],[13],[14],[15],[16]。尽管一些最近的研究开始关注DT的人类方面[9],[17],[18],[19]，但目前仍缺乏关于以人为中心的DT研究如何演变、其主要知识结构和新兴主题的清晰、最新的文献计量概述。在数字商业环境中，这一问题的解决尤为重要，因为组织战略和客户互动越来越多地通过在线服务系统等数字平台进行融合。因此，本研究回顾了以人为中心的DT研究作为一个广泛的领域，并解释了其对数字商业环境的影响。
基于这一理由，我们进行了文献计量综述，以绘制以人为中心的DT研究的演变、生产力模式、合作结构和知识基础。通过这样做，研究确定了塑造该领域的主要主题，并突出了对数字商业环境相关的新兴方向。具体来说，综述探讨了以下研究问题：
1) 以人为中心的数字化转型研究中的科学生产力模式和引用影响是什么？
2) 在这一领域中最具影响力的作者、机构、国家和出版来源是谁？
3) 以人为中心的数字化转型研究中的主导关键词、主题集群和知识结构是什么，它们之间有何关联？
4) 最近的以人为中心的数字化转型发展有哪些新兴主题和研究前沿？
**2. 方法论**
文献计量分析严格审查了大量科学数据[20]。本研究采用了五步法，如图1所示。
**2.1. 搜索策略**
搜索策略旨在捕捉涉及人、组织变革和数字化中介商业活动的以人为中心的数字化转型文献。与以往的以人为中心的DT研究一致，搜索结构反映了DT的技术、组织和以人为中心的维度。因此，本研究广泛探讨了以人为中心的数字化转型，并将所得知识基础与数字商业环境联系起来。搜索策略分为三个概念块：以人为中心（Human-Centric）、数字化转型（Digital Transformation）和数字商业背景（Digital Business Context）。
- 第一个块通过员工、劳动力、用户、客户和人类因素等术语捕捉转型的以人为中心的维度。
- 第二个块通过数字化、技术采纳、技术整合、数字创新和工业4.0/5.0等术语捕捉技术维度。
- 第三个块定义了搜索的数字商业背景，包括与数字化中介的客户导向商业活动相关的术语，如电子商务、电子商业、在线零售、数字业务和数字营销。为了避免排除不使用特定行业标签的相关组织研究，还包含了organi?ation*、business*、enterprise*和firm*等更广泛的描述符。这种更广泛的框架与数字商业战略研究一致，后者将DT视为数字技术与商业战略、组织流程和价值创造的整合[1,3],[8],[9],[10]。因此，最终的数据集代表了在数字商业环境背景下解释的以人为中心的数字化转型研究的广泛知识基础。下面总结了用于数据检索的三个概念块：
**概念搜索块及相关搜索术语**：
- **以人为中心**：human-centric OR “human-centred” OR “human-focus” OR user-centred OR user-focus* OR customer-centric OR customer-focus OR people-centred OR “human factor” OR “employee experience” OR workforce OR employees OR personnel OR human-capital
- **数字化转型**：digital transform* OR digitalisation OR digitalising OR “technological transform*” OR “technology adoption” OR “technology integration” OR “digital innovation” OR “industry 4.0” OR “industry 5.0” OR “digital shift”
- **数字商业背景**：digital business OR e-business OR e-commerce OR “electronic commerce” OR “online retail” OR “internet commerce” OR “digital market*” OR “online market*” OR organi?ation* OR business* OR enterprise* OR firm*
最终的搜索字符串使用布尔AND运算符结合了这三个概念块，并应用于Scopus的TITLE-ABS-KEY字段和Web of Science的TS字段。搜索范围限于英文期刊文章和会议论文。完整的数据库特定搜索字符串见附录1。
**2.1.1. 数据库选择和数据收集**
本综述基于从两个主要的多学科数据库Scopus和Web of Science（WoS）中检索的文献数据。选择Scopus和WoS是因为它们具有广泛的多学科覆盖范围、严格的索引标准以及与领先文献计量分析工具的兼容性[21,22]。搜索于2025年10月进行。检索的数据集限于2014年至2025年间发表并在最终出版阶段被索引的期刊文章和会议论文。选择2014–2025年的分析期有两个原因：
- 在Scopus和WoS中对搜索词进行初步搜索（不限制日期）后发现，2014年之前的出版活动微乎其微，表明2014年是该领域发展的一个重要转折点。
**2.1.2. 搜索结果筛选和数据清洗**
搜索结果以CSV格式导出，并在Microsoft Excel中合并，保留了Scopus的数据结构以保持一致性。共移除了3408条重复记录，使用Microsoft Excel的多阶段程序，匹配字段包括DOI、标题、作者名称和出版年份。当识别出同一记录的重复版本时，优先考虑Scopus的条目，然后是元数据更完整和引用次数更多的记录。进一步手动检查后移除了37条记录。还使用Zotero识别了任何被撤回的研究。详细的清洗程序见附录2。清洗后，保留了6927条独特记录，用于后续的文献计量分析，包括4733篇期刊文章和2194篇会议论文。
**2.1.3. 文档类型的比较评估**
对6927篇出版物进行了比较评估，以评估文档类型（特别是会议论文）对文献计量数据集的影响。在最终数据集中，4733条记录（68%）是期刊文章，2194条（32%）是会议论文。期刊文章在表1报告的指标中显示出更强的文献计量表现。
**表1. 文档类型的分布和引用表现**
| 文档类型 | 总数 | 平均每年发表数量 | 平均每年引用次数 | 平均每篇引用次数 |
| --- | --- | --- | --- | --- |
| 期刊文章 | 4733 (68%) | 394.4 | 218 | 77.25 |
| 会议论文 | 2194 (32%) | 88,439 (88%) | 11,576 (12%) | 100.015 |
**2.1.4. 文献计量工具和技术**
文献计量分析使用Bibliometrix/Biblioshiny[28]和VOSviewer[29]对合并的Scopus和WoS数据集进行了分析，这些工具广泛用于关键词共现映射和网络可视化。数据协调和分析准备遵循标准的Bibliometrix工作流程。使用来自Scopus和WoS的6927篇出版物的最终数据集，文献计量分析旨在：
(1) 提供随时间变化的科学生产力和引用影响的概览；
(2) 识别最具影响力的来源、文档、国家、机构和作者，包括应用Bradford定律和Lotka定律；
(3) 可视化作者、国家和关键词之间的关系；
(4) 识别文献中的新兴主题。
**3. 分析结果**
本节展示了文献计量分析的结果，结构如图3所示。分析首先进行绩效分析，评估出版输出、引用影响、主要来源、研究、作者和国家（第3.1节），然后进行科学映射，以考察合作模式、概念结构和文献中的新兴主题（第3.2节）。## 性能分析
本节展示了性能分析的结果，重点关注以人为中心的数字化转型研究中研究生产力和学术影响力的演变。首先概述了文献计量数据集，然后通过分析年度科学生产力和影响力来识别随时间变化的主要出版和引用趋势。表2提供了数据集的描述性概览。最终样本包括2014年至2025年间19,732位作者发表的6,927篇论文，这些论文来自2,462个来源。该数据集涵盖了129个国家、6,258个机构和24种出版语言。英语是主要的出版语言，占记录的94%，而15,452个关键词表明了广泛且异质的主题基础。总体而言，这些特征表明该领域已经达到了足够的规模和多样性，可以支持文献计量分析。
### 表2. 文献计量数据集摘要
#### 时间跨度
2014–2025年（12年）
#### 总出版物数量
6,927
#### 作者数量
19,732
#### 来源数量
2,462
#### 国家数量
129
#### 机构数量
6,258
#### 主要语言
英语（6,548）
#### 关键词数量
15,452
### 3.1.1 年度科学生产力和影响力
表3和图4展示了2014年至2025年该领域的年度科学生产力和影响力。总体而言，结果显示出版物数量长期增长，并且在此期间引用量也显著增加。然而，2025年的数据应谨慎解读，因为它们反映了数据检索时的数据库覆盖不完整。
**表3. 2014–2025年的出版物和引用指标**
| 年份 | 总出版物数量（PY） | 平均每年出版物数量（AYP） | 出版物增长率（PG） | 总引用数量（TC） | 平均每年引用数量（AYC） | 引用增长率（CG） | 每篇论文引用数量（CPP） | 按年龄标准化的引用数量（CAN） |
|------|-----------|-----------------|-----------------|-----------------|-----------------|-----------------|-----------------|-----------------|
| 2014 | 383 | 134 | 35.26 | 1,340 | 121.82 | 25.76 | 128.80 |
| 2015 | 504 | 324 | 128 | 131 | −4.0 | 186.56 |
| 2016 | 865 | 724 | 167 | 143 | 30.0 | 19.52 |
| 2017 | 151 | 176 | 31 | 201 | 57 | 20.66 |
| 2018 | 578 | 66 | 246 | 143 | 39 | 0.00 |
| 2019 | 480 | 175 | 95 | 13,05 | 27.19 | 217 |
| 2020 | 636 | 241 | 133 | 17,70 | 27.83 | 35 |
| 2021 | 786 | 309 | 19,68 | 67 | 11 | 25.05 |
| 2022 | 949 | 380 | 153 | 58 | 76 | 16.13 |
| 2023 | 613 | 404 | 97 | 19 | 85 | 15.85 |
| 2024 | 150 | 504 | 146 | 91 | 88 | 6.07 |
| 2025 | 138 | 577 | 77 | −8 | 22 | 1.65 |
图4显示了2014–2025年的出版物和引用趋势。请注意，2025年的出版物和引用数据反映了数据检索时的覆盖不完整，因此不能直接与前几年进行比较。
年度出版物数量从2014年的38篇增加到2024年的1,505篇（数据集中的最新完整年份），而2025年的数据为1,387篇，反映了数据检索时的部分年份覆盖。在整个时期，出版物数量平均每年增长38.7%，表明学术界对以人为中心的数字化转型的关注持续扩大。出版物趋势从2014年到2017年逐渐增长，随后从2018年开始加速增长。特别是在2019年、2020年和2024年，增长尤为显著，证实了该领域在审查期后期的快速发展。尽管每年有所波动，但总体趋势仍然强劲上升。
引用趋势也呈现出类似的上升趋势，总引用数量在2021年达到峰值。引用数量从2014年的1,340次增加到2021年的19,686次，表明学术界对该领域的认可度不断提高。2021年后，引用数量放缓，这是预期之中的，因为较新的出版物积累引用的时间较短。这种模式与引用滞后效应一致，即较旧的出版物比新发表的论文更有可能获得引用[[30], [31], [32]]。这一解释还得到了出版物数量与引用表现之间正相关性的支持（r = 0.8；见表4）。
**表4. 时间生产力和引用分析摘要**
| 总出版物数量 | 平均每年出版物数量 | 年度增长率（CAGR） | 总引用数量 | 每篇论文引用数量 | 年度引用增长率（CAGR） | 生产力-影响力相关性 | 按年龄标准化的引用数量 | 引用滞后（年龄-引用相关性） |
|------|-------------|-----------------|-----------------|-----------------|-----------------|-----------------|-----------------|
| 6,927 | 577.25 | 38.7 | 100,015 | 14.44 | 5 | 0.4 | 2805 | 0.8 |
表4进一步阐明了该领域的时间动态，区分了生产力-影响力相关性和年龄-引用滞后效应。生产力-影响力相关性（r = 0.40）表明年度出版物数量与引用积累之间存在中等程度的正相关，表明研究产出较高的年份通常也记录较高的学术影响力，尽管这种关系并非在整个时期都一致[[30]]。相比之下，年龄-引用滞后效应（r = 0.80）反映了较旧的出版物比新出版物积累更多引用的强烈趋势，因为它们有更长的时间被引用[[31,32]]。按年龄标准化的平均引用数量（2805）通过调整引用表现相对于出版物年龄来解释这种时间不平衡[[30]]。因此，所研究的主题具有持续的出版物增长、广泛的可见性和逐渐巩固的引用基础。
### 3.1.2 最有影响力的来源分析
我们从Scopus和WoS中找到了6,927条记录的2,337个来源。我们对这些最具影响力的来源的分析揭示了它们的生产力和影响力，特别是在以人为中心的数字化转型研究背景下。
#### 3.1.2.1 布拉德福德定律
根据布拉德福德定律，随着搜索范围的扩大，科学论文的相关来源数量呈指数级下降[[33]]。它可以通过将来源划分为不同的生产力区域来识别研究领域的核心来源：
1. **核心区域**包含最少的期刊，但这些期刊产生了最大的文章份额。
2. **后续区域**包含逐渐增加的期刊数量，每个区域贡献的文章数量逐渐减少。
这种关系遵循几何级数：1:n:n²
其中：
- **核心区域**包含1个或少数几个来源，产生了大部分文章。
- **第二区域**包含n个期刊，贡献了下一部分文章。
- **第三区域**包含n²个期刊，贡献的比例更小。
虽然布拉德福德定律传统上关注期刊，但本研究同时分析了期刊和会议论文。这反映了信息系统和其他几个领域的出版文化，其中高影响力的会议是传播的重要渠道[[34,35]]。排除会议会偏倚来源生产力并扭曲核心知识渠道。因此，布拉德福德定律适用于所有文档类型，以保持一致性和领域相关性。
在统一来源标题并移除745条缺少“来源标题”的记录后，保留了6,183篇论文用于布拉德福德分析。如图5所示，2,337个来源被分为三个大致相等的区域，每个区域约有2,061篇论文。区域1包含仅85个来源（4%），但占所有论文的三分之一；区域2包含502个来源（21%）；区域3包含1,750个来源（75%）。这证实了布拉德福德定律：一小部分核心渠道集中了大部分文献，其余部分分散在众多来源中[[33]]。为了交叉验证这一点，图6展示了布拉德福德的分布情况，重点关注区域1（核心来源）。
**图5. 布拉德福德来源分布（每个区域约2,061篇论文）**
**图6. 布拉德福德来源分布（核心）**
图6中的“核心来源”区域包括《Sustainability》、《Procedia》、《Technology Forecasting and Social Change》和《ACM International Conference Proceedings Series》等期刊，这些期刊在以人为中心的数字化转型研究中占据主导地位。核心来源之外的下降表明文献在较少产出的期刊和会议中更广泛传播，符合布拉德福德定律。
#### 3.1.3 最具生产力的来源
图7突出了以人为中心的数字化转型研究中知识传播的前10个主要来源。在2,337个渠道发布的6,182条记录中，最具生产力的来源是《Sustainability》、《Procedia》和《Technology Forecasting for Social Change》，合计发表了371篇论文，占所有记录的6.7%。这些来源为可持续数字化转型的跨学科研究提供了平台，强调了计算和预测研究在应对数字变化的社会技术方面的作用[[36], [37], [38]]。有趣的是，如《ACM International Conference Proceedings Series》、《E3S Web of Conferences》、《IOP Conference Series》、《AIP Conference Proceedings》和《IFAC-PapersOnLine》等会议论文，占约196篇论文或3%，显示出会议作为新兴思想和技术中心的依赖模式，这对于促进创新至关重要[[39], [40], [41]]。
#### 3.1.4 来源的本地影响力和引用表现
为了评估这些来源对以人为中心的数字化转型研究的影响（或影响力），表5按h指数对最具影响力的来源进行了排序。
**表5. 最具影响力的来源的本地影响指标和引用表现**
| 排名 | 来源 | h指数 | g指数 | m指数 | TCT | PY_start |
|------|------|------|------|------|------|
| 1 | Technological Forecasting and Social Change | 39 | 79 | 3.25 | 2014 |
| 2 | Sustainability | 37 | 72 | 4.62 | 2018 |
| 3 | Procedia | 27 | 54 | 2.45 | 2015 |
| 4 | Journal Of Business Research | 26 | 37 | 4.33 | 2020 |
| 5 | International Journal Of Environmental Research And Public Health | 21 | 35 | 2.62 | 2018 |
| 6 | Technology In Society | 21 | 37 | 1.75 | 2014 |
| 7 | Journal Of Manufacturing Technology Management | 16 | 21 | 22 | 2018 |
| 8 | International Journal Of Production Research | 14 | 19 | 21 | 2019 |
| 9 | Computers And Industrial Engineering | 13 | 19 | 1.85 | 2019 |
| 10 | Frontiers In Psychology | 13 | 18 | 1.85 | 2019 |
我们按h指数列出了最具影响力的来源。在排名相同的情况下，我们首先按TC排序，然后按TP排序。（h指数：总出版物数量（TP）；TC：总引用数量；PY_start：出版活动的起始年份）。
《Technological Forecasting and Social Change》、《Procedia》和《Journal Of Business Research》是最具影响力的来源（表5）。值得注意的是，最具影响力的来源中没有会议论文。虽然会议是早期传播的场所，但最高影响力的成果主要来自期刊，反映了管理和信息系统领域更广泛的出版模式。期刊通常提供更高的引用可见度和支持更广泛的发展[[42]]。因此，对以人为中心的数字化转型的有影响力贡献主要来自同行评审的期刊，而不是会议。
尽管如此，我们的发现与布拉德福德定律一致，即少数核心期刊（尤其是《Sustainability》、《Technological Forecasting and Social Change》、《Procedia》和《Journal Of Business Research》）在该领域占据了重要影响力[[33]]。它们代表了数据集中最具影响力的来源，结合了高引用数量和强大的h指数和g指数值。其他期刊也贡献了有价值的研究成果，但分布较为分散，共同支持了以人为中心的数字化转型的多学科性质。
#### 3.1.5 最相关的研究（按引用数量）
我们的数据集包含6,927项研究，这些研究在2014年至2025年间共获得了100,015次引用，平均每篇论文14.44次引用。为了评估最具影响力的研究，我们跟踪了总引用数量（TC）、年度累计影响（TC/yr）、按出版年份标准化的引用数量（NormTC）等指标，将每篇论文的引用数量与其他同年发布的论文进行比较。然而，每个指标都会突出不同的研究。
如表6所示，TC更侧重于较旧的论文（例如[[25], [43]]，分别获得了753次和990次引用，因为它们发布时间较早。另一方面，TC/yr更侧重于近期的高增长研究，例如[[44,45]]，分别获得了196.50次和145.50次年度引用。NormTC则有所不同，它更侧重于近期发表的论文，例如[[46,47]]，分别获得了30.30次和70.29次标准化引用，由于发表时间较早而超过了同年发布的其他论文。因此，无法仅凭单一指标可靠地确定一项研究的影响力。为了缓解观察到的差异，采用了Borda-style平均法[[48]]，结合TC/yr和NormTC来平衡引用速度和年份调整后的影响力，从而识别出一致有影响力的研究（见表7）。
**表6. 最具影响力的前10项研究：TC、TC/yr和NormTC**
| 排名 | 研究 | TC | TC/yr | NormTC |
|------|-------------|---------------|-----------------|-----------------|
| 1 | Horváth D. and Szabó R. (2019) | 990 | |
| 2 | Abulibdeh A., Zaidan E., and Abulibdeh R. (2024) | 196.50 | |
| 3 | Wang Q., Sun T., and Li R. (2025) | 70.29 | |
| 4 | Rachinger M. et al. (2019) | 753 | |
| 5 | Li L. (2024) | 145.50 | |
| 6 | Abulibdeh A., Zaidan E., and Abulibdeh R. (2024) | 64.75 | |
| 7 | Bag S. et al. (2021) | 647 | |
| 8 | Horváth D. and Szabó R.Z. (2019) | 141.43 | |
| 9 | Li L. (2024) | 47.94 | |
| 10 | Aazam M., Zeadally S., and Harras K.A. (2018) | 626 | |
| 11 | Ivanov D. (2023) | 131.00 | |
| 12 | Horváth D. and Szabó R.Z. (2019) | 36.41 | |
| 13 | Amankwah-Amoah J. et al. (2021) | 571 | |
| 14 | Bag S. et al. (2021) | 129.40 | |
| 15 | Kallmuenzer A. et al. (2025) | 30.36 | |
| 16 | Nagy J. et al. (2018) | 571 | |
| 17 | Amankwah-Amoah J. et al. (2021) | 125.20 | |
| 18 | Chen J. et al. (2025) | 28.48 | |
| 19 | Demir K.A., Döven G., and Sezen B. (2019) | 554 | |
| 20 | Wang Q., Sun T., and Li, R. (2025) | 116.00 | |
| 21 | Modgil S., Singh R.K. and Agrawal S. (2025) | 27.87 | |
| 22 | Kraus S. et al. (2021) | 506 | |
| 23 | Kraus S. et al. (2021) | 114.20 | |
| 24 | Rachinger M. et al. (2019) | 27.69 | |
| 25 | Eller R. et al. (2020) | 498 | |
| 26 | Rachinger M. et al. (2019) | 107.57 | |
| 27 | Bag S. et al. (2021) | 25.83 | |
| 28 | Sima V. et al. (2020) | 495 | |
| 29 | Cheng YR., Zhou XR, and Li YJ. (2023) | 94.67 | |
| 30 | Amankwah-Amoah J. et al. (2021) | 24.99 | |
表6总结了以人为中心的数字化转型研究中最具影响力的前10项研究，使用了三个互补的引用指标：TC（总引用数量，左侧面板）；TC/yr（每年总引用数量，中间面板）；NormTC（标准化总引用数量，右侧面板）。
**表7.****最具影响力的10项研究（Broda方法）**
| 排名 | 研究 | TCTC/年 | Norm.TC | Broda排名 |
|------|------|--------|--------|---------|
| 1 | Abulibdeh A., Zaidan E., and Abulibdeh R. (2024) | 393 | 196.50 | 64.75 | 1.52 |
| 2 | Li L. (2024) | 291 | 145.50 | 47.94 | 2.53 |
| 3 | Horváth D. and Szabó R.Z. (2019) | 990 | 141.43 | 36.41 | 3.54 |
| 4 | Wang Q., Sun T., and Li R. (2025) | 116 | 116.00 | 70.29 | 45. |
| 5 | Bag S. et al. (2021) | 647 | 129.40 | 25.83 | 76. |
| 6 | Amankwah-Amoah J. et al. (2021) | 626 | 125.20 | 24.99 | 87. |
| 7 | Ivanov D. (2023) | 393 | 131.00 | 24.79 | 8.58 |
| 8 | Rachinger M. et al. (2019) | 753 | 107.57 | 27.69 | 8.59 |
| 9 | Kraus S. et al. (2021) | 571 | 114.20 | 22.80 | 12. |
| 10 | Zhang J. Chen Z. (2024) | 151 | 75.50 | 24.88 | 13.5 |
**表7展示了Broda对最具影响力研究的排名。**
- **TC**: 总引用次数
- **TC/年**: 每年的总引用次数
- **Norm.TC**: 标准化总引用次数
- **Broda排名**: 每年引用次数排名与标准化总引用次数排名的平均值（数值越低表示影响力越大）
该方法通过每年引用次数（TC/年）和标准化总引用次数来平均每篇论文的排名，将研究速度和标准化影响力整合为一个可解释的分数（数值越低表示影响力越大）。根据Broda方法，我们确定Abulibdeh, Zaidan和Abulibdeh（2024年）、Li L.（2024年）以及Horváth和Szabó（2019年）为数据集中的顶级研究。在基于Broda排名的高影响力研究中，出现了三个主要主题流：
1. **组织韧性和战略适应**：强调数字技术（DT）作为增强组织韧性的机制，而不仅仅是技术升级。例如，有研究将COVID-19视为数字化的全球加速器，迫使组织重新配置工作模式、技术使用和员工角色。
2. **技术能力发展和创新驱动的商业模式**：研究展示了数字化如何改变价值创造和商业模式逻辑。
3. **DT的社会和技术条件**：强调知识资产和平台整合等社会技术条件如何使企业释放生产力和创新潜力。
**3.1.6 最相关的作者**
作者的发表模式存在偏斜，88%的作者仅发表过一篇论文，只有12%的作者发表了多篇论文（超过3篇），表明该领域主要由偶尔贡献的作者和少数反复发表论文的作者推动。平均每位作者有3.4位合作者，国际合作比例为27.5%，团队合作很常见，但持续参与度有限。
**3.1.6.1 Lotka定律**
根据Lotka定律，少数作者产生了大量出版物，而大多数作者只贡献了少量出版物。这也可以描述为一种反平方关系：
**f(x) = ∑x^b**
其中：
- **f(x)**：贡献作者的数量
- **x**: 出版物的数量（作者的生产力）
- **C**: 用于标准化分布的常数
- **b**: 决定生产力下降陡度的幂律分布斜率
根据Lotka定律（图8），我们研究数据的b值（即回归斜率的绝对值）估计为3.25。这一结论得到了[55]的支持，该研究指出Lotka定律中的b值通常在1.78到3.78之间。因此，尽管作者集中度很高，但以人为中心的数字技术（DT）构成了一个明确且独立的研究领域。
**3.1.7 最具生产力的作者（按出版物数量）**
表8列出了以人为中心的DT领域中生产力最高的10位作者，通过总出版物（TP）和调整了合作者贡献的分割出版物（FP）来反映每位作者的贡献。
**3.1.8 最具影响力的作者（按引用次数）**
与作者生产力类似，我们根据总引用次数（TC）和分割引用次数（FC）确定了以人为中心的DT领域中最具影响力的10位作者。总引用次数反映了作者作品的整体学术影响力，而分割引用次数则调整了合作者贡献，提供了个人影响力的比例表示（见表9）。
**表9 显示了最具影响力的作者。**
- **Kraus S.**（1244次引用）
- **Bag S.**（1243次引用）
- **Horváth D.**（495次引用）
- **Dwivedi Y.K.**（1125次引用）
- **Chatterjee S.**（1118次引用）
- **Szabó R.Z.**（1011次引用）
- **Gupta S.**（963次引用）
- **Fathi M.**（902次引用）
- **Müller J.M.**（90次引用）
- **Schiavone F.**（827次引用）
- **Vorraber W.**（765次引用）
- **Sezen B.**（765次引用）
表9显示了按总引用次数（TC）和分割引用次数（FC）排序的最具影响力的作者。TC和FC的集中分布表明Kraus S.、Bag S.和Dwivedi Y.K.是极具影响力的作者群体。Chatterjee S.、Szabó R.Z.、Horváth D.和Gupta S.也表现出显著的引用影响力。然而，分割引用排名显示了不同的个人影响力模式。例如，Horváth D.以495次FC位居第一，其次是Litvinenko V.S.（425次）和Hahn G.J.（324次），他们都没有进入总引用前十名。考虑到合作者贡献后，Aboelmaged M.G.、Ulaş D.和Popkova E.G.等作者也取得了较高排名。
**3.1.9 最重要的机构和国家**
我们分析了作者的隶属关系，确定了以人为中心的DT和电子商务驱动的工业革命中贡献最大的10个国家和机构。
**3.1.10 最重要的机构**
表10列出了发表论文数量最多的10个机构，共286篇论文（占6927篇论文的4%）。布加勒斯特经济研究大学以51篇论文领先，其次是圣彼得堡彼得大帝理工大学（44篇）。值得注意的是，俄罗斯机构（4个）占据了前十名，共发表了110篇论文。
**3.1.11 最重要的国家**
我们确定了在该领域贡献最大的134个国家。图9显示了按出版物贡献排名的前十个国家，共3991篇论文，占我们数据集的58%。德国以641篇论文领先，中国紧随其后（618篇），俄罗斯排名第三（566篇），美国和印度分别贡献了469篇和346篇。英国、意大利、乌克兰和马来西亚共同占据了前十名，合计占14%。
**3.1.12 合作研究的性质**
为了突出研究的合作性质，我们根据合作者贡献对出版物输出进行了标准化处理（表11）。虽然总出版物数量相似，但标准化后的结果有所不同。德国在标准化后排名第一（FP = 557.63），领先于中国和俄罗斯。中国显示出最大的TP-FP差距（618 vs 545.12），表明其国际合作更为广泛。西班牙和印度等国家的差距较小，表明国内作者贡献更多。
**3.1.13 地区研究贡献**
表13显示了各地区在以人为中心的DT研究中的贡献情况。欧洲和亚洲是主要贡献者，欧洲有44个国家，占出版物的53%和引用的65%；亚洲有41个国家，占出版物的45%和引用的39%；北美有12个国家，占出版物的9%和引用的9%。按地区划分的研究贡献。排名 地区 NCC TPC ACC TC1 欧洲 44 36 94 53 %65.46 51 48 7.84 65 %2 亚洲 41 30 86 45 %39.02 59 51.83 39 %3 非洲 24 29 34 %32 30 13 4.58 3 %4 北美洲 12 63 19 %13.73 11 14 4.25 14 %5 南美洲 8 23 23 %23 42 29 2.75 2 %6 大洋洲 3 19 53 %40 11 13 37.00 4 %表13根据贡献国家的数量对这些地区进行了排名，并按NCC排序。在相同数量贡献国家的情况下，我们按TP排序。（NCC：贡献国家数量，TP：总出版物百分比，TC：总引用次数，ACC：每个大陆的平均引用次数，%TC：总引用的百分比）。地区模式与国家层面的影响力指标一致。欧洲贡献了超过一半的出版物和三分之二的引用次数，这反映了几个欧洲国家在排名前1%和引用指标方面的强劲表现（见表12和图10）。德国、英国、意大利、法国和奥地利等国家始终排名较高，体现了欧洲在研究数量和质量上的优势。亚洲的45%的出版物和39%的引用次数由中国、印度、日本和韩国推动，如表12所示，这些国家在引用方面也表现突出。尽管北美洲的国家数量较少，但其影响力显著；美国和加拿大在排名前1%的指标上得分很高。相比之下，非洲和南美洲的代表度较低，这与它们在全球范围内的贡献相对较小相符。
德国、中国、美国和英国由于在数字基础设施和人力资本上的投资而占据主导地位。这些国家拥有研究型大学、先进的制造业以及专注于人工智能、自动化和数字化的资金支持。相比之下，非洲和南美洲由于在数字化成熟度、研究资金和能力方面的差距而表现较弱。这些差异影响了它们的研究成果和影响力，导致以人类为中心的数字技术研究集中在少数地区[64]。
3.2 科学地图
3.2.1 合著分析
合著主要被视为一种研究合作形式，揭示了国家、机构和作者之间的合作关系[65]。本节通过分析总合著文档（TCD）和总链接强度（TLS）来研究合著网络，以识别关键作者和国家合作伙伴关系。TLS表示合著关系的紧密程度，而TCD则显示了多作者论文的数量。这有助于确定作者是在封闭的团队内工作还是在更广泛的网络中合作，并揭示他们的合作影响力中心。
3.2.1.1 作者合著分析
图11展示了基于至少五篇合著论文的作者合作群体，使用总链接强度（TLS）和LinLog模块化方法进行归一化，以捕捉他们合作关系的强度。83位作者和39个合著链接形成了54个群体。节点大小表示合著文档的数量；链接厚度表示总链接强度。尽管存在碎片化，但这些群体显示了经常合作的作者群体，较大的节点和密集的链接突出了有影响力的贡献者和网络中心人物。
下载：下载高分辨率图片（349KB）
下载：下载全尺寸图片
图11. 作者合著网络图。
以Salvadorinho和Teixeira为中心的紫色群体最具凝聚力，专注于工业4.0中的知识管理[66]。以Rauch和Gualtieri为首的橙色群体强调以人为中心的制造、人体工程学和协作机器人技术，包括一项人体工程学工作站重新设计的研究[67]。较小的群体代表专门领域：棕色群体研究数字通信中的社会技术动态[68]；浅蓝色链接则关注中小企业技术采用与可持续性的关系[69]。这些群体展示了多样化的以人类为中心的数字技术研究。这种碎片化的结构反映了其跨学科的性质，工程学、管理学、心理学和组织学研究各自独立发展。会议论文往往导致短期、项目特定的合作，限制了稳定跨机构网络的发展[70]。
3.2.1.2 国家合著
我们在图12中展示了国家级别的合著网络分析，每个国家至少有15篇论文，共有104个国家相互关联，通过TLS方法进行可视化处理并进行了LinLog/模块化归一化。
下载：下载高分辨率图片（1MB）
下载：下载全尺寸图片
图12. 国家合著网络图。
国家合著网络显示了一个高度连接的研究格局，形成了五个区域群体。红色群体以大西洋两岸的中心节点为主，由英国（TLS：307）和美国（TLS：257）领导。德国（TLS：173）通过密集的合著关系连接西欧和北欧。绿色群体以中国（TLS：221）和印度（TLS：187）为中心，马来西亚（TLS：136）也参与其中，涵盖了亚洲地区，并表明新兴经济体之间频繁的跨境合作。尽管意大利属于欧洲国家，但其与亚洲国家的联系紧密，起到了连接作用。蓝色和黄色群体突出了中欧和东欧，俄罗斯（TLS：63）和乌克兰（TLS：28）虽然产出较多（TCD：406和205），但在国际上的参与度较低，表明尽管研究量较大，但区域内的合作更为紧密。英国-美国、中国-马来西亚、德国-意大利以及中国与亚洲国家的合作加强了群体的凝聚力。
仔细观察国家合著网络可以发现几个主题明确的群体。西欧（红色）群体（英国、美国、德国）专注于以劳动力驱动的数字技术、销售创新和人工智能整合。南亚（绿色）群体（中国、澳大利亚、马来西亚）关注危机响应型数字重组和破坏后的适应性商业模式。东亚（黄色）群体（印度、沙特阿拉伯、南非）强调了文化因素在数字支付系统采用中的作用[71]。东欧（蓝色）群体（俄罗斯、波兰、捷克共和国）则关注功能重组和作为疫情应对措施的工业4.0采用[72]。南美（紫色）群体（加拿大、墨西哥、智利）强调技术竞争力、劳动力发展以及新兴技术融入制造业[73]。这些模式表明了各地区的优先事项以及全球向以人类为中心的数字技术发展的趋势。
中国、马来西亚、印度和澳大利亚之间的紧密合作反映了它们共同的数字创新联盟、产业重点和跨境研究计划。相比之下，俄罗斯和东欧等国家虽然生产力较高，但由于语言障碍、地缘政治限制以及国内强大的出版生态系统，国际联系较弱，从而减少了合著的动力[74]。
3.2.2 被引用参考文献的共引分析
White和Griffith于1981年提出的共引分析通过分析经常一起被引用的文献对来识别、追踪和可视化知识结构，揭示了以人类为中心的数字技术基础中最具影响力的研究[65]。表14展示了数据集中共引次数最多的参考文献，按总链接强度（TLS）排序。
表14. 最常被引用的参考文献前十名。
排名 CR TLS TC
1 Acemoglu, Daron (2020), 《机器人与就业：来自美国劳动力市场的证据》，《政治经济学杂志》，128, 6, 页2188–2244 563
2 Acemoglu, Daron (2018), 《人与机器之间的竞赛：技术对增长、要素份额和就业的影响》，《美国经济评论》，108, 6, 页1488–1542
3 Acemoglu, Daron (2019), 《自动化与新任务：技术如何取代和重新安置劳动力》，《经济展望杂志》，33, 2, 页3–30 492
4 Autor, David H., 《近期技术变革的技能内容：实证探索》，《经济学季刊》，118, 4, 页1279–1333
5 Autor, David H., 《为什么还有这么多工作？工作场所自动化的历史与未来》，《经济展望杂志》，29, 3, 页3–30
6 Acemoglu, Daron, 技能、任务和技术：对就业和收入的影响》，《劳动经济学手册》，第4部分，页1043–1171
7 Autor, David H., 《低技能服务工作的增长与美国劳动力市场的两极分化》，《美国经济评论》，103, 5, 页1553–1597
8 Bharadwaj, Anandhi S., 《数字商业战略：迈向下一代见解》，《Mis季刊：管理信息系统》，37, 2, 页471–482
9 Anderson, James C., 《结构方程建模实践：综述及推荐的两步法》，《心理学公报》，103, 3, 页411–423
10 Barney, Jay Bryan, 《企业资源与持续竞争优势》，《管理杂志》，17, 1, 页99–120
表14列出了共引次数最多的前十篇参考文献（CR：被引用参考文献，TLS：总链接强度，TC：总引用次数）。
通过共引网络（图13）和关联强度归一化方法，识别出46篇被引用次数至少为15次的参考文献，并将其结构分为四个群体。这些群体追踪了该主题从技术和自动化基础向组织、行为和以人类为中心的维度的发展。
下载：下载高分辨率图片（419KB）
下载：下载全尺寸图片
图13. 被引用参考文献的网络图。
3.2.2.1 黄色群体——劳动经济学中的人类与机器：任务变化、技能和数字工作
黄色群体涵盖了关于自动化、数字化和智能技术如何重塑劳动力市场、任务和技能的基础研究[75, [76], [77]，[78]]。这些研究提出了基于任务的模型，强调了工作岗位的替代和需要非常规分析技能的新角色的创造[79,80,83]。它们讨论了技能偏向的技术变革，展示了数字化如何使劳动力市场两极分化并影响工资[84]，并分析了职业对计算机化的敏感性和企业层面的技能转变[85]。这些研究从经济和行为角度探讨了数字工作，指出技术进步如何影响人类能动性和劳动力韧性。基于任务的模型和SBTC模型解释了数字环境中的以人类为中心的挑战，例如在人工智能增强工作流程中的技能变化和任务重组。
3.2.2.2 红色群体——数字技术的战略、组织和能力基础
红色群体整合了将数字技术视为组织范围和能力依赖性的理论[3]。将IT战略视为指导商业模式和创新的一种数字逻辑[82]。资源基础观（RBV）[82]将数字成果定义为依赖于有价值且稀缺的能力[86]。将数字技术战略定义为一种管理计划，旨在协调技术投资和结构重组[87]。强调了数字领导力和灵活性，而[88]则回顾了数字技术对创新系统的影响。红色群体突出了以人类为中心的数字技术的战略和组织基础。它表明，成功的转型取决于文化、领导力、能力和劳动力技能与技术变革的协调。
3.2.2.3 绿色群体——技术采纳的行为、心理和福祉基础
绿色群体强调了解释个体如何感知、解释和适应数字技术的理论和心理学理论[89]和[90]。这些基础工作建立了计划行为理论（TPB）和理性行动理论（TRA），广泛用于理解数字工具的接受度、用户意图和行为变化[91]。TAM相关的行为构建（感知有用性、易用性、态度）即使在未明确引用的情况下也具有概念上的相关性[91]。它们为技术压力框架提供了依据，指出了复杂性、过载和持续连接性等在数字环境中的重要挑战。工作需求-资源（JD-R）模型进一步丰富了关于福祉的研究，展示了数字化如何影响认知负荷、情绪压力、自主性和工作支持系统。该群体强调数字技术不仅仅是一种技术变革，而是一个深受动机、感知、身份和心理压力影响的人类过程。
3.2.2.4 蓝色群体——从工业4.0到工业5.0：人机协作的基础
蓝色群体象征着数字技术的技术和产业基础[92]。将工业4.0定义为网络物理系统、物联网、自动化和实时数据在生产和服务中的整合[93]。后续文献转向了工业5.0的研究，强调了人机协作、韧性、创造力和可持续性[94,95]。研究发现表明，工业4.0的采用是复杂的，具有不同的成熟度和挑战。这一演变从效率驱动的自动化转向以人类为中心的可持续系统，强调人类能动性、技能和人体工程学。这标志着从技术驱动向以人类为中心的工业时代的转变，强调了自动化、个性化服务、道德数据使用和数字商业环境中的可持续性。
这四个群体表明，以人类为中心的数字技术研究是跨学科的，涵盖了劳动经济学、战略管理、行为科学和工业系统理论。尽管起源各异，但它们都关注人类如何适应和与技术互动。这解释了为什么能力发展、福祉、领导力、任务重组和社会技术协调等问题构成了数字商业环境中以人类为中心的数字技术的基础。
3.2.3 关键词分析：共现、演变和热点
关键词共现指的是在一篇文章中同时出现的多个关键词，揭示了隐藏的联系和研究趋势[96]。我们使用完整计数方法分析了所有作者的关键词，并设置了至少30次出现的最低要求，共得到96个关键词。该网络通过LinLog/模块化方法进行了归一化，形成了四个主题群体。
3.2.3.1 关键词共现分析
图14显示了关键词的频率和链接。每个关键词都是一个圆圈，其大小根据其在文章中的出现次数来确定。更粗的线条连接了相关的关键词，表明它们在文献中的关联更强，相关性更高。下载：下载高分辨率图片（2MB）下载：下载全尺寸图片
图14. 基于关键词共现的作者关键词共现可视化地图
3.2.3.2. 第1组（红色）：中小企业的数字化转型、组织变革和技术采纳
红色组（38个关键词；TLS = 4314；出现次数 = 3309）是最大的组，主要关注数字化转型（DT）和组织变革。关键词包括技术采纳、中小企业（SMEs）、文化、领导力、变革管理、数字成熟度、参与度和生产力，以及关于中小企业如何采纳和嵌入数字技术的研究。技术采纳和中小企业是主要主题，广泛探讨了准备情况、策略和障碍，经常使用TAM（技术采纳模型）和TOE（技术接受模型）框架。这些模型解释了认知、能力和压力如何影响社交媒体、客户关系管理（CRM）、数字支付及相关领域中的技术使用[[97], [98], [99]]。挑战包括资源限制、网络安全、信任和绩效，而促进因素则是敏捷性和生产力[[100], [101], [102], [103], [104]]。这些框架将数字化转型视为一个受领导力、文化和认知影响的社会技术过程，从技术中心转向以人为中心的因素，包括数字领导力、参与度和变革管理。这些模式反映了中小企业如何利用数字界面、在线参与和数据驱动的服务来保持竞争力，这需要组织的准备和员工的能力。
3.2.3.3. 第2组（蓝色）：数字经济中的劳动力市场数字化和人力资本
第2组（23个关键词；TLS = 4046；出现次数 = 2616）关注数字经济中的数字化、人力资本、创新和劳动力市场变化。它强调数字化转型不仅与技术升级有关，还与员工能力的发展、组织学习和数字化工作形式有关。与更侧重于技术采纳和实施的第1组不同，第2组关注在数字经济中有效运作所需的工作力和能力条件，在本研究中具体表现为数字商业环境。这一组的理论基础主要是基于能力和社会技术的。动态能力理论（DCT）[105]解释了组织如何根据技术变化构建和重新配置数字技能、流程和学习过程，而人力资本理论（HCT）[106]则强调了员工知识、数字素养和创新能力的重要性。诸如数字经济、劳动力市场、员工、人力资本和能力等关键词表明，这一流派将数字化转型视为组织和劳动力市场的转型，涉及技能获取、适应性和管理支持。该组的研究还强调了信息通信技术（ICT）作为连接性、通信和工作流程整合的基础设施[[107], [108], [109]]，而人工智能（AI）、云计算（cloud）和物联网（IoT）等技术进一步重塑了生产力、创新和员工角色。教育和制度背景也显得相关，反映了向数字化密集型劳动力市场和能力形成的转变[[110], [111], [112]]。总之，第2组强调成功的数字化转型取决于更广泛数字经济中的人力资本发展。它强调了数字技能、组织学习、创新和员工适应能力在日益由数据、平台和数字化协调的工作塑造的环境中的重要性。对于在数字商业环境中运作的组织来说，这意味着对具有强大数字素养、ICT使用、数据管理、客户互动和分析能力的员工的需求日益增长。
3.2.3.4. 第3组（绿色）：从工业4.0到工业5.0——迈向可持续性和以人为中心的系统
第3组（26个关键词；TLS = 4317；出现次数 = 2715）反映了数字化转型的技术和产业基础，重点关注工业4.0、可持续性、智能制造、数字孪生、循环经济和工业5.0。工业4.0占总链接强度的近三分之一，代表了自动化、信息物理系统、数据驱动的生产和形成现代数字生态系统的连接基础设施。从理论上讲，工业4.0的研究基于社会技术系统理论，强调技术和人类工作的优化[113,114]。研究将数字化转型视为将物联网（IoT）、机器人技术、大数据和云计算等智能技术整合到组织流程中。随着领域向工业5.0发展，以人为中心和可持续性的视角逐渐出现，从自动化效率转向人机协作、韧性、福祉、个性化生产和环保价值创造[94,95,115]。诸如可持续性和循环经济等关键词表明，数字化转型符合社会和环境目标[116,117]。以人为中心的术语如劳动力、人体工程学、技能和能力强调了为数字化增强环境提升技能和调整工作实践的努力[[118], [119], [120], [121]]。第3组标志着从自动化向以人为中心的工业革命的转变，在这种转变中，数字基础设施要求新的技能、工作场所变化和可持续实践。它与工业4.0和5.0中的物流、供应链管理、自动化和优化等数字系统重叠，这些构成了电子商务履行的基础。智能工厂、实时数据和数字孪生等功能支持库存管理、最后一公里配送和敏捷供应链。
3.2.3.5. 第4组（黄色）：人工智能和数据驱动技术
第4组（9个关键词；TLS = 1587；出现次数 = 963）在技术上最为集中，由人工智能（AI）、大数据、物联网（IoT）、机器学习、区块链、云计算和人力资源管理（HR管理）驱动。尽管规模较小，但它作为以人为中心的数字化转型的技术催化剂，塑造了组织和员工体验方面的决策[97,122,123]。人工智能驱动的变革基于算法管理，探讨了自动化系统如何指导和评估工作[124]。整合人工智能和数据分析引发了透明度、控制、公平性、技能和员工福祉等问题，这些都是以人为中心转型的核心。人力资源方面的联系突出了关于数字人才管理、人工智能支持的招聘、绩效和员工分析的研究，展示了人工智能如何重塑人力资源职能[122,[125], [126], [127]]。这些技术还增加了对数字素养、算法意识和员工韧性的需求，支持以人为中心的原则。机器学习、区块链和云计算为数字平台之间的安全性和互操作性提供了可扩展的基础设施。第4组强调了电子商务与人工智能、数据分析、区块链、云计算和物联网等先进技术之间的紧密联系，这些技术增强了运营并重塑了人类角色。它强调了人工智能驱动的系统如何构建新的组织能力，同时也带来了数字商业生态系统中的新的人类、行为和伦理挑战。
总结来说，这四个组突显了以人为中心的数字化转型的演变。第1组强调组织和管理响应（采纳、领导力、文化、变革）；第2组关注劳动力能力、数字技能和创新；第3组和第4组则涵盖了工业4.0、人工智能和数据系统等技术基础。这表明以人为中心的数字化转型源于技术、组织适应性和劳动力需求的相互作用。
3.2.3.6. 关键词时间分析
VOSviewer通过叠加图和密度图展示了关键词随时间的变化趋势，显示了演变和网络焦点。叠加图（图15）显示了一个清晰的时间线，从紫色（最早）到黄色（最新），突出了研究的变化。确定了四个阶段：（1）2021年之前的数字化工作；（2）2021-2022年的能力和劳动力数字化；（3）2022-2023年的以人为中心和组织变革；（4）2023年之后的工业5.0、数字福祉和绩效。下载：下载高分辨率图片（1MB）下载：下载全尺寸图片
图15. 关键词叠加可视化
3.2.3.7. 第1阶段（2021年之前）：以技术为中心的基础和早期数字化（紫色/蓝色）
最早的阶段由与工业4.0、信息通信技术（ICT）、智能工厂、网络安全、大数据、云计算和技术采纳相关的关键词主导。这一时期的研究主要反映了以技术为中心的数字化转型框架，重点关注信息物理系统的整合、自动化和智能制造[[128], [129], [130], [131], [132], [133]]。人类的参与主要体现在技术采纳的背景下，与早期的TAM（技术采纳模型）一致，受到采纳行为研究的启发[134,135]。在此期间，以人为中心的考虑是次要的，主要限于培训、感知有用性和用户适应。工业技术而非服务或消费者导向术语的主导地位反映了数字化转型研究早期集中在工程和制造领域，而不是电子商务等数字化中介的商业生态系统中。这一早期阶段反映了后来支持可扩展在线商务的数字和工业基础设施的基础建设，包括安全的连接性、基于云的系统以及提高数字服务交付可靠性和速度的自动化。
3.2.3.8. 第2阶段（2021-2022年）：向能力构建和数字劳动力发展扩展（绿色/亮绿色）
第二阶段标志着从技术基础设施向组织和劳动力能力的转变。诸如数字化、动态能力、人力资本、数字技能和创新等关键词表明关注点向能力构建的扩展。这与动态能力理论[105]和人力资本视角[106]所描述的从采纳到能力构建的理论转变一致。能力构建阶段帮助组织通过将在线渠道与后台系统整合来实现数字化的好处，从而增强数据驱动的营销，并培训员工从事数字销售、物流和支持角色。组织越来越认识到，数字化举措的成功需要具备战略嵌入的数字能力的适应性劳动力[136,137]。从这个意义上说，像能力构建这样的术语的出现被解释为基于平台的商业模式、数据驱动的客户互动和数字服务交付实践广泛兴起的副产品。从理论上讲，动态能力和人力资本理论为数据驱动的营销、数字销售、物流和支持角色中的数字能力构建提供了基础。
3.2.3.9. 第3阶段（2022年中期至2023年）：组织、管理和以人为中心的转型（黄色）
2022-2023年（绿色/亮绿色）标志着向以组织、管理和人为中心的数字化转型的转变，强调数字创新、文化、变革管理、人力资源管理、员工参与、机器学习、数据分析和技术等主题，反映了向社会技术整合的转变。这一阶段与行为和组织理论中的数字化转型理论一致，包括JD-R模型[138]，用于理解员工压力和资源，以及强调人类和技术系统共同优化的社会技术观点。这一时期的研究越来越多地将数字化转型视为一种战略性的组织现象，需要领导力和劳动力能力之间的文化协调，组织结构是关键因素[139]。这反映了学科范围的扩展，超越了工程和计算机科学，涵盖了管理学、组织学和行为科学。可持续性在这一阶段变得至关重要，以协调技术进步和价值创造[140]。更广泛地说，这一阶段表明从单纯建立数字渠道转向战略性地协调领导力、文化、人力资源实践和可持续性要求，以适应始终在线的、以客户为中心的环境。以人为中心的主题的整合突显了数字生态系统需要组织韧性、领导力、员工适应性和社会技术协调，除了技术解决方案之外。
3.2.3.10. 第4阶段（2023年之后）：人工智能驱动的、以行为为导向的以人为中心的转型和数字领导力（亮黄色）
最近的研究强调了向人工智能支持的、以人为中心的数字化转型的转变，重点关注人工智能、数字领导力、数字素养、技术压力、人才管理、工业5.0、循环经济等关键词。这些关键词关注人机互动、员工福祉、伦理和未来技能。学者们越来越多地关注人工智能集成工作的心理和行为需求，将数字素养、数字福祉和韧性视为组织的基本要素[141,142]。这一阶段与工业5.0的以人为中心的重点一致，强调数字领导力对于引导组织通过复杂的AI生态系统和支持员工适应的重要性[143,144]。这一阶段出现的技术压力、数字福祉和韧性突显了在电子商务、物流、客户参与和算法管理等人机密集型环境中的挑战。因此，研究扩展到了对长期数字生态系统准备至关重要的行为和社会心理学领域。工业5.0作为一个主导关键词，强化了向以人为中心系统的转变。
这些时间模式（第1至第4阶段）揭示了从技术主导的数字化到能力发展，再到以人为中心的、人工智能驱动的转型的过程。随着时间的推移，学者们较少关注基础设施和自动化，而更多关注组织协调、劳动力技能、行为变化和福祉。对技能、领导力、韧性和人工智能的重视表明了数字生态系统的需求，在这些系统中，数据、平台治理和算法增加了以人为中心策略的重要性。这种时间演变强化了以人为中心的数字化转型是对数字商业环境日益复杂性和技术密集性的响应。
图16展示了基于术语频率和共现的数字化转型研究的结构组织。最密集的组（数字化转型、工业4.0、数字化和人工智能）构成了技术进步和组织变革的核心理论和实证框架。围绕这一核心的是中等密度的层，包括人力资源管理、创新、数字技能和文化变革，表明从纯粹的技术采纳向更加综合的社会技术转型的转变。此外，外围的低密度区域如工业5.0、循环经济、韧性和数字素养指出了新兴的研究路径。这些表明了向以人为中心、注重可持续性的方法的转变，强调组织和战略关切，超越了技术本身。从纯粹的技术核心向人力资源管理、数字技能和文化变革等中等密度主题的转变表明，维持数字化运营越来越依赖于以人为中心的能力和组织适应性。下载：下载高分辨率图片（456KB）下载：下载全尺寸图片图16. 关键词密度可视化。3.2.3.11. 三字段图出版来源、研究主题和国家之间的相互关联揭示了以人为中心的数字化转型研究的见解。Biblioshiny中的Sankey图可视化了从来源到关键词和国家的流动。节点的高度反映了它们的频率，线条宽度表示连接强度[28]。三字段图（图17）提供了出版来源（左侧）、主导关键词（中间）和贡献国家（右侧）之间关系的综合视图。下载：下载高分辨率图片（781KB）下载：下载全尺寸图片图17. 三字段图（来源、关键词和国家）。一些来源，特别是《可持续性》、《技术预测与社会变革》和《Procedia计算机科学》，主要塑造了数字化转型研究，重点关注数字化转型、数字化、工业4.0和人工智能等关键词。这些出版物是管理和技术研究的中心枢纽，大多数贡献者来自德国、中国、印度、意大利和俄罗斯。地理模式显示德国在数字化方面处于领先地位，俄罗斯在工业4.0方面处于领先地位，印度在人工智能和技术采用方面处于领先地位，而中国则广泛参与所有这些领域。意大利、英国和其他欧洲国家特别关注创新、人力资本和数字变革等以人为中心的主题。可持续性在覆盖范围上处于领先地位，与数字化转型和工业4.0保持一致。《Procedia计算机科学》涵盖了人工智能、采用和数字化等广泛的技术主题。Springer Proceedings、ACM和CEUR关注工业4.0、数字化和人工智能的趋势，主要贡献者来自德国、中国、印度和俄罗斯。这种主题焦点表明，在以技术为重点的研究社区中，这些出版物具有专业性和高度可见性。像《可持续性》、《技术预测与社会变革》和《Procedia计算机科学》这样的关键出版物，以及德国、中国、印度、英国和意大利等国家，被认为是数字平台、在线零售和数字供应链领域的研究和实践中心[145]。4. 结果和发现的讨论4.1. 关键发现的综合这项研究旨在绘制以人为中心的数字化转型在数字商业环境中的科学生产力、关键贡献、知识结构和新兴研究前沿的地图。通过对2014-2025年间来自129个国家、2462个来源的19,732名研究人员撰写的6,927篇出版物的分析，提供了该领域如何演变及其未来方向的综合视图。RQ1：科学生产力和引用影响研究结果表明，该领域呈现出明显的持续增长轨迹。年度出版物数量从2014年的不到50篇增加到2025年的1,300多篇，复合年增长率约为39%，平均每年有577篇出版物。引用活动在2021年达到峰值，随后由于引用滞后效应而放缓：较旧的出版物自然会积累更多的引用，而较新的出版物被引用的时间有限。出版物与引用表现之间的强正相关（r = 0.80）以及中等的生产力-影响相关性（r = 0.40），加上年龄标准化的平均引用值2,805，表明该领域的扩张通常伴随着学术影响力的相应增长，尽管这种增长在不同年份并不均匀。RQ2：有影响力的作者、机构、国家和来源结果指出，研究格局集中但分布在全球范围内。少数几个期刊，尤其是《技术预测与社会变革》、《可持续性》和《Procedia计算机科学》，占据了出版物和引用的不成比例的部分，这与布拉德福德定律一致。这些出版物是数字化转型、可持续性和社会技术变革的跨学科工作的中心。最具影响力的文章围绕三个主题：组织韧性和战略适应、数字和分析能力的发展，以及数字化的技术和社会后果。在机构和国家层面，欧洲和亚洲在产出和影响力方面占据主导地位，德国、中国、俄罗斯、美国、意大利和英国构成了高贡献和高引用系统的核心。然而，合著网络显示出一个碎片化的合作结构，有许多小的作者群体和地区性的国家合作，这表明尽管存在一些强大的跨国联系，知识生产仍然在相对本地化的研究社区中进行。RQ3 主导关键词、主题集群和知识结构通过关键词共现和共引用分析来回答这个问题。关键词共现图揭示了四个主要的主题集群：（1）中小企业的数字化转型、组织变革和技术采用；（2）数字化、创新和人力资本；（3）工业4.0向工业5.0的演变；（4）人工智能和数据驱动技术。这些集群共同描绘了一个分层的社会技术结构，其中先进的数字基础设施和人工智能系统（集群3和4）提供了技术支柱，而组织适应和劳动力能力发展（集群1和2）决定了转型在实践中的展开方式。共引用的参考集群进一步证实了这一点，表明该领域借鉴了四个主要理论支柱：劳动经济学中的机器和技术变革的任务模型；基于战略和能力的数字化转型观点；技术采用和福祉的行为和心理理论；以及工业4.0/5.0和社会技术系统视角。这些集群表明，以人为中心的数字化转型本质上是跨学科的，跨越了经济学、管理学、组织行为和工业系统研究。RQ4 以人为中心的数字化转型中的新兴主题和研究前沿我们通过关键词的时间和密度分析来回答这个问题。叠加图（图15）和密度可视化图（图16）揭示了以人为中心的数字化转型研究的明显演变。这些可以总结为四个突出的新兴主题，体现了当代研究：1）人工智能支持的、基于行为的数字化转型：最近出现的关键词如人工智能、数字领导力、数字素养、技术压力和韧性表明，研究重点从以基础设施为导向的数字化转向了人工智能密集型工作环境的行为和心理影响。这反映了人们对算法管理、员工福祉、伦理决策系统以及指导人工智能采用所需的领导能力的日益关注。这些主题代表了一个新的社会技术议程，将之前的采用理论扩展到了人机共存。2）工业5.0和人机协作工业5.0、可持续性和循环经济的突出地位表明，研究正从自动化驱动的工业4.0逻辑转向以人为中心的工业系统，优先考虑创造力、人体工程学、包容性和与可持续性的契合。这一新兴前沿将运营创新与社会责任转型联系起来，表明数字化转型研究正在重新定向，朝着可持续和增强人类的系统发展。3）劳动力能力发展和数字人才转型数字能力、人力资本、电子学习和人才管理的兴起表明，越来越多的研究关注能力形成作为数字生态系统的战略需求。研究越来越多地将劳动力视为组织韧性和创新的积极推动者，而不仅仅是技术的接受者。这反映了动态能力和人力资本理论向数字中介工作环境的延伸。4）以韧性为导向和危机响应的转型与韧性、适应性、远程工作和危机响应相关的新兴关键词表明，后疫情研究强调了组织敏捷性和社会技术准备。这一研究前沿将数字化转型重新定义为一种持续性和适应能力的机制，而不仅仅是效率或创新。4.2. 理论意义和贡献文献计量学发现表明，以人为中心的数字化转型研究通过四个主要的知识流发展：技术采用、基于能力和战略的观点、行为和福祉理论，以及社会技术/工业4.0-5.0框架[3,82,89,91,92]。在共引用、主题和时间分析中，该领域显示出从以技术为中心的采用向更广泛地理解数字化转型为以人为中心的组织和战略过程的明显转变。因此，理论意义直接源于这些不断发展的知识流的融合。首先，在关键词共现和共引用分析中，结果显示技术接受模型（TAM）和技术-组织-环境（TOE）框架继续为理解组织（尤其是中小企业）如何采用数字技术提供了视角，如共现集群1所示。这些关键词的演变和以人为中心术语的兴起（例如，数字领导力、员工参与、技术压力、韧性、福祉）表明，传统模型现在应用于考虑持续使用、角色变化和采用过程中的心理压力的情境中。这表明有一种趋势，即改进TAM和TOE等理论，以包括员工福祉和人机互动。其次，除了采用模型之外，我们的结果还强调了能力和行为维度在解释以人为中心的数字化转型中的重要性。集群2和红色共引用集群表明，动态能力理论（DCT）和资源基础视图（RBV）越来越多地被用来解释组织如何发展、整合和重新配置数字技能、数据资产和流程以应对技术变革[3,86,146]。同时，绿色共引用集群和后来的时间模式显示了行为和福祉框架的相关性日益增加，包括计划行为理论（TPB）、技术压力模型和工作需求-资源（JD-R）模型。这些模式表明，理论重点从单纯关注行为意图转向更广泛地关注数字工作设置的可持续性和使心理上以人为中心的转型成为可能的条件。最后一个理论发现体现在共引用分析的蓝色集群中，以及关键词网络图中的集群3和4中，这些集群提升了社会技术系统和工业4.0/5.0在理解以人为中心的数字化的技术和组织背景中的作用。早期的工业4.0研究主要从自动化、信息物理系统和生产和服务环境中的数据整合的角度来构建转型[113,114]。更近期的主题，包括人机协作、人体工程学、可持续性和循环性，反映了向工业5.0和更明确以人为中心的设计原则的转变[147,148]。总之，研究结果指出了三个更广泛的理论贡献。首先，它们通过展示数字化转型理论应包括人类考虑因素来扩展数字化转型理论，表明数字化转型越来越依赖于数字素养、韧性、福祉、技术压力管理和文化契合。其次，它们表明工业5.0原则开始完善现有的社会技术和社会技术以及工业4.0的观点，将注意力从自动化本身转向人机协作和可持续性。第三，它们表明数字化转型理论正在变得更加综合，行为和组织维度越来越多地融合成一种结合行为和组织的视角。总之，综述表明，以人为中心的数字化转型现在应被理解为一种多层次的现象，由技术采用、组织能力、员工福祉和社会技术设计的相互作用所塑造。4.3. 管理和实践意义同样的文献计量学模式也为在数字商业环境中运作的组织指出了几个管理和实践意义。在关键词、共引用和时间分析中，总体证据一致表明，成功的数字化转型既依赖于数字技术投资，也依赖于建立有效和负责任地使用这些技术所需的劳动力、领导力和组织条件。首先，研究结果表明，管理者应将技术采用视为转型的起点。文献中与采用相关的主题的突出表明，选择和实施数字工具仍然很重要，特别是在中小企业和数字化发展的组织中。然而，该领域更广泛的人本主义模式表明，管理者需要超越单纯的采用决策。当组织还计划持续使用、员工调整、流程整合和技术变革的人类影响时，数字举措更有可能成功。因此，公司应优先考虑数字技能、劳动力能力和组织准备作为核心转型资源。基于能力的流表明，价值是通过技术访问创造的，也是通过构建、整合和重新配置数字技能、流程和数据相关能力创造的。在实际操作中，这意味着组织应投资于技能再培训、数字学习和能力发展，以及技术采用。领导者还应确保数字举措与组织战略、文化和结构保持一致，而不仅仅是将其视为孤立的技术项目。其次，研究结果表明，管理者应在数字化转型期间积极保护员工福祉。技术压力、韧性、员工参与和数字福祉的日益突出表明，如果管理不当，数字变革可能会造成过载、不确定性和压力。因此，组织应密切关注工作量设计、沟通、培训支持和实施速度。以人为中心的数字化转型方法需要高效的系统，以及支持信任、动机和可持续员工适应的工作条件。此外，我们发现的第三个也是最后一个意义是，组织应以支持人类贡献的方式采用人工智能、自动化和工业4.0系统，而不仅仅是简单地替代它们。文献中关于人机协作的趋势表明，企业应设计数字系统以保留人类的判断力，并促进透明度和公平性。因此，负责任的实施不仅是道德问题，也是建立员工信任、提高接受度以及维持长期绩效的实际要求。为此，企业需要重新设计流程和工作流程，以适应日益数字化的运营方式。向基于平台、数据驱动和数字化协调的工作方式的转变表明，仅仅引入新工具并不能实现转型。组织现在需要调整服务流程、决策程序、协调机制和工作流结构，以便在整个业务单元中有效嵌入数字技术。
4.4 未来研究方向
本综述强调了几个值得系统研究的未充分探索的领域。首先，未来的研究应深入理解以人为中心的能力发展，特别是数字技能、学习机制和劳动力适应性如何积累并转化为组织准备度的微观基础。基于动态能力理论和人力资本理论的研究可以阐明这些人类能力在不同行业和制度背景下的演变过程。其次，随着人工智能、自动化和算法管理的迅速普及，需要开展关于员工福祉、数字韧性和伦理影响的实证研究。整合工作-需求（JD-R）模型、技术压力模型和行为模型可能揭示人工智能驱动的工作系统如何重塑动机、自主性和长期工作质量。第三，越来越需要研究领导力、文化和社会技术协调作为将数字化转化为以人为中心的结果的中介力量。纵向和多层次的设计有助于解释领导风格和组织氛围如何与技术变革相互作用。第四，随着工业4.0的发展势头增强，研究应探讨人机协作、人体工程学设计以及以可持续性为导向的转型，特别是在数字化密集型行业中。最后，该领域将从方法论的多样化中受益，包括跨国比较分析、混合方法研究和多源数据集，以解决区域不平衡问题并加深对全球协作模式结构驱动因素的理解。
5. 结论
这项文献计量综述分析了2014年至2025年的6927篇出版物，以描绘以人为中心的数字技术（DT）在数字商业环境中的科学生产力、知识结构和主题演变。结果显示出强劲的增长趋势，年增长率为39%，引用基础也在不断巩固。生产力和影响力相互关联，受到引用滞后和主题多样化的影晌。来源、作者和国家分析显示作者网络较为分散，但欧洲和亚洲是主要贡献者，这反映了数字成熟度、资金和跨境创新参与网络的广泛差异。关键词分析确定了四个主要主题：（1）基于TAM（技术接受模型）和TOE（技术优化模型）的组织和管理基础；（2）与人力资本和动态能力理论相关的劳动力技能、数字能力和创新；（3）工业4.0的技术核心和工业5.0的以人为中心的重点，根植于社会技术系统理论；（4）与工作-需求（JD-R）模型和技术压力研究相一致的人工智能驱动的、数据密集型工作系统。这些主题表明数字化正从技术主导转向以人为中心、基于能力的方向发展。新兴话题包括韧性、数字福祉、伦理人工智能、人机协作和可持续性，表明数字商业环境正朝着以人为中心的价值观转变。在实践中，研究结果强调了数字领导力、持续技能发展和社会技术协调对于数字商业生态系统中的组织的重要性。未来的研究应探讨以人为中心的能力的微观基础、人工智能中介工作中的行为动态、作为转型推动力的领导力和文化，以及各国在数字准备度方面的差异。需要纵向和多层次的设计来阐明组织、技术和人类因素随时间的相互作用。
6. 局限性
纳入会议论文可能是一个潜在的局限性。尽管会议是在人工智能、工业4.0/5.0和数字系统等快速发展的领域中重要的传播渠道，但它们在方法论深度和评审标准上存在差异，且可能会捕捉到期刊可能稍后才会发表的新兴想法。因此，将其纳入数据集可能会引入不太成熟的贡献，但排除它们则有可能忽视以人为中心的数字技术早期阶段的重要发展。
CRediT作者贡献声明
Ugochukwu Ogara：撰写——审稿与编辑、撰写——初稿、方法论、正式分析、数据管理、概念化。
Ebuka Ibeke：验证、监督。
Chinedu Pascal Ezenkwu：监督、概念化。
Simon Burnett：监督。
打赏
