کاربردهای هوش مصنوعی در مدیریت منابع انسانی: تجزیهوتحلیل شبکههای همکاری علمی و نقشههای موضوعی
نویسندگان
1 دانشجوی دکتری، گروه مدیریت فناوری اطلاعات، دانشگاه شهید بهشتی، تهران، ایران
2 استاديار،گروه مهندسی پیشرفت، دانشکده مدیریت، اقتصاد و مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
3 ارشناسی ارشد، گروه مدیریت، دانشکده مدیریت، اقتصاد و مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
4 استاديار،گروه مدیریت، دانشکده مدیریت، اقتصاد و مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
doi
چکیده
گسترش برنامههای مبتنی بر هوش مصنوعی در ده سال گذشته زمینه جدیدی از تحقیقات را ایجاد کرده است که بر تأثیر پذیرش هوش مصنوعی بر نتایج فردی و تجاری و همچنین نحوه ارزیابی شیوههای مدیریت منابع انسانی مبتنی بر هوش مصنوعی متمرکز است . در دهههای اخیر، ادغام فناوریهای هوش مصنوعی (AI) در مدیریت منابع انسانی (HRM) به یکی از مهمترین تحولات فناورانه در سازمانها تبدیل شده است. اگرچه پژوهشهای متعددی به بررسی ابعاد کاربردی این فناوری پرداختهاند، اما همچنان یک تحلیل جامع و نظاممند از ساختار علمی و موضوعات کلیدی این حوزه وجود ندارد. پژوهش حاضر با هدف پر کردن این شکاف، به تحلیل روندهای پژوهشی، الگوهای همکاری علمی و مضامین موضوعی در حوزهی AI در HRM میپردازد. برای دستیابی به این هدف، تعداد 1939 مقاله نمایهشده در پایگاه Web of Science طی بازه زمانی 2000 تا 2024 گردآوری و با بهرهگیری از تکنیکهای علمسنجی و تحلیل شبکههای اجتماعی مورد تحلیل قرار گرفت. ساختارهای همکاری علمی میان کشورها و دانشگاهها، با استفاده از شاخصهای مرکزیت و تراکم، بررسی و نقشههای موضوعی نیز با استفاده از تحلیل همکلمهای ترسیم شد. یافتهها نشان داد که این حوزه دارای ماهیتی جهانی و میانرشتهای است و کشورهای آمریکای شمالی، اروپای غربی و آسیای شرقی نقش برجستهای در تولید دانش دارند. در نقشه موضوعی، «عملکرد» بهعنوان محرک اصلی، و مفاهیمی چون «مدیریت»، «رضایتمندی» و «طبقهبندی» بهعنوان موضوعات پایه شناسایی شدند. همچنین، موضوعاتی نظیر «تحلیل منابع انسانی» و «خدمات» گرایشهایی حاشیهای اما با پتانسیل توسعه نشان دادند. این مطالعه بینشهایی ارزشمند برای دانشگاهیان، سیاستگذاران و مدیران منابع انسانی فراهم میآورد و نشان میدهد که هوش مصنوعی میتواند بهعنوان اهرمی راهبردی در بهینهسازی تصمیمات، ارتقای عملکرد و توسعه سرمایه انسانی بهکار رود. در عین حال، نیاز به توجه بیشتر به ابعاد اخلاقی، شفافیت الگوریتمی و عدالت سازمانی، در پژوهشهای آینده کاملاً مشهود است.