تبیین هوش مصنوعی در مدیریت منابع انسانی: تحلیل کتابسنجی هوش مصنوعی قابلتوضیح (2013-2023) | ||
| علوم و فنون مدیریت اطلاعات | ||
| مقاله 5، دوره 11، شماره 2، تیر 1404، صفحه 93-132 اصل مقاله (3.85 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/stim.2024.10488.2075 | ||
| نویسندگان | ||
| احسان فرات یزدی1؛ احسان چیت ساز* 2؛ محمد اعتمادی3 | ||
| 1گروه کارآفرینی کسب و کار جدید، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران | ||
| 2گروه توسعه کارآفرینی، دانشکده کارآفرینی دانشگاه تهران، تهران، ایران | ||
| 3گروه کارآفرینی توسعه، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| هدف: هوش مصنوعی (AI) در بخشهای متنوعی کاربرد پیدا کرده و تغییرات جدیدی را ایجاد کرده است، اما این کاربرد چالشهایی نیز دارد. یکی از بخشهایی که از AI بهره برده، مدیریت منابع انسانی است. استفاده از هوش مصنوعی در مدیریت منابع انسانی چالش شفافیت مدل را ایجاد کرده است. این مطالعه به بررسی نقش هوش مصنوعی توضیحپذیر (XAI) در مدیریت منابع انسانی میپردازد. اهمیت هوش مصنوعی توضیحپذیر در حوزههای حساس مانند مدیریت منابع انسانی برجسته است و ضروری است که سیستمهای هوش مصنوعی مورد استفاده در HRM نه تنها کارآمد، بلکه از نظر اخلاقی نیز سالم و شفاف باشند. روش: این مطالعه تجزیهوتحلیل علمسنجی از تحقیقات انجام شده در دهۀ گذشته (۲۰۱۳-۲۰۲۳) در زمینۀ هوش مصنوعی توضیحپذیر و کاربرد آن در مدیریت منابع انسانی انجام میدهد. در این مطالعه، تجزیهوتحلیل کتابسنجی بهعنوان ابزاری برای ترسیم چشمانداز تحقیقات، شناسایی مضامین و الگوهای کلیدی، و درک تقاطع آن با مدیریت منابع انسانی عمل میکند. این تحلیل با کاوش در مفاهیم کلی هوش مصنوعی توضیحپذیر آغاز میشود و سپس به کاربرد خاص آن در مدیریت منابع انسانی میپردازد. همچنین از تجزیهوتحلیل همرخدادی برای شناسایی الگوها و مضامین کلیدی در تحقیقات استفاده شده است. یافتهها: تجزیهوتحلیل همرخدادی شامل دو نقشۀ دانش مجزا بود: نقشۀ اول نشان داد که برنامههای کاربردی هوش مصنوعی توضیحپذیر عمدتاً با حوزه پزشکی مرتبط هستند و تأکید کمتری بر علوم انسانی دارند؛ این یافته نشان میدهد که پتانسیل قابلتوجهی برای کاربرد در مدیریت منابع انسانی وجود دارد، اما هنوز بهطور کامل کاوش نشده است. نقشۀ دوم همافزایی بین هوش مصنوعی توضیحپذیر و مدیریت منابع انسانی را بررسی کرد و نبود همبستگی قابلتوجهی را نشان داد که حاکی از شکاف پژوهش و نوآوری در این حوزه است. همچنین، تکنیکهای یادگیری ماشین قابلیت توضیح و هستیشناختی بهعنوان جنبههای اصلی کاربرد شناسایی شدند. یافتهها بیانگر حداقل تعامل بین هوش مصنوعی فنی و منابع انسانی و نیاز به تحقیقات بینرشتهای هستند. نتیجهگیری: این مطالعه یک نمای کلی از وضعیت فعلی هوش مصنوعی توضیحپذیر و کاربرد آن در مدیریت منابع انسانی ارائه میکند. نتایج نشان میدهد که این حوزه دارای پتانسیل قابلتوجهی برای تغییر شیوههای مدیریت منابع انسانی است، در حالی که چالشها و زمینههای کلیدی برای تحقیقات آینده نیز شناسایی شدند. تأکید میشود که سیستمهای هوش مصنوعی در حوزههای حساس باید نه تنها از نظر فنی کارآمد، بلکه از نظر اخلاقی نیز سالم و شفاف باشند. این امر برای استفاده مسئولانه و ایجاد اثر مثبت در فعالیتهای مدیریت منابع انسانی ضروری است. این مطالعه همچنین تکنیکهای یادگیری ماشین قابلیت توضیح و هستیشناختی را بهعنوان جنبههای اصلی کاربرد هوش مصنوعی توضیحپذیر شناسایی میکند. این جنبهها زیربنای توانایی هوش مصنوعی توضیحپذیر برای ارائۀ مدلهای هوش مصنوعی شفاف و قابل درک است. با این حال، حداقل تعامل بین هوش مصنوعی فنی و منابع انسانی نیاز به تحقیقات بینرشتهای را نشان میدهد که تخصص منابع انسانی را با هوش مصنوعی ترکیب میکند تا ابزارهای منابع انسانی مرتبطتر و مؤثرتر را توسعه دهد. | ||
| کلیدواژهها | ||
| مدیریت منابع انسانی؛ هوش مصنوعی توضیحپذیر؛ تحلیل همرخدادی؛ تفسیرپذیری؛ توضیحپذیری؛ تحلیل کتابسنجی | ||
| عنوان مقاله [English] | ||
| Demystifying Artificial Intelligence (AI) in Human Resource Management (HRM): A Bibliometric Analysis of Explainable Artificial Intelligence (XAI) (2013-2023) | ||
| نویسندگان [English] | ||
| ehsan forat yazdi1؛ Ehsan Chitsaz2؛ mohammad etemadi3 | ||
| 1Department of Business Creation entrepreneurship, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran | ||
| 2Entrepreneurship Development Group, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran | ||
| 3Department of entrepreneurship development, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Purpose: The integration of Artificial Intelligence (AI) has impacted various sectors, bringing about significant changes. However, these applications come with challenges. One sector that has notably benefited from AI is Human Resource Management (HRM). The adoption of AI in HRM has raised concerns regarding transparency. This study explores the role of Explainable Artificial Intelligence (XAI) within HRM. The importance of XAI is especially critical in sensitive areas like HRM, where AI systems must be not only efficient but also ethically responsible and transparent. Building on this premise, the study further investigates the role and potential of XAI in HRM. Method: This study conducts a scientometric analysis of research published over the past decade (2013–2023) in the field of Explainable Artificial Intelligence (XAI) and its applications in Human Resource Management (HRM). Scientometric (bibliometric) analysis is employed as a tool to map the XAI research landscape, identify key themes and patterns, and explore its intersection with HRM. The analysis begins by examining general XAI concepts, including its principles, techniques, and potential applications, before focusing on the specific application of XAI in HRM. Additionally, co-occurrence analysis is utilized to detect themes and patterns within the body of research. Findings: The co-occurrence analysis in this study presents two distinct knowledge maps. The first map focuses exclusively on explainable artificial intelligence (XAI), offering an overview of the field. It reveals that XAI applications are predominantly associated with the medical domain, with comparatively less emphasis on the humanities. This finding suggests that, although XAI holds significant potential for human resource management (HRM), this area remains underexplored and underutilized. The second knowledge map investigates the intersection between XAI and HRM. Interestingly, the integration of HR within AI exhibits a notable lack of correlation with core AI topics. This indicates a research and innovation gap at the convergence of these fields, potentially arising from differing disciplinary backgrounds, perspectives, or HR managers' reluctance to adopt intelligent systems. Additionally, the study identifies explainable machine learning techniques and ontological frameworks as core elements of XAI applications, which support XAI’s capacity to deliver transparent and interpretable AI models. However, the limited interaction between technical AI and HR highlights the necessity for interdisciplinary research that combines HR expertise with AI to develop more relevant and effective HR tools. Conclusion: In conclusion, this study provides an overview of the current state of explainable artificial intelligence (XAI) and its applications in human resource management (HRM). It highlights the significant potential of this field while identifying key challenges and areas for future research. The findings emphasize that AI systems, particularly in sensitive domains such as HRM, must be not only technically efficient but also ethically sound and transparent. This is essential to ensure that AI systems are used responsibly and contribute positively to HRM practices. It is hoped that this work will contribute to the ongoing dialogue about the role of AI in HRM and inspire further exploration and innovation in this dynamic field. | ||
| کلیدواژهها [English] | ||
| Human Resource Management, Explainable Artificial Intelligence, Co-occurrence Analysis, Interpretability, Explainability, Bibliometrics | ||
| مراجع | ||
|
اعتمادی، محمد، چیتساز، احسان، کوشکی، سحر، و جعفری، سیدمحمدعلی. (1403). هوش مصنوعی در مقابل روشهای هدایت انسانی در ارزیابی استخدام منابع انسانی: فراترکیب مزایا و معایب. مدیریت منابع انسانی پایدار، 6(11)، 214-191. https://doi.org/10.22080/shrm.2024.5100
حسنزاده، م. (2022).عاملهای هوشمند و تسهیلات مدیریت دانش: چت جی پی تی و بعد از آن. علوم و فنون مدیریت اطلاعات، (4)8، 7-22. https://doi.org/10.22091/stim.2023.2421
مهدیپور، محمدعلی، چیتساز، احسان و اعتمادی، محمد. (1403). چشماندازی بر تعامل انسان و هوش مصنوعی: تحلیل کتابسنجی با تکنیک همرخدادی. فصلنامه علمی کارافن، (3)21، 13-33.
https://doi.org/10.48301/kssa.2024.428257.2778 | ||
|
آمار تعداد مشاهده مقاله: 2,512 تعداد دریافت فایل اصل مقاله: 825 |
||