چکیده:
در سالهای اخیر، کاربرد هوش مصنوعی به ویژه یادگیری ماشینی در حوزه مدیریت منابع انسانی رشد قابل توجهی داشته است، و به دلیل جدید بودن این حوزه، برای بسیاری از مدیران و خبرگان حوزه منابع انسانی ناشناخته است. همچنین، در سالهای متمادی شاهد تولید دادههای زیادی در این حوزه و زمینههای مرتبط با آن هستیم که تحلیل آنها در فعالیتهای منابع انسانی با دشواری همراه است. توانمندیهای علم داده و یادگیری ماشینی توانسته است با گزارشها و تحلیلهای توصیفی، تشخیصی، پیش بینی کننده و تجویزی کمکهای شایانی به این حوزه و فراتر از آن به راهبری سازمان داشته باشد. در این راستا هدف از انجام پژوهش، بررسی اقداماتی است که تاکنون در حوزه هوشمندی مدیریت منابع انسانی انجام شده است و به سه سوال اصلی پاسخ داده میشود. سوال اول شناسایی فعالیتهایی از مدیریت منابع انسانی است که قابل هوشمندسازی میباشند. در سوال دوم، به شناسایی کاربرد انواع الگوریتمهای یادگیری ماشینی در در این حوزه پرداخته شده است. در سوال سوم، بر مبنای سطوح بلوغ تحلیلهای پیشرفته داده، طبقه بندی "الگوریتمهای یادگیری ماشینی در کارکردهای هوشمندی مدیریت منابع انسانی" صورت پذیرفته است. برای پاسخگویی، طیف وسیعی از مقالات از پایگاهها و مجلات معتبر علمی استخراج و بر اساس روش ترکیبی در هم تنیده (همزمان) مورد بررسی قرار گرفتند. در بخش کمی از الگوریتمهای متن کاوی با استفاده از زبان پایتون و در بخش کیفی از تحلیل مضمون با استفاده از نرم افزار MAXQDA2020 استفاده شده است.
In recent years, the application of artificial intelligence, especially machine learning, has grown significantly in the field of HRM, which is unknown to many managers and experts in the field of HR due to the newness of this field. A lot of data is being generated by users of organization in HRM domains and the related fields, which are difficult to analyze and use in HR activities. The capabilities of data science and machine learning have been able to make great contributions to the field of HRM and beyond to the management of the organization with descriptive, diagnostic, predictive and prescriptive reports and analyses. The purpose of the research is to examine the measures that have been taken so far in the field of HRM intelligence, and in this research, three main questions are answered. The first question is to identify HRM activities that can be made intelligent. In the second question, the application of various ML algorithms in HRMI has been identified. In the third question, based on the maturity levels of data analytics, the classification of "ML algorithms in intelligent HRM functions" has been made. In order to answer , a wide range of articles were extracted from reliable scientific databases and journals and analyzed based on a mixed method. In this method, qualitative and quantitative methods for data analysis were investigated at the same time. IN the quantitative part, text mining algorithms were used Python language, and in the qualitative part, thematic analysis was used MAXQDA2020 .