الگوی هوشمندی مدیریت منابع انسانی مبتنی بر علم داده و یادگیری ماشینی

در سال های اخیر، توانمندی های علم داده و یادگیری ماشینی توانسته است با گزارش ها و تحلیل های توصیفی، تشخیصی، پیش بینی کننده و تجویزی کمک های شایانی به حوزه مدیریت منابع انسانی 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 . برای پاسخ به سوالات تحقیق، طیف وسیعی از مقالات از پایگاه ها و مجلات معتبر علمی استخراج و بر اساس روش ترکیبی در هم تنیده (همزمان) موردبررسی قرار گرفتند. در این روش به صورت همزمان روش کیفی و کمی برای تحلیل داده ها مورد بررسی قرار گرفت. در بخش کیفی تحلیل مضمون (تم) و در بخش کمی متن کاوی استفاده شده است. در بخشکیفی، 842 مقاله استخراج و 82 مقاله منتخب با استفاده از نرم افزار مکس کیودا، به منظور پاسخگویی به سوالات انتخاب و کدگذاری شدند. در بخش کمی نیز روش های تجزیه و تحلیل متن کاوی با استفاده از زبان پایتون پیاده سازی شده اند که در آن از پیش پردازش داده ها، ابر واژگان، هم رویدادی لغات و مدل سازی موضوعی بهره گرفته شده است. بر مبنای الگوی نهایی مدیران سازمان ها و خبرگان قادر خواهند بود تا نسبت به هوشمندسازی سیستم ها و راهکارهای نرم افزاری جهت بهبود کیفیت تصمیم گیری داده محور در حوزه منابع انسانی اقدام نمایند.

human resource management intelligence pattern based on data science and machine learning

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 .