نوآوری داده محور و مدیریت منابع انسانی: ارائه چارچوب بکارگیری تحلیل منابع انسانی

تحلیل داده ها در مدیریت منابع انسانی به دلیل توانایی آن در ارائه بینش بر اساس فرآیندهای تصمیم گیری مبتنی بر داده اهمیت یافته است. با این حال، ادغام یک رویکرد مبتنی بر تحلیل در مدیریت منابع انسانی یک فرآیند پیچیده است. از این رو، بسیاری از سازمان‌ها قادر به به کارگیری تحلیل منابع انسانی نیستند. مطالعه حاضر با استفاده از رویکرد سنتز چارچوب در مورد نقش نوآوری داده محور (تحلیل منابع انسانی) در مدیریت منابع انسانی به شناسایی و تجزیه و تحلیل مضامین مهم و نهایتا پیشنهاد یک چارچوب یکپارچه پرداخته است. بر اساس تجزیه و تحلیل و ترکیب مقالات بررسی شده، این مطالعه تلاش اولیه ای را برای ادغام به کارگیری نوآوری داده محور و مدیریت منابع انسانی با توسعه مدل انتشار نوآوری با دو فرآیند اصلی (پیش از به کارگیری و پس از به کارگیری) انجام می دهد، که در آن 29 زیر مولفه که می‌توانند در سه دسته شروع/محرک، انتشار/به کارگیری و تاثیرات دسته‌بندی شوند، شناسایی شدند. در نهایت، به روش گلوله برفی، داده های مستخرج از سنتز چارچوب در اختیار خبرگانی از متخصصان حوزه مدیریت منابع انسانی و علم داده قرار گرفت و اعتبار داده ها با استفاده از روش اعتبارسنجی لاوشه مورد تجزیه و تحلیل قرار گرفته شد. در نتیجه، بر اساس مقادیر قابل قبول ضرایب لاوشه بر اساس تعداد خبرگان، اعتبار مدل پیشنهادی مورد تایید خبرگان واقع گردید.

data-driven innovation and human resource management: proposing a human resource analytics adoption framework

data analytics has become important in human resource management due to its ability to provide insight based on data-based decision making. however, integrating an analytics-based approach into human resource management is a complex process.therefore, many organizations are unable to adopt human resource analytics. using the framework synthesis approach, the present study has identified and analyzed important themes about the role of data-driven innovation (human resource analytics) in human resource management and finally proposed an integrated framework. based on the analysis and synthesis of the reviewed articles, this study makes an initial attempt to integrate data-driven innovation adoption and human resource management by developing a diffusion of innovation model with two main processes (pre-adoption and post-adoption) in which 29 sub-components were identified which can be classified into three categories: initiation/driver, diffusion/adoption and effects. finally, using the snowball method, the data extracted from the synthesis of the framework was provided to experts from the field of human resource management and data science, and the validity of the data was analyzed using the lawshe validation method. as a result, based on the acceptable values of lawshe’s coefficients based on the number of experts, the validity of the proposed model was approved by the experts.