پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,824 |
| تعداد مقالات | 73,563 |
| تعداد مشاهده مقاله | 134,684,429 |
| تعداد دریافت فایل اصل مقاله | 105,210,845 |
تحلیل استراتژیک توسعه مدیریت منابع انسانی مبتنی بر هوش مصنوعی | ||
| فصلنامه علمی پژوهشی توسعه کارآفرینی | ||
| دوره 18، شماره 2، تیر 1404، صفحه 108-148 اصل مقاله (1.95 M) | ||
| نوع مقاله: مقالات پژوهشی آمیخته | ||
| شناسه دیجیتال (DOI): 10.22059/jed.2025.392646.654508 | ||
| نویسندگان | ||
| فاطمه دهقان منشادی1؛ علی اصغر تباوار* 2؛ محمد قاسمی3 | ||
| 1گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان وبلوچستان، سیستان وبلوچستان، ایران | ||
| 2گروه مدیریت بازرگانی و مالی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان وبلوچستان، سیستان وبلوچستان، ایران | ||
| 3گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان وبلوچستان، سیستان وبلوچستان، ایران. | ||
| چکیده | ||
| هدف: در دهه اخیر، هوش مصنوعی به عنوان یک فناوری سرآمد، مدیریت منابع انسانی را از جنبه‌های گوناگون مانند فرایندهای استخدام، پرورش و توسعه کارکنان به شدت تحت تاثیر قرار داده است. به‌کارگیری این فناوری در فرآیندهای منابع انسانی موجب افزایش دقت، تحلیل داده‌ها، ساده‌سازی، خودکارسازی و شخصی‌سازی فرآیندها شده و در نهایت، صرفه‌جویی در زمان و ارتقای کیفیت عملیات منابع انسانی را به همراه دارد. هوش مصنوعی همچنین به چابکی و بازمهندسی فرآیندهای مدیریت منابع انسانی کمک کرده و به شکل مستقیم و غیرمستقیم، توانمندی‌های این حوزه را تحت تأثیر قرار می‌دهد بنابراین، بهره‌گیری از قابلیت‌های هوش مصنوعی می‌تواند مسیر توسعه مدیریت منابع انسانی را هموار کند، هرچند که این روند با چالش‌ها و موانعی نیز روبه‌روست به همین دلیل توجه به هوش مصنوعی در سازمان و به تبع آن، توسعه مدیریت منابع انسانی یک ضرورت راهبردی محسوب می‌شود. بنابراین، هدف اصلی این پژوهش، تحلیل شکاف و تعیین فاصله سازمان از وضعیت ایده‌آل در زمینه توسعه مدیریت منابع انسانی مبتنی بر هوش مصنوعی است. نتایج این تحلیل می‌تواند برنامه‌ریزی برای تحقق اهداف فردی و سازمانی را تسهیل کند که اهمیت عملی این موضوع را نشان می‌دهد. افزون بر این، غفلت سازمان امور مالیاتی از تغییرات قانونی، الزامات جدید محیطی، حجم گسترده داده‌ها، فرار مالیاتی و خروج از اقتصاد وابسته به درآمدهای نفتی، پیامدهای منفی و مخربی برای اقتصاد داخلی به همراه خواهد داشت. بنابراین، این سازمان باید با اتخاذ سیاست‌های پیشرو، در مسیر تحول و توسعه مدیریت منابع انسانی گام بردارد. این موضوع از نظر نظری نیز مورد توجه بسیاری از پژوهشگران قرار گرفته و در سال‌های اخیر مطالعات متعددی درباره نقش هوش مصنوعی در مدیریت منابع انسانی انجام شده است. بااین‌حال، بررسی‌های اکتشافی و تدوین یک الگوی راهبردی در این زمینه همچنان مورد غفلت قرار گرفته است. سهم نظری این پژوهش، شناسایی عوامل مؤثر بر توسعه مدیریت کارکنان با استفاده از هوش مصنوعی و ارزیابی میزان اهمیت و عملکرد هر یک از این عوامل در سازمان امور مالیاتی کشور است. مطالعه حاضر به این پرسش کلیدی پاسخ می‌دهد که تحلیل استراتژیک توسعه مدیریت منابع انسانی مبتنی بر هوش مصنوعی در سازمان امور مالیاتی کشور چگونه است؟ روش: تحقیق حاضر از نظر هدف، یک تحقیق کاربردی-توسعه‌ای و از منظر روش گردآوری داده‌ها، پیمایشی-مقطعی است. جامعه مشارکت‌کنندگان بخش کیفی شامل 20 نفر از اساتید مدیریت منابع انسانی و مدیران سازمان امور مالیاتی کشور است که با روش نمونه‌گیری هدفمند انتخاب شدند. حجم نمونه بخش کمی نیز با روش اندازه اثر و توان آزمون برای تحلیل شکاف، 280 نفر برآورد گردید و نمونه‌گیری با روش خوشه‌ای-تصادفی انجام شد. برای گردآوری داده‌ها از مصاحبه نیمه‌ساختاریافته و پرسشنامه محقق‌ساخته استفاده شد.جهت تجزیه‌وتحلیل داده‌ها در بخش کیفی از روش تحلیل کیفی مضمون (تِم) با نرم‌افزار MaxQDA استفاد شد. سپس تحلیل اهمیت-عملکرد با نرم‌افزار SPSS انجام شد و در پایان به تحلیل استراتژیک و ارائه راهکارهای عملیاتی با رویکرد ترکیبی SWOT-QSPM پرداخته شد. یافته‌ها: بر اساس یافته‌های تحقیقی گزارش نهایی تحلیل کیفی تدوین شد که شامل 4 مضمون فراگیر، 10 مضمون سازمان‌دهنده و 60 مضمون پایه بود. لازم به توضیح است این دسته‌بندی با عنایت به اصول تحلیل استراتژیک سوات صورت گرفت. چون پژوهش حاضر با رویکردی استراتژیک انجام شد بنابراین مقوله‌های فراگیر در قالب نقاط قوت (توسعه منابع انسانی، عوامل فنی و مدیریتی هوش مصنوعی)، نقاط ضعف (نظام سنتی منابع انسانی و مقاومت کارکنان در برابر تغییر)، فرصت‌ها (فرصت‌های توسعه مدیریت منابع انسانی و دسترسی به نیروی انسانی متخصص) و تهدیدها (مسائل اقتصادی، قانونی و امنیتی) دسته‌بندی شدند. نتیجه: بر اساس نتایج تحقیق مشخص شد ، در زمینه نیروی انسانی متخصص، مقدار اهمیت و عملکرد بسیار به هم نزدیک است و شکاف معناداری وجود ندارد. در زمینه عوامل مدیریتی و فنی هوش مصنوعی، توسعه منابع انسانی، نظام سنتی منابع انسانی، مقاومت منابع انسانی، فرصت‌های توسعه مدیریت منابع انسانی، مسائل اقتصادی، قانونی و امنیتی، شکاف عملکردی قابل توجه است و با شرایط مطلوب فاصله معناداری دارد. همچنین حیطه بی‌تفاوتی و حیطه اتلاف وجود ندارد. عوامل فنی هوش مصنوعی، توسعه منابع انسانی و نیروی انسانی متخصص در ناحیه قابل قبول قرار دارند. از سوی دیگر عوامل مدیریتی هوش مصنوعی، نظام سنتی منابع انسانی، مقاومت منابع انسانی، فرصت‌های توسعه، مسائل اقتصادی، قانونی و امنیتی در وضعیت مناسبی نیستند. | ||
| کلیدواژه‌ها | ||
| توسعه مدیریت منابع انسانی؛ هوش مصنوعی؛ تحلیل شکاف؛ سازمان امور مالیاتی کشور | ||
| عنوان مقاله [English] | ||
| Strategic analysis of the development of human resource management based on artificial intelligence | ||
| نویسندگان [English] | ||
| Fatemah Dehghan Manshady1؛ Aliasghar Tabavar2؛ Mohammad Ghasemi3 | ||
| 1Human Resources, Faculty of Management and Economics, University of Sistan and Baluchistan, Sistan and Baluchistan, Iran. | ||
| 2Department of Financial Management, Faculty of Management and Economics, University of Sistan and Baluchistan, Sistan and Baluchistan, Iran | ||
| 3Department of Public Administration, Faculty of Management and Economics, University of Sistan and Baluchistan, Sistan and Baluchistan, Iran | ||
| چکیده [English] | ||
| Objective: In the last decade, artificial intelligence, as a leading technology, has greatly affected human resource management in various aspects such as recruitment, training, and employee development processes. The use of this technology in human resource processes has increased accuracy, data analysis, simplification, automation, and personalization of processes, and ultimately, saves time and improves the quality of human resource operations. Artificial intelligence also contributes to the agility and reengineering of human resource management processes and directly and indirectly affects the capabilities of this field. Therefore, utilizing the capabilities of artificial intelligence can pave the way for the development of human resource management, although this process also faces challenges and obstacles. Therefore, paying attention to artificial intelligence in the organization and, consequently, the development of human resource management is considered a strategic necessity. Therefore, the main objective of this research is to analyze the gap and determine the distance of the organization from the ideal situation in the field of developing human resource management based on artificial intelligence. The results of this analysis can facilitate planning for the realization of individual and organizational goals, which shows the practical importance of this issue. In addition, the Tax Administration’s neglect of legal changes, new environmental requirements, large volumes of data, tax evasion, and exit from the oil-dependent economy will have negative and destructive consequences for the domestic economy. Therefore, this organization must take steps towards the transformation and development of human resource management by adopting progressive policies. This issue has also received theoretical attention from many researchers, and in recent years, numerous studies have been conducted on the role of artificial intelligence in human resource management. However, exploratory studies and the development of a strategic model in this field have still been neglected. The theoretical contribution of this research is to identify the factors affecting the development of personnel management using artificial intelligence and to assess the importance and performance of each of these factors in the Tax Administration of the country. The present study answers the key question: What is the strategic analysis of the development of human resource management based on artificial intelligence in the Tax Administration of the country? Method: The present study is an applied-developmental research in terms of its purpose and a survey-cross-sectional one in terms of its data collection method. The qualitative part participants included 20 professors of human resource management and managers of the Iranian Tax Administration who were selected using purposive sampling. The sample size of the quantitative part was estimated at 280 using the effect size and power test method for gap analysis, and sampling was done using a cluster-random method. Semi-structured interviews and a researcher-made questionnaire were used to collect data. Qualitative theme analysis using MaxQDA software was used to analyze the data in the qualitative part. Then, importance-performance analysis was performed using SPSS software, and finally, strategic analysis and presentation of operational solutions were carried out using a combined SWOT-QSPM approach. Findings: Based on the research findings, a final qualitative analysis report was compiled, which included 4 overarching themes, 10 organizing themes, and 60 basic themes. It is necessary to explain that this classification was made with consideration of the principles of strategic SWOT analysis. Since the present study was conducted with a strategic approach, the comprehensive categories were categorized as strengths (human resource development, technical and managerial factors of artificial intelligence), weaknesses (traditional human resource system and employee resistance to change), opportunities (opportunities for developing human resource management and access to expert human resources) and threats (economic, legal and security issues). Conclusion: Based on the results of the study, it was determined that in the field of expert human resources, the importance and performance are very close and there is no significant gap. In the field of managerial and technical factors of artificial intelligence, human resource development, traditional human resource system, human resource resistance, opportunities for developing human resource management, economic, legal and security issues, the performance gap is significant and has a significant distance from the desired conditions. Also, there is no indifference zone and no waste zone. The technical factors of artificial intelligence, human resource development and expert human resources are in the acceptable area. On the other hand, the management factors of artificial intelligence, the traditional human resources system, human resource resistance, development opportunities, economic, legal, and security issues are not in a good state. | ||
| کلیدواژه‌ها [English] | ||
| Human Resource Management Development, Artificial Intelligence, Gap Analysis, Iranian Tax Affairs Organization | ||
| مراجع | ||
|
اکبری‌امامی، شهناز؛ جامی‌پور، مونا؛ فتحی، سارا. (1402). طراحی چارچوب بکارگیری هوش مصنوعی در مدیریت منابع انسانی: رویکردی اکتشافی. مدیریت منابع انسانی پایدار، 5(9)، 284-263. https://doi.org/10.22080/shrm.2023.4416
آدابی،مرسده. (1403). کاربست تکنیک فراترکیب مدیریت تحول منابع انسانی براساس هوش مصنوعی. هشتمین کنفرانس بین المللی ایده‌های نوین در مدیریت، اقتصاد، حسابداری و بانکداری. 19-1. https://civilica.com/doc/2131441
باشکوه‌اجیرلو، محمد؛ قاسمی‌همدانی، ایمان. (1402). واکاوی نقش عوامل اثرگذار بر هم‌آفرینی ارزش از طریق فناوری‌های مجهز به هوش مصنوعی و مدیریت دانش. کتاب‌داری و اطلاع‌رسانی، 26 (۱۰۱)، 115-142. https://doi.org/10.30481/lis.2023.377727.2037
چیت‌ساز، احسان؛ اعتمادی، محمد؛ کوشکی، سحر؛جعفری، سیدمحمدعلی. (1403). هوش مصنوعی درمقابل روش‌های هدایت انسانی در ارزیابی استخدام منابع انسانی: فراترکیب مزایا و معایب. مدیریت منابع انسانی پایدار، 6 (11)، 191-214. https://doi.org/10.22080/shrm.2024.5100
حبیبی، آرش؛ سرآبادانی، مونا. (1401). آموزش کاربردی SPSS. تهران: نارون.
حشمدار، اکرم؛ کردی، مراد. (1401). بررسی اثربخشی سیستمهای هوش مصنوعی در کارکردهای منابع انسانی. تحقیقات معاصر در علوم مدیریت و حسابداری، 4(12)، 1-6. . https://jocrimas.ir/fa/showart-7fd361c3e81b62eea3a55118f3c8b52f
راه‌پیما، امان‌الله؛ پیرزاد، علی. (1403). بررسی تاثیر هوش مصنوعی بر عملکرد منابع انسانی و کیفیت زندگی حرفه‌ای کارکنان. مطالعه توسعه و مدیریت منابع، 2 (2)، 69-80. https://sanad.iau.ir/fa/Article/1122694
رجایی، زهرا؛ نوفرستی، فاطمه؛ حیدرنیا، زهرا؛ مهمی، زهرا. (1402). کاربست هوش مصنوعی در مدیریت منابع انسانی. منابع انسانی ناجا، 16(73)، 39-70. https://civilica.com/doc/1863305
سپه‌پور، محمدرضا؛ خیراندیش، مهدی؛ رحمانی، حامد. (1402). ارائه مدل مدیریت منابع انسانی عملکرد بالا. مدیریت توسعه و تحول، 1۵ (52)، 23-35.4. https://doi.org/10.22094/jdem.2023.1990636.3117
سیفی‌نژاد، سعید؛ قلی‌پورکنعانی، یوسف؛ مختاری‌بایع‌کلائی، مهران؛ باقرزاده، محمدرضا. (1402). مدل جامع عوامل مؤثر بر مدیریت راهبردی منابع انسانی در سازمان مالیاتی کشور. تحقیقات برنامه‌ریزی درسی و آموزشی، 13(2)، 25-38. https://sanad.iau.ir/Journal/jcdepr/Article/1082034
ظریف‌گلزار، علیرضا؛ شاکری‌نوری، علیرضا. (1402). اثر فناوری هوش مصنوعی بر عملکرد منابع انسانی در سازمان‌ها. هشتمین کنفرانس بین‌المللی و ملی مطالعات مدیریت، حسابداری و حقوق. https://civilica.com/doc/1694389
عباسی، رسول؛ اسماعیلی، محدثه. (1403). هوش مصنوعی و فرایندهای منابع انسانی دیجیتال: کاربردها و چالش‌ها. مطالعات منابع انسانی، 14(1)، 116-140. https://doi.org/10.22034/jhrs.2024.195965
علمداری، حمید؛ مکوندی، فواد؛ همتی، محمد؛ امیرنژاد، قنبر. (1403). بررسی رابطه مدیریت منابع انسانی با سیستمهای کاری با عملکرد بالا در شرکت‌‌های دولتی ایران به‌‌منظور ارائه الگوی. مطالعات راهبردی در صنعت نفت، 16(61)، 219-244. http://iieshrm.ir/article-1-1662-fa.html
قزلسفلو، حمیدرضا. (1402). بررسی چالش‌ها و فرصت‌های استفاده از هوش مصنوعی در مدیریت منابع انسانی. تکنولوژی در کارآفرینی و مدیریت راهبردی، 2(2)، 21-27. https://doi.org/10.61838/kman.jtesm.2.2.4
کلاته‌آقامحمدی، آمنه؛ شریفی، سیدمهدی. (1401). بررسی جایگاه هوش مصنوعی در منابع انسانی از منظر نقش هوش مصنوعی در حذف مشاغل. دانش آینده پژوهی رسانه، 3(3)، 36-64. http://noo.rs/LKVAn
کیایی، مجتبی؛ بهزادی‌موزری، سعید؛ بارانی‌بناب، صمد. (1403). ارائه مدل حاکمیت داده در سازمان امور مالیاتی کشور مطالعه‌ای در نظام مالیاتی هوشمند. تحقیقنامه مالیات. ۳۲ (۶۱)، ۵۵-۸۵.http://taxjournal.ir/article-1-2376-fa.html
میهن‌دوست، مهدی؛ مدنی، امیرمحسن؛ محبی، سراج‌الدین. (1402). طراحی مدل توسعه رفتار شهروندی سازمانی اسلامی در میان کارکنان سازمان امور مالیاتی کشور. مطالعات رفتاری در مدیریت، 14 (33)، 96-115. https://civilica.com/doc/1853941
نخجوانی، علی؛ یاقوتی، ابراهیم. (1402). وضعیت حقوقی معاملات انجام شده توسط هوش مصنوعی. تحقیقات حقوق اقتصادی و تجاری، ۱(1)، 41-68. https://doi.org/10.48308/eclr.2023.103363
یزدانی، حمیدرضا؛ حکیمی‌نیا، مسعود. (1403). شناسایی چالش‌ها و فرصت‌های بکارگیری هوش مصنوعی درمدیریت منابع انسانی: رویکرد فراترکیب. مدیریت منابع انسانی پایدار، 6(10)، 139-113. https://doi.org/10.22080/shrm.2024.4601
Abbasi, R., Esmaeili, M. (2024). Artificial intelligence and digital human resource processes: applications and challenges. Human Resource Studies, 14(1), 116-140. [In Persian]
Adabi, M. (2024). Application of Metasynthesis Technique in Human Resource Transformation Management Based on Artificial Intelligence. Eighth International Conference on New Ideas in Management, Economics, Accounting and Banking. 19-1. [In Persian]
Attride-Stirling, J. (2001). Thematic networks: an analytic tool for qualitative research. Qualitative research, 1(3), 385-405.
Agarwal, S., Gupta, A., & Roshani, P. (2023). Redefining HRM with artificial intelligence and machine learning. Emerald Publishing Limited, 11 (4). 1-13. https://doi.org/10.1108/978-1-80382-027-920231001
Aguinis, H., Beltran, J. R., & Cope, A. (2024). How to use generative AI as a human resource management assistant. Organizational Dynamics, 53(1), 101029. https://doi.org/10.1016/j.orgdyn.2024.101029
Akbari-Emami, Sh., Jamipour, M., Fathi, S. (2023). Designing a framework for using artificial intelligence in human resource management: an exploratory approach. Sustainable Human Resource Management, 5(9), 284-263. [In Persian]
Alamdari, H., Makounde, F., Hemmati, M., Amirnezhad, Gh. (2024). Investigating the relationship between human resource management and high-performance work systems in Iranian state-owned companies in order to provide a model. Strategic Studies in the Oil Industry, 16(61), 219-244. [In Persian]
Andrieux, P., Johnson, R. D., Sarabadani, J., & Van Slyke, C. (2024). Ethical considerations of generative AI-enabled human resource management. Organizational Dynamics, 53(1), 101032. http://dx.doi.org/10.13140/RG.2.2.35360.39683
Bashkoh-Ajirloo, M., Ghasemi-Hamedani, I. (2023). Exploring the role of factors affecting value co-creation through technologies equipped with artificial intelligence and knowledge management. Library and Information, 26(101), 115-142. [In Persian]
Bhise, P., Karekar, P., Nikam, R., & Ray, S. (2024). AI-HRM: Transforming Human Resource Management With Artificial Intelligence. Educational Administration: Theory and Practice, 30(5), 9208-9215. https://doi.org/10.53555/kuey.v30i5.4534
Boon, C., Jiang, K., & Eckardt, R. (2025). The role of time in strategic human resource management research: A review and research agenda. Journal of Management, 51(1), 172-211. https://doi.org/10.1016/j.orgdyn.2024.101032
Braun, V., & Clarke, V. (2022). Thematic analysis: A practical guide. Sage.
Budhwar, P., Malik, A., & Kazmi, B. A. (2023). Artificial intelligence (AI)-assisted HRM: Towards an extended strategic framework. Human Resource Management Review, 33(1), 930-940. https://doi.org/10.1016/j.hrmr.2022.100940
Candus, C., Debra, S. (2022). Artificial intelligence Performance assessment towards achieving sustainable consumption and production. Journal of Cleaner Production, 37(2), 683-698.
Chitsaz, E., Etemadi, M., Koushki, S., Jafari, S.M. A. (2024). Artificial intelligence versus human guidance methods in evaluating human resource recruitment: a meta-synthesis of advantages and disadvantages. Sustainable Human Resource Management, 6(11), 191-214. [In Persian]
Chowdhury, S., Dey, P., Joel-Edgar, S., Bhattacharya, S., & Truong, L. (2023). Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human resource management review, 33(1), 880-899. https://doi.org/10.1016/j.hrmr.2022.100899
Faheem, M. A., Anwer, S., Rayhan, Z., Ullah, M. A., Paudel, R., Ahmed, M. F., & Khan, H. (2024). AI-Driven Innovation In HRM And Its Impact On Business Management: An In-Depth Study Of Technology Advancement And Strategic Implementation. Nanotechnology Perceptions, 20, 1174-1204. http://dx.doi.org/10.13140/RG.2.2.19108.49284
Ghezelsaflo, H. R. (2023). Examining the challenges and opportunities of using artificial intelligence in human resource management. Technology in Entrepreneurship and Strategic Management, 2(2), 21-27. [In Persian]
Gierke, L. A., Schlamp, S., & Gerpott, F. H. (2025). Which organisational context factors help women to obtain and retain leadership positions in the 21st century? A systematic review and research agenda for human resource management. Human Resource Management Journal, 35(1), 336-370. https://doi.org/10.1111/1748-8583.12568
Gong, Q., Fan, D., & Bartram, T. (2025). Integrating artificial intelligence and human resource management: a review and future research agenda. The International Journal of Human Resource Management, 36(1), 103-141. http://dx.doi.org/10.1080/09585192.2024.2440065
Grzybowski, A., Pawlikowska–Łagód, K., & Lambert, W. C. (2024). A history of artificial intelligence. Clinics in Dermatology, 44(8), 1309-1331. https://doi.org/10.1016/j.clindermatol.2023.12.016
Guba, E. G., & Lincoln, Y. S. (1982). Epistemological and methodological bases of naturalistic inquiry. ECTJ, 30(4), 233-252.
Habibi, A., Sarabadani, M. (2022). SPSS practical training. Tehran: Naroon. [In Persian]
Hamouche, S., Rofa, N., & Parent-Lamarche, A. (2025). Systematic bibliometric review of artificial intelligence in human resource development: insights for HRD researchers, practitioners and policymakers. European Journal of Training and Development, 49(1/2), 43-62. http://dx.doi.org/10.1108/EJTD-10-2023-0152
Hashamdar, A., Kordi, M. (2022). Investigating the effectiveness of artificial intelligence systems in human resource functions. Contemporary Research in Management and Accounting Sciences, 4(12), 1-6. [In Persian]
Holsti, O. R. (1969). Content analysis for the social sciences and humanities, Reading, MA: Addison-Wesley.
Kalate-Agha-Mohammadi, A., Sharifi, S.M. (2022). Examining the position of artificial intelligence in human resources from the perspective of the role of artificial intelligence in eliminating jobs. Future Science of Media, 3(3), 36-64. [In Persian]
Kiyai, M., Behzadi-Mozeri, S., Barani-Bonab, S. (2024). Presenting a data governance model in the Iranian Tax Affairs Organization: A study in a smart tax system. Tax Research Paper. 32(61), 55-85. [In Persian]
Mendy, J., Jain, A., & Thomas, A. (2024). Artificial intelligence in the workplace–challenges, opportunities and HRM framework: a critical review and research agenda for change. Journal of Managerial Psychology, 8(6), 109-121. https://doi.org/10.1108/JMP-05-2024-0388
Mihandoust, M., Madani, A.M., Mohebi, S. (2023). Designing a model for developing Islamic organizational citizenship behavior among employees of the National Tax Affairs Organization. Behavioral Studies in Management, 14(33), 96-115. [In Persian]
Miller, E., Cross, L., & Lopez. M. (2010). Sampling in qualitative research. FBB research group, 19(3), 249-261.
Mohammadi-Yazdi, A., Mirsapasi, N., Mousa-Khani, M., Hanifi, F. (2023). Investigating the status of human resource management development indicators based on competency components in the e-commerce development center of the Ministry of Finance. Dynamic Management and Business Analysis, 2(4), 180-199. [In Persian]
Nakhjavani, A., Yaghouti, E. (2023). Legal status of transactions carried out by artificial intelligence. Economic and Commercial Law Research, 1(1), 41-68. [In Persian]
Orhan, A., & Kurnaz, S. (2025). Artificial Intelligence in Human Resource Management Training. In Economic Innovations and Technological Developments in HRM (pp. 405-444). IGI Global.
Pan, Y., Froese, F., Liu, N., Hu, Y., & Ye, M. (2022). The adoption of artificial intelligence in employee recruitment: The influence of contextual factors. The International Journal of Human Resource Management, 33(6), 1125- 1147. https://doi.org/10.1080/09585192.2021.1879206
Parikh, V., & Pirani, S. (2025). Integrating Sustainable HRM, Digital HRM, And Remote Work Practices: A Conceptual Framework for Enhancing Job Satisfaction. International Journal of multidisciplinary Research & Reviews, 4(1), 68-81. http://dx.doi.org/10.56815/ijmrr.v4i1.2025.68-81
Rabenu, E., & Baruch, Y. (2025). Cyborging HRM theory: from evolution to revolution–the challenges and trajectories of AI for the future role of HRM. Personnel Review, 54(1), 174-198. https://doi.org/10.1108/PR-02-2024-0111
Rahpima, A., Pirzad, A. (2024). Investigating the impact of artificial intelligence on human resource performance and the quality of professional life of employees. Resource Development and Management Study, 2(2), 69-80. [In Persian]
Rajaei, Z., Noforsati, F., Heydarniya, Z., Mohme, Z. (2023). Application of artificial intelligence in human resource management. Human Resources NAJA, 16(73), 39-70. [In Persian]
Roy, S. K., Dey, B. L., Brown, D. M., Abid, A., Apostolidis, C., Christofi, M., & Tarba, S. (2025). Business Model Innovation through AI Adaptation: The Role of Strategic Human Resources Management. British Journal of Management, 33(1), 880-893. https://doi.org/10.1111/1467-8551.12894
Sachan, V. S., Katiyar, A., Somashekher, C., Chauhan, A. S., & Bhima, C. K. (2024). The Role Of Artificial Intelligence In HRM: Opportunities, Challenges, And Ethical Considerations. Educational Administration: Theory and Practice, 30(4), 7427-7435. https://doi.org/10.53555/kuey.v30i4.2588
Salvadorinho, J., Ferreira, C., & Teixeira, L. (2024). A technology-based framework to foster the lean human resource 4.0 and prevent the great resignation: The talent management lift. Technology in Society, 77, 102510. https://doi.org/10.1016/j.techsoc.2024.102510
Seifi Nejad, S., Gholipour-Kanaani, Y., Mokhtari-Bai-Kalaei, M., Bagherzadeh, M-R. (2023). A comprehensive model of factors affecting strategic human resource management in the country's tax organization. Curriculum and Educational Planning Research, 13(2), 25-38. [In Persian]
Sepahpour, M.R., Khairandish, M., Rahmani, H. (2023). Presenting a high-performance human resource management model. Development and Transformation Management, 15(52), 23-35.4. [In Persian]
Wadjdi, F., & Yuliza, Y. (2023). The Augmented and Virtual Reality in HRM Development. Jurnal Penelitian Pendidikan IPA, 9(11), 1137-1141. https://doi.org/10.29303/jppipa.v9i11.5333
Yazdani, H.R., Hakiminia, M. (2024). Identifying challenges and opportunities of using artificial intelligence in human resource management: a meta-synthesis approach. Sustainable Human Resource Management, 6(10), 139-113. [In Persian]
Yoon, S. W., Han, S. H., & Chae, C. (2024). People analytics and human resource development–research landscape and future needs based on bibliometrics and scoping review. Human Resource Development Review, 23(1), 30-57. https://doi.org/10.1177/15344843231209362
Zarif-Golzar, A., Shakerinouri, A. (2023). The effect of artificial intelligence technology on human resource performance in organizations. The 8th International and National Conference on Management, Accounting and Law Studies. [In Persian]
Zhang, J., & Chen, Z. (2024). Exploring human resource management digital transformation in the digital age. Journal of the Knowledge Economy, 15(1), 1482-1498. http://dx.doi.org/10.1007/s13132-023-01214-y
Zhao, Y., He, G., Wei, D., & Zhao, S. (2024). When digitalization meets HRM: developing a HRM value chain model in China. Chinese Management Studies, 18(6), 1775-1799. https://doi.org/10.1108/CMS-07-2023-0317 | ||
|
آمار تعداد مشاهده مقاله: 204 تعداد دریافت فایل اصل مقاله: 108 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب