دانلود مقاله بررسی بین رشته ای هوش مصنوعی و مدیریت منابع انسانی
ترجمه نشده

دانلود مقاله بررسی بین رشته ای هوش مصنوعی و مدیریت منابع انسانی

عنوان فارسی مقاله: بررسی بین رشته ای هوش مصنوعی و مدیریت منابع انسانی: چالش ها و جهت گیری های آینده
عنوان انگلیسی مقاله: An interdisciplinary review of AI and HRM: Challenges and future directions
مجله/کنفرانس: بررسی مدیریت منابع انسانی - Human Resource Management Review
رشته های تحصیلی مرتبط: مدیریت - مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: هوش مصنوعی - مدیریت منابع انسانی
کلمات کلیدی فارسی: هوش مصنوعی (AI) - بررسی سیستماتیک - تئوری - روش - مدیریت منابع انسانی (HRM)
کلمات کلیدی انگلیسی: Artificial intelligence (AI) - Systematic review - Theory - Method - Human resource management (HRM)
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.hrmr.2022.100924
لینک سایت مرجع: https://www.sciencedirect.com/science/article/abs/pii/S1053482222000420
نویسندگان: Yuan Pan - Fabian J. Froese
دانشگاه: University of Goettingen, Platz der Goettinger Sieben 5, Germany
صفحات مقاله انگلیسی: 0
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2023
ایمپکت فاکتور: 10.500 در سال 2021
شاخص H_index: 101 در سال 2023
شاخص SJR: 2.840 در سال 2021
شناسه ISSN: 1053-4822
شاخص Quartile (چارک): Q1 در سال 2021
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17387
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)

خلاصه
1. معرفی
2. روش ها
3. یافته های مرور ادبیات نظام مند
4. بحث
بیانیه نویسنده
ضمیمه الف. نظریه ها و سازه های نظری در تحقیقات قبلی
ضمیمه B. تعاریف قبلی هوش مصنوعی و تغییرات آن
منابع

فهرست مطالب (انگلیسی)

Abstract
1. Introduction
2. Methods
3. Findings of systematic literature review
4. Discussion
Author statement 
Appendix A. Theories and theoretical constructs in prior research 
Appendix B. Prior definitions of AI and its variations 
References

بخشی از مقاله (ترجمه ماشینی)

چکیده
     هوش مصنوعی (AI) پتانسیل تغییر آینده مدیریت منابع انسانی (HRM) را دارد. محققان از رشته‌های مختلف در زمینه هوش مصنوعی در HRM مشارکت کرده‌اند، اما با لقاح متقابل نسبتاً ناکافی، در نتیجه منجر به مجموعه‌ای از دانش می‌شوند. در پاسخ، ما یک بررسی سیستماتیک و میان رشته ای از 184 مقاله را برای ارائه یک نمای کلی جامع انجام دادیم. ما تحقیقات قبلی را به چهار دسته بر اساس رشته گروه بندی کردیم: مدیریت و اقتصاد، علوم کامپیوتر، مهندسی و عملیات، و غیره. یافته‌ها نشان می‌دهد که مطالعات در رشته‌های مختلف دارای کانون‌های پژوهشی متفاوتی بوده و از روش‌های متفاوتی استفاده شده است. در حالی که مطالعات در رشته‌های فنی بر توسعه هوش مصنوعی برای عملکردهای HRM خاص متمرکز بود، مطالعات سایر رشته‌ها بر پیامدهای AI بر HRM، مشاغل و بازارهای کار تمرکز داشتند. اکثر مطالعات در همه مقوله ها در توسعه نظری نسبتا ضعیف بودند. بنابراین ما توصیه هایی را برای همکاری های بین رشته ای ارائه می دهیم، تعریفی یکپارچه از هوش مصنوعی ارائه می دهیم و مفاهیمی را برای تحقیق و عمل ارائه می دهیم.

بخشی از مقاله (انگلیسی)

Abstract

     Artificial intelligence (AI) has the potential to change the future of human resource management (HRM). Scholars from different disciplines have contributed to the field of AI in HRM but with rather insufficient cross-fertilization, thus leading to a fragmented body of knowledge. In response, we conducted a systematic, interdisciplinary review of 184 articles to provide a comprehensive overview. We grouped prior research into four categories based on discipline: management and economics, computer science, engineering and operations, and others. The findings reveal that studies in different disciplines had different research foci and utilized different methods. While studies in the technical disciplines tended to focus on the development of AI for specific HRM functions, studies from the other disciplines tended to focus on the consequences of AI on HRM, jobs, and labor markets. Most studies in all categories were relatively weak in theoretical development. We therefore offer recommendations for interdisciplinary collaborations, propose a unified definition of AI, and provide implications for research and practice.

Introduction

     Artificial intelligence (AI) is among the most influential technologies changing the labor market (e.g., Huang & Rust, 2018). On the one hand, AI can have negative consequences, such as eliminating over 45% of all jobs (Berg, Buffie, & Zanna, 2018) and increasing social inequality (e.g., Levy, 2018). On the other hand, it may also provide benefits, such as upgrading or augmenting jobs instead of replacing them (e.g., Autor, 2015). Taken together, it is fair to say that AI will have a significant impact on the future of human resource management (HRM), and the application of AI in HRM has great potential (Malik, Budhwar, Patel, & Srikanth, 2020; Malik, De Silva, Budhwar, & Srikanth, 2021).

     AI-HRM is a topic beyond the field of HRM because of its interdisciplinary nature, i.e., the development of AI-based HR tools depends on progress in technical fields, while implementations of such AI tools and consequences of AI implementations rely on knowledge from social science. Scholars from various disciplines have contributed to AI–HRM knowledge. For example, computer science (CS) scholars developed AI algorithms to solve HRM problems (e.g., Anandarajan, 2002). Economists discussed AI's impacts on labor markets (e.g., Berg et al., 2018). Psychologists found that AI usage did not demotivate job candidates during recruitment (Van Esch, Black, & Ferolie, 2019) but might induce higher employee turnover (e.g., Brougham & Haar, 2020). Medical scholars revealed that medical employees were not ready for AI usage (e.g., Abdullah & Fakieh, 2020). Although substantial research exists on AI-HRM topics in various disciplines, each discipline approached the topic from a different perspective, paying little attention to synthesizing interdisciplinary knowledge. This is unfortunate because interdisciplinary knowledge and collaboration are particularly important for successful AI implementation (Fountaine, McCarthy, & Saleh, 2019) and talent development in the AI era (Pejic-Bach, Bertoncel, Meško, & Krstić, 2020). In response to this gap, a comprehensive interdisciplinary review can help synthesize the rather scattered knowledge and encourage disciplinary cross-fertilization by reducing misunderstanding and avoiding “reinventing the wheel.”

Discussion

     The review suggests that the field of AI-HRM is still in its infancy, despite its rapid growth in recent years. The field is rather fragmented, with studies from different disciplines covering a wide variety of topics. While CS and EO papers focused more on developing AI tools to facilitate HRM, ME and OT papers were more interested in general issues related to AI usage, particularly in topics related to AI-induced job loss or job changes. Our critical evaluation reveals that scholars need to pay attention to theoretical and methodological rigor. In terms of theories, all disciplines were rather weak in theoretical developments, indicating that the current field is perspective- and practice-oriented. The evaluation of methods identified data validity was the most notable methodological pitfall. We also call for a more rigorous and standardized approach for new AI methods. Based on the literature review, we discuss key issues, propose specific recommendations for future research, and elaborate on theoretical and managerial implications in the following.

بدون دیدگاه