|
هوش مصنوعی در مدیریت ریسک منابع انسانی: پژوهشی در دانشگاههای علوم پزشکی تهران
|
محمد جوادی زاده1   ، محمدحسین فاتحی دابانلو* ، زهرا هوشمند نقابی1 ، اکبر باقری1 |
1- گروه مدیریت و حسابداری، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران.
گروه مدیریت و حسابداری، واحد اسلامشهر، دانشگاه آزاد اسلامی، تهران، ایران.، گروه مدیریت و حسابداری، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران. ، m.fatehidabanlou@iau.ir |
|
|
چکیده: (729 مشاهده) |
مقدمه: ظهور و توسعه هوش مصنوعی مولد، پارادایمهای پژوهش علمی، بهویژه در حوزه تحلیل دادهمحور مدیریت منابع انسانی، را دستخوش تحول کرده است. این پژوهش با هدف طراحی مدل پیشبینی ریسکهای منابع انسانی با بهرهگیری از الگوریتمهای هوش مصنوعی مطالعه ترکیبی در بستر دانشگاههای علوم پزشکی پرداخته و مهمترین عوامل پیشبین این ریسکها را شناسایی میکند.
روش کار: این مطالعه با اتخاذ رویکردی آمیخته (کیفی-کمی)، در سال ۱۴۰۴ با مشارکت ۲۴ نفر از خبرگان حوزههای منابع انسانی، فناوری اطلاعات، مدیریت مالی، مهندسی صنایع و مدرسان هوش مصنوعی در دانشگاههای علوم پزشکی تهران انجام شد. در بخش کیفی، از مصاحبههای نیمهساختاریافته با خبرگان بهره گرفته شد و دادههای حاصل با استفاده از نرمافزار مکس کیودا 23 و روش تحلیل مضمون مورد تجزیه و تحلیل قرار گرفتند تا ریسکهای کلیدی منابع انسانی شناسایی شوند. در بخش کمی، دادههای واقعی سیستمهای اطلاعات منابع انسانی دانشگاههای علوم پزشکی منتخب تهران (دوره زمانی ۱۴۰۱-۱۴۰۳) شامل ۱۲ متغیر کلیدی (مانند غیبت، ارزیابی عملکرد، نوع قرارداد، سابقه خدمت و…) پس از پاکسازی، نرمالسازی و کدگذاری، با استفاده از زبان برنامهنویسی پایتون و کتابخانههای یادگیری ماشین آن (شامل Scikit-learn برای مدلهای جنگل تصادفی و رگرسیون لجستیک و TensorFlow/PyTorch برای شبکه عصبی MLP) تجزیه و تحلیل شدند.
یافتهها: نشان میدهد که استفاده از الگوریتمهای هوش مصنوعی و بهویژه شبکههای عصبی و یادگیری ماشین در مدیریت ریسک منابع انسانی، نقش مؤثری در پیشبینی و مدلسازی ریسکهای انسانی دارد. این رویکردها با بهرهگیری از دادهکاوی و تحلیل دادههای بزرگ قادرند الگوهای پنهان مرتبط با عملکرد، ترک خدمت و رفتار کارکنان را شناسایی کرده و از طریق سیستمهای هوشمند پیشبینی و هشدار ریسک تصمیمگیری مدیران را بهبود بخشند. ارزیابی مدلهای پیشبینی نشان میدهد کارایی آنها به کیفیت دادهها و طراحی الگوریتمها بستگی دارد. علاوه بر مزایا، چالشهایی همچون محدودیت دادهها، نیاز به زیرساخت فنی، و ملاحظات اخلاقی در پیادهسازی این فناوریها وجود دارد.
نتیجه گیری: این پژوهش، با بهرهگیری از رویکرد ترکیبی کیفی-کمی، اثربخشی هوش مصنوعی را در پیشبینی و مدیریت ریسکهای منابع انسانی در دانشگاههای علوم پزشکی مستند ساخت. مدل شبکه عصبی مصنوعی با دستیابی به دقت ۰.۹۲، برتری خود را در مدلسازی الگوهای پیچیده ریسک نسبت به الگوریتمهای کلاسیک تأیید کرد. نوآوری پژوهش در تلفیق یافتههای کیفی ناظر بر چالشهای دادهای و مدیریتی با مدلسازی کمی پیشرفته، و همچنین ارائه داشبورد مدیریتی عملیاتی با قابلیت هشداردهی خودکار، جهت تسهیل تصمیمگیری و کاهش هزینههای مرتبط با ریسک منابع انسانی، متجلی شده است.
|
|
| واژههای کلیدی: مدیریت ریسک، منابع انسانی، هوش مصنوعی، دانشگاه علوم پزشکی |
|
|
متن کامل [PDF 372 kb]
(728 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1405/1/21 | پذیرش: 1405/2/19 | انتشار: 1403/11/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
