تبیین هوش مصنوعی در مدیریت منابع انسانی: تحلیل کتاب‌سنجی هوش مصنوعی قابل‌توضیح (2013-2023)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه کارآفرینی کسب و کار جدید، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران

2 گروه توسعه کارآفرینی، دانشکده کارآفرینی دانشگاه تهران

3 گروه کارآفرینی توسعه، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران

10.22091/stim.2024.10488.2075

چکیده

هوش مصنوعی (AI) در بخش‌های متنوعی کاربرد پیدا کرده و تغییرات جدیدی را ایجاد کرده است. اما این کاربرد چالش‌هایی دارد. یکی از بخش‌هایی که از AI بهره برده، مدیریت منابع انسانی (HRM) است. استفاده از AI در HRM چالش شفافیت مدل را ایجاد کرده است. این مطالعه به بررسی نقش هوش مصنوعی قابل توضیح (XAI) در HRM می‌پردازد.



XAI، یکی از زیرشاخه‌های AI، بر ایجاد مدل‌های AI که قابل تفسیر و توضیح هستند تمرکز دارد. اهمیت XAI در حوزه های حساس مانند HRM برجسته است. بنابراین، ضروری است که سیستم‌های AI مورد استفاده در HRM نه تنها کارآمد باشند، بلکه از نظر اخلاقی نیز سالم و شفاف باشند. این مطالعه بر اساس این مهم به بررسی عمیق‌تر نقش و پتانسیل XAI در HRM می‌پردازد.



این مطالعه تجزیه و تحلیل علم سنجی از تحقیقات انجام شده در دهه گذشته (2013-2023) در زمینه XAI و کاربرد آن در HRM انجام می‌دهد. در این مطالعه، تجزیه و تحلیل علم سنجی به عنوان ابزاری برای ترسیم چشم‌انداز تحقیقات XAI، شناسایی مضامین و الگوهای کلیدی، و درک تقاطع آن با HRM عمل می‌کند.



تجزیه و تحلیل با کاوش در مفاهیم کلی XAI آغاز می‌شود. این کاوش زمینه‌ای برای درک گسترده‌تر XAI، اصول، تکنیک‌ها و کاربردهای بالقوه آن فراهم می‌کند. این یک نمای کلی جامع از زمینه XAI ارائه می‌دهد و ماهیت چند رشته‌ای و پتانسیل گسترده آن را برای کاربرد در بخش‌های مختلف برجسته می‌کند.



پس از این، مطالعه به کاربرد خاص XAI در HRM می‌پردازد. این حوزه نسبتاً جدیدی از اکتشاف است و پتانسیل قابل توجهی برای تغییر شیوه‌های HRM دارد. این مطالعه با استفاده از تجزیه و تحلیل همزمان، روشی که برای تشخیص مضامین یا الگوها در متن مورد استفاده قرار می‌گیرد، الگوها و مضامین کلیدی را در تحقیقات XAI و تلاقی آن با HRM شناسایی می‌کند.



تجزیه و تحلیل هم رخدادی این پژوهش شامل دو نقشه دانش مجزا می‌شود. نقشه اول فقط بر روی XAI متمرکز است و یک نمای کلی از این میدان ارائه می‌دهد. که نشان می دهد برنامه‌های کاربردی XAI عمدتاً با حوزه پزشکی مرتبط هستند و تأکید کمتری بر علوم انسانی دارند. این یافته نشان می‌دهد که در حالی که پتانسیل قابل توجهی برای XAI در HRM وجود دارد، این حوزه هنوز به طور کامل مورد کاوش یا بهره‌برداری قرار نگرفته است.



دومین نقشه دانش هم افزایی بین XAI و HRM را بررسی می‌کند. جالب توجه است، ادغام منابع انسانی در هوش مصنوعی عدم همبستگی قابل توجهی را با موضوعات هوش مصنوعی نشان داد. این یافته حاکی از شکاف پژوهش و نوآوری در تلاقی این دو حوزه است. این شکاف می‌تواند ناشی از پیشینه‌ها، دیدگاه‌ها، یا عدم تمایل مدیران منابع انسانی به اتخاذ سیستم‌های هوشمند باشد.



این مطالعه همچنین تکنیک های یادگیری ماشین قابلیت توضیح و هستی‌شناختی را به عنوان جنبه‌های اصلی کاربرد هوش مصنوعی قابل توضیح شناسایی می‌کند. این جنبه‌ها زیربنای توانایی XAI برای ارائه مدل‌های هوش مصنوعی شفاف و قابل درک است. با این حال، حداقل تعامل بین هوش مصنوعی فنی و منابع انسانی نیاز به تحقیقات بین رشته‌ای را نشان می‌دهد که تخصص منابع انسانی را با هوش مصنوعی ترکیب می‌کند تا ابزارهای منابع انسانی مرتبط‌تر و مؤثرتر را توسعه دهد.



در پایان، این مطالعه یک نمای کلی از وضعیت فعلی XAI و کاربرد آن در HRM ارائه می‌کند. این پتانسیل قابل توجه این زمینه را برجسته می‌کند، در حالی که چالش‌ها و زمینه‌های کلیدی برای تحقیقات آینده را نیز شناسایی می کند. امید است که این کار به گفتگوی مداوم در مورد نقش هوش مصنوعی در HRM کمک کند و الهام بخش کاوش و نوآوری بیشتر در این زمینه هیجان انگیز باشد. یافته‌های این مطالعه بر ضرورت سیستم‌های هوش مصنوعی، به‌ویژه در حوزه‌های حساس مانند HRM، نه تنها از نظر فنی کارآمد، بلکه از نظر اخلاقی سالم و شفاف نیز تأکید می‌کند. این امر برای حصول اطمینان از اینکه سیستم‌های هوش مصنوعی به طور مسئولانه استفاده می‌شوند و کمک مثبتی به فعالیت‌های HRM دارند، بسیار مهم است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Demystifying Artificial Intelligence (AI) in Human Resource Management (HRM): A Bibliometric Analysis of Explainable Artificial Intelligence (XAI) (2013-2023)

نویسندگان [English]

  • ehsan forat yazdi 1
  • Ehsan Chitsaz 2
  • mohammad etemadi 3
1 Department of Business Creation entrepreneurship, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran
2 Faculty member, Faculty of Entrepreneurship, Farshi Moghadam Street
3 Department of entrepreneurship development, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran
چکیده [English]

The integration of Artificial Intelligence (AI) into various sectors has been a transformative force, revolutionizing traditional practices and introducing new efficiencies. However, this integration is not without its challenges. One sector that stands to benefit immensely from AI integration is Human Resources Management (HRM), a field that is central to the functioning of any organization. Yet, the incorporation of AI into HRM brings to the fore a significant challenge - that of model transparency. This challenge forms the crux of this study, which aims to elucidate the role of Explainable Artificial Intelligence (XAI) within HRM.



XAI, a subfield of AI, focuses on creating AI models that are not just efficient but also interpretable and explainable. The importance of XAI becomes particularly pronounced in sensitive areas like HRM, where decisions can have far-reaching impacts on individuals' careers and lives. Therefore, it is crucial for AI systems used in HRM to be not only technically efficient but also ethically sound and transparent. This study underscores this necessity and delves deeper into the role and potential of XAI in HRM.



The study conducts a scientometric analysis of research conducted over the past decade (2013-2023) in the field of XAI and its application in HRM. In this study, scientometric analysis serves as a tool to map the landscape of XAI research, identify key themes and patterns, and understand its intersection with HRM.



The analysis begins with an exploration of general XAI concepts. This exploration lays the groundwork for understanding the broader context of XAI, its principles, its techniques, and its potential applications. It provides a comprehensive overview of the field of XAI, highlighting its multidisciplinary nature and its vast potential for application in various sectors.



Following this, the study delves into the specific application of XAI in HRM. This is a relatively new area of exploration and one that holds significant potential for transforming HRM practices. By employing co-occurrence analysis, a method used to detect themes or patterns in a body of text, the study identifies key patterns and themes in XAI research and its intersection with HRM.



The co-occurrence analysis includes of two distinct knowledge maps. The first map focuses solely on XAI, providing a comprehensive overview of the field. It reveals that XAI applications are predominantly linked to the medical field, with less emphasis on human sciences. This finding suggests that while there is significant potential for XAI in HRM, this area has not yet been fully explored or exploited.



The second knowledge map examines the synergy between XAI and HRM. Interestingly, the integration of HR in AI revealed a lack of significant correlation with AI themes. This finding indicates a gap in research and innovation at the intersection of these two fields. This gap could stem from divergent backgrounds, perspectives, or a reluctance of HR managers to adopt intelligent systems.



The study also identifies technical machine learning and ontological explainability as core aspects of XAI application. These aspects underpin the ability of XAI to provide transparent and understandable AI models. However, the minimal interaction between technical AI and HR indicates the need for interdisciplinary research that combines HR expertise with AI to develop more relevant and effective HR tools.



In conclusion, this study provides a comprehensive overview of the current state of XAI and its application in HRM. It highlights the significant potential of this field, while also identifying key challenges and areas for future research. It is hoped that this work will contribute to the ongoing dialogue on the role of AI in HRM and inspire further exploration and innovation in this exciting field. The findings of this study underscore the necessity for AI systems, particularly in sensitive areas like HRM, to be not only technically efficient but also ethically sound and transparent. This is critical for ensuring that AI systems are used responsibly and that they contribute positively to HRM practices.

کلیدواژه‌ها [English]

  • Human Resource Management
  • Explainable Artificial Intelligence
  • Co-occurrence Analysis
  • Interpretability
  • explainability
  • Bibliometrics
CAPTCHA Image