پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 41 |
| تعداد شمارهها | 1,138 |
| تعداد مقالات | 9,757 |
| تعداد مشاهده مقاله | 17,852,798 |
| تعداد دریافت فایل اصل مقاله | 12,467,988 |
تحلیل و ارزیابی پیامدهای حاکمیت کلان دادهها در مدیریت منابع انسانی | ||
| مدیریت سازمانهای دولتی | ||
| مقاله 6، دوره 13، شماره1 (پیاپی 49)، دی 1403، صفحه 109-122 اصل مقاله (1.58 M) | ||
| نوع مقاله: پیمایشی | ||
| شناسه دیجیتال (DOI): 10.30473/ipom.2025.72310.5036 | ||
| نویسندگان | ||
| عبداله ساعدی* 1؛ نازنین اسدی2 | ||
| 1استادیار، گروه مدیریت، دانشگاه لرستان، خرمآباد، ایران. | ||
| 2کارشناسی ارشد، گروه مدیریت استراتژیک، دانشگاه لرستان، خرمآباد، ایران. | ||
| چکیده | ||
| کلان دادهها در سازمان میتواند بینشی ایجاد کند که منجر به تصمیمگیری بهتر و کشف مسیرهای استراتژیک شود. هدف پژوهش حاضر تحلیل و ارزیابی پیامدهای کلان دادهها در مدیریت منابع انسانی در سازمانهای دولتی است. این پژوهش از نظر هدف کاربردی است و از حیث روش گردآوری اطلاعات توصیفی و از نوع پیمایشی میباشد و از لحاظ نوعشناسی در زمرة پژوهشهای آمیخته میباشد. جامعه آماری پژوهش، شامل استادان دانشگاه در حوزة مدیریت و مدیران منابع انسانی در سازمانهای دولتی است که 17 نفر از آنها با استفاده از روش نمونهگیری هدفمند و براساس اصل کفایت نظری انتخاب شدند. در بخش کیفی ابزار گردآوری دادهها، مصاحبه نیمه ساختار یافته است که روایی و پایایی ابزارها به ترتیب با استفاده از روایی محتوایی و روش پایایی سنجی درون کدگذار و میان گذار مورد تأیید قرار گرفت. ابزار گردآوری دادهها در بخش کمی، پرسشنامه محقق ساخته است که با استفاده از روایی محتوایی و پایایی بازآزمون تأیید شد. در بخش کیفی این پژوهش، دادههای به دست آمده از مصاحبه با استفاده از تحلیل مضمون و با نرمافزار مکس- کیو- دی- ای تحلیل و پیامدهای کلان دادهها در مدیریت منابع انسانی شناسایی شدند. در بخش کمی پژوهش با استفاده از نقشه شناختی فازی اولویتبندی عوامل و روابط علی آنها مشخص گردید. یافتهها گویای آن است که جذب و استخدام هوشمندانه، تشخیص شکافهای مهارتی، قابلیت آیندهنگری، مدیریت استعداد، رفع تبعیض و حفظ، نگهداشت کارکنان و مدیریت عملکرد به ترتیب مهمترین پیامدهای کلان دادهها در مدیریت منابع انسانی میباشند. حاکمت کلان دادهها در سازمانهای دولتی مدیران منابع انسانی را قادر میسازد تا هوشمندانهتر در حوزههای منابع انسانی ازجمله جذب و استخدام، کارمندیابی، سیستم حقوق و دستمزد و ... عمل نمایند. | ||
| کلیدواژهها | ||
| کلان دادهها؛ مدیریت منابع انسانی؛ سازمانهای دولتی؛ نقشه شناختی فازی | ||
| عنوان مقاله [English] | ||
| Analyzing and Evaluating the Consequences of Sovereignty Big Data in Human Resource Management | ||
| نویسندگان [English] | ||
| Abdollah Saedi1؛ Nazanin Asadi2 | ||
| 1Assistant Professor, Department of Management, Lorestan University, Khorramabad, Iran. | ||
| 2Msc, Department of Strategic Management, Lorestan University, Khorramabad, Iran. | ||
| چکیده [English] | ||
| Big data in the organization can create insight that leads to better decision-making and discovering strategic paths. The purpose of this research is to analyze and evaluate the consequences of big data in human resource management in government organizations. This research is practical in terms of its purpose, and in terms of the method of collecting descriptive information, it is of the survey type, and in terms of typology, it is among mixed research. The statistical population of the research includes university professors in the field of management and human resource managers in government organizations, 17 of whom were selected using the purposeful sampling method and based on the principle of theoretical adequacy. In the qualitative part of the data collection tool, there is a semi-structured interview, the validity and reliability of the tools were confirmed using content validity and intra-coder and interrater reliability methods, respectively. The tool for collecting data in the quantitative part is a questionnaire, which was confirmed using content validity and retest reliability. In the qualitative part of this research, the data obtained from the interview were identified using the Max-QDA-E software and the analysis coding method and the consequences of big data in human resource management. In the quantitative part of the research, the prioritization of factors and their causal relationships were determined using the fuzzy cognitive mapping method. The results show that intelligent recruiting and hiring, identifying skill gaps, foresight, talent management, eliminating discrimination and retention, employee retention and performance management are respectively the most important consequences of big data in human resource management. The governance of big data in government organizations enables human resource managers to act more intelligently in the fields of human resources such as recruitment and employment, recruitment, salary system, etc. | ||
| کلیدواژهها [English] | ||
| Big Data, Human Resource Management, Government Organizations, Fuzzy Cognitive Mapping | ||
| مراجع | ||
|
Aguilar, J. (2013). Different Dynamic Causal Relationship Approaches for Cognitive Maps. Applied Soft Computing, 13(1), 271-282. Alaimo, C., & Kallinikos, J. (2021). Managing by data: algorithmic categories and organizing. Organization Studies, 42(9), 1385-1407. Doi: 10.1177/0170840620934062. Aravamudha, V., Sivakumar, K., & Mohanasundaram, K. (2023). Big Data in Human Resource Management - Exploring Opportunities and Challenges to Manage Human Capital. Rivista Italiana di Filosofia Analitica Junior, 14(2), 1152-1164. Arroyo, J., & Osca, A. (2021). Big data contributions to human resource management: a systematic review. The International Journal of Human Resource Management, 32(20), 4337-4362. Doi.org/10.1080/09585192.2019.1674357 Cai-Ming, Z., & Hao-Nan, C. (2020). Preprocessing method of structured big data in human resource archives database. In 2020 IEEE International Conference on Industrial Application of Artificial Intelligence (IAAI) (pp. 379-384). IEEE. Doi .10.1109/IAAI51705.2020.9332880 Fauzi, M. A., Kamaruzzaman, Z. A., & Abdul Rahman, H. (2023). Bibliometric review on human resources management and big data analytics. International Journal of Manpower, 44(7), 1307-1327. Doi.org/10.1108/IJM-05-2022-0247 Glennie, M., Buick, F., Blackman, D., Weeratunga, V., Tani, M., West, D., & Dickinson, H. (2023). Opportunities and challenges of using workforce big data: Insights from a mixed methods study on flexible working. Australian Journal of Public Administration, 82(4), 590-595. Doi.org/10.1111/1467-8500.12591 Gravili, G., Hassan, R., Avram, A., & Schiavone, F. (2023). Big data and human resource management: paving the Way toward Sustainability. European Journal of Innovation Management, 26(7), 552-590. Doi.org/10.1108/EJIM-01-2023-0048 Heliana, L., & Wahyuni, H. (2024). Big Data Analysis in Human Resources Decision Making :Optimizing Workforce Management. Jurnal Riset Manajemen Sains Indonesia, 15(1) 2024, 58-69. Hui, C., & Qingli, L. (2024). Innovative Applications of Big Data in Human Resource Management in the Era of Big Data, Journal of Human Resource Develoment, 6(1), 9-18. DOI: 10.23977/jhrd.2024.060102. Kavre, M., Gardas, B., Narwane, V., Jafari Navimipour, N., & Yalcin, S. (2022). Evaluating the Effect of Human Factors on Big Data Analytics and Cloud of Things Adoption in the Manufacturing Micro, Small, and Medium Enterprises. IT Professional, 24(4), 17-26. Doi.org/10.1109/MITP.2022.3156956 Madhani, P. M. (2023). Human Resources Analytics: Leveraging Human Resources for Enhancing Business Performance. Compensation and Benefits Review, 55(1), 31-45. Doi.org/10.1177/08863687221131730 Madugula, S., Pratapagiri, S., Phridviraj, M.S.B., Shekhar Rao, C., Polala, N., & Kumaraswamy, P. (2023). Big data for the comprehensive data analysis of IT organizations. The Journal of High Technology Management Research, 34( 2), 36-49. Doi.org/10.1016/j.hitech.2023.100465 Mahmoudian, M., Zanjani, M., Shahinzadeh, H., Kabalci, Y., Kabalci, E., & Ebrahimi, F. (2023). An Overview of Big Data Concepts, Methods, and Analytics: Challenges, Issues, and Opportunities, Global Power. Energy and Communication Conference (IEEE GPECOM2023), 1-6. Manroop, L., Malik, A., & Milner, M. (2024). The ethical implications of big data in human resource management. Human Resource Management Review, 34(2), 1-13. Doi.org/10.1016/j.hrmr.2024.101012 Mauro, A., Greco, M., Grimaldi, M., & Ritala, P. (2017). Human resources for Big Data professions: A systematic classification of job roles and required skill sets. Information Processing and Management, 8, 1-11. Doi.org/10.1016/j.ipm.2017.05.004. Nicolaescu, S. S., Florea, A., Kifor, C. V., Fiore, U., Cocan, N., Receu, I., & Zanetti, P. (2020). Human capital evaluation in knowledge-based organizations based on big data analytics. Future Generation Computer Systems, 111, 654-667. Doi.org/10.1016/j.future.2019.09.048 Nocker, M., & Sena, V. (2019). Big data and human resources management: The rise of talent analytics. Social Sciences, 8(10), 12-19. Doi.org/10.3390/socsci8100273 Nowicka, J., Pauliuchuk, Y., Ciekanowski, Z., Fałda, B., & Sikora, K. (2024). The Use of Data Analytics in Human Resource Managemen. European Research Studies Journal, 2(4), 203-215. Omoyiola, B.O. (2023). The social implications, risks, challenges and opportunities of big data. Emerald Open Research. 1(4), 36-48. Doi.org/10.1108/EOR-04-2023-0014 Qin, X., Huang, Y., Hu, Z., Chen, K., Li, L., Wang, R., & Wang, B. (2023). Human resource management research in healthcare: a big data bibliometric study. Human Resources for Health, 5(3), 1-11. Doi.org/10.1186/s12960-023-00865-x. Raban, D., & Gordon, A. (2020). The Evolution of Data Science and Big Data Research: A Bibliometric Analysis. Scientometrics. 122(1), 1563-1581. Doi.org/10.1007/s11192-020-03371-2 Sangu, V., Saini, R., Prabakar., S., Hussain, G., & Thayumanavar, B. (2024). HR Analytics: Leveraging Big Data And Artificial Intelligence For Decision-Making In Human Resource Management. Educational Administration: Theory and Practice, 30(4), 5967-5974. Doi: 10.53555/kuey.v30i4.2327 Song, Q. C., Liu, M., Tang, C., & Long, L. F. (2020). Applying principles of big data to the workplace and talent analytics. Big data in psychological research American Psychological Association. 319-344. https://doi.org/10.1037/0000193-015 Tsadiras, A., & Zitopoulos, G. (2017). Fuzzy cognitive maps as a decision support tool for container transport logistics. Evolving Systems, 8, 19-33. Wan, W., & Liu, L. (2021). Intrapreneurship in the digital era: driven by big data and human resource management?. Chinese management studies, 15(4), 843-875. Doi:10.1108/CMS-07-2020-0282 Xu, L. (2022). The Big Data for Comprehensive Evaluation of GIS Engineering Based on Data Envelopment Analysis. Lecture Notes on Data Engineering and Communications Technologies, 102, 563–569. Doi.org/10.1007/978-981-16-7466-2_62 Yang, Y., Shamim, S., Herath, D., Secchi, D., & Homberg, F. (2023). The evolution of HRM practices: Big Data, Data Analytics, and New Forms of Work. Review of Managerial Science, 4(1), 1938-1944. Doi.org/10.1007/s11846-023-00648-7. Zameer, H., Wang, Y., & Yasmeen, H. (2024). Strengthening green competitive advantage through organizational learning and green marketing capabilities in a big data environment: a moderated-mediation model. Business Process Management Journal, 4(3), 79-91. doi.org/10.1108/BPMJ-09-2023-0691 Zhu, R. (2024). The evolution from information-based HRM to big data HRM. Applied Mathematic and Nonlinear Sciences, 9(1), 1-10. doi.org/10.2478/amns.2023.2.00037 | ||
|
آمار تعداد مشاهده مقاله: 34 تعداد دریافت فایل اصل مقاله: 33 |
||