ارائه چارچوبی در مدیریت منابع انسانی برای پیش بینی تمایل به ترک خدمت نیروهای دانشی در سازمان های نوآور با رویکرد فراترکیب

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 11

فایل این مقاله در 34 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NOWAV-14-4_002

تاریخ نمایه سازی: 18 مهر 1405

چکیده مقاله:

در سازمان های نوآور، نیروهای دانشی به عنوان دارایی های راهبردی و محرک اصلی خلق، انتقال و به کارگیری دانش، نقشی اساسی در حفظ و توسعه مزیت رقابتی ایفا می کنند. ازاین رو، تمایل به ترک خدمت در این گروه می تواند پیامدهایی همچون از دست رفتن دانش ضمنی، افزایش هزینه های جذب و آموزش و کاهش توان نوآوری سازمان را به دنبال داشته باشد. پژوهش حاضر با هدف ارائه چارچوبی نوآورانه در مدیریت منابع انسانی برای پیش بینی تمایل به ترک خدمت نیروهای دانشی در سازمان های نوآور انجام شده است. بدین منظور، با بهره گیری از رویکرد فراترکیب کیفی، ابعاد و مولفه های موثر بر تمایل به ترک خدمت شناسایی شد. در فرایند جست وجوی نظام مند در پایگاه های علمی معتبر ۵۳۰ مطالعه، در نهایت ۳۱ مقاله واجد شرایط انتخاب و متون آن ها کدگذاری گردید. ترکیب یافته ها با روش تحلیل مضمون به استخراج ۱۳ بعد کلان و ۳۶ مولفه فرعی انجامید که ساختار چندوجهی تمایل به ترک خدمت نیروهای دانشی را تبیین می کنند. از معیارهای چهارگانه لینکلن و گوبا برای اعتبارسنجی پژوهش استفاده شد. این چارچوب در پژوهش مادر، به عنوان مبنای مهندسی ویژگی ها و طراحی متغیرهای ورودی، در کنار مجموعه ای از الگوریتم های یادگیری ماشین برای پیش بینی تمایل به ترک خدمت نیروهای دانشی به کار گرفته شده است. بر این اساس، یافته های پژوهش ضمن غنی سازی ادبیات نظری، زمینه توسعه سامانه های تحلیلی و تصمیم یار در حوزه مدیریت منابع انسانی داده محور را فراهم می سازد.

کلیدواژه ها:

نویسندگان

seyed Asghar jafari

دانشیار، گروه مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران

Afshin Alipour

استادیار، گروه مدیریت، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران

Ali Naeimi Khondabi

دانشجوی کارشناسی ارشد رشته مدیریت کسب و کار، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران،ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmad Saufi, R., Aidara, S., Che Nawi, N. B., Permarupan, ...
  • Edapurath Vijayan, N. (۲۰۲۵). Mitigating attrition: Data-driven approach using machine ...
  • Mitchell, T. M. (۱۹۹۷). Machine learning. McGraw-Hill ...
  • Mobley, W. H. (۱۹۷۷). Intermediate linkages in the relationship between ...
  • Norizan, N. S., Arham, A. F., Arham, A. F., & ...
  • Sarker, I. H. (۲۰۲۱). Machine learning: Algorithms, real-world applications and ...
  • نمایش کامل مراجع