راه کارهای کاهش سوگیری شناختی در به کارگیری هوش مصنوعی، به منظور جذب و استخدام منابع انسانی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 78

فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIPAT-18-3_004

تاریخ نمایه سازی: 22 مهر 1405

چکیده مقاله:

هدف: پژوهش حاضر با هدف شناسایی و تبیین راه کارهای کاهش سوگیری شناختی برای به کارگیری هوش مصنوعی در فرایند جذب و استخدام منابع انسانی انجام شد. گسترش کاربرد سامانه های هوشمند در مدیریت منابع انسانی، استفاده از الگوریتم ها را در غربالگری رزومه ها، تحلیل شایستگی ها، رتبه بندی متقاضیان و پشتیبانی از تصمیم های استخدامی افزایش داده است. این سامانه ها در صورت طراحی و استفاده مناسب می توانند سرعت، یکپارچگی و قابلیت پیگیری تصمیم ها را ارتقا دهند؛ با این حال، اتکای آن ها به داده های تاریخی، شاخص های جانشین، معیارهای مبهم و قضاوت های انسانی سوگیرانه، خطر بازتولید یا تشدید نابرابری ها را به همراه دارد. افزون براین، سوگیری های شناختی تصمیم گیران در انتخاب داده ها، تفسیر خروجی های مدل و تایید توصیه های الگوریتمی، می تواند عدالت فرایند استخدام را مخدوش کند. از این رو، مسئله اصلی پژوهش، شناسایی سازوکارهای انسانی، داده ای، الگوریتمی و سازمانی برای کاهش سوگیری شناختی در استخدام مبتنی بر هوش مصنوعی بود.روش: پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. داده ها از طریق ۱۲ مصاحبه عمیق نیمه ساختاریافته با خبرگان منابع انسانی، متخصصان فناوری و افراد آشنا با طراحی یا به کارگیری سامانه های هوشمند در سازمان های ایرانی گردآوری شد. مشارکت کنندگان با نمونه گیری هدفمند انتخاب شدند و مصاحبه ها تا دستیابی به اشباع نظری ادامه یافت. پس از پیاده سازی مصاحبه ها، داده ها بارها مطالعه و واحدهای معنایی مرتبط با منشاها، نمودها و راه کارهای کنترل سوگیری شناسایی شد. سپس، کدگذاری اولیه، استخراج مضامین پایه، مقایسه و ادغام کدهای مشابه، سازمان دهی مضامین و شکل دهی مضامین فراگیر انجام گرفت. تحلیل داده ها با نرم افزار مکس کیودا نسخه ۲۰ انجام شد. به منظور تقویت اعتبار تحلیل، بازبینی مستمر کدها، رجوع مکرر به داده های خام، مقایسه دیدگاه مشارکت کنندگان و بررسی انسجام میان مضامین صورت گرفت. برایند فرایند تحلیل به استخراج ۱۳۰ مضمون پایه، ۱۸ مضمون سازمان دهنده و ۶ مضمون فراگیر منتهی شد.یافته ها: ساختار نهایی مضامین نشان داد که راه کارهای کاهش سوگیری شناختی در استخدام هوشمند، در شش محور اصلی تبیین می شود: یکپارچه سازی تصمیم گیری تعاملی انسان و سامانه های هوشمند، استانداردسازی فرایندهای ارزیابی انسان محور، شفافیت و توضیح پذیری سامانه های هوشمند، نظارت و اعتبارسنجی الگوریتمی، شناسایی و کاهش کمی سوگیری های داده ای و استقرار پروتکل های اخلاقی و عملیاتی سامانه های هوشمند. یافته ها بیانگر آن است که مداخله انسانی تنها زمانی به کاهش سوگیری منجر می شود که نقش انسان به تایید صوری پیشنهاد الگوریتم محدود نشود، بلکه شامل ارزیابی انتقادی خروجی، امکان بازبینی تصمیم، ثبت مستند دلایل رد یا پذیرش و پذیرش مسئولیت نهایی باشد. همچنین، استانداردسازی شاخص های شایستگی، آموزش و بازآموزی شناختی ارزیابان، کنترل کیفیت و نمایندگی داده های استخدامی، سنجش تفاوت نتایج میان گروه های متقاضی، پایش مستمر عملکرد مدل و ممیزی مستقل، از اقدامات موثر شناخته شد. توضیح پذیری منطق تصمیم سامانه و پیش بینی سازوکار اعتراض متقاضیان نیز اعتمادپذیری و پاسخ گویی فرایند را تقویت می کند.نتیجه گیری: سوگیری در جذب و استخدام مبتنی بر هوش مصنوعی، پدیده ای چندبعدی است که از درهم تنیدگی انسان، داده، الگوریتم و ساختارهای سازمانی پدید می آید. بنابراین، مدیریت آن فقط با اصلاح فنی مدل یا حذف متغیرهای حساس محقق نمی شود، بلکه به رویکردی جامعه مادی نیاز دارد که انسان و فناوری را در شبکه ای تعاملی و تصمیم ساز تحلیل کند. استقرار کنترل انسانی معنادار، استانداردسازی قضاوت ها، ارتقای کیفیت داده ها، شفافیت و اعتبارسنجی سامانه ها، ممیزی دوره ای و تدوین پروتکل های اخلاقی و عملیاتی، می تواند عدالت استخدامی، اعتماد متقاضیان و پاسخ گویی سازمانی را ارتقا دهد و زمینه حکمرانی مسئولانه هوش مصنوعی در مدیریت منابع انسانی ایران را فراهم سازد.

کلیدواژه ها:

نویسندگان

محمد باشکوه اجیرلو

استاد، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران.

مهری مقامی دولت آباد

دانشجوی دکتری، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران.

بهمن خداپناه

استادیار، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، 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 :
  • اعتمادی، محمد؛ چیت ساز، احسان؛ کوشکی، سحر و جعفری، سیدمحمدعلی ...
  • بذرکار، ادشیر؛ مرادزاد، مهرداد و شایگان، شادی (۱۴۰۲). تحلیل اثر ...
  • دهقانان، حامد؛ پورامینی، زهرا؛ یزدان شناس، مهدی و رئیسی وانانی، ...
  • رستگار، عباسعلی؛ ابراهیمی، سیدعباس؛ شفیعی نیک آبادی، محسن و کلاهی، ...
  • سرایی، سمیرا؛ صراف، فاطمه و حمیدیان، محسن (۱۴۰۳). مدل سازی ...
  • فضل طلب حمیدرضا و جمشیدی، فاطمه (۱۴۰۴). منابع انسانی الگوریتمی. ...
  • قلی پور، آرین (۱۴۰۳). سخن سردبیر: مدل ارزیابی تعالی مدیریت ...
  • محمدی، محمدجواد (۱۴۰۳). کاربرد الگوریتم های هوش مصنوعی در بهینه ...
  • مومنی، امیررضا؛ یعقوبی، نورمحمد.، روشن، سیدعلیقلی و پورعزت، علی اصغر ...
  • ReferencesAlbaroudi, E., Mansouri, T. & Alameer, A. (۲۰۲۴). A comprehensive ...
  • Barocas, S. & Selbst, A.D. (۲۰۱۶). Big data’s disparate impact. ...
  • Bazrkar, A., Moradzad, M. & Shayegan, S. (۲۰۲۳). Analysis of ...
  • Diefenhardt, A. (۲۰۲۵). Automating the managerial gaze: critical and genealogical ...
  • Etemadi, M., Chitsaz, E., Koushki, S., Jafari, S.M. (۲۰۲۴). Artificial ...
  • Hunkenschroer, A.L. & Lütge, C. (۲۰۲۲). Ethics of AI-enabled recruiting ...
  • Köchling, A. & Wehner, M.C. (۲۰۲۰). Discriminated by an algorithm: ...
  • Miller, J. (۲۰۲۲). Inclusion at Work ۲۰۲۲. Chartered Institute of ...
  • (in Persian)Momeni, A., Yaghoubi, N. M., Roshan, S. A. & ...
  • Raghavan, M., Barocas, S., Kleinberg, J. & Levy, K. (۲۰۱۹). ...
  • Rao, S. & Zhao, T. (۲۰۲۵). Ethical AI in HR: ...
  • Saraei S., Sarraf, F., Hamidian, M. (۲۰۲۴). Modeling bias errors ...
  • Wilkens, U., Lutzeyer, I., Zheng, C., Beser, A. & Prilla, ...
  • نمایش کامل مراجع