ارزیابی منابع انسانی

ارزیابی اعضای هیات علمی شامل مراحلی است از سنجش و آگاه ساختن اعضای هیات علمی از نحوه انجام کار و مسئولیتهای محوله که در ابعاد مختلف مطرح می شود. در پژوهش حاضر ارزیابی اعضای هیات علمی از دو منظر آموزشی و پژوهشی صورت گرفته است. جامعه آماری پژوهش حاضر307 نفر از اعضای هیات علمی یکی از دانشگاه های دولتی است. اطلاعات عملکردآموزشی با همکاری دفتر نظارت، ارزیابی و تضمین کیفیت دانشگاه و همچنین اطلاعات عملکردپژوهشی با همکاری معاونت پژوهشی دانشگاه تهیه شده است. تجزیه و تحلیل داده ها با استفاده از روش هوش مصنوعی و با بکارگیری نرم افزار متلب انجام شده است. در تحلیل نتایج، ابتدا با استفاده از خوشه بندی آستانه ای، اعضای هیات علمی به چهار خوشه تقسیم بندی شدند. سپس در گام دوم تحلیل، از پتانسیل شبکه ی عصبی رگرسیون عمومی استفاده شده است. با بکارگیری شبکه عصبی رگرسیون عمومی، میزان وابستگی افراد به هر یک از خوشه های چهارگانه مشخص شده است. با توجه به نتایج به دست آمده بیشتر اعضای هیات علمی در خوشه دوم(فقط آموزش بالا) قرار گرفتند و کمترین فراوانی در خوشه سوم(فقط پژوهش بالا) قرار دارد. همچنین در مجموع عملکردپژوهشی و آموزشی بین دانشکده ها، دانشکده شیمی(99/0و60/0) رتبه اول و دانشکده های تربیت بدنی(34/0و99/0)، علوم پایه(58/0و37/0) و علوم اقتصادی واداری(40/0و47/0) رتبه های بعدی را کسب کردند. در بخش پایانی با مقایسه دو روش ضمن بررسی مزایای استفاده از شبکه عصبی رگرسیون عمومی، پیشنهادات لازم ارائه شده است.

انتخاب بهترین ها برای استخدام منابع انسانی در سازمان ها همواره یک چالش اساسی بوده است. امروزه با افزایش دانش ما از پیچیدگی های عملکرد انسان ها، ارزیابی آن ها دشوارتر از گذشته شده است. در این میان با پیشرفت و فراگیرشدن هوش مصنوعی، ارزیابی مبتنی بر هوش مصنوعی افزایش روزافزون دارد؛ اما مانند هر فرآیند نوظهوری، مزایا و معایب آن واضح نیست. تحقیقات مختلف، با نگاه های مختلف این موضوع را دنبال کرده اند؛ اما هدف این پژوهش فراترکیبی بر مزایا و معایب استفاده از هوش مصنوعی درمقایسه با دیگر روش های هدایت انسانی در ارزیابی برای استخدام منابع انسانی در سازمان ها است. با روش فراترکیب به تحلیل نظام مند یافته های پژوهشی پیشین پرداخته شد. پرکاربردترین روش های ارزیابی به ترتیب قضاوت مدیریت، استخدام سنتی، فناوری های آنلاین، تصویر کارفرما و اطلاعات جمعیت شناختی شناسایی شد. مهمترین معایب این روش ها به ترتیب، عدم طراحی درست، نابرابری و تبعیض و مزایای آن کاهش حجم کار، فرصت های شغلی و جذب بهترین ها شناسایی شد. درمقابل، بکارگیری هوش مصنوعی در ارزیابی منابع انسانی دارای چالش های عدم پذیرش، تصمیم گیری فناوری محور و امنیت اطلاعات و مزایای بهبود تصمیم گیری، بهبود در فرایند استخدام و کاهش زمان و هزینه است.