یادگیری هوشمند و تحول مدیریت 3115-8900 1 پیاپی 1 2023 10 15 The Role of Reinforcement Learning in Optimizing Managerial Decision-Making نقش یادگیری تقویتی در بهینه‌سازی تصمیم‌گیری مدیریتی 1 13 FA مهدی رضازاده گروه برنامه‌ریزی آموزشی، دانشگاه تبریز، تبریز، ایران فاطمه نادری گروه برنامه‌ریزی آموزشی، دانشگاه تبریز، تبریز، ایران Journal Article 2023 04 19 <p>This study aimed to systematically review the literature to identify and explain the role of reinforcement learning (RL) in optimizing managerial decision-making processes across organizational contexts. This research adopted a qualitative systematic review design based on thematic content analysis. Data were collected exclusively from scientific databases including Scopus, Web of Science, IEEE Xplore, and Google Scholar. After applying inclusion and exclusion criteria, 15 peer-reviewed articles were selected. Textual data were analyzed using NVivo 14 software through open, axial, and selective coding. Themes were inductively derived until theoretical saturation was achieved, resulting in a comprehensive conceptual framework describing the interaction between RL mechanisms and managerial decision-making. The analysis revealed that reinforcement learning significantly enhances the efficiency, adaptability, and accuracy of managerial decisions by enabling systems to learn through rewards, penalties, and continuous feedback. Three major themes emerged: (1) RL as a tool for decision optimization, (2) integration of RL into intelligent management systems, and (3) managerial outcomes of RL adoption. RL-based decision support systems improved resource allocation, reduced cognitive bias, enhanced organizational agility, and supported data-driven governance. Reinforcement learning provides a transformative paradigm for intelligent and adaptive managerial decision-making. It enables the transition from intuition-driven to evidence-based and self-learning management systems. Effective implementation requires robust data infrastructures, ethical transparency, and a culture of organizational learning to ensure sustainable human–AI collaboration in managerial environments.</p> <p>هدف این پژوهش مرور نظام‌مند مطالعات علمی با تمرکز بر تبیین نقش و کارکردهای یادگیری تقویتی در بهینه‌سازی فرآیند تصمیم‌گیری مدیریتی در سازمان‌ها بود. این مطالعه از نوع مرور نظام‌مند کیفی بود که با تحلیل محتوای مقالات منتخب انجام شد. برای گردآوری داده‌ها، پایگاه‌های علمی معتبر شامل Scopus، Web of Science، IEEE Xplore و Google Scholar جست‌وجو شدند. پس از غربالگری اولیه، ۱۵ مقاله واجد شرایط نهایی انتخاب شدند. داده‌های متنی در نرم‌افزار NVivo 14 وارد و با روش تحلیل مضمون کدگذاری شدند. مضامین اصلی بر اساس شباهت مفهومی و با رویکرد استقرایی استخراج گردیدند تا چارچوب نظری جامعی درباره نحوه تأثیر یادگیری تقویتی بر تصمیم‌گیری مدیریتی شکل گیرد. نتایج نشان داد که یادگیری تقویتی با فراهم‌سازی سازوکاری مبتنی بر بازخورد، پاداش و یادگیری تدریجی، می‌تواند به شکل مؤثری در بهینه‌سازی تصمیمات مدیریتی نقش ایفا کند. سه مضمون اصلی استخراج‌شده شامل «یادگیری تقویتی به‌عنوان ابزار بهینه‌سازی تصمیمات مدیریتی»، «ادغام یادگیری تقویتی در سیستم‌های مدیریتی هوشمند» و «پیامدهای کاربرد یادگیری تقویتی در تصمیم‌گیری مدیریتی» بودند. به‌کارگیری الگوریتم‌های RL موجب افزایش دقت تصمیمات، کاهش سوگیری‌های شناختی، ارتقای چابکی سازمانی و بهبود بهره‌وری شد یافته‌ها حاکی از آن است که یادگیری تقویتی به‌عنوان رویکردی نوین در مدیریت می‌تواند الگویی هوشمند، داده‌محور و خودیادگیرنده برای تصمیم‌گیری فراهم سازد. استفاده از این فناوری نیازمند زیرساخت‌های داده‌ای، فرهنگ یادگیری سازمانی و چارچوب‌های اخلاقی شفاف است تا تعامل سازنده میان انسان و ماشین در فرآیند تصمیم‌گیری تحقق یابد.</p> https://jilmt.com/index.php/jilmt/article/download/2/2