یادگیری هوشمند و تحول مدیریت 3115-8900 در دست انتشار 1406 04 01 Designing an Artificial Intelligence–Enabled Succession Planning Model for Islamic Azad University Branches in Tehran Province: A Thematic Analysis Approach طراحی مدل برنامه‌ریزی جانشین‌پروری با بهره‌گیری از هوش مصنوعی در واحدهای دانشگاه آزاد اسلامی استان تهران با رویکرد تحلیل مضمون 1 27 FA محمد ذاکرمنش گروه مدیریت ، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران اسماعیل ابراهیمی گروه مدیریت ، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران عباس کریمی گروه مهندسی کامپیوتر، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران Journal Article 1405 02 11 <p>This study aimed to develop a context-specific model of artificial intelligence–enabled succession planning for Islamic Azad University branches in Tehran Province. This applied study adopted a qualitative design based on thematic analysis. The participants comprised 18 academic experts and professionals in human resource management, public administration, public policymaking, and organizational behavior, who were selected through purposive sampling. Eligibility criteria included at least ten years of relevant academic or professional experience, experience in university or human resource management, familiarity with succession planning, and sufficient knowledge of organizational applications of artificial intelligence. Data were collected through semi-structured interviews addressing succession planning practices, successor identification criteria, competency assessment, employee development, technological requirements, organizational culture, and implementation challenges. Theoretical saturation was reached after the sixteenth interview, and two additional interviews were conducted to confirm data stability. The data were analyzed according to Braun and Clarke’s six-stage thematic analysis procedure using MAXQDA 22. Trustworthiness was enhanced through continuous code review, expert evaluation, comparison of the extracted themes with the theoretical foundations, and recoding of selected interviews. The Cohen’s kappa coefficient was 0.678, indicating an acceptable level of coding agreement. The analysis generated six overarching themes, 21 organizing components, and 94 indicators. The principal dimensions were training and development, institutionalization strategy, evaluation and monitoring, cultural-organizational factors, technology-oriented factors, and strategic planning. The findings indicated that artificial intelligence can support succession planning through human resource data analysis, identification of high-potential employees, competency-based ranking, prediction of successor readiness, personalized development planning, career-path design, and continuous performance monitoring. The proposed model therefore shifts succession decisions from subjective and informal judgments toward a systematic, transparent, competency-based, and data-driven process. Effective implementation of artificial intelligence–enabled succession planning requires robust technological and information infrastructures, senior management support, transparent promotion and appointment procedures, institutionalized meritocracy, a learning-oriented culture, intergenerational knowledge transfer, clearly defined career pathways, and compliance with ethical principles relating to employee privacy, fairness, accountability, and data confidentiality.</p> <p>پژوهش حاضر با هدف طراحی مدلی بومی برای برنامه‌ریزی جانشین‌پروری با بهره‌گیری از هوش مصنوعی در واحدهای دانشگاه آزاد اسلامی استان تهران انجام شد. این پژوهش از نظر هدف کاربردی و از نظر رویکرد، کیفی بود و با استفاده از روش تحلیل مضمون انجام شد. مشارکت‌کنندگان شامل ۱۸ نفر از خبرگان دانشگاهی و متخصصان حوزه‌های مدیریت منابع انسانی، مدیریت دولتی، خط‌مشی‌گذاری عمومی و رفتار سازمانی بودند که به روش نمونه‌گیری هدفمند و بر اساس معیارهایی مانند برخورداری از حداقل ده سال سابقه علمی یا اجرایی مرتبط، تجربه مدیریت دانشگاهی یا منابع انسانی و آشنایی با کاربردهای سازمانی هوش مصنوعی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و مصاحبه‌ها تا دستیابی به اشباع نظری ادامه یافت. اشباع نظری در مصاحبه شانزدهم حاصل شد و دو مصاحبه تکمیلی برای تأیید پایداری داده‌ها انجام گرفت. داده‌ها مطابق مراحل شش‌گانه تحلیل مضمون براون و کلارک و با استفاده از نرم‌افزار MAXQDA 22 تحلیل شدند. اعتبار یافته‌ها از طریق بازبینی مستمر کدها، استفاده از نظر خبرگان و مقایسه مضامین با مبانی نظری بررسی شد. ضریب کاپای کوهن برابر با ۰٫۶۷۸ بود که نشان‌دهنده توافق قابل قبول در کدگذاری است. تحلیل داده‌ها به استخراج ۶ مضمون فراگیر، ۲۱ مضمون سازمان‌دهنده و ۹۴ شاخص منجر شد. ابعاد اصلی مدل شامل آموزش و توسعه، راهبرد نهادینه‌سازی، ارزیابی و پایش، عوامل فرهنگی ـ سازمانی، عوامل تکنولوژی‌محور و برنامه استراتژیک بود. یافته‌ها نشان داد هوش مصنوعی از طریق تحلیل داده‌های عملکردی، شناسایی استعدادهای بالقوه، رتبه‌بندی شایستگی‌ها، پیش‌بینی آمادگی جانشینان، طراحی مسیرهای شغلی و پایش مستمر عملکرد می‌تواند برنامه‌ریزی جانشین‌پروری را از فرایندی سلیقه‌ای به نظامی شفاف، علمی و داده‌محور تبدیل کند. استقرار موفق جانشین‌پروری مبتنی بر هوش مصنوعی مستلزم توسعه زیرساخت‌های اطلاعاتی، حمایت مدیریت عالی، شفافیت در انتصاب‌ها، نهادینه‌سازی شایسته‌سالاری، تقویت فرهنگ یادگیری و انتقال تجربه، طراحی مسیرهای شغلی روشن و رعایت اصول اخلاقی و محرمانگی داده‌های کارکنان است.</p> https://jilmt.com/index.php/jilmt/article/download/398/295