یادگیری هوشمند و تحول مدیریت 3115-8900 در دست انتشار 1406 06 01 Identifying the Core Factors of Intelligent Human Capital Management Using an Artificial Intelligence Approach in Government Organizations in Tehran Province شناسایی عوامل پدیده محوری مدیریت هوشمند سرمایه انسانی با رویکرد هوش مصنوعی در سازمان‌های دولتی استان تهران 1 27 FA ساره محسنی تنکابنی دانشجوی دکتری گروه مدیریت دولتی ، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران رقیه حسن‌زاده گروه مدیریت، واحد میانه ،دانشگاه آزاداسلامی، میانه، ایران داود حق خواه گروه مدیریت ،واحد میانه، دانشگاه آزاداسلامی، میانه، ایران Journal Article 1405 04 17 <p>This study aimed to identify and explain the factors constituting the core phenomenon of intelligent human capital management using an artificial intelligence approach in government organizations in Tehran Province. This applied study employed a sequential exploratory mixed-methods design. In the qualitative phase, grounded theory based on the Strauss and Corbin approach was used, and semi-structured interviews were conducted with experts in intelligent human capital management and professors of public administration. Participants were recruited through snowball sampling until theoretical saturation was achieved. In the quantitative phase, the statistical population comprised 9,117 employees of government organizations in Tehran Province, of whom 369 were selected using Cochran’s formula and stratified random sampling. Quantitative data were collected using a 15-item researcher-developed questionnaire encompassing two components: “key characteristics of intelligent management” and “differences from traditional management.” Face, content, and convergent validity were established, while reliability was confirmed using Cronbach’s alpha and composite reliability. Data were analyzed using structural equation modeling with SPSS, SmartPLS, and MAXQDA. Structural equation modeling indicated that the “key characteristics of intelligent management” component had a path coefficient of 0.842, whereas “differences from traditional management” had a path coefficient of 0.877, demonstrating their strong contributions to the core phenomenon. The corresponding coefficients of determination were 0.763 and 0.787, respectively. Furthermore, the path coefficient between AI-driven intelligent human capital management and the core phenomenon was 0.667, with an R² of 0.444, indicating that approximately 44% of the variance in the core phenomenon was explained by the central construct. The generally acceptable factor loadings further supported the explanatory adequacy of the proposed measurement structure and model. The findings demonstrate that intelligent human capital management in government organizations is primarily shaped by the distinctive characteristics of intelligent management and a substantive departure from traditional management practices. Data-driven decision-making, personalized career development, talent identification, enhanced transparency, and the redefinition of managerial and employee roles appear central to developing AI-enabled human capital management.</p> <p>هدف پژوهش حاضر شناسایی و تبیین عوامل تشکیل‌دهنده پدیده محوری مدیریت هوشمند سرمایه انسانی با رویکرد هوش مصنوعی در سازمان‌های دولتی استان تهران بود. پژوهش حاضر از نظر هدف کاربردی و از نظر روش، آمیخته کیفی–کمی با طرح اکتشافی متوالی بود. در بخش کیفی، از نظریه داده‌بنیاد با رویکرد اشتراوس و کوربین و مصاحبه‌های نیمه‌ساختاریافته با صاحب‌نظران مدیریت هوشمند سرمایه انسانی و استادان مدیریت دولتی استفاده شد. مشارکت‌کنندگان کیفی با روش گلوله‌برفی و بر اساس اصل اشباع نظری انتخاب شدند. در بخش کمی، جامعه آماری شامل 9117 نفر از کارکنان سازمان‌های دولتی استان تهران بود که از میان آنان، 369 نفر بر اساس فرمول کوکران و با نمونه‌گیری تصادفی طبقه‌ای انتخاب شدند. ابزار کمی، پرسشنامه محقق‌ساخته 15 گویه‌ای شامل دو مؤلفه «ویژگی‌های اصلی مدیریت هوشمند» و «تفاوت با مدیریت سنتی» بود. روایی صوری، محتوایی و همگرای ابزار و پایایی آن با آلفای کرونباخ و پایایی ترکیبی تأیید شد. داده‌ها با استفاده از مدل‌سازی معادلات ساختاری و نرم‌افزارهای SPSS، SmartPLS و MAXQDA تحلیل شدند. نتایج مدل‌سازی معادلات ساختاری نشان داد مؤلفه «ویژگی‌های اصلی مدیریت هوشمند» با ضریب مسیر 0.842 و مؤلفه «تفاوت با مدیریت سنتی» با ضریب مسیر 0.877، سهم بالایی در تبیین پدیده محوری داشتند. مقادیر ضریب تعیین برای این دو مؤلفه به‌ترتیب 0.763 و 0.787 بود. همچنین، ضریب مسیر میان مدیریت هوشمند سرمایه انسانی با رویکرد هوش مصنوعی و پدیده محوری 0.667 و ضریب تعیین پدیده محوری 0.444 به دست آمد؛ بنابراین، حدود 44 درصد از واریانس پدیده محوری توسط متغیر مرکزی مدل تبیین شد. در سطح شاخص‌ها نیز بارهای عاملی عموماً در دامنه قابل‌قبول قرار داشتند و نتایج، قدرت تبیینی مناسب ساختار اندازه‌گیری و مدل پیشنهادی را نشان دادند. یافته‌ها نشان می‌دهد که شکل‌گیری مدیریت هوشمند سرمایه انسانی در سازمان‌های دولتی بیش از همه به برخورداری از ویژگی‌های متمایز مدیریت هوشمند و گذار واقعی از الگوهای سنتی مدیریت وابسته است. حرکت به سوی تصمیم‌گیری داده‌محور، شخصی‌سازی مسیرهای شغلی، شناسایی استعدادها، افزایش شفافیت و بازتعریف نقش مدیر و کارکنان می‌تواند زمینه توسعه مدیریت سرمایه انسانی مبتنی بر هوش مصنوعی را فراهم سازد.</p> https://jilmt.com/index.php/jilmt/article/download/477/349