راه‌کارهای کاهش سوگیری شناختی در بهکارگیری هوش مصنوعی، به‌منظور جذب و استخدام منابع انسانی | ||
| مدیریت دولتی | ||
| دوره 18، شماره 3، 1405، صفحه 697-725 اصل مقاله (846.63 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jipa.2026.417273.3944 | ||
| نویسندگان | ||
| محمد باشکوه اجیرلو* 1؛ مهری مقامی دولت آباد2؛ بهمن خداپناه3 | ||
| 1استاد، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 2دانشجوی دکتری، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 3استادیار، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| چکیده | ||
| هدف: پژوهش حاضر با هدف شناسایی و تبیین راه‌کارهای کاهش سوگیری شناختی برای بهکارگیری هوش مصنوعی در فرایند جذب و استخدام منابع انسانی انجام شد. گسترش کاربرد سامانه‌های هوشمند در مدیریت منابع انسانی، استفاده از الگوریتم‌ها را در غربالگری رزومه‌ها، تحلیل شایستگی‌ها، رتبه‌بندی متقاضیان و پشتیبانی از تصمیم‌های استخدامی افزایش داده است. این سامانه‌ها در صورت طراحی و استفادۀ مناسب می‌توانند سرعت، یکپارچگی و قابلیت پیگیری تصمیم‌ها را ارتقا دهند؛ با این‌حال، اتکای آن‌ها به داده‌های تاریخی، شاخص‌های جانشین، معیارهای مبهم و قضاوت‌های انسانی سوگیرانه، خطر بازتولید یا تشدید نابرابری‌ها را به همراه دارد. افزون‌براین، سوگیری‌های شناختی تصمیم‌گیران در انتخاب داده‌ها، تفسیر خروجی‌های مدل و تأیید توصیه‌های الگوریتمی، می‌تواند عدالت فرایند استخدام را مخدوش کند. از این رو، مسئلۀ اصلی پژوهش، شناسایی سازوکارهای انسانی، داده‌ای، الگوریتمی و سازمانی برای کاهش سوگیری شناختی در استخدام مبتنی‌بر هوش مصنوعی بود. روش: پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. داده‌ها از طریق ۱۲ مصاحبه عمیق نیمه‌ساختاریافته با خبرگان منابع انسانی، متخصصان فناوری و افراد آشنا با طراحی یا بهکارگیری سامانه‌های هوشمند در سازمان‌های ایرانی گردآوری شد. مشارکت‌کنندگان با نمونه‌گیری هدفمند انتخاب شدند و مصاحبه‌ها تا دستیابی به اشباع نظری ادامه یافت. پس از پیاده‌سازی مصاحبه‌ها، داده‌ها بارها مطالعه و واحدهای معنایی مرتبط با منشأها، نمودها و راه‌کارهای کنترل سوگیری شناسایی شد. سپس، کدگذاری اولیه، استخراج مضامین پایه، مقایسه و ادغام کدهای مشابه، سازمان‌دهی مضامین و شکل‌دهی مضامین فراگیر انجام گرفت. تحلیل داده‌ها با نرم‌افزار مکس‌کیودا نسخۀ ۲۰ انجام شد. به‌منظور تقویت اعتبار تحلیل، بازبینی مستمر کدها، رجوع مکرر به داده‌های خام، مقایسه دیدگاه مشارکت‌کنندگان و بررسی انسجام میان مضامین صورت گرفت. برایند فرایند تحلیل به استخراج ۱۳۰ مضمون پایه، ۱۸ مضمون سازمان‌دهنده و ۶ مضمون فراگیر منتهی شد. یافته‌ها: ساختار نهایی مضامین نشان داد که راه‌کارهای کاهش سوگیری شناختی در استخدام هوشمند، در شش محور اصلی تبیین می‌شود: یکپارچه‌سازی تصمیم‌گیری تعاملی انسان و سامانه‌های هوشمند، استانداردسازی فرایندهای ارزیابی انسان‌محور، شفافیت و توضیح‌پذیری سامانه‌های هوشمند، نظارت و اعتبارسنجی الگوریتمی، شناسایی و کاهش کمّی سوگیری‌های داده‌ای و استقرار پروتکل‌های اخلاقی و عملیاتی سامانه‌های هوشمند. یافته‌ها بیانگر آن است که مداخلۀ انسانی تنها زمانی به کاهش سوگیری منجر می‌شود که نقش انسان به تأیید 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 شاخص‌های شایستگی، آموزش و بازآموزی شناختی ارزیابان، کنترل کیفیت و نمایندگی داده‌های استخدامی، سنجش تفاوت نتایج میان گروه‌های متقاضی، پایش مستمر عملکرد مدل و ممیزی مستقل، از اقدامات مؤثر شناخته شد. توضیح‌پذیری منطق تصمیم سامانه و پیش‌بینی سازوکار اعتراض متقاضیان نیز اعتمادپذیری و پاسخ‌گویی فرایند را تقویت می‌کند. نتیجه‌گیری: سوگیری در جذب و استخدام مبتنی‌بر هوش مصنوعی، پدیده‌ای چندبُعدی است که از درهم‌تنیدگی انسان، داده، الگوریتم و ساختارهای سازمانی پدید می‌آید. بنابراین، مدیریت آن فقط با اصلاح فنی مدل یا حذف متغیرهای حساس محقق نمی‌شود، بلکه به رویکردی جامعۀ مادی نیاز دارد که انسان و فناوری را در شبکه‌ای تعاملی و تصمیم‌ساز تحلیل کند. استقرار کنترل انسانی معنادار، استانداردسازی قضاوت‌ها، ارتقای کیفیت داده‌ها، شفافیت و اعتبارسنجی سامانه‌ها، ممیزی دوره‌ای و تدوین پروتکل‌های اخلاقی و عملیاتی، می‌تواند عدالت استخدامی، اعتماد متقاضیان و پاسخ‌گویی سازمانی را ارتقا دهد و زمینۀ حکمرانی مسئولانه هوش مصنوعی در مدیریت منابع انسانی ایران را فراهم سازد. | ||
| کلیدواژه‌ها | ||
| استخدام هوشمند؛ تعامل انسان و هوش مصنوعی؛ سوگیری شناختی؛ منابع انسانی دیجیتال | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 235 تعداد دریافت فایل اصل مقاله: 155 |
||