مقاله انگلیسی هوش مصنوعی و داده‌های دیجیتال در استخدام: بررسی ادراکات کارجویان رشته‌های کسب‌وکار و مهندسی از جذابیت سازمانی

عنوان فارسی:

هوش مصنوعی و داده‌های دیجیتال در استخدام: بررسی ادراکات کارجویان رشته‌های کسب‌وکار و مهندسی از جذابیت سازمانی.

عنوان انگلیسی:

Artificial intelligence and digital data in recruitment. Exploring business and engineering candidates’ perceptions of organizational attractiveness

کد محصول: M1863

سال نشر: ۲۰۲۵

نام ناشر (پایگاه داده): الزویر

نام مجله: European Management Journal

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی:  دارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی:  ۱۰ صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1863)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

هوش مصنوعی (AI) به‌طور فزاینده‌ای در مدیریت منابع انسانی (HRM)، به‌ویژه در زمینه استخدام، مورد استفاده قرار می‌گیرد. با این حال، دیدگاه کارجویان در مورد استفاده از هوش مصنوعی هنوز به اندازه کافی بررسی نشده است، زیرا تحقیقات موجود عمدتاً بر دیدگاه کارفرمایان متمرکز است. برای رفع این شکاف، یک مطالعه پیمایشی مبتنی بر سناریو انجام دادیم تا بررسی کنیم که چگونه ترکیب هوش مصنوعی با داده‌های دیجیتال حرفه‌ای و شخصی، بر ادراکات کارجویان رشته‌های کسب‌وکار و مهندسی از جذابیت سازمانی (OA) و احتمال درخواست آنها برای شغل تأثیر می‌گذارد. این مطالعه در دو کشور بزرگ اتحادیه اروپا (EU) انجام شد و بینش‌های خاصی را در مورد کشورهای اتحادیه اروپا ارائه می‌دهد، جایی که مقرراتی مانند مقررات عمومی حفاظت از داده‌ها (GDPR) و قانون هوش مصنوعی، تلاش‌های جهانی را در زمینه استفاده مسئولانه از هوش مصنوعی رهبری می‌کنند. یافته‌های ما نشان می‌دهد که کارجویان به طور کلی دیدگاه مثبتی نسبت به هوش مصنوعی دارند، به ویژه نقش آن را در تقویت نوآوری و توسعه ارزشمند می‌دانند. با این وجود، ترکیب هوش مصنوعی با داده‌های حرفه‌ای و شخصی، دیدگاه محتاطانه‌تری را در بین کارجویان برمی‌انگیزد و برخی از آنها تصمیم می‌گیرند که درخواست استخدام ندهند. قابل توجه است که کارجویان مهندسی نسبت به همتایان کسب و کار خود، ملاحظات قابل توجه‌تری نسبت به هوش مصنوعی نشان دادند که برخلاف تحقیقات قبلی است. این تحقیق، بحث‌های نظری، روش‌شناختی و عملی پیرامون هوش مصنوعی در استخدام را غنی می‌کند، عواملی را که بر ادراک داوطلبان تأثیر می‌گذارند روشن می‌کند و مسیرهایی را برای تحقیقات آینده پیشنهاد می‌دهد.

واژه‌های کلیدی: هوش مصنوعی، داده‌های دیجیتال، استخدام، کارجو، ادراک، جذابیت سازمانی، اروپا

۱.مقدمه

مبارزه برای جذب استعدادها همچنان شدید است (PWC، ۲۰۲۳). جذب و حفظ استعدادهای لازم برای ایجاد یک سازمان شکوفا پس از همه‌گیری، یکی از اولویت‌های اصلی مدیران در سال ۲۰۲۳ (فوربس، ۲۰۲۳؛ گارتنر، ۲۰۲۳)، به ویژه در پدیده “استعفای بزرگ” بود (دی اسمت و همکاران، ۲۰۲۳). بر اساس یک نظرسنجی جدید، محدود شدن بازار کار و “جنگ برای مهارت‌ها” نامناسب بودن مدل‌های استعداد را آشکار کرده است و ۵۰٪ از مدیران پیش‌بینی می‌کنند که با مدل های استعدادیابی فعلی خود برای برآورده کردن تقاضا با مشکل مواجه شوند (مرکر، ۲۰۲۳). بنابراین، استخدام از یک رویه حیاتی مدیریت منابع انسانی (HRM) به یک مسئله استراتژیک برتر برای رهبران کسب‌وکار تبدیل شده است…

۲.پیشینه نظری

۲.۱. جذابیت سازمانی و ابعاد آن

توانایی جذب و حفظ کارکنان به دلیل ماهیت رقابتی بازار کار فعلی، که اغلب به عنوان “مبارزه برای جذب استعدادها” شناخته می‌شود، به یک اولویت استراتژیک برای سازمان‌ها تبدیل شده است (PWC، ۲۰۲۳). برای به دست آوردن مزیت رقابتی در بازارهای کار رقابتی، سازمان‌ها تلاش می‌کنند تا خود را به عنوان کارفرمایان مطلوب برای گروه‌های هدف خاص معرفی کنند (بک هاوس و تیکو، ۲۰۰۴). در واقع، کارکنان بالقوه در طول فرآیند استخدام، ادراک خود از جذابیت یک سازمان به عنوان یک کارفرما را شکل می‌دهند، اصلاح می‌کنند یا تقویت می‌کنند (وایلدن و همکاران، ۲۰۱۰). این ادراکات تحت تأثیر اطلاعات رسمی، مانند شرح شغل، و اطلاعات غیررسمی، مانند تجربیات در طول فرآیند استخدام قرار می‌گیرد. در نتیجه، فرآیند استخدام کارآمد برای ایجاد یک تصویر قوی از برند کارفرما و حمایت از استراتژی کلی برندسازی کارفرما بسیار مهم است (وایلدن و همکاران، ۲۰۱۰). در نتیجه، تحقیقات در مورد جذب و حفظ کارکنان با استفاده از نظریه‌ها، مدل‌ها و مفاهیم تحقیقاتی برند مصرف‌کننده، در دهه گذشته به طور قابل توجهی افزایش یافته است (رامپل و کنینگ، ۲۰۱۴).

۶.نتیجه‌گیری

در پایان، این مطالعه پیچیدگی پیامدهای استفاده از هوش مصنوعی و داده‌های دیجیتال برگرفته از اینترنت را بر ادراک کارجویان از OA در اتحادیه اروپا و در نتیجه، بر توانایی شرکت‌ها در جذب استعداد را نشان می‌دهد. در بحث‌های جاری دیدگاه‌های کارکنان در مورد استفاده از هوش مصنوعی در HRM و تصمیم‌گیری در محافل سیاست‌گذاری و متخصصان، حائز اهمیت می باشد. این امر در پیشنهادات اخیر کمیسیون اروپا و سیاست‌گذاران ایالات متحده در مورد تنظیم مقررات استفاده از هوش مصنوعی و در بحث‌های فزاینده در مورد علاقه روزافزون سازمان‌ها به استفاده از فناوری‌های جدید، مانند هوش مصنوعی (ون اش و همکاران، ۲۰۲۱)،و همچنین منابع داده غیرسنتی (چونگ و چانگ، ۲۰۲۴) در استخدام کارجویان، نشان داده شده است. این تلاش‌های قانونی و بحث‌ها در محافل متخصصان نشان می‌دهد که نه تنها تصمیم‌گیرندگان (به عنوان مثال، استخدام‌کنندگان) بلکه کسانی که تحت تأثیر فرآیندها و تصمیمات هوش مصنوعی قرار می‌گیرند (به عنوان مثال، کارجویان) نیز شایسته بررسی هستند. نتایج ما چندین مسیر را برای تحقیقات آینده در این زمینه باز می‌کند…

Abstract  

Artificial intelligence (AI) is increasingly used in Human Resource Management (HRM), particularly within recruitment. However, the candidate perspective on AI usage remains underexplored, as existing research predominantly focuses on the employer’s viewpoint. Addressing this gap, we conducted a vignette survey experiment to examine how the combination of AI with professional and personal digital data influences the perceptions of business and engineering candidates regarding organizational attractiveness (OA) and their likelihood to apply for a job. The study was conducted in two large European Union (EU) countries, providing insights specific to the EU context, where regulations like the General Data Protection Regulation and the AI Act lead global efforts on responsible AI use. Our findings indicate that candidates generally view AI positively, particularly valuing its role in fostering innovation and development. Nevertheless, the combination of AI with professional and personal data prompts a more cautious perspective among candidates, with some opting not to apply. Notably, engineering candidates displayed more significant reservations towards AI than their business counterparts, contrasting to prior research. This investigation enriches theoretical, methodological, and practical discussions concerning AI in recruitment, elucidating factors influencing candidate perceptions and suggesting avenues for future research.

Keywords: AI, Digital data, Recruitment, Candidate, Perception, Organizational attractiveness, Europe

۱.Introduction

The war for talent remains fierce (PWC, 2023). Attracting and retaining the talent required to create a thriving post-pandemic organization was one of the top priorities for executives in 2023 (Forbes, 2023; Gartner, 2023), particularly in the context of “The Great Attrition” (De Smet et al., 2023). According to a recent survey, the tightening labor market and the “war for skills” have laid bare inadequate talent models, and 50% of executives anticipate struggling to meet demand with their current talent model (Mercer, 2023). Thus, recruitment has evolved from a critical Human Resource Management (HRM) practice to a top strategic concern for business leaders…

۲. Theoretical background

۲.۱. Organizational attractiveness and its dimensions

The ability to attract and retain employees has become a strategic priority for organizations due to the competitive nature of the current job market, often referred to as the “war for talent” (PWC, 2023). To gain a competitive advantage in increasingly competitive labor markets, organizations strive to position themselves as desirable employers for specific target groups (Backhaus & Tikoo, 2004). Indeed, potential employees form, modify, or reinforce their perceptions of an organization’s attractiveness as an employer during the recruitment process (Wilden et al., 2010). This perception is influenced by formal information, such as the job description, and informal information, such as experiences during the hiring process. Consequently, effective recruitment is paramount for establishing a strong employer brand image and supporting the overall employment branding strategy (Wilden et al., 2010). As a result, research on employee attraction and retention utilizing consumer brand research theories, models, and concepts has significantly increased in the past decade (Rampl & Kenning, 2014).

۶. Conclusion

To conclude, this study shows the complexity of the consequences of using AI and digital data from the Internet on EU candidates’ perceptions of OA and, consequently, on the ability of companies to attract talent. Employees’ perspectives are considered pivotal in the ongoing discussions on utilizing AI in HRM and decision-making in policy and practitioner circles. This is exemplified by the recent proposals by the EU Commission and US policymakers on regulating the use of AI, growing debates around the increasing interest among organizations towards using new technologies, such as AI (van Esch et al., 2021), as well as nontraditional data sources (Chong & Chang, 2024) in the candidates’ recruitment. These legislative endeavors and discussions in the practitioners’ circles indicate that not only decision-makers (e.g., recruiters) but also those subjected to AI processes and decisions (e.g., candidates) merit examination. Our results open several avenues for future research in this area…