ارزیابی روند‌های توسعه و اجرای سیستم‌های اطلاعاتی در حوزۀ مدیریت منابع انسانی با استفاده از روش‌های متن‌کاوی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد، دانشکدۀ مدیریت،گروه مدیریت فناوری اطلاعات، دانشگاه تهران، ایران

2 استادیار، دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

3 دانشجوی کارشناسی ارشد، مدیریت فناوری اطلاعات، دانشگاه تهران، تهران، ایران

چکیده

مدیریت منابع انسانی با ظهور سیستم‌های اطلاعاتی شاهد تغییرات بسیاری بوده و سیستم‌های اطلاعاتی توانسته است در جای جای این حوزه وارد شود. همچنین، کاربرد‌های گستردۀ سیستم‌های اطلاعاتی در مدیریت منابع انسانی بر کسی پوشیده نیست، اما اینکه این سیستم‌ها در کدام‌یک از حوزه‌های مدیریت منابع انسانی نقش پررنگ‌تری ایفا کرده و کاربرد بیشتری داشته است مسئلۀ مهمی است که تاکنون به آن پرداخته نشده است. درنتیجه هدف از انجام این پژوهش یافتن ارتباط میان کلمات این حوزه، تشخیص پرکاربرد‌ترین کلمات، همچنین مطالعۀ روند کلی سیستم‌های اطلاعاتی در حوزۀ مدیریت منابع انسانی، با استفاده از روش‌های متن‌کاوی است. از میان روش‌های موجود متن‌کاوی، از وزن‌دهی به کلمات، همبستگی کلمات و الگوریتم خوشه‌بندی استفاده شده است. داده‌های این پژوهش از میان نشریات برتر بین‌المللی سیستم‌های اطلاعات از پایگاه داده اسکوپوس و بین سال‌های 2013 تا 2017 جمع‌آوری شده است. این مطالعه با استفاده از الگوریتم‌های متن‌کاوی روی تیتر، چکیده و کلمات کلیدی سعی در پیداکردن ارتباط میان این کلمات و روند کلی سیستم‌های اطلاعاتی در حوزۀ مدیریت منابع انسانی دارد. نتایج این تحقیق می‌تواند اطلاعات مفیدی را در اختیار محققان قرار دهد درخصوص اینکه چه موضوعاتی اهمیت و به تمرکز بیشتری نیاز دارند؟. از نتایج این تحقیق می‌توان به اهمیت موضوعات مدیریت دانش و خصوصاً فرایند تسهیم دانش، تیم‌های مجازی، استفاده از سیستم اطلاعات منابع انسانی و نقش پررنگ شبکه‌های اجتماعی در سازمان اشاره کرد.

کلیدواژه‌ها

موضوعات


الف) فارسی

جزنی، نسرین؛ طاهری، نادر و ابیلی، خدایار (1389). «تدوین راهبردهای توسعۀ منابع انسانی با رویکرد توسعۀ دانش کارکنان»، مطالعات مدیریت راهبردی، شمارۀ 2، 15-29.

رابینز، استیفن، پی و دی سنزو، دیوید ای (1998). مبانی مدیریت، ترجمۀ سیدمحمد اعرابی، حمید رفیعی و بهروز اسراری، ارشاد 1379، تهران: انتشارات دفتر پژوهش‌های فرهنگی، 386-390.

رضایی‌نور، جلال و شیخ بهایی، جلال (1396). «کاربردهای داده‌کاوی متنی در حوزة مدیریت دانش زنجیرة خدمات دولت الکترونیکی»، مجلۀ مدیریت فناوری اطلاعات دانشگاه تهران، دورة 9، شمارة 1، 39-66.

سلطانی، م؛ زارع، ح، و پرنیان‌خوی، م. (2015). «بررسی و تحلیل نقش قابلیت‌های فردی منابع انسانی در ایجاد مزیت رقابتی؛ به‌کارگیری مدل VRIO مدیریت فرهنگ سازمانی»، 13(2)، 393-414.

نیکنام، فرزاد و نیک‌نفس، علی‌اکبر (1395). «بهبود روش‌های متن‌کاوی در کاربرد پیش‌بینی بازار با استفاده از الگوریتم‌های انتخاب نمونۀ اولیه»، مجلۀ مدیریت فناوری اطلاعات دانشگاه تهران، دورۀ 8، شمارۀ 2، 415-434.

ب) انگلیسی

Ainin, S., et al. )2015.( Organization’s Performance, Customer Value and the Functional Capabilities of Information Systems, Information Systems Management, 32(1), 2-14.

Bal, Y. & Bozkurt, S. & Ertemsir, E. (2012). "The importance of using human resources information systems (HRIS) and a research on determining the success of HRIS".

Bijalwan, V., et al. (2014). KNN based machine learning approach for text and document mining, International Journal of Database Theory and Application,. 7(1), 61-70.

Boxall, P. & J. Purcell (2011). Strategy and human resource management, Palgrave Macmillan.

Brewster, C. (1995). "Towards a'European'model of human resource management", Journal of international business studies, 1-21.

Callon, M.; J.-P. Courtial & F. Laville (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemsitry, Scientometrics, 22(1), 155-205.

Castellanos, A., C. Parra & M. Tremblay (2015). Corporate Social Responsibility Reports: Understanding Topics via Text Mining.

Clark, L. (2007). Retailers lead rise in IT spending growth, Computer Weekly, 5.

Hall, M. L. & S. Moritz (2003). "The impact of e-HR on the human resource management function", Journal of Labor Research, 24 (3), 365-379.

Hays, S. W. & Kearney, R. C. (2001). "Anticipated changes in human resource management: Views from the field", Public Administration Review, 61(5), 585-597.

Kim, H. & J.Y. Lee (2008). "Exploring the emerging intellectual structure of archival studies using text mining: 2001—2004", Journal of Information Science, 34(3), 356-369.

Kim, J.; Han, M.; Lee, Y. & Park, Y. (2016). "Futuristic data-driven scenario building: incorporating text mining and fuzzy association rule mining into fuzzy cognitive map", Expert Systems with Applications, 57, 311-323.

Lee, S., et al. (2008). Using patent information for designing new product and technology: keyword based technology roadmapping, R&d Management, 38(2), 169-188.

Miner, G., J; Elder IV & T. Hill (2012). Practical text mining and statistical analysis for non-structured text data applications, Academic Press.

Montoya, O.L.Q., et al. (2015). "Information retrieval on documents methodology based on entropy filtering methodologies", International Journal of Business Intelligence and Data Mining, 10(3), 280-296.

Nasirin, S. , N. Winter, & P. Coppock (2005). Factors Influencing User Involvement DSS Project Implementation: Some Lessons from the United Kingdom Health Sector. in ECIS.

Nikhil, R., et. al.) 2015.( "A survey on text mining and sentiment analysis for unstructured web data", in Journal of Emerging Technologies and Innovative Research, JETIR.

Pynes, J. E. (2008). Human resources management for public and nonprofit organizations: A strategic approach (Vol. 30): John Wiley & Sons.

Rip, A. & J. Courtial (1984). Co-word maps of biotechnology: An example of cognitive scientometrics, Scientometrics, 6(6), 381-400.

Storey, J. & K. Sisson ( 1993). Managing human resources and industrial relations, Open University Press.

Turban, E.; R.K. Rainer & R.E. Potter (2007). Introduction to Information Systems: Supporting and Transforming Business, John Wiley & Sons, Inc.

Ur-Rahman, N. & J.A. Harding (2012). Textual data mining for industrial knowledge management and text classification: A business oriented approach, Expert Systems with Applications, 39(5), 4729-4739.

Wang, X., Q. Cheng & W. Lu (2014). Analyzing evolution of research topics with NEViewer: a new method based on dynamic co-word networks, Scientometrics, 101(2), 1253-1271.

Wright, P.M. & T.M. Gardner (2000). Theoretical and empirical challenges in studying: the HR practice-firm performance relationship.

Yang, Y.-H., H. Bhikshu & R.-H. Tsaih (2011). The topic analysis of hospice care research using co-word analysis and GHSOM, Intelligent Computing and Information Science, 459-465.