طراحی سیستمهای انگیزشی در محیطهای کاری هوشمند
کلمات کلیدی:
انگیزش کارکنان, محیطهای کاری هوشمند, هوش مصنوعی, یادگیری ماشین, مدیریت منابع انسانیچکیده
هدف: هدف این مطالعه مروری تحلیل و تبیین ابعاد و مؤلفههای طراحی سیستمهای انگیزشی در محیطهای کاری هوشمند با تمرکز بر تلفیق فناوری، عوامل انسانی و راهبردهای سازمانی بود.
روشها و مواد: این پژوهش از نوع مطالعات مروری کیفی بود و دادهها صرفاً از مرور ۱۲ مقاله علمی منتخب گردآوری شد. تحلیل دادهها با روش مضمونیابی کیفی و استفاده از نرمافزار Nvivo 14 انجام شد. فرآیند انتخاب مقاله بر اساس معیارهای مرتبط بودن، اعتبار علمی و دسترسی کامل به متن صورت گرفت و تحلیل تا رسیدن به اشباع نظری ادامه یافت.
یافتهها: تحلیل دادهها سه مضمون اصلی را آشکار ساخت: ۱) فناوری و هوشمندی، شامل هوش مصنوعی، یادگیری ماشین، محیطهای تعاملی دیجیتال و بازیسازی فرایندهای کاری؛ ۲) ابعاد انسانی و روانشناختی، شامل خودکارآمدی دیجیتال، انگیزش درونی، عدالت سازمانی، یادگیری مستمر و تعامل انسان–ماشین؛ و ۳) ساختار و راهبردهای سازمانی، شامل سیاستگذاری انگیزشی هوشمند، فرهنگ سازمانی دیجیتال، رهبری تحولآفرین، نظام ارزیابی عملکرد هوشمند و طراحی تجربه کاری هوشمند. یافتهها نشان دادند که تلفیق هوشمندانه این ابعاد موجب افزایش انگیزش، رضایت شغلی و تعهد سازمانی میشود و پایداری انگیزش در محیطهای کاری هوشمند را تضمین میکند.
نتیجهگیری: طراحی سیستمهای انگیزشی در محیطهای کاری هوشمند مستلزم یک رویکرد چندبعدی است که فناوری، انسان و ساختار سازمانی را همزمان در نظر گیرد. بهرهگیری از ابزارهای هوشمند، ایجاد فرهنگ سازمانی دیجیتال و رهبری تحولآفرین دیجیتال، زمینهساز ارتقای انگیزش و عملکرد کارکنان است. این مطالعه چارچوب مفهومی جامعی ارائه میدهد که میتواند مبنای طراحی سیستمهای انگیزشی در سازمانهای دیجیتال و تحقیقات آینده در حوزه مدیریت منابع انسانی هوشمند قرار گیرد.
دانلودها
مراجع
Al-Qudah, K. A., Obeidat, A. M., & Bataineh, K. A. (2021). The role of digital human resource management in enhancing employee performance. Journal of Management Information and Decision Sciences, 24(2), 1–12.
Avolio, B. J., Walumbwa, F. O., & Weber, T. J. (2014). Leadership: Current theories, research, and future directions. Annual Review of Psychology, 60, 421–449.
Bader, B., & Kaiser, S. (2022). The digitalization of human resource management: Implications for motivation and engagement. European Management Journal, 40(3), 450–465.
Bandura, A. (1997). Self-efficacy: The exercise of control. New York: Freeman.
Binns, R. (2018). Fairness in machine learning: Lessons from political philosophy. Proceedings of the 2018 Conference on Fairness, Accountability, and Transparency, 149–159.
Cascio, W. F., & Montealegre, R. (2016). How technology is changing work and organizations. Annual Review of Organizational Psychology and Organizational Behavior, 3, 349–375.
Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.
Denison, D. R., & Mishra, A. K. (1995). Toward a theory of organizational culture and effectiveness. Organization Science, 6(2), 204–223.
Friedman, B., Hendry, D., & Borning, A. (2021). A survey of value sensitive design methods. Foundations and Trends in Human–Computer Interaction, 11(2), 63–125.
Kaur, M., & Mittal, R. (2023). AI-driven motivation systems in digital workplaces: A systematic review. Technological Forecasting and Social Change, 192, 122522.
Koivisto, J., & Hamari, J. (2019). The rise of motivational information systems: Gamification and the motivational information system perspective. Journal of Business Research, 95, 275–285.
Korzynski, P., Mazurek, G., & Haenlein, M. (2021). Digital leadership: Perspectives, implications, and future research directions. Management Decision, 59(2), 367–380.
Lee, M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 5(1), 1–16.
Luthans, F., Youssef, C. M., & Avolio, B. J. (2007). Psychological capital: Developing the human competitive edge. New York: Oxford University Press.
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR analytics. International Journal of Human Resource Management, 28(1), 3–26.