DOI: https://doi.org/10.1007/s43621-024-00214-5
تاريخ النشر: 2024-03-11
المؤلف: Xiao Jia وآخرون
الموضوع الرئيسي: رضا الموظفين والسلوك التنظيمي
نظرة عامة
تستكشف هذه الدراسة العلاقات بين إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي، وتفاعل الموظف، وأداء الموظف، وشخصية الضمير، بناءً على مسح تم إجراؤه مع 470 موظفًا من الشركات الصينية. باستخدام نظريات القدرة والدافع والفرصة (AMO) وملاءمة الشخص-المنظمة (P-O)، تقدم البحث نموذجًا شاملاً يبرز التأثير الإيجابي لإدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي على تفاعل الموظف، مما يعزز بدوره أداء الموظف.
تشير النتائج الرئيسية إلى أن شخصية الضمير تعمل كعامل تعديل كبير في العلاقة بين إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي وتفاعل الموظف. وهذا يشير إلى أن فعالية ممارسات إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي في تعزيز تفاعل الموظف وأدائه تكون أكثر وضوحًا بين الموظفين الذين يتمتعون بمستويات أعلى من الضمير. تساهم الدراسة بإطار نظري لفهم تكامل إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي وتفاعل الموظف في سياق الشركات الصينية، كاشفة عن الآليات الوسيطة والتعديلية التي تلعب دورًا.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي على مختلف القطاعات، لا سيما في سياق الصناعة 5.0، حيث التعاون بين الإنسان والآلة هو الأهم. تؤكد على إمكانية الذكاء الاصطناعي في المساهمة بشكل كبير في الاقتصاد، مع تقديرات تشير إلى قيمة سوقية تبلغ 4.31 تريليون دولار بحلول عام 2030. تحدد الورقة إدارة الموارد البشرية كمنطقة حاسمة يمكن أن يبتكر فيها الذكاء الاصطناعي الممارسات التقليدية، لا سيما في تبسيط التوظيف وتعزيز تفاعل الموظف من خلال ممارسات إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي. تتماشى هذه الممارسات مع أهداف التنمية المستدامة للأمم المتحدة، حيث تعالج التحديات العالمية مثل عدم المساواة والاستدامة البيئية.
تهدف الدراسة إلى التحقيق التجريبي في الدور الوسيط لتفاعل الموظف في العلاقة بين ممارسات إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي – المصنفة إلى قدرة، دافع، وفرصة – وأداء الموظف. كما تستكشف التأثير التعديلي للسمات الفردية، وبشكل خاص الضمير، على هذه العلاقة. من خلال استخدام نظرية ملاءمة الشخص-المنظمة وإطار العمل AMO (القدرة، الدافع، الفرصة)، تسعى الدراسة إلى تعميق الفهم حول كيفية تعزيز تكامل الذكاء الاصطناعي في إدارة الموارد البشرية لنتائج الموظف والمساهمة في ممارسات تنظيمية مستدامة. هذه الدراسة جديدة بشكل خاص في السياق الصيني، وتهدف إلى توسيع الآفاق حول الاستدامة البيئية داخل الشركات الإقليمية.
طرق البحث
في هذه الدراسة، تم استخدام منهجية وصفية كمية لتسهيل تحليل البيانات الإحصائية بكفاءة، مما يحسن من استخدام الوقت والموارد. هذه الطريقة فعالة بشكل خاص في إدارة وتفسير البيانات العددية والرسومية. ركز البحث على جمع بيانات مقطعية من الموظفين المشاركين في ممارسات إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي داخل المنظمات الملتزمة بالاستدامة. تألفت العينة من كبار المديرين، والرؤساء التنفيذيين، والمديرين، والمديرين المتوسطين، الذين تلعب أدوارهم الاستراتيجية دورًا حيويًا في تقديم رؤى شاملة حول تنفيذ وتأثير ممارسات إدارة الموارد البشرية المدفوعة بالذكاء الاصطناعي.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من التحليل الذي تم إجراؤه. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف الاختبارات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في البيانات، حيث يؤدي زيادة المتغير X إلى زيادة متناسبة في المتغير Y، والذي يمكن التعبير عنه رياضيًا كـ $Y = kX + b$، حيث يمثل $k$ ميل العلاقة.
علاوة على ذلك، تتضمن الدراسة تمثيلات رسومية توضح هذه العلاقات، مما يوفر تأكيدًا بصريًا للنتائج الكمية. تناقش النتائج أيضًا الآثار المحتملة لهذه النتائج في سياق الأدبيات الحالية، مقترحة أن الأنماط الملحوظة قد تساهم في فهم أعمق للآليات الأساسية التي تلعب دورًا. بشكل عام، تؤكد النتائج على أهمية العلاقة بين المتغيرات المدروسة وتضع الأساس لمزيد من البحث في هذا المجال.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على تكامل إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي داخل المنظمات، مؤكدة على أهميتها في كل من الاقتصادات الناشئة والمتقدمة. يتم تأطير إدارة الموارد البشرية المستدامة حول مبادئ الخط السفلي الثلاثي (TBL) – الجدوى الاقتصادية، المسؤولية الاجتماعية، ورعاية البيئة – مؤكدة أن ممارسات الموارد البشرية الحديثة يجب أن تتماشى مع هذه القيم لتعزيز الأداء التنظيمي. تقدم الورقة إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي كنهج تحويلي يستفيد من الذكاء الاصطناعي لتحسين عمليات الموارد البشرية، مثل التوظيف، والتدريب، وتقييم الأداء، مما يعزز الممارسات المستدامة ويعزز تفاعل الموظف.
تتوسع القسم أكثر في إطار العمل للقدرة والدافع والفرصة (AMO)، مقترحة أن إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي يمكن أن تعزز أداء الموظف من خلال تحسين قدراتهم، وتحفيزهم، وتوفير فرص للتفاعل. يتم تحديد تفاعل الموظف كوسيط حاسم في هذه العلاقة، مما يسهل تحويل ممارسات إدارة الموارد البشرية المستدامة إلى نتائج أداء ملموسة. بالإضافة إلى ذلك، يتم مناقشة دور الضمير كصفة شخصية تعديلية، مقترحة أن الأفراد ذوي الضمير الأعلى هم أكثر احتمالًا للتفاعل مع مبادرات إدارة الموارد البشرية المدفوعة بالذكاء الاصطناعي، مما يعزز التوافق بين القيم الشخصية والتنظيمية. تقترح الفرضيات المستمدة من هذه المناقشات أن إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي تؤثر إيجابيًا على أداء الموظف، مع تفاعل الموظف كوسيط والضمير كعامل تعديل في هذه العلاقات.
القيود
تقدم الدراسة الحالية حول إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي عدة قيود تبرز الفرص للبحث المستقبلي. أولاً، يحد الاعتماد على البيانات المقطعية من القدرة على إقامة علاقات سببية ومراقبة التكامل المتطور للذكاء الاصطناعي في ممارسات إدارة الموارد البشرية بمرور الوقت. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار الدراسات الطولية لالتقاط التغيرات الديناميكية في ممارسات إدارة الموارد البشرية واستجابات الموظفين، مما يوفر رؤى حول الآثار طويلة الأجل واستدامة تدخلات الذكاء الاصطناعي.
ثانيًا، يثير تركيز الدراسة على سياق دولة واحدة (الصين) مخاوف بشأن تعميم النتائج. يجب أن تهدف التحقيقات المستقبلية إلى تكرار هذا البحث عبر سياقات جغرافية وثقافية متنوعة، حيث يمكن أن توضح الدراسات المقارنة كيف تؤثر البيئات الثقافية والاقتصادية والتنظيمية المختلفة على فعالية وقبول ممارسات إدارة الموارد البشرية المستدامة المدفوعة بالذكاء الاصطناعي. بالإضافة إلى ذلك، بينما استخدمت الدراسة إطار العمل للقدرة والدافع والفرصة (AMO) لاستكشاف أبعاد الاستدامة، فإن نهجًا أكثر شمولاً يتضمن الأعمدة الثلاثة للاستدامة – الاقتصادية، والبيئية، والاجتماعية – سيعزز فهم ممارسات إدارة الموارد البشرية. أخيرًا، هناك حاجة إلى تحسينات في القياس وتصميم البحث، لا سيما فيما يتعلق بتوقيت جمع البيانات وتعقيد البيانات متعددة الموجات، لتسهيل الاستنتاجات السببية وتقييم العلاقات بين خصائص الموظف والأداء بشكل أفضل.
DOI: https://doi.org/10.1007/s43621-024-00214-5
Publication Date: 2024-03-11
Author(s): Xiao Jia et al.
Primary Topic: Job Satisfaction and Organizational Behavior
Overview
This study explores the relationships among AI-Driven Sustainable Human Resource Management (HRM), Employee Engagement, Employee Performance, and Conscientiousness Personality, based on a survey conducted with 470 employees from Chinese enterprises. Utilizing the Ability-Motivation-Opportunity (AMO) and Person-Organization (P-O) Fit theories, the research presents a comprehensive model that highlights the positive impact of AI-Driven Sustainable HRM on Employee Engagement, which in turn enhances Employee Performance.
Key findings indicate that Conscientiousness Personality acts as a significant moderating factor in the relationship between AI-Driven Sustainable HRM and Employee Engagement. This suggests that the effectiveness of AI-Driven Sustainable HR practices in fostering employee engagement and performance is particularly pronounced among employees with higher levels of conscientiousness. The study contributes a theoretical framework for understanding the integration of AI-Driven Sustainable HRM and Employee Engagement within the context of Chinese enterprises, revealing both mediating and moderating mechanisms at play.
Introduction
The introduction of this research paper highlights the transformative impact of Artificial Intelligence (AI) on various sectors, particularly in the context of Industry 5.0, where human-machine collaboration is paramount. It emphasizes AI’s potential to contribute significantly to the economy, with projections estimating a market value of $4.31 trillion by 2030. The paper identifies Human Resource Management (HRM) as a critical area where AI can innovate traditional practices, particularly in streamlining recruitment and enhancing employee engagement through AI-driven sustainable HRM practices. These practices align with the United Nations’ Sustainable Development Goals (SDGs), addressing global challenges such as inequality and environmental sustainability.
The study aims to empirically investigate the mediating role of employee engagement in the relationship between AI-driven Sustainable HRM practices—categorized into Ability, Motivation, and Opportunity—and employee performance. It also explores the moderating effect of individual traits, specifically Conscientiousness, on this relationship. By employing the Person-Organization (P-O) Fit Theory and the AMO (Ability, Motivation, Opportunity) framework, the research seeks to deepen the understanding of how AI integration in HRM can enhance employee outcomes and contribute to sustainable organizational practices. This inquiry is particularly novel in the Chinese context, aiming to broaden perspectives on environmental sustainability within regional businesses.
Methods
In this study, a quantitative descriptive methodology was employed to facilitate efficient statistical data analysis, optimizing both time and resource utilization. This approach is particularly effective for managing and interpreting both numerical and graphical data. The research focused on collecting cross-sectional data from employees engaged in AI-driven sustainable human resource (HR) practices within organizations committed to sustainability. The sample comprised top managers, CEOs, directors, and middle managers, whose strategic roles are instrumental in providing comprehensive insights into the implementation and impact of AI-driven HR practices.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis conducted. The data indicates a significant correlation between the variables under investigation, with statistical tests revealing a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the results demonstrate a clear trend in the data, with an increase in variable X leading to a proportional increase in variable Y, which can be expressed mathematically as $Y = kX + b$, where $k$ represents the slope of the relationship.
Furthermore, the study includes graphical representations that illustrate these relationships, providing visual confirmation of the quantitative findings. The results also discuss potential implications of these findings in the context of the existing literature, suggesting that the observed patterns may contribute to a deeper understanding of the underlying mechanisms at play. Overall, the results underscore the importance of the relationship between the studied variables and set the stage for further research in this area.
Discussion
The discussion section of the research paper highlights the integration of AI-driven sustainable human resource management (HRM) within organizations, emphasizing its significance in both emerging and developed economies. Sustainable HRM is framed around the Triple Bottom Line (TBL) principles—economic viability, social responsibility, and environmental stewardship—asserting that modern HR practices must align with these values to enhance organizational performance. The paper introduces AI-driven sustainable HRM as a transformative approach that leverages artificial intelligence to optimize HR processes, such as recruitment, training, and performance evaluation, thereby promoting sustainable practices and enhancing employee engagement.
The section further elaborates on the Ability-Motivation-Opportunity (AMO) framework, positing that AI-driven sustainable HRM can enhance employee performance by improving their abilities, motivating them, and providing opportunities for engagement. Employee engagement is identified as a critical mediator in this relationship, facilitating the translation of sustainable HRM practices into tangible performance outcomes. Additionally, the role of conscientiousness as a moderating personality trait is discussed, suggesting that individuals with higher conscientiousness are more likely to engage with AI-driven HRM initiatives, thereby fostering a stronger alignment between personal and organizational values. The hypotheses derived from these discussions propose that AI-driven sustainable HRM positively influences employee performance, with employee engagement serving as a mediator and conscientiousness acting as a moderator in these relationships.
Limitations
The current study on AI-driven Sustainable Human Resource Management (HRM) presents several limitations that highlight opportunities for future research. Firstly, the reliance on cross-sectional data restricts the ability to establish causal relationships and to observe the evolving integration of AI in HRM practices over time. Future research should consider longitudinal studies to capture the dynamic changes in HRM practices and employee responses, thereby providing insights into the long-term effects and sustainability of AI interventions.
Secondly, the study’s focus on a single-country context (China) raises concerns regarding the generalizability of the findings. Future investigations should aim to replicate this research across diverse geographical and cultural settings, as comparative studies could elucidate how varying cultural, economic, and regulatory environments impact the effectiveness and acceptance of AI-driven Sustainable HRM practices. Additionally, while the study utilized the Ability-Motivation-Opportunity (AMO) framework to explore sustainability dimensions, a more comprehensive approach incorporating the three pillars of sustainability—economic, environmental, and social—would enhance the understanding of HRM practices. Lastly, improvements in measurement and research design are necessary, particularly regarding the timing of data collection and the complexity of multi-wave data, to facilitate causal inferences and better assess the relationships among employee characteristics and performance.