مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه آموزش و توسعه منابع انسانی 2423-3277 13 49 2026 9 23 12345 دیده بانی حکمرانی هوش مصنوعی در مدیریت توسعه منابع انسانی سازمانهای آموزشی fa فرهاد شفیع پور مطلق 2026 5 3 <p>This research is applied in terms of purpose and descriptive-analytical in nature with a mixed approach (quantitative and qualitative) and is designed based on a five-stage cycle including data collection, analysis, decision-making, implementation and monitoring, and feedback and continuous improvement. Quantitative and qualitative data were collected from human resource development systems, performance evaluation, job satisfaction questionnaires, and educational data. Data analysis was performed using SPSS and R software at descriptive, predictive, qualitative, and comparative levels. The results of the analyses were used as the basis for decision-making at strategic, operational, and corrective levels and were implemented and monitored through management dashboards and intelligent systems. Overall, the results showed that the establishment of data-driven human resource development management in the form of a coherent cycle including multi-source data collection, descriptive and predictive analytics, multi-level decision-making, indicator-driven implementation, and continuous feedback can lead to improved efficiency, agility, and organizational learning. The results indicate that alignment between data quality, depth of analysis, and coordination of strategic, operational, and corrective levels is the main condition for the success of this approach. Overall, the research confirms that data-driven human resource management, if challenges such as algorithmic bias and execution gap are addressed, can provide organizations with a sustainable competitive advantage and more scientific decision-making.</p> <p>این پژوهش از نظر هدف کاربردی و از نظر ماهیت توصیفی&ndash;تحلیلی با رویکرد آمیخته (کمی و کیفی) است و بر مبنای یک چرخه پنج&zwnj;مرحله&zwnj;ای شامل جمع&zwnj;آوری داده&zwnj;ها، تحلیل، تصمیم&zwnj;گیری، اجرا و نظارت، و بازخورد و بهبود مستمر طراحی شده است. داده&zwnj;های کمی و کیفی از سامانه&zwnj;های توسعه منابع انسانی، ارزیابی عملکرد، پرسشنامه&zwnj;های رضایت شغلی و داده&zwnj;های آموزشی گردآوری شد.تحلیل داده&zwnj;ها با بهره&zwnj;گیری از نرم&zwnj;افزارهای SPSS و R در سطوح توصیفی، پیش&zwnj;بینی، کیفی و تطبیقی انجام گرفت. نتایج تحلیل&zwnj;ها مبنای تصمیم&zwnj;گیری در سطوح راهبردی، عملیاتی و اصلاحی قرار گرفت و از طریق داشبوردهای مدیریتی و سیستم&zwnj;های هوشمند اجرا و پایش شدبطور کلی نتایج نشان داد، که استقرار مدیریت توسعه منابع انسانی داده&zwnj;محور در قالب یک چرخه منسجم شامل جمع&zwnj;آوری چندمنبعی داده&zwnj;ها، تحلیل&zwnj;های توصیفی و پیش&zwnj;بینی&zwnj;کننده، تصمیم&zwnj;گیری چندسطحی، اجرای شاخص&zwnj;محور و بازخورد مستمر، می&zwnj;تواند به ارتقای کارآمدی، چابکی و یادگیری سازمانی منجر شود. نتایج حاکی از آن است که هم&zwnj;راستایی میان کیفیت داده&zwnj;ها، عمق تحلیل&zwnj;ها و هماهنگی سطوح راهبردی، عملیاتی و اصلاحی شرط اصلی موفقیت این رویکرد است. در مجموع، پژوهش تأیید می&zwnj;کند که مدیریت منابع انسانی داده&zwnj;محور، در صورت توجه به چالش&zwnj;هایی مانند سوگیری الگوریتمی و شکاف اجرا، می&zwnj;تواند مزیت رقابتی پایدار و تصمیم&zwnj;گیری علمی&zwnj;تر را برای سازمان&zwnj;ها فراهم سازد.</p> http://istd.saminatech.ir/ar/Article/Download/53485