ارائه مدلی جهت تجزیه و تحلیل مهارت های مورد نیاز منابع انسانی نسل چهارم در محیط فازی
الموضوعات :محمدحسین کبگانی 1 , فخریه حمیدیان پور 2 , فاطمه فولادی 3
1 - گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران
2 - استادیار، گروه مدیریت بازرگانی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران
3 - دانشجوی کارشناسی ارشد، گروه مدیریت بازرگانی، دانشکده کسب و کار و اقتصاد ، دانشگاه خلیج فارس، بوشهر، ایران.
الکلمات المفتاحية: انقلاب صنعتی چهارم, مدیریت منابع انسانی, مهارت های نیروی انسانی نسل چهارم , نقشه شناختی فازی,
ملخص المقالة :
هدف: هدف اصلی این پژوهش، تجزیه و تحلیل مهارت های مورد نیاز منابع انسانی برای سازگاری با تحولات انقلاب صنعتی چهارم می باشد. ضرورت:با توجه به توسعه فناوری های جدید و تغییر ماهیت کسب و کارها، مدیریت منابع انسانی به یک موضوع چالشی و تأثيرگذار برای بقا و اقتصاد صنایع تبدیل شده است و برای موفقيت در دنيای دیجيتال آینده، سازمانها باید کارکنان را به سمت نوآوری سوق دهند. بنابراین بررسی مهارت های مورد نیاز مدیریت منابع انسانی برای سازگاری با تحولات انقلاب صنعتی چهارم بسیار ضروری به نظر می رسد. روش شناسی:در این پژوهش ابتدا ادبیات و پیشینه در زمینه تحولات انقلاب صنعتی چهارم و مهارت های نیروهای انسانی مورد نیاز بررسی قرار می گیرد و سپس با استفاده از نظرات خبرگان و مدیران شرکت ها، مجموعه ای از مهارت های مورد نیاز برای سازگاری با تحولات انقلاب صنعتی چهارم شناسایی می گردد. پس از شناسایی مهارت ها، روابط تاثیرپذیری و تاثیرگذاری میان این محرک ها با استفاده از تکنیک نقشه شناختی فازی (FCM) مورد بررسی قرار می گیرد. یافته‌ها: یافته های این پژوهش نشان می دهد که سه مهارت آموزش و تدریس دیگران، یادگیری فعال و سواد فناوری اطلاعات و ارتباطات به ترتیب بیشترین تأثیرگذاری را بر سایر مهارت های مورد نیاز منابع انسانی نسل چهارم دارا می¬باشند. همچنین در این نقشه شناختی، سه مهارت کنترل کیفیت، مدیریت زمان و قضاوت و تصمیم گیری دارای بیشترین تأثیرپذیری می¬باشند. نتیجه‌گیری: نتایج این پژوهش برای کمک به پیش‌بینی و مدیریت انتقال نیروی انسانی فعلی و سازگاری با تحولات انقلاب تکنولوژیک، حیاتی هستند.
Amer, M., Daim, T. U., & Jetter, A. (2016). Technology roadmap through fuzzy cognitive map-based scenarios: the case of wind energy sector of a developing country. Technology Analysis & Strategic Management, 28(2), 131-155.
Annunziata, M., & Biller, S. (2014). The Future of work. GE, April.
Balouei Jamkhaneh, H., Shahin, A., Parkouhi, S. V., & Shahin, R. (2022). The new concept of quality in the digital era: a human resource empowerment perspective. The TQM Journal, 34(1), 125-144. https://doi.org/10.1108/TQM-01-2021-0030
Burrow, S. (2015). How will climate change affect jobs? World Economic Forum,
Cunha Tairine, P., Méxas Mirian, P., Cantareli da Silva, A., & Gonçalves Quelhas Osvaldo, L. (2020). Proposal guidelines to implement the concepts of industry 4.0 into information technology companies. The TQM Journal, 32(4), 741-759. https://doi.org/10.1108/TQM-10-2019-0249
Daugherty, P. R., & Wilson, H. J. (2018). Human+ machine: Reimagining work in the age of AI. Harvard Business Press.
Forum, W. E. (2016a). The future of jobs: Employment, skills and workforce strategy for the fourth industrial revolution. In: World Economic Forum Geneva.
Forum, W. E. (2016b). The future of jobs: Employment, skills and workforce strategy for the fourth industrial revolution. Global challenge insight report. Geneva: World Economic Forum,
Frederico, G. F., Garza-Reyes, J. A., Anosike, A., & Kumar, V. (2019). Supply Chain 4.0: concepts, maturity and research agenda. Supply Chain Management: An International Journal, 25(2), 262-282.
Haffar, M., Al-Karaghouli, W., Djebarni, R., & Gbadamosi, G. (2019). Organisational culture and TQM implementation: investigating the mediating influences of multidimensional employee readiness for change. Total Quality Management & Business Excellence, 30(11-12), 1367-1388. https://doi.org/10.1080/14783363.2017.1369352
Hizam-Hanafiah, M., Soomro, M. A., & Abdullah, N. L. (2020). Industry 4.0 readiness models: a systematic literature review of model dimensions. Information, 11(7), 364.
Itam, U. J., & Swetha, M. (2021). Examining the structural relationship between employee branding, TQHRM and sustainable employability outcome in Indian organized retail. The TQM Journal, 34, 5-28. https://doi.org/10.1108/TQM-03-2021-0093
Lasi, H., Fettke, P., Kemper, H.-G., Feld, T., & Hoffmann, M. (2014). Industry 4.0. Business & information systems engineering, 6(4), 239-242.
Lorenz, M., Rüßmann, M., Strack, R., Lueth, K. L., & Bolle, M. (2015). Man and machine in industry 4.0: How will technology transform the industrial workforce through 2025. The Boston Consulting Group, 2.
Malik, A., Pereira, V., & Budhwar, P. (2020). HRM in the global information technology (IT) industry: Towards multivergent configurations in strategic business partnerships. Human Resource Management Review, 100743.
Manyika, J., Chui, M., Bughin, J., Dobbs, R., Bisson, P., & Marrs, A. (2013). McKinsey Global Institute. Disruptive technologies: Advances that will transform life, business, and the global economy. In.
Markoulli, M. P., Lee, C. I., Byington, E., & Felps, W. A. (2017). Mapping Human Resource Management: Reviewing the field and charting future directions. Human Resource Management Review, 27(3), 367-396.
Nardo, M., Forino, D., & Murino, T. (2020). The evolution of man–machine interaction: the role of human in Industry 4.0 paradigm. Production & Manufacturing Research, 8(1), 20-34. https://doi.org/10.1080/21693277.2020.1737592
Parry, E., & Battista, V. (2019). The impact of emerging technologies on work: a review of the evidence and implications for the human resource function. Emerald Open Research, 1(5), 5.
Qin, J., Liu, Y., & Grosvenor, R. (2016). A categorical framework of manufacturing for industry 4.0 and beyond. Procedia Cirp, 52, 173-178.
Rodriguez-Repiso, L., Setchi, R., & Salmeron, J. L. (2007). Modelling IT projects success with fuzzy cognitive maps. Expert systems with applications, 32(2), 543-559.
Rüßmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P., & Harnisch, M. (2015). Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group, 9(1), 54-89.
Schneider, M., Shnaider, E., Kandel, A., & Chew, G. (1998). Automatic construction of FCMs. Fuzzy Sets and Systems, 93(2), 161-172. https://doi.org/https://doi.org/10.1016/S0165-0114(96)00218-7
Scholz, T. M. (2017). Big data in organizations and the role of human resource management: A complex systems theory-based conceptualization. Frankfurt a. M.: Peter Lang International Academic Publishers.
Silverstein, M. J., & Sayre, K. (2009). The female economy. Harvard Business Review, 87(9), 46-53.
Sivathanu, B., & Pillai, R. (2018). Smart HR 4.0 – how industry 4.0 is disrupting HR. Human Resource Management International Digest, 26(4), 7-11. https://doi.org/10.1108/HRMID-04-2018-0059
Vasslides, J. M., & Jensen, O. P. (2016). Fuzzy cognitive mapping in support of integrated ecosystem assessments: Developing a shared conceptual model among stakeholders. Journal of environmental management, 166, 348-356.
Xu, L. D., Xu, E. L., & Li, L. (2018). Industry 4.0: state of the art and future trends. International Journal of Production Research, 56(8), 2941-2962.
Zheng, T., Ardolino, M., Bacchetti, A., & Perona, M. (2021). The applications of Industry 4.0 technologies in manufacturing context: a systematic literature review. International Journal of Production Research, 59(6), 1922-1954.
