机构名称：
¥ 2.0
1.简介 创新、新技术和 Covid 19 大流行对人力资源管理 (HRM) 提出了新的挑战。这些变化不仅要求员工掌握一套新技能，还影响了任务的执行方式，并加剧了平台经济和平台劳动力的出现 (Illéssy、Huszár 和 Makó，2021；Makó 和 Illéssy，2020)。此外，信息系统极大地促进了存储和收集与个人相关的数据的过程，这为组织劳动力的决策提供了基础。文献中提出了许多用于分析这些信息的统计模型，但随着人工智能 (AI) 模型的普及，这些模型在 HRM 中的使用已变得普遍。AI 模型有两个特点使其有别于统计模型，也使得这些模型的使用比统计模型更受欢迎。它们的第一个特点是这些模型在非线性和噪声数据中的高性能（Ardabili 等人，2019 年；Nosratabadi、Szell 等人，2020 年）。第二个特点是这些模型能够从数据中学习以提高其性能。换句话说，机器学习和深度学习模型是 AI 模型的子集，它们能够在训练阶段识别数据中的趋势，甚至是非线性和噪声数据，以对数据进行分类或根据已识别的模式预测现象的行为（Nosratabadi、Ardabili、Lakner、Mako 和 Mosavi，2021 年；Nosratabadi 等人，2020 年）。因此，AI 模型已被用来利用这些特性，并找到人力资源管理不同阶段问题的适当解决方案。然而，文献中没有综合全面的研究来确定哪些人力资源管理问题可以通过 AI 模型来解决。因此，本研究旨在通过系统评价研究弥合文献中的这一空白，以确定 AI 如何能够帮助人力资源经理。为了评估 AI 在人力资源管理中的贡献，本研究使用员工生命周期 (EL) 模型。EL 模型实际上是一种人力资源管理模型，它解释了员工从受雇到离开组织的所有不同生命阶段。受此模型的启发，本研究旨在确定 AI 模型对 EL 管理每个阶段的贡献。因此，本研究打算回答的研究问题是：
人工智能模型和员工生命周期管理：
主要关键词
相关文件推荐
