تاثیر فناوری اطلاعات در عملکرد مدیریت منابع انسانی

•   آرشیو : نسخه تابستان 1398
•   موضوع : سایر شاخه های علوم رایانه
• نویسنده/گان : میثم کافوری
•   چکیده :
  با ورود فناوری اطلاعات به سازمان، عملکردهای مدیریت منابع انسانی دستخوش تغییر می شود. این تغییر در صورتی می تواند موثر باشد که ابتدا فعالیت هایی را که فناوری اطلاعات می تواند انجام دهد، شناخته و زمینه بروز این فعالیت ها را فراهم نماییم. متعاقب آن مدیریت منابع انسانی با شرایط جدید آشنایی لازم را پیدا نموده تا بتواند با بهره گیری از ظرفیت هایی که فناوری اطلاعات می تواند ایجاد کند، سبب ارتقاء عملکرد منابع انسانی سازمان شود. در این مقاله سعی شده است ابتدا تاریخچه مختصری از هر دو موضوع فناوری اطلاعات و مدیریت منابع انسانی ارایه داده و سپس تاثیر و پیامدهای فناوری اطلاعات بر عملکردهای مدیریت منابع انسانی را توضیح دهیم. در ادامه نیز شرایط و فرصت هایی که کاربرد فناوری اطلاعات در مدیریت منابع انسانی فراهم می نماید، مورد بررسی قرار گرفته است. واژگان کليدي: فناوری اطلاعات، مدیریت منابع انسانی، ساختار سازمان، عملکردهای مدیریت منابع انسانی. تلاش برای پاسخ دادن به پرسشهایی که متضمن بررسی کنش های عوامل تشکیل دهنده ی یک سیستم می باشند بدلیل ظهور پیدایش(Emergence) معمولا دشوار می باشد. چرا که رفتار عمومی ارتباط قابل درکی با رفتارهای عوامل تشکیل دهنده ی سیستم در مقیاس خرد ندارد و با نمونه برداریهای محلی نمی توان به ماهیت رفتار عمومی پی برد. در اینجا به کارایی ابزاری که در آنالیز توابع بولین توسعه داده شده است برای تعیین توازن در یک جامعه می پردازیم. نشان خواهیم داد که چگونه استفاده از این ابزار می تواند در پیش بینی رفتار عمومی سیستم موثر باشد در حالیکه حتی استفاده از سیستمهای پویای گسسته که از توازی در تکامل عوامل بهره می برند نیز نمی تواند برای تشخیص توازن در حالت اولیه کارساز باشد.
•   کلید واژه : انتخاب اجتماعی، پارادوکس Condorcet، اتوماتای سلولی، بسط فوریه، توابع بولین.
•   Title : Collective Dymanic & Balanced Voting
•   مراجع :
  [1] Falkenberg, B., Mprrison, M. (2015). “Why More is Different?.” Springer.
  [2] Foote, R. (2007) “Mathematics and Complex Systems.” Science. Vol. 318, No. 5849, PP. 410-412.
  [3] Thurner, S., Klimek, P., Hanel, R. (2018) “Introduction to the Theory of Complex Systems.” Oxford University Press.
  [4] Wolfram, S. (2002). “A New Kind of Science.” Wolframe Media.
  [5] Gallavotti, G., Reiter, W.L., Yngvason, J. (2007). “Boltzmann’s Legacy.” European Mathematical Society.
  [6] Tao, T. (2008). “Structure and Randomness.” American Mathematical Society.
  [7] Copeland, B. J., Posy, C. J., Shagrir, O. (2013). “Computability: Turing, Godel, Church and Beyond.” MIT Press.
  [8] Kari, J. J., Rozenberg, G., Back, T., Kok, J. N. (Eds.) (2012). “Handbook of Natural Computing.” Springer.
  [9] Brandt, F., Conitzer, V., Endriss, U., Lang, J., Procaccia, A. D. (2016). “Handbook of Computational Social Choice.” Cambridge University Press.
  [10] Birrell, E., Pass, R. (2011). “Approximately Strategy-Proof Voting.” Proceeding of the 22nd International Joint Conference on Artificial Intelligence. July. Barcelona. Spain.
  [11] Arora, S., Barak, B. (2009). “Computational Complexity: A Modern Approach.” Cambridge University Press.
  [12] Stays, j. (2012). “Boolean Function Complexity: Advances and Frontiers.” Springer.
  [13] Capcarrere, M. (2002). “Cellular Automata and Other Cellular Systems: Design & Evolution.” Phd Thesis. ETH.
  [14] Boccara, N. (2010). “Modeling Complex Systems.” 2nd Edition. Springer.
  [15] Land, M. et al, (1995). “No Perfect Two-State Cellular Automata for Density Classification Task Exists” Physical Review Letters. Vol. 74, PP. 5148-5150.
  [16] Mohri, M., Rostamizadeh, A., Talwalkar, A. (2018). “Foundations of Machine Learning.” Second edition. MIT Press.
•  صفحات : 50-57
•   دانلود فایل ( 520 KB )