مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه پژوهش‌های اخلاقی (انجمن معارف اسلامی ایران) 2383-3279 16 4 2026 5 28 Causal Mapping of Ethical Components in Artificial Intelligence–Enhanced Human Resource Management نقشه‌برداری علّی مؤلفه‌های اخلاقی در مدیریت منابع انسانی تقویت‌شده با هوش مصنوعی 167 188 fa فاطمه فریدون دانشجوی کارشناسی ارشد مدیریت رفتار سازمانی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران عباسعلی رستگار دکترای تخصصی، استاد و عضو هیئت علمی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران محسن شفیعی نیک آبادی دکترای تخصصی، استاد و عضو هیئت علمی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران 2025 5 10 <p>This study examines the ethical dimensions of deploying artificial intelligence in human resource management within Iranian organizations through a mixed-methods approach. In the qualitative phase, semi-structured interviews with HR and IT experts and thematic analysis using MAXQDA identified eight foundational ethical components: organizational justice and non-discrimination; transparency and explainability; privacy preservation; accountability and answerability; organizational trust; continuous feedback mechanisms and human oversight; awareness-raising and ongoing employee training; and active human participation in decision-making. In the quantitative phase, the fuzzy DEMATEL method in Excel was used to map causal relationships among sixteen ethical factors. Results demonstrate that six factors—system sustainability; assignment of responsibility for errors; awareness-raising about ethical challenges; transparency in selection criteria; algorithm explainability; and human involvement in key decisions—serve as primary causal drivers exerting the strongest influence on other components. Conversely, organizational justice and non-discrimination, employee training and communication, and organizational trust function as effect variables whose improvement depends on strengthening these drivers. The findings underscore that AI ethics policies must be developed within the Iranian cultural and social context and that technological innovation should be aligned with human values and perspectives. The proposed framework offers a structured roadmap for ethical AI governance in HRM, aimed at enhancing organizational trust, improving decision quality, and safeguarding employee well-being.</p> <p>این پژوهش ابعاد اخلاقی به&zwnj;کارگیری هوش مصنوعی در مدیریت منابع انسانی در سازمان&zwnj;های ایرانی را با تلفیق روش&zwnj;های کیفی و کمی بررسی می&zwnj;کند. در مرحله کیفی، مصاحبه&zwnj;های نیمه&zwnj;ساختاریافته با خبرگان حوزه منابع انسانی و فناوری اطلاعات و تحلیل مضمون با استفاده از نرم&zwnj;افزار مکس&zwnj;کیو&zwnj;دی&zwnj;ای هشت مؤلفه اخلاقی پایه&zwnj;ای را شناسایی کرد: عدالت سازمانی و عدم تبعیض، شفافیت و قابلیت توضیح&zwnj;پذیری، حفظ حریم خصوصی، مسئولیت&zwnj;پذیری و پاسخگویی، اعتماد سازمانی، سازوکارهای بازخورد مستمر و نظارت انسانی، آگاهی&zwnj;بخشی و آموزش مداوم کارکنان، و مشارکت فعال انسان در تصمیم&zwnj;گیری&zwnj;های کلیدی. در مرحله کمی، روش دیمتل فازی در اکسل برای نقشه&zwnj;برداری روابط علت و معلول میان شانزده مؤلفه اخلاقی به&zwnj;کار گرفته شد. نتایج نشان داد که شش عامل—پایداری سیستم، تخصیص مسئولیت در خطاها، آگاهی&zwnj;بخشی درباره چالش&zwnj;های اخلاقی، شفافیت در معیارهای انتخاب، قابلیت توضیح الگوریتم&zwnj;ها و دخالت انسانی در تصمیم&zwnj;گیری&zwnj;های کلیدی—به&zwnj;عنوان محرک&zwnj;های اصلی عمل کرده و بیشترین تأثیر را بر سایر مؤلفه&zwnj;ها دارند. برعکس، عدالت و عدم تبعیض، آموزش و اطلاع&zwnj;رسانی کارکنان و اعتماد سازمانی به&zwnj;عنوان مؤلفه&zwnj;های معلول شناخته شدند که بهبود آن&zwnj;ها وابسته به تقویت عوامل علّی است. یافته&zwnj;ها تأکید می&zwnj;کنند که تدوین سیاست&zwnj;های اخلاقی هوش مصنوعی باید در بستر فرهنگی و اجتماعی ایران صورت گیرد و نوآوری&zwnj;های فناوری با ارزش&zwnj;ها و نگرش&zwnj;های انسانی هماهنگ شوند. چارچوب پیشنهادی نقشه راه ساختاریافته&zwnj;ای برای حاکمیت اخلاقی هوش مصنوعی در مدیریت منابع انسانی ارائه می&zwnj;دهد که با هدف تقویت اعتماد سازمانی، ارتقای کیفیت تصمیم&zwnj;گیری و تضمین رفاه کارکنان تدوین شده است.</p>

http://akhlagh.saminatech.ir/fa/Article/Download/53699