مقاله ترجمه شده تأثیر مصاحبه‌های مبتنی بر هوش مصنوعی توضیح‌پذیر بر جذابیت سازمانی: نقش‌های میانجی حمایت سازمانی ادراک‌شده و نوآوری پذیری ادراک‌شده

سال نشر: ۲۰۲۶

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۶   صفحه PDF

تعداد صفحه ترجمه فارسی:  ۳۵   صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M2138

نام ناشر (پایگاه داده): EXPLORESCHOLAR

نام مجله:  International Journal of Advanced Social Studies

عنوان کامل فارسی:

مقاله ترجمه شده ۲۰۲۶ تأثیر مصاحبه‌های مبتنی بر هوش مصنوعی توضیح‌پذیر بر جذابیت سازمانی: نقش‌های میانجی حمایت سازمانی ادراک‌شده و نوآوری پذیری ادراک‌شده

عنوان کامل انگلیسی:

The Impact of Explainable AI–Based Interviews on Organizational Attractiveness: The Mediating Roles of Perceived Organizational Support and Innovativeness

چکیده فارسی:

این مطالعه تأثیر مصاحبه‌های مبتنی بر هوش مصنوعی توضیح‌پذیر (XAI) بر جذابیت سازمانی را با در نظر گرفتن حمایت سازمانی ادراک‌شده و نوآوری پذیری ادراک‌شده به‌عنوان متغیرهای میانجی بررسی می‌کند.در این مطالعه یک طرح پژوهشی کمی به کار گرفته شد و داده‌ها از نمونه‌ای شامل ۳۰۲ پاسخ‌دهنده که تجربه استفاده از سیستم‌های جذب‌و‌استخدام مبتنی بر هوش مصنوعی یا دیجیتال را داشتند، گردآوری شد. مدل‌سازی معادلات ساختاری برای تحلیل روابط میان متغیرها مورد استفاده قرار گرفت. یافته‌ها نشان می‌دهند که هوش مصنوعی توضیح‌پذیر به‌طور معناداری بر جذابیت سازمانی (β = ۰٫۴۴، p < 0.001)، حمایت سازمانی ادراک‌شده (β = ۰٫۳۹، p < 0.001) و نوآوری پذیری ادراک‌شده (β = ۰٫۴۲، p < 0.001) تأثیر می‌گذارد. حمایت سازمانی ادراک‌شده (β = ۰٫۳۱، p < 0.001) و نوآوری پذیری ادراک‌شده (β = ۰٫۲۸، p < 0.001) هر دو به‌طور مثبت بر جذابیت سازمانی تأثیر می‌گذارند. تحلیل میانجی‌گری تأیید می‌کند که حمایت سازمانی ادراک‌شده (اثر غیرمستقیم = ۰٫۱۲، p < 0.001) و نوآوری پذیری ادراک‌شده (اثر غیرمستقیم = ۰٫۱۱، p < 0.001) به‌طور جزئی رابطه بین XAI و جذابیت سازمانی را میانجی‌گری می‌کنند. نتایج نشان می‌دهند که شفافیت در سیستم‌های جذب‌و‌استخدام مبتنی بر هوش مصنوعی، ادراک متقاضیان از عدالت، توجه سازمانی و پیشرفت فناورانه را افزایش می‌دهد که در مجموع جذابیت کارفرما را بهبود می‌بخشند. این مطالعه با نشان دادن سازوکارهای روان‌شناختی که از طریق آن‌ها هوش مصنوعی توضیح‌پذیر بر پیامدهای جذب‌و‌استخدام تأثیر می‌گذارد، به ادبیات مدیریت منابع انسانی کمک می‌کند. دلالت‌های عملی نشان می‌دهند که سازمان‌هایی که هوش مصنوعی توضیح‌پذیر را به کار می‌گیرند، می‌توانند با بهبود شفافیت و ارزش‌های سازمانی ادراک‌شده در فرایندهای جذب‌و‌استخدام، برند کارفرمایی خود را تقویت کرده و نیروی انسانی باکیفیت را جذب کنند.

واژگان کلیدی: هوش مصنوعی توضیح‌پذیر، جذابیت سازمانی، نوآوری پذیری ادراک‌شده، حمایت سازمانی ادراک‌شده، سیستم‌های جذب‌و‌استخدام، مدل‌سازی معادلات ساختاری.

Abstract

This study examines the impact of explainable artificial intelligence (XAI)–based interviews on organizational attractiveness, with perceived organizational support and perceived innovativeness as mediating variables. A quantitative research design was employed, and data were collected from a sample of 302 respondents who had experience with AI-assisted or digital recruitment systems. Structural equation modeling was used to analyze relationships among variables. The findings reveal that explainable AI significantly influences organizational attractiveness (β = ۰٫۴۴, p < 0.001), perceived organizational support (β = ۰٫۳۹, p < 0.001), and perceived innovativeness (β = ۰٫۴۲, p < 0.001). Perceived organizational support (β = ۰٫۳۱, p < 0.001) and perceived innovativeness (β = ۰٫۲۸, p < 0.001) both positively affect organizational attractiveness. Mediation analysis confirms that perceived organizational support (indirect effect = 0.12, p < 0.001) and perceived innovativeness (indirect effect = 0.11, p < 0.001) partially mediate the relationship between XAI and organizational attractiveness. The results indicate that transparency in AI-driven recruitment systems enhances applicants’ perceptions of fairness, organizational care, and technological advancement, which collectively improve employer attractiveness. The study contributes to human resource management literature by demonstrating the psychological mechanisms through which explainable AI influences recruitment outcomes. Practical implications suggest that organizations adopting explainable AI can strengthen employer branding and attract high-quality candidates by improving transparency and perceived organizational values in recruitment processes.

Keywords: Explainable AI, Organizational attractiveness, Perceived innovativeness, Perceived organizational support, Recruitment systems, Structural equation modeling.