این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱۶، شماره ۳، صفحات ۴۲۶-۴۵۶
عنوان فارسی ارائۀ مدلی نوآورانه مبتنی بر تحلیل شبکۀ چندحالته برای بررسی ارتباطات و پیش‌بینی تحولات آیندۀ بازار کار
چکیده فارسی مقاله هدف: اخیراً، تحلیل شبکه به یکی از حوزه‌های بسیار پُرطرف‌دار و پُرکاربرد در علم داده تبدیل شده است. این فناوری، با تحلیل داده‌های پیچیده و شناسایی الگوهای ارتباطی بین عناصر مختلف، به درک عمیق‌تری از ساختار، رفتار و تعاملات درون شبکه‌ها و سیستم‌های پیچیده می‌پردازد. با وجود اهمیت بسیار زیاد تحلیل شبکه در علم داده و تحقیقات اجتماعی، به‌ویژه در حوزۀ منابع انسانی، مطالعات کافی روی آن انجام نشده است؛ به‌خصوص دربارۀ داده‌های بازار داخلی، هنوز به‌طور کامل به بحث و مطالعه گذاشته نشده است. این کمبود توجه، فرصت‌هایی را برای درک عمیق‌تر و ارائه راه‌کارهای نوآورانه در مواجهه با چالش‌های آینده از دست می‌دهد. از این رو نیاز است تا محققان با بهره‌گیری از رویکردهای نوین، به بررسی چالش‌های این حوزه بپردازند و راه‌کارهای جدیدی ارائه دهند. بر اساس آنچه بیان شد، در این پژوهش مدلی نوآورانه برای بررسی نقش تحلیل شبکه چندحالته در فهم بهتر ارتباطات بازار کار و پیش‌بینی تحولات آینده آن ارائه شده است. روش: به‌منظور طراحی شبکۀ پیشنهادی، داده‌های اولیه مورد نیاز، از طبقه‌بندی‌های بین‌المللی جمع‌آوری و شبکۀ اولیه بر اساس آن‌ها رسم شد؛ سپس برای اطمینان از اینکه شبکه به‌خوبی با شرایط کنونی بازار کار مطابقت دارد یا خیر، داده‌های یکی از وبسایت‌های کاریابی داخلی نیز استخراج و مطابق آن‌ها، شبکه به‌روزرسانی شد. برای کمّی‌کردن ارتباطات بین اجزای شبکه، از معیار ژاکارد و برای اعتبارسنجی شبکه از الگوریتم‌های اتصال ترجیحی، آدامیک آدار و همسایگان مشترک استفاده شد. برای محاسبۀ کوتاه‌ترین مسیر در شبکه، از الگوریتم دایجسترا و برای رتبه‌بندی از معیار وزن‌دهی فراوانی کلمه – معکوس فراوانی متن استفاده بهره برده شد. یافته‌ها: در این پژوهش، روش جدیدی برای طراحی شبکۀ چندحالته بازار کار ارائه و نحوۀ به‌روزرسانی و غنی‌سازی آن، به‌طوری که مطابق با تغییرات پویای بازار کار باشد، تشریح شد. با شبکۀ نهایی به‌دست‌آمده، ارتباطات بین عناصر بازار کار (مشاغل و مهارت‌ها) بررسی و راه‌کاری برای کمّی‌کردن این ارتباطات ارائه شد. همچنین روشی برای محاسبۀ کارآمدترین جابه‌جایی شغلی در این شبکه تشریح و رویکردی برای رتبه‌بندی مهارت‌ها، بر اساس سطوح مختلف شغلی ارائه شد. در نهایت، شبکه با سه الگوریتم پیش‎‌بینی یال اعتبارسنجی شد. نتایج به‌دست‌آمده نشان می‌دهد که استفاده از الگوریتم اتصال ترجیحی، بهترین گزینه برای پیش‌بینی آینده این شبکه خواهد بود. نتیجه‌گیری: مدل نوآورانۀ ارائه شده در این پژوهش، ابزار قدرتمندی برای طراحی شبکه و تحلیل و درک بازار کار فراهم کرده است که به‌کمک آن، نه‌تنها درک جامع‌تری از وضعیت فعلی و آتی بازار کار داخلی به‌دست می‌آید، بلکه راه‌کارهای عملی برای مواجهه با چالش‌های پیش رو نیز ارائه می‌شود؛ به‌ویژه، کشف الگوهای ارتباطی و پیش‌بینی روندهای نوظهور، امکان سازگاری بهتر و سریع‌تر با تغییرات بازار کار را فراهم می‌کند که این امر، به سهم خود، به توسعه فرصت‌های شغلی پایدار و رشد اقتصادی منجر می‌شود. از طریق تحلیلی عمیق از داده‌های موجود و پیش‌بینی تحولات احتمالی، این مدل می‌تواند به مدیران بازار کار، سیاست‌گذاران و تحلیلگران اجتماعی کمک کند تا استراتژی‌های مؤثرتری برای تقویت ظرفیت‌های بازار کار و بهینه‌سازی منابع انسانی طراحی کنند. در نهایت، نتایج به‌دست‌آمده نشان داد که با استفاده از مدل‌های نوآورانه مبتنی بر تحلیل شبکه، می‌توان افق‌های جدیدی را در پیش‌بینی و مدیریت تحولات آینده کشور گشود.
کلیدواژه‌های فارسی مقاله مدل نوآورانه،تحلیل شبکه،شبکه چندحالته،بازار کار،پیش‌بینی آینده،
عنوان انگلیسی Presenting an Innovative Model Based on Multi-Mode Network Analysis for Examining Connections and Predicting Future Labor Market Developments
چکیده انگلیسی مقاله Objective Recently, network analysis has become one of the most popular and practical areas in data science. This technology, by analyzing complex data and identifying communicative patterns among different elements, delves into a deeper understanding of the structure, behavior, and interactions within networks and complex systems. Despite the critical importance of network analysis in data science and social research, particularly in the field of human resources, there remains a lack of comprehensive studies on this topic. In particular, domestic market data have not been fully studied and discussed. This lack of attention misses opportunities for deeper understanding and presenting innovative solutions to future challenges. Therefore, researchers need to employ modern approaches to investigate the challenges in this field and propose new solutions. This study introduces an innovative model that utilizes multimodal network analysis to enhance the understanding of labor market communications and predict its future developments.   Methods To design the proposed network, the required primary data were collected from international classifications and the initial network was drawn based on them. Then, to ensure that the network matches the current labor market conditions, data from one of the domestic job search websites were also extracted and the network was updated accordingly. The Jaccard index was employed to quantify the connections between network elements, while the algorithms of preferential attachment, Adamic-Adar, and common neighbors were utilized for network validation. The Dijkstra algorithm was used to calculate the shortest path in the network and the term frequency-inverse document frequency metric was used for ranking. Results This research sought to present a new method for designing a multimodal labor market network and described how it was updated and diversified to match the dynamic changes of the labor market. With the final network obtained, the connections between labor market elements (jobs and skills) were examined, and a method for quantifying these connections was presented. Additionally, a method for calculating the most efficient job transitions within this network was outlined, along with an approach for ranking skills according to various job levels. Finally, the network was validated with three link prediction algorithms. The results indicate that the use of the preferential attachment algorithm will be the best option for predicting the future of this network.   Conclusion The innovative model presented in this research offers a powerful tool for network design and analysis in understanding the labor market. It not only provides a comprehensive overview of the current and future state of the domestic labor market but also offers practical solutions for addressing future challenges. In particular, discovering communicative patterns and predicting emerging trends enables better and faster adaptation to labor market changes, which in turn leads to the development of sustainable job opportunities and economic growth. Through a deep analysis of existing data and predicting potential developments, this model can help labor market managers, policymakers, and social analysts design more effective strategies to enhance labor market capacities and optimize human resources. Ultimately, the results demonstrated that innovative models based on network analysis can open new horizons for predicting and managing future developments.
کلیدواژه‌های انگلیسی مقاله مدل نوآورانه,تحلیل شبکه,شبکه چندحالته,بازار کار,پیش‌بینی آینده
نویسندگان مقاله الناز نصیرزاده |
استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

سعید روحانی |
دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

نشانی اینترنتی https://imj.ut.ac.ir/article_99000_7af72078730b73e6255ff03c7b9722e1.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات