[論文レビュー] Mapping the Landscape of AI-Driven Human Resource Management: A Social Network Analysis of Research Collaboration

Mehrdad Maghsoudi, Motahareh Kamrani Shahri+2 more|arXiv (Cornell University)|Aug 18, 2023

AI and HR TechnologiesBusiness, Management and Accounting被引用数 3

ひとこと要約

本研究は、共同著者ネットワークの社会的ネットワーク分析（SNA）を用いて、AIを活用した人的資源管理（AI-HRM）分野の世界的な研究動態をマッピングする。102,296人の著者と287,799件の共同研究を分析することで、4つの主要な研究テーマ—システム同定・制御、HRアナリティクス、予測のための機械学習、AIを活用した意思決定—を特定し、地域的・機関的共同研究コミュニティの違いを明らかにした。AI-HRM分野における主要な貢献者と新たな動向も浮き彫りにした。

ABSTRACT

As artificial intelligence (AI) transforms human resource management (HRM), understanding the research landscape becomes crucial for both academics and practitioners. While existing studies examine isolated aspects of AI in HRM, a comprehensive analysis of collaboration patterns and emerging themes remains lacking. This research employs social network analysis (SNA) to examine the co-authorship network within AI applications in HRM research, providing insights into collaboration dynamics and identifying key research directions. Through analysis of centrality measures and application of the TOPSIS method, the study identifies influential authors, institutions, and emerging research themes. Analysis of 102,296 authors and 287,799 collaborations reveals distinct communities focusing on specific aspects of AI-HRM across regions. The findings identify four primary research themes: AI for System Identification and Control, focusing on workforce planning and adaptive management; HR Analytics and Performance Management, emphasizing data-driven decision making; Machine Learning for Classification and Prediction, addressing talent acquisition and retention; and AI-Driven HR Decision-Making, exploring strategic planning and unbiased evaluation systems. The country co-authorship network analysis uncovers three main communities: Global HR Applications, HRM in the Middle East and Asia, and Global Integration of AI in HRM, reflecting shared regional challenges. Institutional collaboration patterns indicate five distinct communities, from established Asian AI research centers to emerging research hubs in developing economies.

研究の動機と目的

• 共同研究のパターンを通じて、AIを活用した人的資源管理（AI-HRM）分野の研究動態の変遷をマッピングすること。
• ネットワーク分析を用いて、AI-HRM分野における影響力のある著者・機関および新たな研究テーマを特定すること。
• AI-HRM研究を形作る地域的・機関的共同研究コミュニティを解明すること。
• AI-HRM文献におけるテーマクラスタの地理的・機関的分布を包括的に概説すること。
• データ駆動型のネットワークマッピングを通じて、学術的および実務的視点からAI-HRM研究動向の理解を支援すること。

提案手法

• AI-HRM研究から得た102,296人の著者と287,799件の共同研究を用いて、共同著者ネットワークを構築した。
• 社会的ネットワーク分析（SNA）を適用し、中心性指標（次数、媒介性、固有ベクトル中心性）を計算することで、影響力のある著者および機関を特定した。
• 複数の中心性基準に基づいて著者および機関をランク付けするために、TOPSIS法を用いた。
• 国レベルおよび機関レベルの共同著者ネットワークに対してコミュニティ検出を実施し、共同研究クラスタを同定した。
• 出版物のキーワードおよび内容の主題的分析により、4つの主要なクラスタに分類された研究を特定した：システム同定、HRアナリティクス、予測のための機械学習、AIを活用した意思決定。
• ネットワーク構造の可視化と解釈を通じて、AI-HRM分野における地域的・機関的研究ダイナミクスを明らかにした。

実験結果

リサーチクエスチョン

• RQ1 キーワードの共起および共同研究パターンに基づいて、AIを活用した人的資源管理における支配的で主要な研究テーマは何か？
• RQ2 ネットワーク中心性によって測定された場合、AI-HRM研究における最も影響力のある著者および機関は誰か？
• RQ3 異なる地域における共同研究ネットワークはどのように構造化されており、どのような地域的共同研究コミュニティが形成されているか？
• RQ4 どのような機関的共同研究パターンが存在し、それらはグローバル研究ハブと新興研究拠点をどのように反映しているか？
• RQ5 TOPSIS法による著者および機関のランク付けは、従来の中心性指標と比較して、主要な貢献者を特定する上でどのように異なるか？

主な発見

• 4つの主要な研究テーマが浮き彫りになった：AIを用いたシステム同定・制御（例：労働力計画）、HRアナリティクスとパフォーマンス管理（データドリブン意思決定）、分類・予測のための機械学習（人材獲得・維持）、AIを活用したHR意思決定（戦略的計画立案と公平性）。
• 国レベルの共同著者ネットワークから、3つの主要なコミュニティが特定された：グローバルHR応用、中東・アジアにおけるHRM、AIを活用したHRMのグローバル統合。これらは地域特有の研究焦点を反映している。
• 機関レベルの共同研究パターンから、5つの明確に分かれるコミュニティが同定された。これらは、既に確立されたアジアのAI研究拠点から、発展途上経済における新興拠点までをカバーしている。
• 中心性分析により、知識の拡散において中心的な役割を果たす著者および機関（高い媒介性および固有ベクトル中心性を示す）が特定された。
• TOPSIS法は、複数の中心性指標を統合することで、影響力のある著者および機関を効果的にランク付けし、信頼性の高いランク付けフレームワークを提供した。
• 本研究は、成長はしているが地理的に不均一な共同研究の構造を明らかにした。強固な地域的クラスタが存在する一方で、大陸間の統合は限定的であることが判明した。