[논문 리뷰] Mapping the Landscape of AI-Driven Human Resource Management: A Social Network Analysis of Research Collaboration

Mehrdad Maghsoudi, Motahareh Kamrani Shahri외 2명|arXiv (Cornell University)|2023. 08. 18.

AI and HR TechnologiesBusiness, Management and Accounting인용 수 3

한 줄 요약

이 연구는 공동 저자 네트워크의 사회적 네트워크 분석(SNA)을 통해 인공지능 기반 인사관리(AI-HRM)의 세계적 연구 환경을 맵핑한다. 102,296명의 저자와 287,799건의 협업을 분석함으로써, 시스템 식별 및 제어, 인사 분석, 예측을 위한 머신러닝, 인공지능 기반 의사결정과 같은 네 가지 핵심 연구 주제를 규명하고, 지역 및 기관별 협업 공동체의 특성을 드러내며 AI-HRM 연구의 주요 기여자들과 최근 동향을 밝힌다.

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.

연구 동기 및 목표

• 협업 패턴을 통해 인공지능 기반 인사관리(AI-HRM)의 변화하는 연구 환경을 맵핑하기 위해.
• 네트워크 분석을 통해 AI-HRM 연구에서 영향력 있는 저자, 기관, 그리고 새로운 연구 주제를 규명하기 위해.
• AI-HRM 연구를 형성하는 지역 및 기관별 협업 공동체를 밝혀내기 위해.
• AI-HRM 문헌에서 주제 클러스터와 그 지리적 및 기관적 분포를 종합적으로 개괄하기 위해.
• 데이터 기반의 네트워크 맵핑을 통해 학계 및 실무자들이 AI-HRM 연구 동향을 이해하는 데 기여하기 위해.

제안 방법

• AI-HRM 연구에서 102,296명의 저자와 287,799건의 협업을 기반으로 공동 저자 네트워크를 구축하였다.
• 영향력 있는 저자와 기관을 규명하기 위해 중심성 측정법(도수, 중간성, 고유벡터 중심성)을 적용한 사회적 네트워크 분석(SNA)을 수행하였다.
• 다중 중심성 기준을 기반으로 저자와 기관을 순위 매기기 위해 TOPSIS 방법을 적용하였다.
• 국가 수준 및 기관 수준의 공동 저자 네트워크에 대해 커뮤니티 탐지 기법을 적용하여 협업 클러스터를 규명하였다.
• 연구 주제를 분류하기 위해 논문 키워드와 내용의 주제 분석을 수행하여 네 가지 주요 클러스터로 분류: 시스템 식별, 인사 분석, 예측을 위한 머신러닝, 인공지능 기반 인사 의사결정.
• 네트워크 구조를 시각화하고 해석하여 AI-HRM에서 지역 및 기관별 연구 역학을 밝혀내었다.

실험 결과

연구 질문

• RQ1 공동 키워드 빈도와 협업 패턴을 기반으로 인공지능 기반 인사관리(AI-HRM)에서 지배적인 연구 주제는 무엇인가?
• RQ2 네트워크 중심성 측정치로 측정했을 때, AI-HRM 연구에서 가장 영향력 있는 저자와 기관은 누구인가?
• RQ3 다양한 지역 간 협업 네트워크는 어떻게 구성되어 있으며, 어떤 지역 연구 공동체가 형성되는가?
• RQ4 기관 간 협업 패턴은 어떠한가, 그리고 이는 글로벌 연구 허브와 새로운 연구 중심지를 어떻게 반영하는가?
• RQ5 TOPSIS 순위가 전통적인 중심성 측정치와 비교하여 핵심 기여자를 규명하는 데 어떻게 다른가?

주요 결과

• 네 가지 주요 연구 주제가 도출되었다: 인공지능을 통한 시스템 식별 및 제어(예: 인력 계획), 인사 분석 및 성과 관리(데이터 기반 의사결정), 분류 및 예측을 위한 머신러닝(인재 확보/유지), 인공지능 기반 인사 의사결정(전략적 계획 수립 및 공정성).
• 국가 수준의 공동 저자 네트워크 분석에서 세 가지 주요 공동체가 확인되었다: 글로벌 인사 응용, 중동 및 아시아의 인사관리, 인사관리에 대한 인공지능의 글로벌 통합으로, 지역별 연구 초점 반영.
• 기관 간 협업 패턴 분석을 통해 다섯 개의 명확한 공동체가 규명되었으며, 이는 기존 아시아 AI 연구 센터에서부터 개발도상국의 신규 연구 허브에 이르기까지 다양하다.
• 중심성 분석을 통해 중간성 및 고유벡터 중심성이 높은 저자와 기관을 규명하였으며, 이는 지식 확산 과정에서의 핵심적 역할을 반영한다.
• TOPSIS 방법을 통해 다중 중심성 지표를 통합하여 영향력 있는 저자와 기관을 성공적으로 순위 매겼으며, 강력한 순위 매기기 프레임워크를 제공하였다.
• 본 연구는 점점 증가하는 협업 환경을 드러내지만, 지리적으로 균형 잡히지 않은 특성을 보이며, 강력한 지역 클러스터가 존재하고, 대륙 간 통합은 제한적임을 규명하였다.