آموزش، تربیت و توسعه پایدار 3092-7633 3 زمستان 1404 1404 10 01 Presenting a Model for Recruitment Based on a Meritocracy Approach Using Artificial Intelligence (Case Study: Saderat Bank Managers and Employees) ارائه مدل استخدام مبتنی بر رویکرد شایسته‌سالاری با استفاده از هوش مصنوعی (مورد مطالعه: مدیران و کارکنان بانک صادرات) 1 18 10.61838/jtesd.257 FA فاطمه پرماسی گروه مدیریت‌ دولتی‌، واحد اردبیل‌، دانشگاه آزاد اسلامی‌، اردبیل‌ ، ایران. شهرام بگ زاده گروه مدیریت‌ دولتی‌، واحد اردبیل‌، دانشگاه آزاد اسلامی‌، اردبیل‌، ایران. مجید احمدلو گروه مدیریت‌ ، واحد اردبیل‌، دانشگاه آزاد اسلامی‌، اردبیل‌، ایران. بابک‌ نوری مقدم‌ گروه مهندسی کامپیوتر، واحد اردبیل‌، دانشگاه آزاد اسلامی‌، اردبیل‌، ایران. Journal Article 1404/04/07 <p>The main objective of this study is to design and present a recruitment model based on a meritocracy approach using artificial intelligence to enhance recruitment decision-making in Saderat Bank. This applied research employed a descriptive-analytical design. The statistical population consisted of over 4,000 employees of Saderat Bank in Tehran, from which a sample of 350 individuals was determined using Cochran’s formula. Data were collected from archival sources including recruitment test records, performance evaluations, and promotion scores, along with literature review data. Analytical modeling employed four artificial intelligence algorithms—Deep Neural Network (DNN), Ridge Regression, XGBoost, and Support Vector Machine with RBF kernel (SVM-RBF). Additionally, a Long Short-Term Memory (LSTM) recurrent neural network was applied to detect temporal dependencies and hidden behavioral patterns. Results revealed that across all models, four common predictors—organizational commitment, communication skills, customer orientation, and teamwork—were identified as the most influential components in merit-based recruitment. Performance evaluation scores, professional certifications, and job promotion indices followed in significance. Conversely, ethnicity and political orientation exhibited the least predictive power. The consistency across AI estimators confirms the reliability of the identified merit predictors. Implementing artificial intelligence in recruitment processes significantly enhances transparency, fairness, and precision in personnel selection. By emphasizing behavioral and performance-based criteria rather than demographic factors, AI-driven systems facilitate the realization of genuine meritocracy. Integrating LSTM networks and machine learning frameworks can further optimize large-scale human resource management decisions.</p> <p>هدف از پژوهش حاضر، طراحی و ارائه مدلی برای استخدام مبتنی بر شایسته‌سالاری با بهره‌گیری از هوش مصنوعی به‌منظور بهبود فرآیند انتخاب نیروی انسانی در بانک صادرات ایران است. این پژوهش از نوع کاربردی و به روش توصیفی-تحلیلی انجام شده است. جامعه آماری شامل بیش از 4000 نفر از کارکنان بانک صادرات در تهران بود که بر اساس فرمول کوکران، نمونه‌ای به حجم 350 نفر انتخاب گردید. داده‌ها از طریق منابع کتابخانه‌ای و آرشیوهای بانکی (شامل اطلاعات آزمون‌های استخدامی، ارزیابی عملکرد، و ارتقای شغلی) گردآوری شد. در تحلیل داده‌ها، از چهار الگوریتم هوش مصنوعی شامل شبکه عصبی عمیق (DNN)، رگرسیون Ridge، XGBoost و SVM-RBF استفاده گردید. مدل شبکه عصبی بازگشتی LSTM برای تحلیل وابستگی‌های زمانی و شناسایی الگوهای پنهان در داده‌ها به کار رفت. نتایج تحلیل نشان داد که در تمامی مدل‌ها، چهار مؤلفه مشترک شامل تعهد سازمانی، مهارت ارتباطی، مشتری‌مداری و کار تیمی به عنوان مهم‌ترین پیش‌بین‌های شایسته‌سالاری شناسایی شدند. همچنین متغیرهایی مانند نمره ارزیابی عملکرد، گواهینامه‌های تخصصی و ارتقای شغلی در رتبه‌های بعدی اهمیت قرار گرفتند. در مقابل، متغیرهایی نظیر قومیت و گرایش سیاسی، کمترین تأثیر را در پیش‌بینی شایستگی استخدامی داشتند. این هم‌گرایی میان مدل‌ها، پایداری الگوهای شناسایی‌شده را تأیید می‌کند. استفاده از الگوریتم‌های هوش مصنوعی در فرآیند استخدام می‌تواند به شفافیت، دقت، و عدالت در گزینش نیروی انسانی کمک کند و با تمرکز بر شاخص‌های رفتاری و عملکردی، شایسته‌سالاری واقعی را در سازمان‌ها محقق سازد. بهره‌گیری از شبکه‌های عصبی LSTM و مدل‌های یادگیری ماشین، امکان بهبود تصمیم‌گیری منابع انسانی را در مقیاس کلان فراهم می‌کند.</p> https://journaltesd.com/index.php/tesd/article/download/257/236