انتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Public Policy Resuscitation Kit in Iran; Designing Mechanisms to Avoid/Reduce Unintended Consequencesکیت احیای خطمشیهای عمومی در ایران؛ طراحی سازوکارهای اجتناب/کاهش پیامدهای ناخواسته59563210886510.22059/jipa.2026.407796.3841FAجعفرزینتبخشدکتری، گروه مدیریت دولتی، دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.0000-0001-6466-922Xحسندانایی فرداستاد، گروه مدیریت دولتی، دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.0000-0003-1805-7323سیدحسینکاظمیاستادیار، گروه مدیریت دولتی، دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.0000-0002-8458-3834Journal Article20251215Objective
Unintended consequences of public policies represent one of the most fundamental and persistent challenges of governance in the contemporary era. Complexity, uncertainty, and the dynamic nature of social environments, combined with human cognitive limitations, often result in policies that not only fail to resolve the problems they are intended to address but themselves become sources of new crises. This study aims to design a Public Policy Resuscitation Kit for Iran, with a specific focus on mechanisms for avoiding, mitigating, and correcting unintended consequences. The kit, conceived as an intervention-oriented and tool-based framework, seeks to fill a critical gap in the policy literature by offering practical strategies for risk management and policy resilience.
Methods
The research employed a qualitative approach utilizing content analysis as its primary analytical method. Data were collected through in-depth interviews with senior policymakers in Iran, who were selected via purposive and judgmental sampling techniques. To ensure the validity and trustworthiness of the findings, participant review, peer examination, and data triangulation were systematically applied throughout the research process. Ultimately, 476 initial codes were extracted from the interview data. These codes were subsequently refined into 17 distinct mechanisms, which were grouped under 6 subcategories and 2 overarching categories. The identified mechanisms were classified into six clusters: adaptive, capacity-building, flexibility, absorptive, participatory, and behavioral. While the first four clusters are predominantly process-oriented and tangible in nature, the latter two pertain specifically to the cognitive and behavioral dimensions of policymakers, thereby capturing both structural and human aspects of policy implementation.
Results
The findings indicate that unintended consequences are not merely the result of poor policy design or technical miscalculation but rather emerge from complex interactions among multiple and sometimes conflicting goals, ideological values, organizational interests, and cognitive constraints inherent in decision-making processes. Adaptive and capacity-building mechanisms were found to enhance institutional resilience and foster organizational learning, enabling organizations to better anticipate and respond to unforeseen outcomes. Flexibility and absorptive mechanisms enable the correction and redirection of policies toward desired outcomes, allowing for mid-course adjustments in response to emerging challenges. Meanwhile, participatory and behavioral mechanisms strengthen social trust, reshape the perspectives of key actors, and reduce resistance to policy changes, thereby facilitating the effective management of unforeseen effects and enhancing overall policy acceptance.
Conclusion
The study also underscores the necessity of systematic conceptualization and theorization in the field of unintended consequences. A review of prior literature reveals that most existing studies have focused on case-specific analyses, with limited attention devoted to the development of comprehensive and replicable tools. In contrast, the Public Policy Resuscitation Kit integrates diagnostic, preventive, corrective, and learning instruments into a unified and coherent framework. It not only facilitates the identification of patterns of unintended consequences but also provides practical means for prevention, post-occurrence correction, and institutional learning to avoid the repetition of errors. By combining these complementary functions, the kit offers policymakers a structured pathway to anticipate risks, intervene effectively, and sustain long-term improvements in governance. The central conclusion is that good governance cannot be achieved solely through benevolent intentions or lofty goals; rather, it requires serious and sustained consideration of the hidden and complex consequences of policy implementation. The Public Policy Resuscitation Kit serves as a strategic instrument, enabling policymakers to select appropriate combinations of mechanisms and thereby enhance the resilience, flexibility, and adaptability of policies. In doing so, it contributes to more effective governance and offers a novel perspective for managing unintended consequences. This study thus takes a meaningful step toward bridging theoretical and practical gaps in Iran's policy-making system and outlines a new horizon for the systematic treatment of unintended consequences in public policy.هدف: پیامدهای ناخواسته خطمشیهای عمومی یکی از چالش‌های بنیادین حکمرانی در عصر حاضر به‌شمار می‌رود. پیچیدگی، عدم‌قطعیت و پویایی‌های محیط اجتماعی، همراه با محدودیت‌های شناختی انسان، موجب شده است که بسیاری از خط‌مشی‌ها، نه تنها مسائل را حل نکنند، بلکه خود به منبعی برای بحران‌های جدید بدل شوند. پژوهش حاضر با هدف طراحی «کیت احیای خطمشیهای عمومی» در ایران، به بررسی و تبیین سازوکارهای اجتناب و کاهش پیامدهای ناخواسته پرداخته است. این کیت به‌مثابۀ چارچوبی مداخله‌ای و ابزارمحور، تلاش دارد خلأ موجود در ادبیات خط‌مشی‌گذاری را پُر کند و راه‌کارهایی عملی برای مدیریت ریسک‌های خط‌مشی ارائه دهد.
روش: روش تحقیق مبتنی بر رویکرد کیفی و تحلیل محتوا بوده است. داده‌ها از طریق مصاحبه با خط‌مشی‌گذاران ارشد ایران، با نمونه‌گیری هدفمند و قضاوتی گردآوری شد. برای اعتباربخشی به یافته‌ها، از راهبردهایی چون بازبینی مشارکت‌کنندگان، بررسی همکار و مثلث‌سازی داده‌ها استفاده شد. در نتیجه، ۴۷۶ کد اولیه استخراج و پس از پالایش، در قالب ۱۷ سازوکار، ۶ مقولۀ فرعی و ۲ مقولۀ اصلی دسته‌بندی شد. این سازوکارها در شش دستۀ کلی جای گرفتند: تطبیقی، ظرفیت‌سازی، انعطاف‌پذیری، جذبی، مشارکتی و رفتاری. چهار دستۀ نخست ماهیتی عینی ـ فرایندی دارند، در حالی که دو دستۀ آخر بیشتر به ابعاد ذهنی ـ رفتاری خط‌مشی‌گذاران مربوط می‌شوند.
یافته‌ها: یافته‌ها نشان می‌دهد که پیامدهای ناخواسته، نه فقط نشئت‌گرفته از ضعف طراحی، بلکه محصول تعاملات پیچیده میان اهداف چندگانه، ارزش‌های ایدئولوژیک، منافع سازمانی و محدودیت‌های شناختی هستند. در این میان، سازوکارهای تطبیقی و ظرفیت‌سازی می‌توانند با افزایش توان نهادی و یادگیری سازمانی، تاب‌آوری خط‌مشی‌ها را ارتقا دهند. سازوکارهای انعطاف‌پذیری و جذبی نیز امکان اصلاح و بازگرداندن خط‌مشی‌ها به مسیر مطلوب را فراهم می‌کنند. در کنار آن، سازوکارهای مشارکتی و رفتاری با تقویت اعتماد اجتماعی و تغییر نگرش کنشگران، به کاهش مقاومت و مدیریت پیامدهای پیش‌بینی‌نشده کمک می‌کنند.
نتیجه‌گیری: پژوهش حاضر بر ضرورت مفهوم‌پردازی و نظریه‌پردازی نظام‌مند در حوزۀ پیامدهای ناخواسته تأکید دارد. مرور ادبیات نشان می‌دهد که بخش عمدۀ مطالعات پیشین، به بررسی موردی بسنده کرده‌اند و به طراحی ابزارهای جامع کمتر پرداخته‌اند. در مقابل، کیت احیای خطمشیهای عمومی با ترکیب ابزارهای تشخیصی، پیشگیرانه، اصلاحی و یادگیری، رویکردی یکپارچه ارائه می‌دهد. این کیت نه تنها به شناسایی الگوهای بروز پیامدهای ناخواسته کمک می‌کند، بلکه امکان پیشگیری از شکل‌گیری آن‌ها، اصلاح پس از وقوع و یادگیری نهادی برای جلوگیری از تکرار خطا را فراهم می‌سازد. نتیجه‌گیری اصلی پژوهش آن است که حکمرانی خوب، فقط با نیت خیر و اهداف عالی تحقق نمی‌یابد، بلکه به توجه جدی به پیامدهای پنهان و پیچیدۀ اجرای خط‌مشی‌ها نیازمند است. کیت احیای خطمشیهای عمومی، می‌تواند به‌مثابۀ ابزاری راهبردی، خط‌مشی‌گذاران را در انتخاب ترکیب مناسب سازوکارها یاری دهد و با افزایش تاب‌آوری و انعطاف‌پذیری، زمینۀ حکمرانی اثربخش‌تر را فراهم آورد. بدین ترتیب، این مطالعه گامی در جهت پُرکردن خلأ نظری و عملی موجود در نظام خط‌مشی‌گذاری ایران برداشته و چشم‌اندازی نو برای مدیریت پیامدهای ناخواسته ترسیم کرده است.https://jipa.ut.ac.ir/article_108865_ec3b9ab24c4df83a8e27a82fc37cbab2.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Investigating the Effect of Inclusive Leadership on Employee Work Engagement with the Mediating Role of Psychological Conditions and Perceived Organizational Support: A Case Study of Tehran Municipalityبررسی اثر رهبری فراگیر بر اشتیاق کاری کارکنان با میانجیگری وضعیت روان‌شناختی و حمایت سازمانی ادراک شده: مورد مطالعه شهرداری تهران63366410886610.22059/jipa.2026.414133.3905FAنیلوفرشکاری هیرکارشناس ارشد، گروه رهبری و سرمایۀ انسانی، دانشکدۀ مدیریت دولتی و علوم سازمانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.0009-0008-5814-1646ندامحمداسمعیلیاستادیار، گروه رهبری و سرمایۀ انسانی، دانشکدۀ مدیریت دولتی و علوم سازمانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.0000-0001-7786-9108محمدابویی اردکاندانشیار، گروه رهبری و سرمایۀ انسانی، دانشکدۀ مدیریت دولتی و علوم سازمانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.0000-0003-2534-1832Journal Article20260510ObjectiveIn recent years, inclusive leadership has attracted considerable scholarly attention as an effective leadership style for enhancing employees' attitudes and fostering positive organizational outcomes, particularly work engagement. Within public sector organizations, which typically operate within formal and bureaucratic structures and face inherent constraints in decision-making processes, understanding how inclusive leadership influences employees' work engagement assumes particular significance. Although existing evidence points to the positive outcomes associated with inclusive leadership, the psychological mechanisms that explain this relationship, especially within the context of governmental and public organizations, have not yet been fully elucidated. Accordingly, the present study aims to examine the effect of inclusive leadership on employees' work engagement, with a specific emphasis on the mediating role of psychological conditions and perceived organizational support, as well as the moderating role of overall satisfaction with the leader.MethodsThis study is applied in terms of its overarching purpose and employs a descriptive–survey and analytical research design. The statistical population consisted of employees working in the affiliated units of Tehran Municipality. Data for the independent, dependent, and mediating variables were collected from 386 participants using standardized questionnaires administered through a two-stage cluster sampling method. In addition, to distinguish between groups with high and low levels of satisfaction with the leader, the study drew upon both survey results and supplementary interview data. To test the conceptual model and the proposed research hypotheses, partial least squares structural equation modeling (PLS-SEM) was employed as the primary analytical technique. Furthermore, multi-group analysis (MGA) conducted via SmartPLS3 was utilized to compare the moderated mediation effects across the identified groups. ResultsThe results indicated that inclusive leadership exerts a positive and significant effect on employees' work engagement. The findings further revealed that psychological conditions and perceived organizational support significantly mediate the relationship between inclusive leadership and work engagement. These results suggest that inclusive leadership plays an important role in enhancing employees' work engagement by strengthening positive psychological experiences and increasing perceptions of organizational support among employees. Moreover, the moderated mediation analysis demonstrated that the indirect effect of inclusive leadership on work engagement through perceived organizational support is significantly stronger among employees who report higher levels of satisfaction with their leader, in comparison to those with lower levels of satisfaction. This finding underscores the reinforcing role that leader-related satisfaction plays in amplifying the motivational and supportive mechanisms through which inclusive leadership operates. ConclusionBy focusing on the psychological and social mechanisms that underlie the influence of inclusive leadership, the present study contributes meaningfully to the development of the literature on leadership and work engagement within the context of the Iranian public sector. The findings demonstrate that inclusive leadership, in addition to its direct positive effect, significantly enhances employees' work engagement through the improvement of psychological conditions and the augmentation of perceived organizational support. These results highlight that the presence of a meaningful, psychologically safe, fair, and supportive environment constitutes a fundamental condition for translating the effectiveness of inclusive leadership into tangible behavioral and attitudinal outcomes among employees. From a practical perspective, the study underscores the critical importance of developing inclusive leadership competencies among managers in public organizations. Such development is essential for strengthening trust, fairness, participation, accountability, and organizational learning, which in turn foster higher levels of work engagement, improved individual and collective performance, and sustainable motivation within public institutions. These insights offer valuable guidance for policymakers and human resource practitioners seeking to enhance both employee well-being and organizational effectiveness through leadership development initiatives.هدف: رهبری فراگیر در سال‌های اخیر، به‌عنوان یکی از سبک‌های مؤثر رهبری در ارتقای نگرش‌ها و پیامدهای مثبت کارکنان، به‌ویژه اشتیاق کاری، در کانون توجه قرار گرفته است. در سازمان‌های بخش عمومی که اغلب با ساختارهای رسمی، بوروکراتیک و محدودیت‌های تصمیم‌گیری مواجهند، شناخت چگونگی اثرگذاری رهبری فراگیر بر اشتیاق کاری کارکنان اهمیت ویژه‌ای دارد. با وجود شواهد و مطالعات موجود دربارۀ پیامدهای مثبت رهبری فراگیر، سازوکارهای روان‌شناختی تبیین‌کنندۀ این رابطه، به‌ویژه در بستر سازمان‌های دولتی و عمومی، هنوز به‌طور کامل تبیین نشده است. بر این اساس، هدف پژوهش حاضر، بررسی تأثیر رهبری فراگیر بر اشتیاق کاری کارکنان با تأکید بر نقش میانجی وضعیت روان‌شناختی و حمایت سازمانی ادراک‌شده و نقش تعدیل‌کنندۀ رضایت کلی از رهبر است.روش: این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی ـ پیمایشی و تحلیلی است. جامعۀ آماری پژوهش را کارکنان واحدهای تابعه شهرداری تهران تشکیل می‌دهد. داده‌ها برای متغیرهای مستقل، وابسته و میانجی از طریق پرسش‌نامه‌های استاندارد و با استفاده از روش نمونه‌گیری خوشه‌ای دومرحله‌ای از ۳۸۶ نفر گردآوری شد. همچنین، برای تفکیک گروه‌ها به دو گروه بسیار راضی و ناراضی از رهبر، از نتایج نظرسنجی‌ها و مصاحبه استفاده شده است. برای آزمون مدل مفهومی و فرضیه‌های پژوهش، از روش مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی (PLS-SEM) و همچنین، برای مقایسۀ نقش میانجیگری تعدیل‌شده، از روش مقایسۀ چندگروهی (MGA) در نرم‌افزار اسمارت پی‌ال‌اس استفاده شد.یافته‌ها: یافته‌های پژوهش نشان داد که رهبری فراگیر، بر اشتیاق کاری کارکنان تأثیر مثبت و معناداری دارد. همچنین نتایج حاکی از آن است که وضعیت روان‌شناختی و حمایت سازمانی ادراک‌شده، به‌طور معناداری رابطۀ بین رهبری فراگیر و اشتیاق کاری را میانجیگری می‌کنند. این نتایج بیانگر آن است که رهبری فراگیر، از طریق تقویت تجربه‌های روان‌شناختی مثبت و افزایش ادراک حمایت سازمانی، در ارتقای اشتیاق کاری کارکنان نقش مهمی ایفا می‌کند. افزون‌براین، تحلیل میانجیگری تعدیل‌شده نشان داد که اثر غیرمستقیم رهبری فراگیر بر اشتیاق کاری، از مسیر حمایت سازمانی ادراک‌شده برای کارکنانی که رضایت بیشتری از رهبر دارند، به‌طور معناداری نسبت به گروه مخالف قوی‌تر است.نتیجه‌گیری: پژوهش حاضر با تمرکز بر سازوکارهای روان‌شناختی و اجتماعی اثرگذاری رهبری فراگیر، به توسعۀ ادبیات رهبری و اشتیاق کاری در بخش عمومی ایران یاری می‌رساند. یافته‌ها نشان داد که رهبری فراگیر، علاوه‌بر اثر مستقیم، از طریق بهبود وضعیت روان‌شناختی و افزایش حمایت سازمانی ادراک‌شده، به‌طور معناداری اشتیاق کاری کارکنان را تقویت می‌کند. این نتایج تأکید می‌کند که وجود محیطی معنادار، ایمن، عادلانه و حمایتگر شرط اساسی برای انتقال اثربخشی رهبری فراگیر به پیامدهای رفتاری و نگرشی کارکنان است. از منظر کاربردی، پژوهش ضرورت توسعۀ شایستگی‌های رهبری فراگیر در میان مدیران سازمان‌های دولتی را برجسته می‌سازد تا با تقویت اعتماد، عدالت، مشارکت، پاسخ‌گویی و یادگیری سازمانی، زمینۀ ارتقای اشتیاق کاری، بهبود عملکرد و افزایش پایداری انگیزشی در نهادهای عمومی فراهم شود.https://jipa.ut.ac.ir/article_108866_c9bec26084f0c46bfbf5a8dac60d4fe1.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Beyond Single-Agency Governance: Developing a Network Governance Model for Employment in Iran through Actor and Institutional Analysisاز متولی‌گری منفرد تا راهبری شبکهای: ارائۀ الگوی حکمرانی اشتغال در ایران بر پایۀ تحلیل بازیگران و روابط نهادی66569610886710.22059/jipa.2026.419530.3974FAحمزهخواستاردانشیار، گروه مدیریت کسب‌وکار، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران.0000-0001-6816-6451محمدفارسیدانشجوی دکتری، گروه مدیریت منابع انسانی، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران.0009-0006-6576-3190اکبرحسن پوردانشیار، گروه مدیریت منابع انسانی، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران.0000-0001-7947-1291سعیدجعفری نیااستاد، گروه مدیریت منابع انسانی، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران.0000-0001-7550-0876Journal Article20260727ObjectiveThis study aims to develop a context-sensitive model of network governance for employment in Iran and to explain the strategic positions of actors, power and dependency relations, their potential for convergence, and the coordination mechanisms among them. The study is grounded in the premise that employment, contrary to single-agency approaches, is not the outcome of the performance of one organization or the implementation of a single policy. Rather, it emerges from the interaction of multiple actors and economic, political, budgetary, production, trade, educational, social, and infrastructural subnetworks.MethodsIn terms of purpose, the study is applied and developmental; in terms of research design, it adopts a multistage exploratory mixed-methods approach with priority given to the qualitative phases. Data were collected through a systematic review of the literature, analysis of upstream policy documents, laws and regulations, the Delphi method, and a structured expert questionnaire. The participants consisted of 17 managers, policymakers, executive experts, and scholars in the fields of employment, the labour market, economic planning, and public governance, selected through purposive and snowball sampling. The initial list of domains, actors, and network objectives was refined and validated through two Delphi rounds. The MACTOR strategic actor analysis method was then used to examine direct and indirect influence and dependence, the relative power of actors, their positions toward the objectives, and their potential for convergence and coalition formation. In the final stage, the MACTOR findings were integrated with theoretical, documentary, and expert evidence.ResultsIran’s employment governance network consists of 12 institutional subnetworks whose actors occupy four strategic positions: driving, linkage, dependent, and low-interaction. The security–political and anti-smuggling subnetwork and the revenue and budget subnetwork occupy driving positions and have greater capacity to shape the behaviour of other parts of the network. The subnetworks for employment network policymaking and planning, economic affairs, trade, investment, and production and services occupy linkage and intermediary positions and can transmit or amplify the effects of the driving domains across the network. The subnetworks for resource management and productivity, and civil and technical infrastructure are positioned as low-interaction actors, whereas the education, research and innovation; labour–employer–government relations; and social–cultural subnetworks are classified as dependent actors. The analysis of actors’ positions further showed that all 12 subnetworks held positive positions toward the overarching employment objectives, although their levels of strategic mobilisation were not equal. This pattern points to a gap between normative convergence at the level of objectives and operational coordination in terms of resource allocation, acceptance of responsibility, and changes in organizational procedures. The convergence analysis also indicated the potential formation of security–economic–budgetary and economic–production coalitions. By integrating the findings, a six-layer model was developed, comprising the nature and context of the problem, influential domains, actors and subnetworks, power and dependency relations, governance mechanisms, and expected outcomes. The model’s principal mechanisms include network leadership, horizontal and vertical coordination, institutional division of labour, a shared data and monitoring system, network accountability, conflict management, institutionalized stakeholder participation, and policy learning. ConclusionFormal responsibility for employment is not aligned with the actual power and resources held by actors within the network. Therefore, the central problem of the employment system is not the absence of a formally designated authority, but rather the weakness of mechanisms for governing relationships among actors who control the resources, authority, and instruments that shape employment outcomes. Moving from an agency-centred logic to network governance requires redefining the role of the Supreme Employment Council as a cross-sectoral steering hub, aligning responsibility with authority and resources, strengthening the participation of dependent actors, and establishing shared mechanisms for accountability, monitoring, and learning. Meeting these requirements can provide the institutional foundation for promoting sustainable, high-quality, and balanced employment.هدف: پژوهش حاضر با هدف ارائۀ الگویی بومی برای حکمرانی شبکهای اشتغال در ایران و تبیین جایگاه راهبردی بازیگران، روابط قدرت و وابستگی، ظرفیت همگرایی و سازوکارهای هماهنگی میان آنان اجرا شده است. مسئلۀ اصلی پژوهش آن است که اشتغال، برخلاف رویکردهای متولی‌محور، حاصل عملکرد یک سازمان یا اجرای یک سیاست منفرد نیست، بلکه از تعامل مجموعه‌ای از بازیگران و زیرشبکه‌های اقتصادی، سیاسی، بودجه‌ای، تولیدی، تجاری، آموزشی، اجتماعی و زیرساختی شکل می‌گیرد.روش: پژوهش از نظر هدف، کاربردی ـ توسعه‌ای و از نظر طرح، آمیختۀ اکتشافی چندمرحله‌ای با تقدم مراحل کیفی است. داده‌ها با استفاده از مرور نظام‌مند مطالعات، تحلیل اسناد بالادستی، قوانین و مقررات، روش دلفی و پرسش‌نامۀ ساختاریافته خبرگانی گردآوری شدند. مشارکت‌کنندگان ۱۷ نفر از مدیران، سیاست‌گذاران، کارشناسان اجرایی و صاحب‌نظران حوزه‌های اشتغال، بازار کار، برنامه‌ریزی اقتصادی و حکمرانی عمومی بودند که با روش نمونه‌گیری هدفمند و گلولۀ برفی انتخاب شدند. فهرست اولیه حوزه‌ها، بازیگران و اهداف شبکه، در دو دور دلفی پالایش و اعتباربخشی شد؛ سپس برای تحلیل میزان اثرگذاری و اثرپذیری مستقیم و غیرمستقیم، قدرت نسبی بازیگران، مواضع آنان نسبت به اهداف و ظرفیت همگرایی و ائتلاف، از روش تحلیل راهبردی بازیگران مکتور استفاده شد. در مرحلۀ نهایی، یافته‌های حاصل از تحلیل مکتور با شواهد نظری، اسنادی و خبرگانی تلفیق شدند.یافته‌ها: شبکۀ حکمرانی اشتغال ایران از ۱۲ زیرشبکۀ نهادی تشکیل شده است و بازیگران آن از نظر موقعیت راهبردی، در چهار گروه محرک، متصل، وابسته و کم‌تعامل قرار می‌گیرند. زیرشبکه‌های امنیتی ـ سیاسی و مقابله با قاچاق و درآمد و بودجه در موقعیت محرک قرار دارند و از توان بیشتری برای جهت‌دهی به سایر اجزای شبکه برخوردارند. زیرشبکه‌های سیاست‌گذاری و برنامه‌ریزی شبکۀ اشتغال، اقتصادی، بازرگانی، سرمایه‌گذاری و تولید و خدمات در موقعیت متصل و واسط قرار گرفته‌اند و می‌توانند آثار حوزه‌های محرک را به سایر بخش‌های شبکه منتقل یا تقویت کنند. زیرشبکه‌های مدیریت منابع و بهره‌وری و زیرساخت عمرانی و فنی در موقعیت کم‌تعامل و زیرشبکه‌های آموزش، پژوهش و نوآوری، کارگر، کارفرما و دولت و اجتماعی ـ فرهنگی در موقعیت وابسته قرار دارند. تحلیل مواضع بازیگران نیز نشان داد هر دوازده زیرشبکه نسبت به اهداف کلان اشتغال موضعی مثبت دارند؛ اما سطح بسیج راهبردی آنان یکسان نیست. این وضعیت بیانگر فاصله میان همگرایی هنجاری در سطح اهداف و هماهنگی اجرایی در سطح تخصیص منابع، پذیرش مسئولیت و تغییر رویه‌های سازمانی است. همچنین، تحلیل همگرایی‌ها از شکل‌گیری ائتلاف‌های بالقوه امنیتی ـ اقتصادی ـ بودجه‌ای و اقتصادی ـ تولیدی حکایت داشت. بر پایۀ تلفیق یافته‌ها، الگویی شش‌لایه شامل ماهیت و زمینه مسئله، حوزه‌های اثرگذار، بازیگران و زیرشبکه‌ها، روابط قدرت و وابستگی، سازوکارهای حکمرانی و پیامدهای مورد انتظار ارائه شد. سازوکارهای اصلی این الگو عبارت‌اند از: راهبری شبکه، هماهنگی افقی و عمودی، تقسیم کار نهادی، نظام داده و پایش مشترک، پاسخ‌گویی شبکهای، مدیریت تعارض، مشارکت نهادمند ذی‌نفعان و یادگیری سیاستی.نتیجه‌گیری: مسئولیت رسمی اشتغال با قدرت واقعی و منابع در اختیار بازیگران شبکه هم‌تراز نیست؛ بنابراین مسئلۀ اصلی نظام اشتغال نه فقدان یک متولی رسمی، بلکه ضعف در تنظیم روابط میان بازیگرانی است که منابع، اختیارات و ابزارهای تعیین‌کننده اشتغال را در اختیار دارند. گذار از منطق دستگاه‌محور به حکمرانی شبکهای، مستلزم بازتعریف نقش شورای عالی اشتغال به‌عنوان هستۀ راهبری فرابخشی، هم‌ترازسازی مسئولیت با اختیار و منابع، تقویت مشارکت بازیگران اثرپذیر و ایجاد سازوکارهای مشترک پاسخ‌گویی، پایش و یادگیری است. تحقق این الزامات می‌تواند زمینۀ ارتقای اشتغال پایدار، باکیفیت و متوازن را فراهم سازد.https://jipa.ut.ac.ir/article_108867_b33108a899f04612bf4249f3efeef2e1.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Strategies for Mitigating Cognitive Bias in the Application of Artificial Intelligence to Human Resource Recruitment and Selectionراه‌کارهای کاهش سوگیری شناختی در بهکارگیری هوش مصنوعی، به‌منظور جذب و استخدام منابع انسانی69772510886810.22059/jipa.2026.417273.3944FAمحمدباشکوه اجیرلواستاد، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران.0000-0003-0367-3916مهریمقامی دولت آباددانشجوی دکتری، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران.0009-0006-7150-2253بهمنخداپناهاستادیار، گروه مدیریت بازرگانی، دانشگاه محقق اردبیلی، اردبیل، ایران.0009-0001-6682-3179Journal Article20260624ObjectiveThis study sought to identify and explain strategies for mitigating cognitive bias in the application of artificial intelligence (AI) to human resource recruitment and selection. As intelligent systems have become more prevalent in human resource management, algorithms are increasingly used to screen résumés, analyze competencies, rank candidates, and support hiring decisions. When properly designed and used, such systems can improve the speed, consistency, and traceability of decisions. Yet their reliance on historical data, proxy variables, ambiguous criteria, and biased human judgments carries the risk of reproducing or even intensifying existing inequalities. In addition, the cognitive biases of decision-makers, in selecting data, interpreting model outputs, and endorsing algorithmic recommendations, can undermine the fairness of the recruitment process. Accordingly, the central problem addressed by this study was to identify the human, data-related, algorithmic, and organizational mechanisms for reducing cognitive bias in AI-based recruitment.MethodsThe study adopted a qualitative approach and used thematic analysis. Data were gathered through 12 in-depth, semi-structured interviews with human resource experts, technology specialists, and individuals familiar with the design or use of intelligent systems in Iranian organizations. Participants were selected through purposive sampling, and interviews continued until theoretical saturation was reached. After the interviews were transcribed, the data were examined repeatedly to identify meaningful units related to the sources, manifestations, and strategies for controlling bias. The analysis proceeded through initial coding, extraction of basic themes, comparison and consolidation of similar codes, organization of themes, and formation of overarching (global) themes, and was carried out using MAXQDA version 20. To strengthen the credibility of the analysis, codes were reviewed continuously, raw data were revisited, participants’ perspectives were compared, and coherence between themes was examined. This process ultimately yielded 130 basic themes, 18 organizing themes, and 6 global themes.ResultsThe final thematic structure indicated that strategies for mitigating cognitive bias in intelligent recruitment can be explained along six main dimensions: integrating interactive human–system decision-making; standardizing human-centered assessment processes; ensuring the transparency and explainability of intelligent systems; algorithmic monitoring and validation; identifying and quantitatively reducing data bias; and establishing ethical and operational protocols for intelligent systems. The findings indicate that human intervention reduces bias only when the human role extends beyond the formal approval of algorithmic recommendations to include critical evaluation of outputs, the possibility of reviewing decisions, documented justification for accepting or rejecting recommendations, and ultimate accountability. Standardizing competency indicators, training and cognitively retraining evaluators, ensuring the quality and representativeness of recruitment data, assessing differences in outcomes across applicant groups, continuously monitoring model performance, and conducting independent audits were likewise recognized as effective measures. Explainability of the system’s decision logic and the provision of mechanisms for applicant appeals also reinforce the trustworthiness and accountability of the process.ConclusionBias in AI-based recruitment and selection is a multidimensional phenomenon that arises from the entanglement of humans, data, algorithms, and organizational structures. Its management, therefore, cannot be achieved through technical model refinement alone or by simply removing sensitive variables; rather, it calls for a sociomaterial approach that analyzes humans and technology within an interactive, decision-making network. Establishing meaningful human oversight, standardizing judgments, improving data quality, ensuring system transparency and validation, conducting periodic audits, and developing ethical and operational protocols can enhance recruitment fairness, applicant trust, and organizational accountability, thereby laying the groundwork for responsible AI governance in Iranian human resource management.هدف: پژوهش حاضر با هدف شناسایی و تبیین راه‌کارهای کاهش سوگیری شناختی برای بهکارگیری هوش مصنوعی در فرایند جذب و استخدام منابع انسانی انجام شد. گسترش کاربرد سامانه‌های هوشمند در مدیریت منابع انسانی، استفاده از الگوریتم‌ها را در غربالگری رزومه‌ها، تحلیل شایستگی‌ها، رتبه‌بندی متقاضیان و پشتیبانی از تصمیم‌های استخدامی افزایش داده است. این سامانه‌ها در صورت طراحی و استفادۀ مناسب می‌توانند سرعت، یکپارچگی و قابلیت پیگیری تصمیم‌ها را ارتقا دهند؛ با این‌حال، اتکای آن‌ها به داده‌های تاریخی، شاخص‌های جانشین، معیارهای مبهم و قضاوت‌های انسانی سوگیرانه، خطر بازتولید یا تشدید نابرابری‌ها را به همراه دارد. افزون‌براین، سوگیری‌های شناختی تصمیم‌گیران در انتخاب داده‌ها، تفسیر خروجی‌های مدل و تأیید توصیه‌های الگوریتمی، می‌تواند عدالت فرایند استخدام را مخدوش کند. از این رو، مسئلۀ اصلی پژوهش، شناسایی سازوکارهای انسانی، داده‌ای، الگوریتمی و سازمانی برای کاهش سوگیری شناختی در استخدام مبتنی‌بر هوش مصنوعی بود.روش: پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. داده‌ها از طریق ۱۲ مصاحبه عمیق نیمه‌ساختاریافته با خبرگان منابع انسانی، متخصصان فناوری و افراد آشنا با طراحی یا بهکارگیری سامانه‌های هوشمند در سازمان‌های ایرانی گردآوری شد. مشارکت‌کنندگان با نمونه‌گیری هدفمند انتخاب شدند و مصاحبه‌ها تا دستیابی به اشباع نظری ادامه یافت. پس از پیاده‌سازی مصاحبه‌ها، داده‌ها بارها مطالعه و واحدهای معنایی مرتبط با منشأها، نمودها و راه‌کارهای کنترل سوگیری شناسایی شد. سپس، کدگذاری اولیه، استخراج مضامین پایه، مقایسه و ادغام کدهای مشابه، سازمان‌دهی مضامین و شکل‌دهی مضامین فراگیر انجام گرفت. تحلیل داده‌ها با نرم‌افزار مکس‌کیودا نسخۀ ۲۰ انجام شد. به‌منظور تقویت اعتبار تحلیل، بازبینی مستمر کدها، رجوع مکرر به داده‌های خام، مقایسه دیدگاه مشارکت‌کنندگان و بررسی انسجام میان مضامین صورت گرفت. برایند فرایند تحلیل به استخراج ۱۳۰ مضمون پایه، ۱۸ مضمون سازمان‌دهنده و ۶ مضمون فراگیر منتهی شد.یافته‌ها: ساختار نهایی مضامین نشان داد که راه‌کارهای کاهش سوگیری شناختی در استخدام هوشمند، در شش محور اصلی تبیین می‌شود: یکپارچه‌سازی تصمیم‌گیری تعاملی انسان و سامانه‌های هوشمند، استانداردسازی فرایندهای ارزیابی انسان‌محور، شفافیت و توضیح‌پذیری سامانه‌های هوشمند، نظارت و اعتبارسنجی الگوریتمی، شناسایی و کاهش کمّی سوگیری‌های داده‌ای و استقرار پروتکل‌های اخلاقی و عملیاتی سامانه‌های هوشمند. یافته‌ها بیانگر آن است که مداخلۀ انسانی تنها زمانی به کاهش سوگیری منجر می‌شود که نقش انسان به تأیید صوری پیشنهاد الگوریتم محدود نشود، بلکه شامل ارزیابی انتقادی خروجی، امکان بازبینی تصمیم، ثبت مستند دلایل رد یا پذیرش و پذیرش مسئولیت نهایی باشد. همچنین، استانداردسازی شاخص‌های شایستگی، آموزش و بازآموزی شناختی ارزیابان، کنترل کیفیت و نمایندگی داده‌های استخدامی، سنجش تفاوت نتایج میان گروه‌های متقاضی، پایش مستمر عملکرد مدل و ممیزی مستقل، از اقدامات مؤثر شناخته شد. توضیح‌پذیری منطق تصمیم سامانه و پیش‌بینی سازوکار اعتراض متقاضیان نیز اعتمادپذیری و پاسخ‌گویی فرایند را تقویت می‌کند.نتیجه‌گیری: سوگیری در جذب و استخدام مبتنی‌بر هوش مصنوعی، پدیده‌ای چندبُعدی است که از درهم‌تنیدگی انسان، داده، الگوریتم و ساختارهای سازمانی پدید می‌آید. بنابراین، مدیریت آن فقط با اصلاح فنی مدل یا حذف متغیرهای حساس محقق نمی‌شود، بلکه به رویکردی جامعۀ مادی نیاز دارد که انسان و فناوری را در شبکهای تعاملی و تصمیم‌ساز تحلیل کند. استقرار کنترل انسانی معنادار، استانداردسازی قضاوت‌ها، ارتقای کیفیت داده‌ها، شفافیت و اعتبارسنجی سامانه‌ها، ممیزی دوره‌ای و تدوین پروتکل‌های اخلاقی و عملیاتی، می‌تواند عدالت استخدامی، اعتماد متقاضیان و پاسخ‌گویی سازمانی را ارتقا دهد و زمینۀ حکمرانی مسئولانه هوش مصنوعی در مدیریت منابع انسانی ایران را فراهم سازد.https://jipa.ut.ac.ir/article_108868_086ee121fcc973f97e5fcfecfc4f2dad.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Identification and Prioritization of Key Organizational Readiness Factors for the Application of Artificial Intelligence in Human Resource Processesشناسایی و اولویتبندی عوامل کلیدی آمادگی سازمانی برای کاربست هوش مصنوعی در فرایندهای منابع انسانی72675210886910.22059/jipa.2026.416515.3937FAاکبرمهری نژاددانشجوی دکتری، گروه مدیریت، دانشکدگان فارابی، دانشگاه تهران، تهران، ایران.0009-0007-3988-3620الهامابراهیمیدانشیار، گروه مدیریت، پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران.0000-0002-2276-4453اصغراصغرزادهاستادیار، گروه علوم اجتماعی، پژوهشکدۀ علوم اجتماعی، دانشگاه فرماندهی و ستاد آجا، تهران، ایران.0000-0001-5064-200XJournal Article20260614ObjectiveOne of the fundamental challenges in the adoption of artificial intelligence within organizations is not merely the accessibility of advanced technologies or tools, but rather the actual readiness of users, managers, and organizational structures to accept and effectively utilize such technology. In many instances, despite considerable investment in emerging technologies, organizations encounter serious difficulties in achieving successful implementation due to an insufficient understanding of the prerequisites, requirements, and key factors that influence organizational readiness. This issue carries particular significance in the domain of human resource management, as its processes are directly intertwined with personnel, sensitive data, managerial decision-making, and ethical considerations. Consequently, the present study was conducted with the objective of identifying and prioritizing the key factors of organizational readiness for the application of artificial intelligence in human resource processes, thereby providing managers and decision-makers with a clear and structured understanding of the most critical prerequisites for the successful deployment of this technology.MethodsIn terms of its overarching purpose, this study qualifies as applied research, as it seeks not only to expand the existing body of knowledge but also to offer practical, actionable guidance for organizations intending to implement artificial intelligence in human resource management. The research was carried out in two distinct stages. In the first stage, a systematic review of the extant literature was undertaken to identify the initial factors affecting organizational readiness. This stage was designed to collect, analyze, and synthesize the findings of previous empirical and theoretical studies, with the aim of extracting the most salient dimensions and indicators relevant to organizational readiness for AI adoption. Subsequently, the Best-Worst Method, a well-established multi-criteria decision-making approach, was employed to prioritize the identified factors. This method is widely recognized as a reliable and robust technique in decision analysis, as it facilitates a more precise and consistent ranking of factors based on expert judgment. The statistical population of the study comprised 15 employees and specialists with expertise in human resources, smart human resource management, and transformative technologies. These individuals were selected as the primary source of expert judgment due to their specialized familiarity with the subject matter and their direct engagement with the relevant organizational and technological contexts. ResultsThe findings of the study revealed that organizational readiness for the application of artificial intelligence in human resource processes is inherently multidimensional in nature and is shaped by a total of 12 key factors. Among these, managerial readiness emerged as the most influential and significant factor. This component encompasses the commitment, support, and active participation of senior managers throughout the process of adopting and implementing artificial intelligence. The pronounced importance of this factor underscores the reality that, in the absence of genuine managerial backing, including adequate resource allocation, proactive mitigation of organizational resistance, and effective steering of necessary structural and cultural changes, the implementation of AI technologies is unlikely to achieve success. Indeed, top management plays a pivotal role in fostering motivation, defining strategic priorities, and guiding the organization toward the acceptance and integration of innovation. Following managerial readiness in order of priority, strategic readiness and workforce readiness were identified as the next most critical factors. Strategic readiness emphasizes the necessity of aligning AI-related goals and programs with the broader overarching strategies of the organization. This finding indicates that the use of artificial intelligence should not be pursued in an isolated, fragmented, or purely technology-driven manner; rather, it must be situated within a clear and coherent roadmap that is fully aligned with organizational objectives. On the other hand, workforce readiness highlights the essential requirement for employees and HR specialists to possess the requisite knowledge, skills, and capabilities to interact effectively with AI tools. The findings suggest that higher levels of digital literacy, analytical proficiency, and general readiness for continuous learning among employees are positively associated with a greater likelihood of success in the application of this technology. ConclusionThe results of the study collectively demonstrate that the successful adoption and effective application of artificial intelligence in human resource management depend, more than anything else, on a range of internal organizational factors. Managerial commitment and sustained support, the formulation of clear and coherent strategies, the systematic development of workforce skills and competencies, the strengthening of technological infrastructure and capabilities, and the improvement of data quality and governance mechanisms are all identified as the most important prerequisites for success in this domain. Although institutional, legal, and environmental factors also exert some influence on the AI adoption process, their overall impact appears to be comparatively less significant than that of managerial, strategic, and human-centric factors. These findings offer practical and actionable guidance for human resource managers in planning their AI adoption strategies, prioritizing their investments, and effectively implementing AI-based technologies within their organizations.هدف: یکی از چالش‌های مهم در کاربست هوش مصنوعی، میزان آمادگی کاربران و سازمان‌هاست. در صورتی که از عوامل کلیدی تأثیرگذار در کاربست هوش مصنوعی شناخت دقیقی وجود نداشته باشد، استقرار فناوری‌های تحول‌آفرین با موانع جدی روبه‌رو خواهد شد. این پژوهش با هدف شناسایی و اولویتبندی عوامل کلیدی آمادگی سازمانی در کاربست هوش مصنوعی در فرایندهای منابع انسانی انجام شده است.
روش: پژوهش حاضر از نظر هدف، کاربردی است. در مرحلۀ نخست، با بررسی و مرور نظام‌مند ادبیات پژوهش، عوامل اولیۀ مؤثر بر آمادگی سازمان برای کاربست هوش مصنوعی در فرایندهای منابع انسانی استخراج شد. سپس برای اولویتبندی این عوامل، از روش تصمیم‌گیری چندمعیارۀ بهترین بدترین بهره برده شد. جامعۀ آماری، ۱۵ نفر از کارکنان واحد منابع انسانی مرتبط در حوزۀ مدیریت منابع انسانی هوشمند و فناوری‌های تحول‌آفرین بود.
یافته‌ها: نتایج پژوهش نشان داد که ۱۲ عامل کلیدی بر آمادگی در کاربست هوش مصنوعی در مدیریت منابع انسانی تأثیرگذار است. یافته‌ها نشان داد که آمادگی مدیریت، شامل تعهد، حمایت و مشارکت فعال مدیران ارشد، مهم‌ترین عامل در پذیرش هوش مصنوعی است. پس از آن، آمادگی راهبردی و آمادگی نیروی انسانی قرار دارند که بیانگر اهمیت هم‌راستایی اهداف هوش مصنوعی با راهبردهای سازمان و همچنین برخورداری از دانش، مهارت و قابلیت‌های انسانی لازم برای بهره‌برداری از این فناوری است. آمادگی فناورانه، داده‌ای و اخلاقی نیز از عوامل تأثیرگذار شناخته شدند که در ایجاد زیرساخت‌های فنی، دسترسی به داده‌های باکیفیت و رعایت ملاحظات اخلاقی در استفاده از هوش مصنوعی نقش مهمی ایفا می‌کنند. در مقابل، آمادگی اعتماد و آمادگی نهادی و حاکمیتی، کمترین اولویت را در میان عوامل شناسایی‌شده کسب کردند.
نتیجه‌گیری: نتایج پژوهش نشان داد که موفقیت پذیرش و کاربست هوش مصنوعی در مدیریت منابع انسانی، بیش از هر چیز به عوامل درون‌سازمانی وابسته است. تعهد و حمایت مدیریت، تدوین راهبردهای مشخص، توسعۀ مهارت‌های نیروی انسانی، تقویت قابلیت‌های فناورانه و بهبود کیفیت و حاکمیت داده‌ها، مهم‌ترین پیش‌نیازهای موفقیت در این زمینه محسوب می‌شوند. عوامل نهادی، قانونی و محیطی نیز در پذیرش هوش مصنوعی نقش دارند؛ اما اثرگذاری آن‌ها در مقایسه با عوامل مدیریتی، راهبردی و انسانی کمتر است. این یافته‌ها می‌تواند راهنمایی کاربردی برای مدیران منابع انسانی در برنامه‌ریزی، اولویتبندی سرمایه‌گذاری‌ها و استقرار اثربخش فناوری‌های مبتنی بر هوش مصنوعی در سازمان‌ها فراهم آورد.https://jipa.ut.ac.ir/article_108869_2b40e8085d427593ffc63e8ec1a64528.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923A Comprehensive Model for Smart Social Security Services in Iran: Lessons Learned from Systematic Benchmarking of Estonia, Finland, Singapore, and Turkeyمدل جامع خدمات تأمین اجتماعی هوشمند در ایران: درس‌آموخته‌هایی از الگوبرداری نظام‌مند تجارب استونی، فنلاند، سنگاپور و ترکیه75377410887010.22059/jipa.2026.409434.3856FAزهرهمحمدزادهدانشجوی دکتری، گروه مدیریت، دانشکدۀ اقتصاد و علوم اداری، دانشگاه سیستان و بلوچستان، زاهدان، ایران.0000-0001-6626-0954محمدقاسمیدانشیار، گروه مدیریت، دانشکدۀ اقتصاد و علوم اداری، دانشگاه سیستان و بلوچستان، زاهدان، ایران.0000-0002-8218-3466نورمحمدیعقوبیاستاد، گروه مدیریت، دانشکدۀ اقتصاد و علوم اداری، دانشگاه سیستان و بلوچستان، زاهدان، ایران.0000-0001-6808-0594یوسفرمضانیدانشیار، گروه مدیریت، مجتمع آموزش عالی گناباد. گناباد، ایران.0000-0001-8094-0614Journal Article20260104Objective
Digital transformation in social security systems has become one of the fundamental pillars of modern government and public service delivery. In Iran, the social security system faces a range of structural and operational challenges, including heavy bureaucratic processes, fragmented data silos, weaknesses in data-driven governance, and institutional incoordination. These challenges can hinder the development of integrated and smart social security services. Against this background, the main objective of this research is to design a comprehensive and localized model for smart social security services in Iran by drawing upon successful international experiences and identifying the dimensions and components that characterize smart social security systems.
Methods
This research is applied in terms of purpose and descriptive-analytical in terms of method. It employs a systematic benchmarking approach based on Camp's benchmarking model (1989) and the APQC process model. To identify and extract the principal dimensions and components of smart social security services, a meta-synthesis method was employed. Following a systematic search of reputable academic and research databases, 42 sources, comprising 28 international and 14 domestic sources published during the period 2018–2025, were selected for analysis. The selected sources were examined through a three-stage coding process to identify the recurring dimensions, components, and characteristics relevant to smart social security services. For the comparative benchmarking analysis, the reference countries were narrowed to four cases according to the established scientific criteria. These cases were Estonia, representing a model of data integration; Finland, representing a model of digital welfare governance; Singapore, representing a model of user-centric service experience; and Turkey, representing a developing country with structural similarities to Iran.
Results
The findings indicate that smart social security services in the successful benchmark countries can be understood through three fundamental dimensions. The first dimension is technology and data-centricity, which encompasses data integration, digital identification, centralized data architecture, and information security. The second dimension is network governance and institutional integration, including data-driven decision-making, the establishment of an inter-organizational coordinating body, accountability and transparency, and employee empowerment. The third dimension is smart social justice and inclusion, which incorporates user-centric service design, proactive service provision, accessibility for different groups, and targeted data-driven support. The comparative assessment of Iran's current situation indicates significant gaps across all three dimensions. In particular, data silos, the absence of an inter-organizational coordinating body, weaknesses in evidence-based policymaking, and insufficient digital skills among employees emerge as the most important barriers to the smartization of social security services.
Conclusion
The realization of smart social security services in Iran requires three fundamental forms of transformation. The first is institutional transformation, involving a movement from a predominantly bureaucratic model toward data-driven governance. The second is technological transformation, centered on the integration and effective utilization of data and the adoption of new technologies. The third is cultural and human transformation, focusing on the enhancement of digital literacy and the development of an innovative organizational culture. Based on these transformations, the executive recommendations of the research are organized into three-time horizons. In the short term, the recommendations include developing a national digital transformation roadmap, establishing an innovation unit, and approving a data governance document. In the medium term, they include establishing an integrated social services platform, designing a unified social identification system, and providing employee training. In the long term, they include utilizing artificial intelligence and predictive systems and creating an open digital welfare innovation network. Overall, the proposed model provides an operational framework for policymakers and managers within Iran's social security system to guide the transition toward smart social security services.هدف: تحول دیجیتال در نظام‌های تأمین اجتماعی به یکی از ارکان اصلی دولت‌های نوین تبدیل شده است. نظام تأمین اجتماعی ایران با چالش‌هایی چون بوروکراسی سنگین، جزیره‌ای بودن داده‌ها، ضعف در حکمرانی دادهمحور و ناهماهنگی نهادی مواجه است. هدف اصلی این پژوهش، طراحی مدل جامع و بومی خدمات تأمین اجتماعی هوشمند برای ایران با بهره‌گیری از تجارب موفق بین‌المللی است.
روش: این پژوهش از نظر هدف کاربردی و از نظر روش توصیفی ـ تحلیلی با رویکرد الگوبرداری نظام‌مند بر اساس مدل کمپ، ۱۹۸۹ و مدل فرایندی (APQC) است. برای استخراج ابعاد و مؤلفه‌های اصلی، از روش فراترکیب استفاده شد. پس از جست‌وجوی نظام‌مند در پایگاه‌های معتبر، ۴۲ منبع (۲۸ منبع بین‌المللی و ۱۴ منبع داخلی) در بازۀ زمانی ۲۰۱۸ تا ۲۰۲۵ انتخاب و با استفاده از کدگذاری سه مرحله‌ای تحلیل شد. کشورهای مرجع برای الگوبرداری بر اساس معیارهای علمی، به ۴ کشور تقلیل یافتند: استونی (الگوی یکپارچگی داده)، فنلاند (الگوی حکمرانی رفاه دیجیتال)، سنگاپور (الگوی تجربه کاربرمحور) و ترکیه (کشور در حال توسعه با شباهت ساختاری به ایران).
یافته‌ها: یافته‌های پژوهش نشان داد که خدمات تأمین اجتماعی هوشمند در کشورهای موفق، بر سه بُعد بنیادین استوار است: 1. فناوری و داده‌محوری (شامل یکپارچگی داده‌ها، شناسۀ دیجیتال، معماری داده متمرکز و امنیت اطلاعات)؛ 2. حکمرانی شبکهای و یکپارچگی نهادی (شامل تصمیم‌گیری مبتنی بر داده، نهاد هماهنگ‌کننده بین سازمانی، پاسخ‌گویی و شفافیت و توانمندسازی کارکنان)؛ 3. عدالت و شمول اجتماعی هوشمند (شامل طراحی خدمات کاربرمحور، خدمات پیش‌فعال، دسترس‌پذیری برای همه گروه‌ها و حمایت هدفمند دادهمحور). تحلیل تطبیقی وضعیت ایران نشان داد که این کشور در هر سه بُعد با شکاف معناداری مواجه است، این شکاف‌ها عبارت‌اند از: جزیره‌ای بودن داده‌ها، نبود نهاد هماهنگ‌کننده بین سازمانی، ضعف در خط‌مشی‌گذاری مبتنی بر شواهد و کمبود مهارت‌های دیجیتال در میان کارکنان از مهم‌ترین موانع هوشمندسازی.
نتیجه‌گیری: تحقق تأمین اجتماعی هوشمند در ایران، به سه تحول بنیادین نیازمند است: تحول نهادی (گذار از مدل بوروکراتیک به حکمرانی دادهمحور)، تحول فناورانه (یکپارچه‌سازی داده‌ها و بهره‌گیری از فناوری‌های نو) و تحول فرهنگی ـ انسانی (ارتقای سواد دیجیتال و ایجاد فرهنگ سازمانی نوآور). پیشنهادهای اجرایی پژوهش در سه بازه زمانی کوتاه‌مدت (تدوین نقشه ملی تحول دیجیتال، ایجاد واحد نوآوری، تصویب سند حکمرانی داده‌ها)، میان‌مدت (استقرار پلتفرم یکپارچه خدمات اجتماعی، طراحی نظام شناسه اجتماعی واحد، آموزش کارکنان) و بلندمدت (بهره‌گیری از هوش مصنوعی و سامانه‌های پیش‌بینی‌گر، ایجاد شبکه نوآوری باز رفاه دیجیتال) دسته‌بندی شده‌اند. مدل پیشنهادی این پژوهش می‌تواند چارچوبی عملیاتی برای سیاست‌گذاران و مدیران نظام تأمین اجتماعی ایران در مسیر گذار به خدمات هوشمند فراهم آورد.https://jipa.ut.ac.ir/article_108870_16b140481e9773f3dc6b4000d99bc823.pdfانتشارات دانشگاه تهرانمدیریت دولتی2008-587718320260923Structural Modeling of Responsible Artificial Intelligence-Based Human Resource Management and Its Implications for Employee Flourishingمدل‌سازی ساختاری مدیریت منابع انسانی مبتنی بر هوش مصنوعی مسئولانه و پیامدهای آن بر شکوفایی کارکنان77580410887110.22059/jipa.2026.413478.3897FAعباسعلیرستگاراستاد، گروه مدیریت، دانشکدۀ اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.0000-0001-6834-7682میناساداتموسویدکتری، گروه مدیریت، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.0000-0001-5079-2286Journal Article20260502ObjectiveThis study aimed to identify, explain, and model the structural and hierarchical relationships between the components of responsible Artificial Intelligence (AI) in Human Resource Management (HRM) and their subsequent outcomes on employee flourishing within digital organizations. The core research problem addresses a critical gap in the extant literature: with the rapid integration of algorithms and intelligent decision-support systems into HRM, most organizations have disproportionately focused on technical efficiency, processing speed, and cost reduction, thereby neglecting the ethical dimensions and human consequences of these technologies. This study seeks to demonstrate how principles such as algorithmic transparency, accountability, fairness, privacy, and psychological safety can lead to positive work experiences and optimal employee outcomes within the context of human-machine interaction. Consequently, this research aims to explain how abstract AI ethical principles translate into psychological and behavioral outcomes for employees, thereby bridging the theoretical gap between normative AI principles and sustainable HRM practices.MethodsUtilizing an exploratory-sequential mixed-methods design, this study was conducted within a pragmatic research paradigm. In the qualitative phase, semi-structured interviews were conducted with 17 dual-domain experts, comprising HRM specialists and AI or digital transformation experts, who were selected through purposive criterion and snowball sampling techniques. The qualitative data were analyzed using thematic analysis to extract relevant themes and dimensions. In the second (quantitative) phase, Interpretive Structural Modeling (ISM) was employed to map the hierarchical structure and interactions among the identified components. Prior to constructing the Structural Self-Interaction Matrix (SSIM), the dimensions and themes extracted from the qualitative phase were re-evaluated and validated by an expert panel in order to prevent the imposition of researcher bias and ensure the credibility of the findings. Furthermore, the analysis was grounded in Socio-Technical Systems (STS) theory to elucidate the alignment between the technical subsystem, comprising algorithms and infrastructure, and the social subsystem, encompassing humans and organizational interactions, in the implementation of responsible AI.ResultsThe qualitative phase identified 15 sub-themes, which were subsequently categorized under the broader dimensions of responsible AI and employee flourishing. The ISM analysis revealed that implementing responsible AI in HR processes is not a one-dimensional technological intervention, but rather a multi-layered, systemic process structured across eight hierarchical levels. At the foundational levels, namely, the governance and technical layers, variables such as ethical policy-making, robust data infrastructure, and fair algorithmic design function as primary drivers. These foundational variables subsequently influence the middle layers, corresponding to the socio-psychological subsystem, by fostering organizational trust, enhancing perceived procedural justice, and mitigating ethical risks. Ultimately, at the highest level of the model, designated as the outcome subsystem, employee flourishing is realized through constructs such as meaning at work, active engagement, personal growth, and optimal performance. The findings collectively confirm that social and ethical components play a crucial mediating role in translating technical capabilities into meaningful human outcomes.ConclusionBy proposing a three-layered structural-interpretive model, comprising governing-technical, socio-psychological, and outcome layers, this study addresses a significant gap in the literature at the intersection of responsible AI and HRM. The results demonstrate that the success and sustainability of intelligent technologies in organizations rely fundamentally on the joint optimization of both technical and social subsystems. In the absence of adequate attention to the psychological and ethical needs of employees, AI implementation may trigger work alienation and decrease organizational commitment, thereby undermining the very objectives it seeks to achieve. The proposed model serves as a strategic roadmap for organizational policymakers, HR managers, and system developers seeking to design human-centered technological solutions and promote human resource flourishing in the era of digital transformation. These insights offer both theoretical contributions and practical guidance for organizations striving to balance technological advancement with ethical responsibility and employee well-being.هدف: پژوهش حاضر با هدف شناسایی، تبیین و مدل‌سازی روابط ساختاری و سلسله‌مراتبی میان مؤلفه‌های مدیریت منابع انسانی مبتنی بر هوش مصنوعی مسئولانه و پیامدهای آن بر شکوفایی کارکنان در بستر سازمان‌های دیجیتال انجام شد. مسئلۀ اصلی پژوهش این است که با ورود پُرشتاب الگوریتم‌ها و سامانه‌های تصمیم‌یار هوشمند به قلمرو مدیریت منابع انسانی، بخش عمده‌ای از سازمان‌ها، فقط بر کارایی فنی، سرعت و کاهش هزینه‌های عملیاتی متمرکز شده و از ابعاد اخلاقی و پیامدهای انسانی این فناوری‌ها غفلت ورزیده‌اند. این مطالعه به‌دنبال آن است تا نشان دهد که چگونه اصولی مانند شفافیت الگوریتمی، پاسخ‌گویی، عدالت، حریم خصوصی و امنیت روان‌شناختی، می‌توانند در تعامل انسان ـ ماشین، به ارتقای تجربۀ مثبت کاری و عملکرد بهینۀ کارکنان منجر شوند. در واقع، این پژوهش تلاش می‌کند تا نحوۀ انتقال اصول اخلاقی و فنی هوش مصنوعی به پیامدهای روان‌شناختی و رفتاری کارکنان را تبیین کند و با ارائۀ چارچوبی منسجم، به پُرکردن شکاف نظری موجود میان اصول انتزاعی هوش مصنوعی مسئولانه و مدیریت منابع انسانی پایدار یاری دهد. روش: این پژوهش از نظر جهت‌گیری کاربردی و از نظر استراتژی اجرا، با رویکرد آمیخته اکتشافی ـ تبیینی (متوالی) در قالب پارادایم پراگماتیسم انجام شد. در مرحلۀ کیفی، به‌منظور استخراج مؤلفه‌ها و ابعاد اولیه، مصاحبه‌های نیمه‌ساختاریافته با ۱۷ نفر از خبرگان دوحوزه‌ای (متخصصان مدیریت منابع انسانی و متخصصان هوش مصنوعی و تحول دیجیتال) که به‌روش نمونه‌گیری هدفمند معیارمحور و گلولۀ برفی انتخاب شده بودند، انجام گرفت. تحلیل داده‌های کیفی با استفاده از روش تحلیل مضمون تأملی انجام شد. در مرحلۀ دوم (کمی)، برای کشف روابط ساختاریافته و سطح‌بندی مؤلفه‌ها، تکنیک مدل‌سازی ساختاری تفسیری به‌کار گرفته شد. ابعاد و مضامین استخراج‌شده از مرحلۀ کیفی، پیش از ورود به ماتریس خودتعاملی ساختاری، در پنل خبرگان بار دیگر ارزیابی و تأیید شدند تا از عدم تحمیل پیش‌فرض‌های پژوهشگر اطمینان حاصل شود. همچنین تحلیل‌ها با تکیه بر نظریۀ سیستم‌های اجتماعی ـ فنی صورت گرفت تا پیوند میان زیرسیستم فنی (الگوریتم‌ها و زیرساخت‌ها) و زیرسیستم اجتماعی (انسان‌ها و تعاملات سازمانی) در استقرار هوش مصنوعی مسئولانه مشخص شود.یافته‌ها: یافته‌های بخش کیفی نشان‌دهندۀ شناسایی ۱۵ مضمون فرعی در قالب ابعاد هوش مصنوعی مسئولانه و شکوفایی کارکنان بود. نتایج حاصل از تحلیل ساختاری تفسیری نشان داد که استقرار هوش مصنوعی مسئولانه در فرایندهای منابع انسانی، نه یک مداخلۀ تک‌بعدی فناورانه، بلکه فرایندی چندلایه و سیستماتیک است که در ۸ سطح سلسله‌مراتبی سازمان‌دهی می‌شود. در لایه‌های زیرین و ریشه‌ای مدل (سطوح حاکمیتی و فنی)، متغیرهایی مانند خط‌مشی‌گذاری اخلاقی، زیرساخت‌های داده‌ای و طراحی الگوریتمی منصفانه قرار دارند که به‌عنوان محرک‌های اصلی عمل می‌کنند. این متغیرها در لایه‌های میانی (زیرسیستم اجتماعی ـ روان‌شناختی) از طریق تقویت اعتماد سازمانی، ادراک عدالت رویه‌ای و کاهش ریسک‌های اخلاقی، بر لایه‌های بالایی اثر می‌گذارند. در نهایت، در بالاترین سطح مدل (زیرسیستم پیامدی)، شکوفایی کارکنان در قالب سازه‌هایی چون معنا در کار، درگیری فعال، رشد فردی و عملکرد بهینه محقق می‌شود. یافته‌ها مؤید آن است که مؤلفه‌های اجتماعی و اخلاقی، در انتقال اثرهای قابلیت‌های فنی به پیامدهای انسانی نقش کلیدی و واسطه‌ای ایفا می‌کنند.نتیجه‌گیری: این پژوهش با ارائۀ یک مدل ساختاری ـ تفسیری سه‌لایه (حاکمیتی ـ فنی، اجتماعی ـ روان‌شناختی و پیامدی)، خلأ موجود در ادبیات هوش مصنوعی مسئولانه و مدیریت منابع انسانی را پوشش می‌دهد. نتایج پژوهش نشان می‌دهد که موفقیت و پایداری فناوری‌های هوشمند در سازمان‌ها، مستلزم هم‌راستایی و بهینه‌سازی مشترک زیرسیستم‌های فنی و اجتماعی است. بدون توجه به نیازهای روان‌شناختی و اخلاقی کارکنان، پیاده‌سازی هوش مصنوعی می‌تواند به کاهش تعهد و احساس بیگانگی شغلی منجر شود. مدل پیشنهادی این پژوهش، به‌عنوان یک نقشه راهبردی، می‌تواند توسط سیاست‌گذاران سازمانی، مدیران منابع انسانی و توسعه‌دهندگان سیستم‌های هوشمند برای طراحی راه‌کارهای فناورانۀ انسان‌محور و ارتقای شکوفایی منابع انسانی در عصر تحول دیجیتال استفاده شود.https://jipa.ut.ac.ir/article_108871_499a90bc02790bfda9ffd80f1f6c7f39.pdf