پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 The Impact of Big Data Analytics Capability on Innovation Ambidexterity and Competitive Advantage: Evidence from Knowledge-Based Companies تأثیر قابلیت تحلیل کلان‌داده بر دوسوتوانی نوآوری و مزیت رقابتی: شواهدی از شرکت‌های دانش‌بنیان 31 1 247783 10.22034/imhr.2026.579362.1080 FA صدیقه خورشید دانشیار، گروه مدیریت بازرگانی، دانشکده علوم اقتصادی و اداری، دانشگاه قم، قم، ایران. 0000-0001-6263-9166 Journal Article 2026 04 23 Background and Objective: In the knowledge-based economy, organizations rely on knowledge to achieve competitive advantage. Big data analytics capability (BDAC) provides valuable insights from complex datasets, while innovation ambidexterity supports the simultaneous pursuit of exploratory and exploitative innovations. This study aims to investigate the impact of BDAC on innovation ambidexterity and competitive advantage in knowledge-based firms, with a particular focus on the mediating role of innovation ambidexterity. Methodology: This study employed a quantitative, descriptive-correlational research design. Data were collected through a questionnaire administered to a sample of 360 knowledge-based firms located in Tehran Province. A systematic random sampling technique was used based on a sampling frame and calculated sampling interval. Structural equation modeling was applied to analyze the data and test the proposed hypotheses. Findings: The results revealed that BDAC has a significant positive effect on both innovation ambidexterity and competitive advantage in knowledge-based firms. Innovation ambidexterity also exerts a significant positive influence on competitive advantage. Furthermore, innovation ambidexterity partially mediates the relationship between BDAC and competitive advantage. Conclusion: BDAC is a key driver of competitive advantage in knowledge-based firms, exerting both direct and indirect effects through the enhancement of innovation ambidexterity. The partial mediating role of innovation ambidexterity suggests that competitive advantage stems from the combined effect of data-driven analytical potential and the innovative exploitation of organizational knowledge. Therefore, managers should integrate investments in big data analytics infrastructures with the simultaneous development of exploratory and exploitative innovations strategies to identify new opportunities, improve products, and strengthen competitive advantage. پیش زمینه و هدف: در اقتصاد دانش‌بنیان، سازمان‌ها برای دستیابی به مزیت رقابتی به دانش اتکا دارند. قابلیت تحلیل کلان‌داده‌ بینش‌های ارزشمندی از داده‌های پیچیده را فراهم می‌کند، و دوسوتوانی نوآوری از پیگیری همزمان نوآوری‌های اکتشافی و بهره‌بردارانه حمایت می‌کند. هدف این پژوهش واکاوی تأثیر قابلیت تحلیل کلان‌داده‌ بر دوسوتوانی نوآوری و مزیت رقابتی در شرکت‌های دانش‌بنیان، با تمرکز بر میانجی گری دوسوتوانی نوآوری است. روش‌شناسی: این پژوهش با رویکردی کمی و به شیوه توصیفی- همبستگی انجام گردید. داده‌ها از طریق پرسشنامه از نمونه ای متشکل از360 شرکت دانش‌بنیان استان تهران جمع آوری شد. با تهیه چارچوب نمونه گیری و محاسبه فاصله نمونه گیری از شیوه نمونه‌گیری تصادفی نظام مند برای انتخاب نمونه ها استفاده شد. برای تحلیل داده ها از مدلسازی معادلات ساختاری استفاده گردید. یافته‌ها: قابلیت تحلیل کلان‌داده تأثیر معناداری بر دوسوتوانی نوآوری و مزیت رقابتی شرکت های دانش بنیان دارد. دوسوتوانی نوآوری تأثیر معناداری بر مزیت رقابتی این شرکت ها دارد. دوسوتوانی نوآوری بین قابلیت تحلیل کلان داده و مزیت رقابتی بطور جزیی میانجی گری می کند. نتیجه‌گیری: قابلیت تحلیل کلان‌داده یکی از محرک‌های کلیدی مزیت رقابتی در شرکت‌های دانش‌بنیان است که علاوه بر اثر مستقیم، از طریق تقویت دوسوتوانی نوآوری بر آن تأثیر می‌گذارد. میانجی‌گری جزئی دوسوتوانی نوآوری نشان می دهد که مزیت رقابتی برآیند هم‌زمانِ پتانسیل تحلیلی داده‌ها و بهره‌برداری نوآورانه از آن‌هاست. مدیران شرکت‌های دانش‌بنیان باید سرمایه‌گذاری در زیرساختارهای تحلیل کلان‌داده را با توسعه هم‌زمان نوآوری های اکتشافی و بهره‌بردارانه تلفیق کنند تا بتوانند فرصت‌های جدید شناسایی کرده، محصولات خود بهبود دهند و مزیت رقابتی ایجاد کنند.

https://www.imhr.ir/article_247783_84d2b4e3a496416bfe89624e9d7e4011.pdf

پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 Identifying the Impact of Algorithmic Management for Human Resource Management in the Gig Economy شناسایی پیامدهای مدیریت الگوریتمی حوزه مدیریت منابع انسانی در اقتصاد گیگ 68 33 248243 10.22034/imhr.2026.580947.1087 FA فاطمه کریمی جعفری استادیار، گروه مدیریت، دانشکده مدیریت و علوم مالی، دانشگاه خاتم، تهران، ایران. 0000-0002-8385-4225 زهرا عباس زاده سورمی کارشناس ارشد، مدیریت دولتی گرایش توسعه منابع انسانی، دانشکده مدیریت و علوم مالی، دانشگاه خاتم، تهران، ایران. 0009-0002-8391-0677 Journal Article 2026 05 12 Background and Objective: The main purpose of the current research is to identify the impact of algorithmic management for human resource management in the gig economy with a meta-synthesis approach. Methodology: This study follows a developmental, qualitative, and documentary design. Using an analytical-descriptive approach, the research implemented Sandelowski and Barroso’s seven-stage meta-synthesis for systematic data collection and analysis. In order to identify the consequences, researchers systematically search for research related to these consequences in 6 scientific databases: Science Direct, Emerald, Wiley, Sage, Taylor & Francis, and the Scopus citation database between 2010 and 2024. In the initial investigations, 120 sources were found, and after screening and validation and using the CASP tool, finally 24 articles were analyzed. Findings: The findings of the present study show that a total of 2 main consequences of algorithmic management in the field of human resource management in the gig economy have been identified, including negative consequences and positive consequences, and 36 sub-consequences. Conclusion: The findings show that algorithmic management in the field of human resource management has both positive and negative aspects. On the positive side, organizations have improved and enhanced some of these activities by using algorithmic processes to automate human resource management activities in relation to the organization, employees, and customers. On the negative side, the data-driven approach dehumanizes work, and algorithms take over roles that have traditionally been the preserve of human resource professionals. زمینه و هدف: هدف اصلی پژوهش حاضر، شناسایی پیامدهای به‌کارگیری مدیریت الگوریتمی در حوزه مدیریت منابع انسانی در اقتصاد گیگ با رویکرد فراترکیب می‌باشد. روش‌ پژوهش: این پژوهش از نظر هدف، توسعه‌ای؛ از لحاظ ماهیت و سبک تحلیل مؤلفه‌ها، جزء پژوهش‌های کیفی و براساس جمع‌آوری داده‌ها، اسنادی است. از منظر روش انجام پژوهش، تحلیلی- توصیفی است و مؤلفه‌های پژوهش با استفاده از روش کیفی فراترکیب هفت مرحله‌ای ساندلوسکی و باروسو جمع‌آوری و تحلیل شده‌اند. به‌منظور شناسایی پیامدها، پژوهشگران به جستجوی سیستماتیک پژوهش‌های انجام‌شده در 6 پایگاه علمی ساینس دایرکت، امرالد، وایلی، سیج، تیلور اند فرانسیس و پایگاه استنادی اسکوپوس بین سال‌های 2010 تا 2024 پرداختند. در بررسی‌های اولیه، تعداد 120 منبع یافت شد که پس از طی مراحل غربال‌گری و اعتبارسنجی و بهره‌گیری از ابزار CASP در نهایت 24 مقاله مورد تجزیه‌و‌تحلیل قرار گرفت. یافته‌ها: در مجموع 2 پیامد اصلی مدیریت الگوریتمی در حوزه مدیریت منابع انسانی در اقتصاد گیگ شامل پیامدهای مثبت و منفی و 36 پیامد فرعی شناسایی شده است. نتیجه‌گیری: یافته‌ها نشان می‌دهد مدیریت الگوریتمی در حوزه مدیریت منابع انسانی در اقتصاد گیگ دارای دو جنبه مثبت و منفی می‌باشد. از جنبه مثبت، سازمان‌ها با استفاده از فرآیندهای الگوریتمی برای خودکارسازی فعالیت‌های مدیریت منابع انسانی موجب بهبود و ارتقاء بخشی از این فعالیت‌ها شده‌اند و از جنبه منفی رویکرد مبتنی بر داده، کار را به شکل غیرانسانی تبدیل می‌کند و الگوریتم‌ها نقش‌هایی را برعهده می‌گیرند که به‌طور سنتی در اختیار متخصصان منابع انسانی بوده است.

https://www.imhr.ir/article_248243_72724fd0ddf8c20043211b54ca13514d.pdf

پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 Presenting a Human Resource Management Model in the Attention Economy Era: Strategies for Sustaining Focus and Reducing Digital Fatigue ارائه الگوی مدیریت منابع انسانی در عصر اقتصاد توجه: راهبردهای حفظ تمرکز و کاهش خستگی دیجیتال 99 69 248245 10.22034/imhr.2026.585617.1100 FA محمد یزدانی زیارت پژوهشیار، گروه مدیریت، دانشکده علوم انسانی، دانشگاه آزاد اسلامی واحد بجنورد، بجنورد، ایران 0000-0002-7357-1918 Journal Article 2026 06 08 Background and Objective: In the attention economy era, employees' attention has become the scarcest organizational capital, and digital fatigue resulting from excessive use of technology threatens their cognitive health and productivity. This study aims to design a human resource management model in the attention economy era, focusing on strategies to sustain focus and reduce digital fatigue. Methodology: This is an applied qualitative study using grounded theory methodology. Data were collected through semi-structured interviews with 20 experts selected through purposive sampling. Findings: The findings revealed a comprehensive model including causal conditions (technological pressure, always-on culture, poor process design, and lack of digital literacy), contextual conditions (centralized structure, cultural norms, and rigid regulations), and intervening conditions (managerial support, technological infrastructure, and reward system). The core phenomenon, "attention erosion and digital mental fatigue," manifested through six components, and multi-level strategies were proposed including macro-level (protective policies, job redesign), meso-level (aware leadership development, communication re-engineering), and micro-level (individual empowerment, focused environment design). Consequences emerged at individual level (burnout, work-life conflict), organizational level (elite exit, operational dependency), and institutional level (social capital erosion, injustice normalization). Conclusion: The proposed model demonstrates that effective employee attention management requires transformation in governance policies, cognitive load-based job redesign, and development of attention-conscious leadership. زمینه و هدف: در عصر اقتصاد توجه، توجه کارکنان به کمیاب‌ترین سرمایه سازمانی تبدیل شده و خستگی دیجیتال ناشی از استفاده مفرط از فناوری، سلامت شناختی و بهره‌وری آنان را تهدید می‌کند. هدف این پژوهش، طراحی الگوی مدیریت منابع انسانی در عصر اقتصاد توجه با تأکید بر راهبردهای حفظ تمرکز و کاهش خستگی دیجیتال است. روششناسی: این پژوهش از نظر هدف، کاربردی و به لحاظ روش، کیفی و از نوع نظریه‌داده‌بنیاد است. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۲۰ نفر از خبرگانی که به روش نمونه‌گیری هدفمند انتخاب شدند، جمع‌آوری گردید. یافتهها: یافته‌ها الگوی جامعی شامل شرایط علی (فشار فناوری، فرهنگ همیشه در دسترس، طراحی ضعیف فرآیندها و کمبود سواد دیجیتال)، شرایط زمینه‌ای (ساختار متمرکز، هنجارهای فرهنگی و مقررات دست‌وپاگیر) و شرایط مداخله‌گر (حمایت مدیریت، زیرساخت فناوری و نظام جبران خدمات) را نشان داد. پدیده محوری «فرسایش توجه و خستگی ذهنی دیجیتال» با شش مؤلفه تجلی یافته و راهبردهای سه‌سطحی شامل کلان (سیاست‌های حفاظتی، بازطراحی شغل)، میانی (توسعه رهبری آگاه، بازمهندسی ارتباطات) و خرد (توانمندسازی فردی، طراحی محیط متمرکز) پیشنهاد شد. پیامدها در سطوح فردی (فرسودگی، تعارض کار-زندگی)، سازمانی (خروج نخبگان، وابستگی عملیاتی) و نهادی (ریزش سرمایه اجتماعی، سرایت بی‌عدالتی) ظهور می‌یابند. نتیجه گیری: الگوی ارائه‌شده نشان می‌دهد مدیریت اثربخش توجه کارکنان مستلزم تحول در سیاست‌های حاکمیتی، بازطراحی مشاغل مبتنی بر بار شناختی و توسعه رهبری آگاه به توجه است.

https://www.imhr.ir/article_248245_4ddec7e5e33a5d25f2becc9d98b043f9.pdf

پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 Designing a Model for Implementing Artificial Intelligence in Public Organizations Management (Case Study: The State Organization for Registration of Deeds and Properties) طراحی مدل کاربرد هوش مصنوعی در مدیریت سازمان های دولتی (مورد مطالعه: سازمان ثبت اسناد و املاک کشور) 148 101 248408 10.22034/imhr.2026.583455.1095 FA حمید اکبری دانشجوی دکتری، گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیام نور، تهران، ایران. 0000-0001-7315-8448 مهدی محمدی استادیار، گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه پیام نور، تهران، ایران. 0000-0002-0984-1522 اسمعیل رستم زاده گنجی استادیار، گروه مدیریت دولتی، دانشکده مدیریت،دانشگاه پیام نور، تهران، ایران. 0000-0003-0193-5556 داود غلامرضائی استادیار مدیریت، گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیام نور، تهران، ایران. 0000-0003-0197-3245 حمید تابلی دانشیار، گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیام نور، تهران، ایران. 0000-0002-2983-6624 Journal Article 2026 05 28 Background and Objective: With the advent of the era of digital transformation and the penetration of artificial intelligence in management structures, organizations need new models that, in addition to technological efficiency, are aligned with value and indigenous principles. This article aims to design a model of artificial intelligence applications in the country's state organization for registering documents and real estate. Methodology: The present study is developmental-applied in terms of its purpose and mixed (qualitative-quantitative) in terms of the nature of the data. In the qualitative step, using content analysis and semi-structured interviews with 17 experts Based on the rule of "theoretical saturation", seven key areas of artificial intelligence capability in the organization were identified. In the quantitative step, using a researcher-made questionnaire and structural equation modeling (PLS-SEM), prioritization and validation of the areas were carried out. Findings: The findings show that the most important applications of artificial intelligence in the Iranian Organization for Registration of Deeds and Properties are, respectively: (1) a system for detecting and preventing document forgery, (2) an intelligent signature and fingerprint matching engine, (3) an automatic information extraction system from image documents using natural language processing and advanced optical character recognition (OCR), (4) a transactions risk rating system, (5) an intelligent chatbot for registration services, (6) a staff violation monitoring and warning system, and (7) a tool for predicting services workload and optimal resource allocation. Conclusion: Finally, the proposed technical architecture and implementation challenges (including privacy, data integrity, and user acceptance) are presented. This research shows that the gradual implementing of AI-based systems can increase accuracy by 94%, reduce document processing time by 76%, and reduce human errors by 89%. زمینه و هدف: با ظهور عصر تحول دیجیتال و نفوذ هوش مصنوعی در ساختارهای مدیریتی، سازمان‌ها نیازمند الگوهای نوینی هستند که علاوه بر کارآمدیِ فناورانه، با مبانی ارزشی و بومی همسو باشد. این مقاله با هدف طراحی یک مدل از کاربردهای هوش مصنوعی در سازمان دولتی ثبت اسناد و املاک کشور تدوین شده است. روش‌شناسی: پژوهش حاضر از نظر هدف، توسعه‌ای-کاربردی و از نظر ماهیت داده‌ها، آمیخته (کیفی-کمی) است. در گام کیفی، با استفاده از تحلیل مضمون و مصاحبه‌های نیمه‌ساختاریافته براساس قاعده «اشباع نظری» با ۱۷ نفر از خبرگان، هفت حوزه کلیدی قابلیت‌پذیری هوش مصنوعی در سازمان ثبت اسناد و املاک کشور شناسایی گردید. در گام کمی، با استفاده از پرسشنامه محقق‌ساخته و مدل‌سازی معادلات ساختاری (PLS-SEM)، اولویت‌بندی و اعتباریابی حوزه‌ها انجام شد. یافته‌ها: یافته‌ها نشان می‌دهد که مهمترین کاربردهای هوش مصنوعی در سازمان ثبت اسناد و املاک کشور به ترتیب عبارتند از: (۱) سامانه تشخیص و پیشگیری از جعل اسناد، (۲) موتور تطبیق هوشمند امضا و اثر انگشت، (۳) سیستم استخراج خودکار اطلاعات از اسناد تصویری با استفاده از پردازش زبان طبیعی و نویسه خوان نوری (OCR) پیشرفته، (۴) سامانه رتبه‌بندی ریسک معاملات، (۵) چت‌بات هوشمند خدمات ثبتی، (۶) سیستم پایش و هشداردهنده تخلفات اداری، و (۷) ابزار پیش‌بینی حجم خدمات و تخصیص بهینه منابع. نتیجه‌گیری: در پایان، معماری فنی پیشنهادی و چالش‌های پیاده‌سازی (از جمله حریم خصوصی، یکپارچگی داده‌ها و پذیرش کاربران) ارائه شده است. این پژوهش نشان می‌دهد که استقرار تدریجی سامانه‌های مبتنی بر هوش مصنوعی می‌تواند دقت را تا ۹۴ درصد افزایش، زمان پردازش اسناد را تا ۷۶ درصد کاهش و خطاهای انسانی را تا ۸۹ درصد کاهش دهد.

https://www.imhr.ir/article_248408_989fab3e8d3b1b80b079da818b64591d.pdf

پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 Lived Experience of Nurses and Nursing Managers on the Application of Artificial Intelligence in Shift Scheduling Optimization تجربه زیسته پرستاران و مدیران پرستاری از به‌کارگیری هوش مصنوعی در بهینه‌سازی شیفت‌بندی 177 149 250337 10.22034/imhr.2026.581441.1090 FA سیروس کشاورز پژوهشگر مرکز مطالعات مدیریت، دانشگاه تربیت مدرس، تهران، ایران. 0000-0002-4480-4532 حمید تابلی دانشیار گروه مدیریت دولتی ، دانشگاه پیام نور، تهران، ایران. 0000-0002-2983-6624 آمنه نظری نویسنده مسئول، دانش اموخته کارشناسی ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد رودهن، تهران، ایران. Journal Article 2026 05 15 Background and Objective: Artificial intelligence-based work measurement and time-tracking systems hold significant potential for optimizing nurse shift scheduling and more efficiently managing their workload. Methodology: This research aimed to investigate the experiences of nurses and managers regarding the implementation and utilization of such a system within a hospital setting, seeking to identify its challenges, opportunities, and impacts on operational and managerial processes. A qualitative approach using semi-structured interviews was employed. Participants included nurses and managers (with expertise in human resources management, operations, planning, and AI development) at various levels within a hospital. Data collected from the interviews were analyzed using the thematic analysis method and Maxqda software to identify the main and overarching themes related to users’ experiences with the AI system. Findings: The data analysis revealed eight primary overarching themes: 1) Enhancing organizational efficiency through intelligent work measurement, 2) Increasing perceived fairness and job satisfaction, 3) Organizational agility and dynamic decision-making, 4) Gradual trust in AI systems, 5) Financial optimization and cost-effectiveness, 6) Managerial agility and empowerment with AI, 7) Balancing machine logic with human considerations, and 8) Intelligent shift optimization with a human-centered approach. Conclusion: Therefore, although AI systems for work measurement and time measurement of nurses increase efficiency, they also face challenges related to adoption, training, and maintaining a balance between technical and human aspects; thus, their success requires a comprehensive approach and active staff participation. زمینه و هدف: سیستم‌های هوشمند کارسنجی و زمان‌سنجی مبتنی بر هوش مصنوعی پتانسیل قابل توجهی برای بهینه‌سازی برنامه‌ریزی شیفت پرستاران و مدیریت کارآمدتر بار کاری آن‌ها دارند. این پژوهش با هدف بررسی تجربه پرستاران و مدیران از پیاده‌سازی و به‌کارگیری چنین سیستمی در یک محیط بیمارستانی، به دنبال شناسایی چالش‌ها، فرصت‌ها و پیامدهای آن بود. روش: این مطالعه از رویکرد کیفی با استفاده از روش مصاحبه نیمه‌ساختاریافته بهره برد. مشارکت‌کنندگان شامل پرستاران و مدیران (با تخصص‌های مدیریت منابع انسانی، عملیات، برنامه‌ریزی و توسعه هوش مصنوعی) در سطوح مختلف یک بیمارستان بودند. داده‌های جمع‌آوری‌شده از طریق مصاحبه‌ها، با استفاده از روش تحلیل مضمون و نرم افزار مکسکیودا مورد تجزیه و تحلیل قرار گرفتند تا مضامین اصلی و فراگیر مرتبط با تجربه کاربران از سیستم هوش مصنوعی شناسایی شوند. یافتهها: تحلیل داده‌ها 8 مضمون فراگیر اصلی را آشکار ساخت: 1-ارتقای کارایی سازمانی از طریق کارسنجی هوشمند،2-افزایش عدالت ادراک‌شده و رضایت شغلی،3-چابکی سازمانی و تصمیم‌گیری پویا، 4-اعتماد تدریجی به سیستم‌های هوش مصنوعی، 5-بهینه‌سازی مالی و بهره‌وری هزینه‌ای،6-چابکی و توانمندسازی مدیریتی با هوش مصنوعی، 7-تعادل بین منطق ماشینی و ملاحظات انسانی و 8-بهینه‌سازی هوشمند شیفت‌بندی با رویکرد انسانی. نتیجهگیری: در نتیجه سیستم‌های هوش مصنوعی در کارسنجی و زمان‌سنجی پرستاران، ضمن افزایش کارایی، با چالش‌های پذیرش، آموزش و حفظ تعادل میان جنبه‌های فنی و انسانی روبه‌رو هستند؛ بنابراین موفقیت آن‌ها نیازمند رویکردی جامع و مشارکت فعال کارکنان است.

https://www.imhr.ir/article_250337_7a4ff731fdb1916d2b071284b00a642f.pdf

پژوهشکده سرمایه انسانی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران مدیریت هوشمند سرمایه انسانی 3060-6950 3 8 2026 05 22 The Mediating Role of Talent in Linking Future-Oriented Behaviors and Career Capital نقش میانجی استعداد در پیوند رفتارهای آینده‌نگر و سرمایه شغلی 206 179 248339 10.22034/imhr.2026.557351.1045 FA بهنوش جووری نویسنده مسئول، استادیار، گروه مدیریت دولتی و خط‌مشی‌گذاری عمومی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. 0000-0002-6426-0245 یلدا مرادی دانش‌آموخته کارشناسی ارشد، ، گروه مدیریت دولتی و خط‌مشی گذاری عمومی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. 0009-0009-6738-2756 Journal Article 2026 01 05 Objective: This study investigates the causal mechanisms linking future-oriented career behaviors to career capital, specifically examining the mediating role of talent management within the Department of Environmental Protection of Tehran Province. Methodology: Utilizing an applied, descriptive-survey design with an explanatory-causal approach, data were gathered from 242 employees through stratified random sampling. The research employed standardized instruments to measure future-oriented career behaviors, talent management, and career capital. Psychometric robustness was established via Cronbach’s alpha, composite reliability (CR), and average variance extracted (AVE). Data were analyzed using structural equation modeling (SEM) through SPSS and SmartPLS. Findings: The results indicate that future-oriented career behaviors exert a significant positive direct effect on career capital. Moreover, talent management serves as a significant mediator in the relationship between future-oriented career behaviors and career capital. These findings suggest that individual proactive behaviors are effectively converted into career capital when facilitated by structured talent management processes. Conclusion: Talent management functions as a strategic nexus that translates proactive career behaviors into tangible career-related outcomes. To foster career capital and sustainable organizational growth, institutions should integrate effective talent management practices into their human resource development frameworks. هدف: این پژوهش به بررسی مکانیسم‌های علی میان رفتارهای شغلی آینده‌نگر و سرمایه شغلی می‌پردازد و به‌طور مشخص، نقش میانجی مدیریت استعداد را در سازمان حفاظت محیط‌زیست استان تهران مورد واکاوی قرار می‌دهد. روش‌شناسی: با بهره‌گیری از طرح کاربردی، پیمایشی-توصیفی و با رویکرد علّّی-توضیحی، داده‌ها از ۲۴۲ کارمند به‌صورت نمونه‌گیری تصادفی طبقه‌بندی‌شده گردآوری شد. در این تحقیق از ابزارهای استاندارد برای سنجش رفتارهای شغلی آینده‌نگر، مدیریت استعداد و سرمایه شغلی استفاده شد. ویژگی‌های روان‌سنجی ابزارها از طریق آلفای کرونباخ، روایی ترکیبی و میانگین واریانس استخراج‌شده تائید گردید. تحلیل داده‌ها نیز با استفاده از مدل‌سازی معادلات ساختاری توسط نرم‌افزارهای SPSS و SmartPLS انجام شد. یافته‌ها: نتایج نشان می‌دهد که رفتارهای شغلی آینده‌نگر تأثیر مستقیم، مثبت و معناداری بر سرمایه شغلی دارند. علاوه بر این، مدیریت استعداد نقش میانجی معناداری را در رابطه میان رفتارهای شغلی آینده‌نگر و سرمایه شغلی ایفا می‌کند. این یافته‌ها حاکی از آن است که رفتارهای پیشگیرانه فردی، هنگامی‌که توسط فرآیندهای ساختاریافته مدیریت استعداد تسهیل شوند، به‌طور مؤثری به سرمایه شغلی تبدیل می‌شوند. نتیجه‌گیری: مدیریت استعداد به‌عنوان یک پیوندگاه استراتژیک عمل می‌کند که رفتارهای شغلی پیشگیرانه کارکنان را به پیامدهای ملموس شغلی تبدیل می‌نماید. سازمان‌ها برای تقویت سرمایه شغلی و رشد پایدار، باید شیوه‌های مدیریت استعداد کارآمد را در چارچوب‌های توسعه منابع انسانی خود ادغام نمایند.

https://www.imhr.ir/article_248339_7f2b7fc902880e8016e32d19fc7faf5a.pdf