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 CASPدر 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.
-پدرامی. محمد. و واعظی، سیدکمال. (1403). فراترکیب مدیریت چالشهای اخلاقی هوش مصنوعی در منابع انسانی: ارائه یک چارچوب جامع، فصلنامه مدیریت هوشمند سرمایه انسانی، 1 (3): 56-29. http//doi.org/10.22034/imhr.2025.527039.1029
-حسینزاده شهری، معصومه. و رضائی، محبوبه. (1403). بررسی پویایی نقش هوش مصنوعی در استراتژیهای بازاریابی با تاکید بر مسائل اخلاقی و فرهنگی و اثر آن بر رفتار مصرفکننده، فصلنامه مدیریت هوشمند سرمایه انسانی، 1 (2): 123-95. https://www.imhr.ir/article_220662.html
-شمس، زهرا؛ وحدتی، حجت؛ زارعی متین، حسن؛ نظرپوری، هوشنگ. و موسوی، نجم الدین. (1399). شناسایی عوامل موثر بر تابآوری سازمانی با رویکرد فراترکیب، چشمانداز مدیریت دولتی، 11 (3): 65-39. 10.48308/jpap.2020.96797
-شهرامفر، شیوا؛ عالم تبریز، اکبر؛ زند حسامی، حسام. و سخدری، کمال. (1401). طراحی و اعتبارسنجی مدل کارآفرینی استراتژیک در نهادهای عمومی با رویکرد آمیخته،مطالعات بینرشتهای دانش راهبردی،12 (48): 250-223. 20.1001.1.24234621.1401.12.48.9.3
-مانیان، امیر. و رونقی، محمد حسین. (2015). چارچوبی جامع برای پیادهسازی بازاریابی الکترونیکی با روش متاسنتز، مجله مدیریت بازرگانی، 7 (4): 901–20. https://doi.org/10.22059/jibm.2015.57097
-مرادی، محسن. و میرالماسی، آیدا. (1395). انواع کدگذاری در تحقیقات کیفی.
-مرادیمهر، محدثه. و فرهادیان، علی. (1402). طراحی الگوی انواع خدمات هلدینگهای بین المللی نوآوری و تجاریسازی با رویکرد فراترکیب،نشریه علمی پژوهشی مدیریت کسب و کارهای بین المللی، 6 (4). 63-80.10.22034/jiba.2023.56608.2055
-نوری، رقیه. و معتدل، محمدرضا. (1401). ارایه چارچوب طراحی داشبوردهای مدیریتی، کاربرد گسترش کارکرد کیفی در سیستمهای هوشمند کسب و کار، مطالعات مدیریت کسب و کار هوشمند، 10(39): 328-291. 10.22054/ims.2021.62775.2025
-AC, K., & P, P. (2023). Changing Contours of the Employment Landscape: A Study on Gig Work Options for the Platform Workforce of Kerala. SEDME (Small Enterprises Development, Management & Extension Journal), 50(4), 384–398.10.1177/09708464231209452
-Adams-Prassl, J. (n.d.). What If Your Boss Was an Algorithm? The Rise of Artificial Intelligence at Work’(2019). Comparative Labor Law & Policy Journal, 41,
-Adams, A., Freedman, J., & Prassl, J. (2018). Rethinking legal taxonomies for the gig economy. Oxford Review of Economic Policy, 34(3), 475–494. 10.1093/oxrep/gry006
-Altenried, M. (2021). Mobile workers, contingent labour: Migration, the gig economy and the multiplication of labour. Environment and Planning A: Economy and Space, 0308518X211054846. 10.1177/0308518X211054846
-Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M., & Stuart, M. (2016). HR and analytics: why HR is set to fail the big data challenge. Human Resource Management Journal, 26(1), 1–11.10.1111/1748-8583.12090
-Ashford, S. J., Caza, B. B., & Reid, E. M. (2018). From surviving to thriving in the gig economy: A research agenda for individuals in the new world of work. Research in Organizational Behavior, 38, 23–41.10.1016/j.riob.2018.11.001
-Bader, V., & Kaiser, S. (2019). Algorithmic decision-making? The user interface and its role for human involvement in decisions supported by artificial intelligence. Organization, 26(5), 655–672. 10.1177/1350508419855714
-Bucher, E. L., Schou, P. K., & Waldkirch, M. (2021). Pacifying the algorithm–Anticipatory compliance in the face of algorithmic management in the gig economy. Organization, 28(1), 44–67.10.1177/1350508420961531
-Bujold, A., & Parent-Rocheleau, X. (2024). The Two Faces of Algorithmic Management in the Gig Economy. 10.24251/HICSS.2024.631
-Cameron, L. D. (2024). The Making of the “Good Bad” Job: How Algorithmic Management Manufactures Consent Through Constant and Confined Choices. Administrative Science Quarterly, 69(2), 458–514.10.1177/00018392241236163
-Chen, L., Mislove, A., & Wilson, C. (2015). Peeking beneath the hood of uber. Proceedings of the 2015 Internet Measurement Conference, 495–508. 10.1145/2815675.2815681
-Connelly, C. E., Fieseler, C., Černe, M., Giessner, S. R., & Wong, S. I. (2021). Working in the digitized economy: HRM theory & practice. Human Resource Management Review, 31(1), 100762.10.1016/j.hrmr.2020.100762
-Crawford, K. (2021). The atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press. 10.56315/pscf3-22crawford
-Crowston, K., & Bolici, F. (2019). Impacts of machine learning on work. 10.24251/hicss.2019.719
-Demetis, D., & Lee, A. S. (2018). When humans using the IT artifact becomes IT using the human artifact. Journal of the Association for Information Systems, 19(10), 5.10.17705/1jais.00514
-Duggan, J., Sherman, U., Carbery, R., & McDonnell, A. (2020). Algorithmic management and app‐work in the gig economy: A research agenda for employment relations and HRM. Human Resource Management Journal, 30(1), 114–132.10.1111/1748-8583.12258
-Erwin, E. J., Brotherson, M. J., & Summers, J. A. (2011). Understanding qualitative metasynthesis: Issues and opportunities in early childhood intervention research. Journal of Early Intervention, 33(3), 186–200. 10.1177/1053815111425493
-Felstead, A., & Henseke, G. (2017). Assessing the growth of remote working and its consequences for effort, well‐being and work‐life balance. New Technology, Work and Employment, 32(3), 195–212.10.1111/ntwe.12097
-Gal, U., Jensen, T. B., & Stein, M.-K. (2020). Breaking the vicious cycle of algorithmic management: A virtue ethics approach to people analytics. Information and Organization, 30(2), 100301. 10.1016/j.infoandorg.2020.100301
-Gandini, A. (2019). Labour process theory and the gig economy. Human Relations, 72(6), 1039–1056. 10.1177/0018726718790002
-Hosseinzadeh shahri,M and Rezaei,M . (2024). Examining the dynamics of the role of artificial intelligence in marketing strategies with a focus on ethical and cultural issues and their impact on consumer behavior. Intelligent Management of Human Capital, 1(2), 123-95.https://www.imhr.ir/article_220662.html. [In Persian]
-Jabagi, N., Croteau, A.-M., Audebrand, L. K., & Marsan, J. (2019). Gig-workers’ motivation: thinking beyond carrots and sticks. Journal of Managerial Psychology, 34(4), 192–213. 10.1108/JMP-06-2018-0255
-Jarrahi, M. H., Newlands, G., Lee, M. K., Wolf, C. T., Kinder, E., & Sutherland, W. (2021). Algorithmic management in a work context. Big Data & Society, 8(2), 20539517211020332. 10.1177/20539517211020332
-Kaine, S., & Josserand, E. (2019). The organisation and experience of work in the gig economy. Journal of Industrial Relations, 61(4), 479–501.10.1177/0022185619865480
-Kässi, O., & Lehdonvirta, V. (2018). Online labour index: Measuring the online gig economy for policy and research. Technological Forecasting and Social Change, 137, 241–248. 10.1016/j.techfore.2018.07.056
-Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. 10.5465/annals.2018.0174
-Kelly-Lyth, A., & Thomas, A. (2023). Algorithmic management: Assessing the impacts of AI at work. European Labour Law Journal, 14(2), 230–252.10.1177/20319525231167478
-Kuhn, K. M., Meijerink, J., & Keegan, A. (2021). Human resource management and the gig economy: Challenges and opportunities at the intersection between organizational HR decision-makers and digital labor platforms. Research in Personnel and Human Resources Management, 39, 1–46. 10.1108/S0742-730120210000039001
-Lee, M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 5(1), 2053951718756684.10.1177/2053951718756684
-Lee, M. K., Kusbit, D., Metsky, E., & Dabbish, L. (2015). Working with machines: The impact of algorithmic and data-driven management on human workers. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, 1603–1612. 10.1145/2702123.2702548
-Lee, M. Y., & Edmondson, A. C. (2017). Self-managing organizations: Exploring the limits of less-hierarchical organizing. Research in Organizational Behavior, 37, 35–58.https://doi.org/10.1016/j.riob.2017.10.002
-Lei, Y.-W. (2021). Delivering solidarity: Platform architecture and collective contention in China’s platform economy. American Sociological Review, 86(2), 279–309.10.1177/0003122420979980
-Leicht-Deobald, U., Busch, T., Schank, C., Weibel, A., Schafheitle, S., Wildhaber, I., & Kasper, G. (2022). The challenges of algorithm-based HR decision-making for personal integrity. In Business and the Ethical Implications of Technology (pp. 71–86). Springer.10.1007/s10551-019-04204-w
-Lepak, D. P., & Snell, S. A. (1999). The human resource architecture: Toward a theory of human capital allocation and development. Academy of Management Review, 24(1), 31–48. https://doi.org/10.2307/259035
-Lieman, R. (2018). Uber voor alles: hoe de on demand-economie ons leven beïnvloedt. Business Contact.https://www.amazon.com/Uber-voor-alles-Dutch-Lieman-ebook/dp/B07B3YJLBG
-Manian, A., & ronaghi,mohammad hossein. (2015). A Comprehensive Framework for E-marketing Implementation by Meta-Synthesis Method. Journal of Business Management, 7(4), 901–920. https://doi.org/10.22059/jibm.2015.57097. [In Persian]
-McDonnell, A., Carbery, R., Burgess, J., & Sherman, U. (2021). Technologically mediated human resource management in the gig economy. The InTernaTIonal Journal of Human Resource ManagemenT, 32(19), 3995–4015. 10.1080/09585192.2021.1986109
-Mehmood, S. M., & Najmi, A. (2017). Understanding the impact of service convenience on customer satisfaction in home delivery: Evidence from Pakistan. International Journal of Electronic Customer Relationship Management, 11(1), 23–43. 10.1504/IJECRM.2017.086752
-Meijerink, J., & Bondarouk, T. (2023). The duality of algorithmic management: Toward a research agenda on HRM algorithms, autonomy and value creation. Human Resource Management Review, 33(1), 100876. 10.1016/j.hrmr.2021.100876
-Meijerink, J., & Keegan, A. (2019). Conceptualizing human resource management in the gig economy: Toward a platform ecosystem perspective. Journal of Managerial Psychology, 34(4), 214–232.10.1108/JMP-07-2018-0277
-Moradi, M., & Miralmasi, A. (2016). Types of coding in qualitative research.[In Persian]
-Moradi Mehr, M. and Farhadian, A. (2023). Designing a pattern for all kinds of services of international innovation and commercialization holdings with a meta- synthesis approach. Journal of International Businesses Administration, 6(4), 63-80.10.22034/jiba.2023.56608.2055.[In Persian]
-Newlands, G. (2021). Algorithmic surveillance in the gig economy: The organization of work through Lefebvrian conceived space. Organization Studies, 42(5), 719–737.10.1177/0170840620937900
-Nouri, R., Motadel, M. (2022). Providing Management Dashboards Design framework, Application of QFD in Intelligent Business Systems. 10.22054/ims.2021.62775.2025.[In Persian]
-Pedrami,M and Vaezi,S K . (2025). Managing Ethical Dilemmas of AI in HRM: A Meta-Synthesis Toward an Integrative Framework. Intelligent Management of Human Capital, 1(3), 56-29. http//doi.org/10.22034/imhr.2025.527039.1029. [In Persian]
-Perrig, L. (2023). Confronting algorithmic management using subject access requests: Insights using the case of food deliveries. The Economic and Labour Relations Review, 34(4), 720–732. 10.1017/elr.2023.55
-Rosenblat, A., Levy, K. E. C., Barocas, S., & Hwang, T. (2017). Discriminating tastes: Uber’s customer ratings as vehicles for workplace discrimination. Policy & Internet, 9(3), 256–279. 10.1002/poi3.153
-Rosenblat, A., & Stark, L. (2016). Algorithmic labor and information asymmetries: A case study of Uber’s drivers. International Journal of Communication, 10, 27. http://dx.doi.org/10.2139/ssrn.2686227
-Seaver, N. (2019). Captivating algorithms: Recommender systems as traps. Journal of Material Culture, 24(4), 421–436. 10.1177/1359183518820366
-Shahramfar, S., Alamtabriz, A., Zand Hessami, H., & Sakhdari, K. (2022). esign and validation of strategic entrepreneurship model in public institutions with a mixed approach. Strategic Management Studies of National Defence Studies, 12(48), 223–250. 20.1001.1.24234621.1401.12.48.9.3.[In Persian]
-Shams, Z., Vahdati, H., Zarei Matin, H., Nazapouri, H., & Mousavi, N. (2020). Identify The Factors Affecting Organizational Resilience With The Use Of Meta-Synthesis Approach. Public Administration Perspective, 11(3), 39–65. 10.48308/jpap.2020.96797.[In Persian]
-Stanford, J. (2017). The resurgence of gig work: Historical and theoretical perspectives. The Economic and Labour Relations Review, 28(3), 382–401. 10.1177/1035304617724303
-Tsui, A. S., Pearce, J. L., Porter, L. W., & Tripoli, A. M. (1997). Alternative approaches to the employee-organization relationship: does investment in employees pay off? Academy of Management Journal, 40(5), 1089–1121. https://doi.org/10.2307/256928
-Von Krogh, G. (2018). Artificial intelligence in organizations: New opportunities for phenomenon-based theorizing. Academy of Management Discoveries, 4(4), 404–409. https://doi.org/10.5465/amd.2018.0084
-Vyas, N. (2021). Gender inequality-now available on digital platform’: an interplay between gender equality and the gig economy in the European Union. European Labour Law Journal, 12 (1), 37-5110.1177/2031952520953856
-Williams, P., McDonald, P., & Mayes, R. (2021). Recruitment in the gig economy: Attraction and selection on digital platforms. The International Journal of Human Resource Management, 32(19), 4136–4162. 10.1080/09585192.2020.1867613
-Wood, A. J., Graham, M., Lehdonvirta, V., & Hjorth, I. (2019). Good gig, bad gig: autonomy and algorithmic control in the global gig economy. Work, Employment and Society, 33(1), 56–75. 10.1177/0950017018785616
-Zhou, Y. (2022). Trapped in the platform: Migration and precarity in China’s platform-based gig economy. Environment and Planning A: Economy and Space, 0308518X221119196. 10.1177/0308518X221119196
