<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>راهبردهای مدیریت هوشمند و توسعه</JournalTitle>
      <Issn>3115-9052</Issn>
      <Volume>3</Volume>
      <Issue>پیاپی 8</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>07</Month>
        <Day>08</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Innovation in Employee Performance Appraisal Based on Intelligent Algorithms: A Systematic Qualitative Review</ArticleTitle>
    <VernacularTitle>نوآوری در ارزیابی عملکرد کارکنان بر پایه الگوریتم‌های هوشمند: یک مرور نظام‌مند کیفی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>10</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>زینب</FirstName>
        <LastName>مرادی</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه کردستان، سنندج، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>علی</FirstName>
        <LastName>سلیمانی</LastName>
        <Affiliation>گروه علوم تربیتی، دانشگاه ایلام، ایلام، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2025</Year>
        <Month>05</Month>
        <Day>01</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective:&lt;/strong&gt; This study aims to identify innovative components and models in employee performance appraisal based on intelligent algorithms within digital-driven organizations.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Methods and Materials: &lt;/strong&gt;This qualitative systematic review used thematic analysis to examine 12 peer-reviewed articles published between 2015 and 2025. Articles were selected based on their relevance to performance appraisal, artificial intelligence, machine learning, and digital transformation in HR. Data were analyzed using NVivo 14 software through open, axial, and selective coding until theoretical saturation was reached.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Findings: &lt;/strong&gt;The thematic analysis revealed three main categories: (1) the use of intelligent algorithms in analyzing and predicting employee performance, (2) the digital transformation of performance evaluation processes using behavioral data, and (3) the development of innovative performance indicators and models emphasizing algorithmic fairness, personalized feedback, and strategic alignment. These categories were further divided into 16 subthemes and over 80 open codes.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;Conclusion: &lt;/strong&gt;Findings highlight that intelligent algorithms can enhance the accuracy, transparency, and efficiency of performance evaluation systems. However, ethical considerations, algorithmic transparency, and employee training are crucial for successful implementation. Organizations are encouraged to redesign their performance appraisal systems using behavioral analytics and machine learning grounded in fairness and data-driven decision-making.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف: &lt;/strong&gt;هدف این مطالعه شناسایی مؤلفه‌ها و الگوهای نوآورانه در ارزیابی عملکرد کارکنان با تکیه بر الگوریتم‌های هوشمند در محیط‌های دیجیتال‌محور است.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;روش‌ها و مواد: &lt;/strong&gt;این پژوهش با رویکرد مرور نظام‌مند کیفی و استفاده از روش تحلیل مضمون انجام شده است. داده‌ها از میان ۱۲ مقاله علمی معتبر منتشرشده بین سال‌های ۲۰۱۵ تا ۲۰۲۵ انتخاب و با استفاده از نرم‌افزار NVivo 14 تحلیل شد. معیار انتخاب شامل تمرکز بر ارزیابی عملکرد، الگوریتم‌های هوش مصنوعی، یادگیری ماشین، و تحول دیجیتال در منابع انسانی بود. داده‌ها به روش کدگذاری باز، محوری و انتخابی تحلیل شدند تا به اشباع نظری برسند.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;یافته‌ها: &lt;/strong&gt;نتایج تحلیل مضمون سه محور اصلی را نشان داد: (1) کاربرد الگوریتم‌های هوشمند در تحلیل و پیش‌بینی عملکرد کارکنان، (2) تحول دیجیتال در فرآیندهای ارزیابی منابع انسانی و استفاده از داده‌های رفتاری، و (3) طراحی شاخص‌ها و مدل‌های نوآورانه ارزیابی عملکرد با تأکید بر عدالت الگوریتمی، شخصی‌سازی بازخورد، و هم‌راستایی با راهبردهای سازمانی. این مضامین در قالب ۱۶ زیرمضمون و بیش از ۸۰ کد مفهومی استخراج شدند.&lt;/p&gt;&#13;
&lt;p&gt;&lt;strong&gt;نتیجه‌گیری: &lt;/strong&gt;یافته‌ها نشان می‌دهد که استفاده از الگوریتم‌های هوشمند در ارزیابی عملکرد می‌تواند دقت، شفافیت و کارآمدی سازمانی را افزایش دهد. با این حال، ملاحظات اخلاقی، شفافیت الگوریتمی و آموزش کارکنان نقش مهمی در موفقیت این رویکرد ایفا می‌کنند. سازمان‌ها باید با بهره‌گیری از داده‌های رفتاری و یادگیری ماشین، نظام‌های ارزیابی خود را بازطراحی و بر پایه عدالت و تصمیم‌گیری داده‌محور استوار کنند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Performance appraisal</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">machine learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">digital HR</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">intelligent algorithms</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">digital transformation</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">ارزیابی عملکرد</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری ماشین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">منابع انسانی دیجیتال</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">الگوریتم‌های هوشمند</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحول دیجیتال</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.jimds.com/index.php/jimds/article/download/45/45</ArchiveCopySource>
  </Article>
</ArticleSet>
