数字化人力资源管理研究热点与展望

周星雨 陈江

［摘 要］21世纪是数字经济时代，为探究数字化人力资源管理的研究现状，本文以Web of Science数据库2012—2022年的相关文献为研究对象，利用CiteSpace软件对收集的文献进行梳理。通过总体趋势、国家、核心作者、关键词、文献共被引等分析，发现数字化人力资源管理的研究热点可分为数字化人力资源管理对组织的影响、数字化人力资源管理对个人的影响两大模块共六个类别。未来关于数字化人力资源管理的研究，可在现有研究的基础上，开展数字化人力资源管理的理论研究、多视角研究、弊端研究、中国本土化研究。

［关键词］中字化；人力资源管理；CiteSpace；知识图谱；可视化分析

doi：10.3969/j.issn.1673-0194.2023.17.038

［中图分类号］F272.92 ［文献标识码］A ［文章编号］1673-0194（2023）17-0133-10

0     引 言

根据中国信息通信院的测算，2020年全球47个国家的数字经济规模达32.6万亿美元，占GDP比重43.7%。大数据、人工智能、云计算、区块链等新一代数字技术的快速发展，改变了员工工作方式以及管理员工的方式，企业进行数字化转型也已经成为必然趋势。人力资源管理作为企业管理重要的組成部分，为了顺应企业变革趋势，出现了数字化人力资源管理。目前关于数字化人力资源管理的研究正在兴起，多数文献集中于某一数字技术在人力资源管理中的应用以及影响，缺乏对数字化人力资源管理研究的系统性梳理。基于此，本文对与数字化人力资源管理相关的国外文献进行可视化分析，通过知识图谱，整合和总结现有关于数字化人力资源管理的研究热点，并分析未来的研究趋势，为未来的研究发展指明方向。

1     研究设计

1.1   数据来源

本文数据来源于Web of Science英文数据库。首先，在Web of Science核心合集数据库中进行高级检索，将“digital”“digitalization”“digitalization transformation”“artificial intelligence”“big data”“block chain”“cloud computing”“algorithm”作为主题词分别与主题词“human resource management”进行组合检索，时间设定为2012年至2022年10月，共检索到711篇文献。其次，对检索结果进行人工筛选，先剔除书籍评论、会议摘要、社论材料等无效文献，再根据文章摘要确定其与主题的相关度，删去与主题无关的文献，最终得到与数字化人力资源管理相关的文献147篇，将用于后续的可视化分析。

1.2   研究方法

CiteSpace是陈超美博士开发的文献计量软件，能够对Web of Science数据库中的文献进行关键词、作者、合作网络、期刊、文献及被引等情况进行可视化分析，从而展现出某一知识领域的演进历程，识别并显示科研发展趋势与最新动态［1］。本文利用CiteSpace可视化软件对147篇文献进行分析，通过发文情况、关键词共现分析、聚类分析等方面分析数字化人力资源管理研究脉络、热点以及趋势。

2     研究概述

2.1   总体趋势分析

发文量的变化能够直观地展现出某个领域的发展情况。本文对选取的147篇文献进行年发文数量的统计，如图1所示，2012—2017年发文量仅有10篇，关于数字化人力资源管理的研究还很少，到2018年和2019年相关研究才逐渐丰富起来，2020—2022年发文量总体增长。科学技术是组织提高人力资源管理效率的关键因素，随着科学技术的发展及其演变，组织人力资源管理也发生了演进。李燕萍等［2］总结出不同时期技术在人力资源管理领域的应用及影响。20世纪80年代计算机系统应用于人力资源管理领域，简化了人事工作的负担，出现了HRIS；20世纪90年代计算机硬件、软件和电子网络等的应用提升了人力资源管理部门的战略参与度，出现了e-HRM；21世纪第一个十年网络2.0的技术工具的应用，出现虚拟组织、人力资源外包服务，v-HRM也随即产生；直到21世纪的第二个十年，人工智能、大数据、云计算、区块链等数字技术的发展应用，数字化驱动人力资源，产生了digital-HRM。伴随着数字技术的发展，将会有更多学者参与到数字化人力资源管理的研究中，研究内容也将会更加深入。

2.2   国 家

利用CiteSpace对各个国家发表的数字化人力资源管理的论文数量进行可视化分析，结果如图2所示。图中共有47个节点、67条连线，其中英国的中心度最大，与荷兰、挪威、澳大利亚等国家都有着直接或间接的合作关系，其次是荷兰和美国。

对可视化分析结果进一步分析，结果如表1所示。中国的发文量最高，其次是美国，分别为38篇和16篇，其中两国都是在2021年出现发文量的大幅增长，这表明关于数字化人力资源管理的研究正处于成长阶段。我国政府自2017年以来已连续五年将“数字经济”写入政府工作报告中，并在“十四五”规划纲要中提出“加快推动数字产业化”“推进产业数字化转型”，数字化转型从组织层面上升为国家战略。因此，我国关于数字化人力资源管理的研究将会日渐丰富。然而从关键节点（中心度＞0.1）角度看，中心度最高的是英国，其次是荷兰和美国，分别为0.22、0.20和0.19，而中国仅有0.05。由此可以得出，尽管中国发文数量最多，但是文章影响程度远不如英国、美国，这与国家数字化发展进程密切相关。

2.3   核心作者群

通过作者合作图谱，可以发现数字化人力资源管理领域的核心作者以及作者之间的合作情况。如图3所示，Stefan Strohmeier和Ashish Malik发文量最高，数量为3篇，并且和其他作者存在合作关系。多数作者发文量为1篇，仅部分作者存在合作关系，目前还没有出现影响程度高的核心作者群。这说明学者们对数字化人力资源管理的研究处于较为分散的状态。伴随着科技的不断进步，未来人力资源管理的数字化转型将是企业的必由之路，学者们对数字化人力资源管理的研究也会更加深入，会涌现出大量成果，支持企业数字化人力资源管理的实践。

2.4   核心机构及其合作分析

通过CiteSpace生成机构合作图谱，能够直观地了解数字化人力资源管理研究领域的研究机构之间的合作情况。如图4所示，共显示了136个节点，86条连线，机构合作的网络密度为0.009 4，表明机构之间合作密度较低。由图4可知，拉德堡德大学、阿斯顿大学、广东外语外贸大学、萨尔大学、比纳努桑塔拉大学、俄罗斯普列汉诺夫经济大学、BI挪威商学院、纽约州立大学奥尔巴尼分校、复旦大学是数字化人力资源管理研究中影响力较大的机构。目前还未出现较大的机构合作网络，只出现有北京航空航天大学、杜伦大学所在的小型合作网络，其余多为单个机构或两两机构合作网络，这表明关于数字化人力资源管理领域的研究，虽然已在全球范围内逐渐展开，但尚未集中于某一机构合作群体。

2.5   期刊分析

利用CiteSpace對样本文献进行共被引期刊的可视化分析，中心度可以反映期刊在该领域的重要程度，期刊重要性越高，其中心度和共被引频数越高。如表2所示，总结出中心度排名前10的期刊，其中中心度较高的有Academy of Management Annals，Academy of Management Journal，Academy of Management Review，这些期刊都是管理学中权威性较高的国际期刊。由此可以得出，目前关于数字化人力资源管理领域的研究主要集中于管理学学科领域。

3     研究热点分析

3.1   文献共被引分析

运用CiteSpace软件，选择“Reference”对文献进行共被引分析，根据表3结果，对关键节点（中心度＞0.1）被引频次排名前三的进行分析。共被引频数最高的是Angrave等2016年发表的HR and analytics：why HR is set to fail the big data challenge，被引频次为16。Angrave等［3］的研究表明，人力资源部门在技术应用和大数据分析方面弱于其他管理职能部门，许多人力资源专业人士不了解大数据，而分析团队也不了解人力资源，除非人力资源专业人员提升技术能力，否则，人力资源会被排除在战略、董事会层面之外，不会给组织创造效益，并会损害员工的利益，人力资源将无法应对大数据带来的挑战。其次是Tambe等2019年发表的Artificial intelligence in human resources management：Challenges and a path forward被引频次为14。Tambe等［4］提出在人力资源任务中使用数字技术的四个挑战：人力资源现象的复杂性、小数据集施加的约束、与公平及其他道德和法律约束相关的责任问题，以及通过基于数据的算法对管理决策可能产生的不利员工反应。可以看出，学者们认为数字技术的发展及应用会给人力资源管理工作带来便利，但是目前缺乏能够掌握新技术的人力资源管理专业人员，盲目地将新技术应用到组织的人力资源管理中，不仅不会给组织创造价值，反而会损害员工利益。Marler和Boudreau 2017年发表的An evidence-based review of HR analytics，被引频次为12。Marler和Boudreau［5］将人力资源分析定义为一种由信息技术支持的人力资源实践，它使用与人力资源流程、人力资本、组织绩效和外部经济基准相关数据的描述性、可视和统计分析，以建立业务影响并实现数据驱动的决策。而人力资源分析没有被广泛采用的最常用的原因是缺乏具有分析技能的人力资源专业人员。

3.2   关键词共现分析

利用CiteSpace对关键词进行分析，得到如图5所示的关键词共现图谱，共150个节点，481条连线，关键词反映的是研究领域的热点。如表4所示，高频关键词有人力资源管理（human resource management）、绩效（performance）、影响（impact）、模型（model）、创新（innovation）、管理（management）、挑战（challenge）、技术（technology）、未来（future）、系统（system）、大数据（big data）。

3.3   关键词聚类分析

为了更加清晰地了解数字化人力资源管理领域的研究热点，本文利用CiteSpace对文献进行关键词聚类。一般认为，聚类模块值（Q值）＞0.3时，聚类结构显著；聚类平均轮廓值（S值）＞0.5时，聚类效果合理，S值＞0.7时，聚类效果令人信服。如图6所示，关键词聚类图谱的Q值=0.589 3，S值=0.815 6，这表明聚类结构显著，聚类效果令人信服。图中最右边的数据可以看到6种聚类结果：“#0 information technology（信息技术）”“#1 hr analytics（人力资源分析）”“#2 hr business involvement（人力资源业务参与）”“#3 hrm strategies（人力资源战略）”“#4 hrm practices（人力资源管理实践）”“#5 hrm（人力资源管理）”“#6 small and medium enterprises（中小企业）”“#7 organizational performance（组织绩效）”“#8 smart hrm（智能人力资源管理）”，其中序号的大小代表聚类下包含关键词的数量，“#0”是最大的集群。本文基于关键词聚类结果，对研究现状进行进一步探究，将数字化人力资源管理的研究现状总结为数字化人力资源管理对组织的影响、数字化人力资源管理对个人的影响两大模块共六个类别。

3.3.1   数字化人力资源管理对组织的影响

（1）数字化人力资源管理对组织绩效的影响。有众多学者对数字化人力资源管理对组织绩效的影响进行研究，普遍认为数字化人力资源管理能够提高组织绩效。数字化人力资源管理能够提升组织绩效的原因在于，首先通过采用先进的数字技术，可以有效地收集、处理和利用员工数据，组织可以确定绩效最优的关键员工，而这些信息可用于招聘流程、面试和团队发展，进而帮助组织建立更有效的人才库；其次，借助数字技术对人力资源相关数据进行深入分析，组织可以更准确、全面、及时地了解员工的个人特征（如工作态度、情绪和行为倾向），从而能够有效地激发员工的动机和积极性。Zhou等［6］基于中国211家上市企业的样本进行研究，结果表明，人力资源管理数字化和人力资源管理系统成熟度的相互作用与企业绩效呈正相关。Nicolas-Agustin等［7］以西班牙的184家制造公司为样本，采用问卷调查法，结果表明，组织要实现数字化转型，需要两个基本方面：一个是与价值链中技术的使用有关；另一个是与影响其人员、文化和知识的变化有关。其中数字化人力资源管理在战略一致性与数字化转型之间起中介作用，因为数字化人力资源管理实践可以促进员工创新行为，并且使员工行为符合企业战略，使员工成为组织内实现数字化转型的盟友，从而提升组织绩效，更好实现组织目标。Oncioiu等［8］以有旅游部门人力资源数字化招聘经验的受访者为样本，结果表明，数字化人力资源管理在旅游公司中发挥重要作用，了解数字化人力资源管理的机制有助于企业做出相关、真实、及时的决策，以应对动荡的环境威胁，从而提高旅游公司的潜力。

（2）招聘环节的数字化。目前，招聘环节主要应用人工智能技术，众多学者从利弊两方面展开研究。关于人工智能，学界目前还没有统一的定义，但学者们普遍认同人工智能的最终目标是“赋予机器人类智能”，只要实现这一目标，都能视为人工智能［9］。一方面，人工智能技术引入人力资源管理工作中，提高了工作效率，为人力资源员工创造更多空余时间，可以专注于制定新战略，实现更重要的任务［10］。Black和Van Esch［11］总结了人工智能招聘系统已经成为一个必须利用的系统的三个原因：首先，人力资本已经成为重要竞争优势；其次，人力资本的数字化招聘已经成为招聘的中心阶段；最后，人工智能招聘系统已经提高了招聘效率，如果管理者忽视，将会承担一定风险。Van Esch和Black［12］对人力资源部高管与员工进行访谈，其表明人工智能招聘技术能够快速、准确地筛选大量候选人，有效地初始筛选能够提高雇佣质量。另一方面，一些学者研究表明，人工智能技术引入人力资源管理工作中会带来一些问题。首先是招聘算法无法完全模拟现实情况，导致招聘结果不理想。Fritts和Cabrera［13］根据人力资源研究所最近的一项调查发现，随着人工智能在工作场所越来越普遍，人力资源管理专业人员担心招聘算法会导致招聘过程“非人化”，这种“非人化”是由于招聘算法嵌入的价值观和实际招聘人员的价值观存在差异，而影响雇主和申请者的关系。其次是新技术会让人力资源管理从业者感到担心，同时每位员工对新技术的接受程度不同，这都会影响新技术的应用。Suseno等［14］通过对417名在中国工作的人力资源经理进行调查，发现人力资源管理者对人工智能的信念和人工智能的焦虑对他们采用人工智能的变革准备有显著影响。具有积极信念的个体更容易接受人工智能的改变，而对人工智能有较高焦虑的个体则不太愿意接受人工智能。人工智能在人力资源管理工作中的应用，既是机遇又是挑战，只有将人工智能作为技术手段辅助管理者工作，管理平衡好人与技术的关系，才能发挥出技术的作用，从而提升管理效率。

（3）人才匹配环节的数字化。大数据作为新兴的研究领域和实用方法，为人力资源管理研究人员解决传统样本数据无法解决的难题创造了跨学科的机会，使得组织的人才匹配更加精准。麦肯锡全球研究所对于大数据给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具范围的数据集合，具有海量的數据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。Liu［15］借助58同城提供的大数据，跟踪关键职位的发展趋势，预测员工流动情况，同时通过薪酬比较和人才评估来确定最适合公司的员工，帮助互联网公司更好应对外部环境的不确定性，从而提高公司的竞争优势。此外，员工流失对组织来说是一个关键问题。Ben Yahia等［16］通过从大数据转移到深层数据环境中，来构建相关的员工流失模型，帮助人力资源经理使用预测分析方法尽快发现员工的离职意图，从而应对这种流失。然而，Zhang等［17］基于大数据人力资源管理研究文献的计量分析，发现人力资源管理工作中并没有充分利用大数据方法，基于样本的小数据方法仍然主导着当前的人力资源管理，主要的原因在于缺乏足够的基于大数据的方法，虽然学者们已经意识到将大数据方法应用于人力资源管理中的重要性，但对于如何将两者结合起来，缺乏明确的指导。Dahlbom等［18］对九家芬兰公司进行定性访谈，结果表明，人力资源职能部门要成功采用大数据，除了需要克服大数据技术的障碍，还可能需要组织进行文化变革、组织结构的重新设计、变革管理。尽管在组织的人力资源管理中应用大数据技术还有很多困难，但是大数据技术的应用能够有效提高组织的管理效率，以应对日趋激烈的人才竞争环境。

（4）电子化人力资源管理在组织中的作用。随着技术的发展，电子化人力资源管理出现，在人力资源管理中所采用和使用的信息技术的数量、功能和整体成熟度都在增加，有越来越多组织采用电子化人力资源管理。Berber等［19］对塞尔维亚各组织使用电子化人力资源管理的数据进行实证分析，总结了电子化人力资源管理主要优势有：更快、更准确、更容易处理有关员工的信息，节约成本，将人力资源经理从管理任务中解救出来，增加对人力资源数据的访问，实现公司内部人力资源流程的标准化，更新员工及其绩效数据等。这些优势提高了人力资源管理工作效率。电子化人力资源管理极大提高了组织效率，但是要充分发挥其作用并不是件易事。Poba-Nzaou等［20］通过对146家公司的在线案例进行聚类分析，结果表明信息技术在人力资源管理中的潜力尚未得到充分开发，电子化人力资源管理的强大作用未能很好的实现。大数据、云计算、人工智能等新数字技术的发展，为电子化人力资源管理的发展提供了新技术、新理念、新方向。Ziebell等［21］对电子化人力资源管理的相关文献进行系统的回顾与梳理，总结了电子化人力资源管理的演变、实际应用、技术使用、实施等方面，并提出“云环境”有助于增强电子化人力资源管理，云计算提供了在一个单一系统内全面数字化所有人力资源流程的可能性，从而为人力资源部门提供了新的流程集成方式和改进的分析能力，同时减少了信息技术部门的实施和维护工作。

3.3.2   数字化人力资源管理对个人的影响

（1）员工权益受到威胁。数字技术的发展给数字平台的建立和发展提供重要支撑，使组织形式越来越虚拟化，越来越多员工转向数字平台，员工对组织的依附性越来越低，由此产生了“零工经济”。数字平台改变了传统的雇佣关系，平台不承认工人是雇员，但却又实施人力资源管理实践，这在一定程度上使平台员工应有的权益得不到保障。Duggan等［22］通过研究算法管理的关键作用，批判性地指出这种新工具对雇佣关系的影响，随着算法管理取代了大多数平台上的人工监管，人力资源管理活动往往外包给开发和管理算法的系统设计人员，这消除了人力资源管理的许多成本，并将就业风险转嫁给个人。这虽然提高了组织生产力，随即也产生了个人数据的保护、算法过程的透明度和问责制以及工人福利方面等一系列问题。除此之外，伴随着对大数据和人力资源分析的兴趣上升可能进一步表明，人力资源管理中更多的人际关系和同理心方面被消除了。Williams等［23］对17个数字平台的网站内容、条款和文件进行定性对比分析，结果表明平台企业通过应用程序将自营职业者与客户联系起来，将传统招聘实践与新形式的算法招聘相结合，会给平台员工带来行业特有的风险。为此，有学者提出解决方案，让平台、客户、员工互惠共赢。Waldkirch等［24］对来自Upwork上的在线工人论坛中12 924条评论进行文本分析，概念化数字平台如何采用“混合形式的人力资源管理方法”，这种混合是通过将算法管理与替代雇佣关系相结合来实现的，如果将数字平台工作描述为一个生态系统，在这个生态系统中，平台、客户和员工通过“相互依存”和“多边主义”创造价值，人力资源实践则控制着生态系统中行动者之间的交流。

（2）员工工作安全性降低。数字技术的不断进步正在使工作及其管理发生广泛的变化，虽然技术的发展可以为员工提供更大的灵活性，降低组织管理成本，但是会给员工带来一定的风险。首先是被替代的风险，Donnelly和Johns［25］结合“digital”和“remote”两个关键词对已发表的文献进行系统综述，总结出数字化在促进灵活性方面发挥着重要作用，可以实现更智能的工作，并有助于工作生活管理，然而在某些情况下，雇主对这些形式的灵活性的广泛需求会使个人面临更大的危险，员工也越来越担心他们的工作正在被不知不觉地商品化。其次是会有不公平的风险，Newmana等［26］开展了四个实验室实验和一个组织环境中的大规模随机实验，实验结果表明，基于算法的人力资源管理，尤其是在评估员工和确定人员结果时，决策程序的公平性是组织关注的一个关键问题，虽然人力资源管理算法可能会消除决策过程中的人类偏见，但是被评估者可能会认为该过程是简化的，这可能会破坏他们关于使用人力资源管理算法评估绩效的程序公平性的信念。最后是一系列管理风险，Giermindl等［27］基于数字技术在人员分析中应用的研究，提出六大可能的威胁，包括可能会带来控制和简化的错觉、导致错误的判断、培养路径依赖性、损害透明度和问责制、降低员工的自主权、边缘化人类推理，侵蚀管理能力。针对产生不公平的风险，Leicht-Deobald等［28］的研究指出，关键数据素养、道德意识、参与式设计方法的使用以及民间社会内部的私人监管制度有助于克服基于算法的人力资源管理带来的道德问题，其中，关键数据素养可以帮助经理和员工应对基于算法的人力资源管理的文化和道德复杂性；道德意识可能有助于组织成员抑制基于算法的人力资源管理的有害后果；参与式设计方法可以帮助人力资源经理以不损害员工个人诚信的方式实施基于算法的人力资源管理工具；私人监管制度可能有助于以更加道德敏感的方式设计和应用基于算法的人力资源管理工具。

4     结论与展望

本文运用CiteSpace软件对数字化人力资源管理研究进行了梳理。首先对数字化人力资源管理的总体趋势进行分析，从时间、空间两个维度总结研究的发展趋势。其次通过核心作者群、核心机构、期刊的可视化图谱，对研究现状进行总结。最后，在文献共被引分析、关键词共现、聚类分析的基础上，总结了现有研究的两大模块共六个类别。通过上述分析可知，关于数字化人力资源管理的研究还在初步探索阶段，从2018年开始有关数字化人力资源管理的研究才逐渐增多，其中中国对文章数量贡献最大，但文章影响度有待提高。通过聚类分析可以发现，目前主要是结合目前的技术背景，研究数字技术在人力资源管理中的应用，包括带来的机遇与挑战。总体来看，学者们认同数字化人力资源管理会给组织带来可持续的竞争力，但是带来的风险也亟须解决。在未来的研究中，数字化人力资源管理的研究内容将会更丰富，研究方法也将更加多样。

未来针对数字化人力资源管理的研究可以从以下方面着手：首先，可以构建数字化人力资源管理相关理论，在数字化时代，由于数字技术的发展，组织管理现象更加多样化，传统理论已经无法完全解释，因此，需要构建数字化人力资源的新理论来解释组织中的各种管理现象；其次，现有研究多集中于数字技术对人力资管理的作用及影响，未来可以从组织领导、人力资源管理从业者、员工等不同视角探究其对数字化人力资源管理的态度及影响；再次，现有研究已经表明数字化人力资源管理有利有弊，未来可以深入研究如何克服数字化人力资源管理带来的弊端；最后，和国外相比，国内关于数字化人力资源管理的研究起步较晚，未来可以结合中国文化背景以及中国的政策环境开展数字化人力资源管理的中国本土化研究。

本文只运用了Web of Science一个数据库分析国际上数字化人力资源管理研究的热点，在研究范围和数量上存在一定局限性，分析结果可能与现实情况存在细微偏差。未来可以运用CNKI数据库进一步探究国内数字化人力资源管理的研究现状及趨势，以推进我国数字化人力资源管理的发展。

主要参考文献

［1］陈悦，陈超美，刘则渊，等. CiteSpace知识图谱的方法论功能［J］. 科学学研究，2015，33（2）：242-253.

［2］李燕萍，李樂，胡翔. 数字化人力资源管理：整合框架与研究展望［J］. 科技进步与对策，2021，38（23）：151-160.

［3］ANGRAVE D，CHARLWOOD A，KIRKPATRICK I，et al. HR and analytics：Why HR is set to fail the big data challenge［J］. Human Resource Management Journal，2016，26（1）：1-11.

［4］TAMBE P，CAPPELLI P，YAKUBOVICH V. Artificial intelligence in human resources management：Challenges and a path forward ［J］. California Management Review，2019，61（4）：15-42.

［5］MARLER J H，BOUDREAU J W. An evidence-based review of HR analytics［J］. International Journal of Human Resource Management，2017，28（1）：3-26.

［6］ZHOU Y，LIU G J，CHANG X X，et al. The impact of HRM digitalization on firm performance：Investigating three-way interactions［J］. Asia Pacific Journal of Human Resources，2021，59（1）：20-43.

［7］NICOLAS-AGUSTIN A，JIMENEZ-JIMENEZ D，MAESO-FERNANDEZ F. The role of human resource practices in the implementation of digital transformation［J］. International Journal of Man-power，2022，43（2）：395-410.

［8］ONCIOIU I，ANTON E，IFRIM A M，et al. The influence of social networks on the digital recruitment of human resources：An empirical study in the tourism sector［J］. Sustainability，2022，14（6）：14.

［9］张建民，顾春节，杨红英. 人工智能技术与人力资源管理实践：影响逻辑与模式演变［J］. 中国人力资源开发，2022，39（1）：17-34.

［10］KAMBUR E，AKAR C. Human resource developments with the touch of artificial intelligence： A scale development study［J］. International Journal of Manpower，2022，43（1）：168-205.

［11］BLACK J S，VAN ESCH P. AI-enabled recruiting： What is it and how should a manager use it？［J］. Business Horizons，2020，63（2）：215-226.

［12］VAN ESCH P，BLACK J S. Factors that influence new generation candidates to engage with and complete digital，AI-enabled recruiting［J］. Business Horizons，2019，62（6）：729-739.

［13］FRITTS M，CABRERA F. AI recruitment algorithms and the dehumanization problem［J］. Ethics and Information Technology，2021，23（4）：791-801.

［14］SUSENO Y，CHANG C，HUDIK M，et al. Beliefs，anxiety and change readiness for artificial intelligence adoption among human resource managers：The moderating role of high-performance work systems［J］. International Journal of Human Resource Management，2022，33（6）：1209-1236.

［15］LIU S. Human resource management of internet enterprises based on big data mobile information system［J］. Mobile Information Systems，2021：9.

［16］BEN YAHIA N，HLEL J，COLOMO-PALACIOS R. From big data to deep data to support people analytics for employee attrition prediction［J］. Ieee Access，2021（9）：60447-60458.

［17］ZHANG Y C，XU S，ZHANG L，et al. Big data and human resource management research：An integrative review and new directions for future research［J］. Journal of Business Research，2021（133）：34-50.

［18］DAHLBOM P，SIIKANEN N，SAJASALO P，et al. Big data and HR analytics in the digital era［J］. Baltic Journal of Management，2020，15（1）：120-138.

［19］BERBER N，DORDEVIC B，MILANOVIC S. Electronic human resource management（e-HRM）：New concept for digital age［J］. Strategic Management，2018，23（2）：22-32.

［20］POBA-NZAOU P，UWIZEYEMUNUGU S，GAHA K，et al. Taxonomy of business value underlying motivations for e-HRM adoption an empirical investigation based on HR processes［J］. Business Process Management Journal，2020，26（6）：1661-1685.

［21］ZIEBELL R C，ALBORS-GARRIGOS J，SCHOENEBERG K P，et al. e-HRM in a cloud environment implementation and its adoption：A literature review［J］. International Journal of Human Capital and Information Technology Professionals，2019，10（4）：16-40.

［22］DUGGAN J，SHERMAN U，CARBERY R，et al. Algorithmic management and App-work in the gig economy：A research agenda for employment relations and HRM［J］. Human Resource Management Journal，2020，30（1）：114-132.

［23］WILLIAMS P，MCDONALD P，MAYES R. Recruitment in the gig economy：Attraction and selection on digital platforms［J］. International Journal of Human Resource Management，2021，32（19）：4136-4162.

［24］WALDKIRCH M，BUCHER E，SCHOU P K，et al. Controlled by the algorithm，coached by the crowd-how HRM activities take shape on digital work platforms in the gig economy［J］. International Journal of Human Resource Management，2021，32（12）：2643-2682.

［25］DONNELLY R，JOHNS J. Recontextualising remote working and its HRM in the digital economy：An integrated framework for theory and practice［J］. International Journal of Human Resource Management，2021，32（1）：84-105.

［26］NEWMANA D T，FAST N J，HARMON D J. When eliminating bias isn't fair：Algorithmic reductionism and procedural justice in human resource decisions［J］. Organizational Behavior and Human Decision Processes，2020（160）：149-167.

［27］GIERMINDL L M，STRICH F，CHRIST O，et al. The dark sides of people analytics：Reviewing the perils for organisations and employees［J］. European Journal of Information Systems，2022，31（3）：410-435.

［28］LEICHT-DEOBALD U，Busch T，Schank C，et al. The challenges of algorithm-based HR decision-making for personal integrity［J］.Journal of Business Ethics，2019，160（2）：377-392.