تحلیل پیامدهای رفتاری کاربست مدیریت الگوریتمی در کسب‌وکارهای پلتفرمی (موردمطالعه: تاکسی‌های اینترنتی)

نوع مقاله : پژوهشی کیفی

نویسندگان
جبار باباشاهی 1
مهدی گل وردی 2
امیرحسین عابدینی 3
1 استادیار، گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی، دانشگاه تهران، تهران، ایران.
2 استادیار، گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی، دانشگاه تهران، تهران، ایران.
3 کارشناسی ارشد، گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی، دانشگاه تهران، تهران، ایران.
چکیده
پیشرفت فناوری و کاربردهای وسیع آن باعث ایجاد گونه جدیدی از کسب‌و‌کارها با عنوان کسب‌و‌کارهای پلتفرمی شده است. الگوریتم‌ها ابزار پلتفرم‌ها برای مدیریت ‌امور هستند و کار را برای صاحبان ‌این مشاغل آسان می‌کنند، ازسوی‌دیگر، کاربرد الگوریتم‌ها با خود پیامدهایی را به همراه دارد. هدف پژوهش حاضر، بررسی و شناسایی کارکردهای مدیریت ‌الگوریتمی و تحلیل پیامدهای رفتاری آن بر رانندگان تاکسی‌های اینترنتی در ایران است.‌ جامعه پژوهش، شامل رانندگان تاکسی‌های اینترنتی در ایران بوده و نمونه پژوهش به روش نمونه‌گیری هدفمند از نوع نظری انتخاب شد. این پژوهش به ‎لحاظ نوع هدف کاربردی و به ‎لحاظ نوع روش، کیفی و شیوه توصیفی بود. به ‎منظور جمع‌آوری داده‌های کیفی، از ابزار مصاحبه نیمه ساختاریافته و برای تجزیه‌و‌تحلیل داده‌های حاصل از مصاحبه، از روش تحلیل مضمون استفاده شد. تحلیل یافته‌ها در دو بخش کارکردهای مدیریت الگوریتمی و پیامدهای آن حاوی 189 کد برای کارکردها و 136 کد برای پیامدهای رفتاری بود. در ادامه 9 مضمون در بخش کارکردها (جذب آسان، کارمندیابی چندکاناله، طراحی شغل انگیزشی، ارزیابی ‌عملکرد سیستمی- نگرشی (ادراکی)، آموزش دیجیتال، جبران ‌خدمات عملکردمحور، مدیریت انعطاف‌پذیر جبران ‌خدمات، روابط ‌کار نظام‌مند و نگهداشت مشروط) و 11 مضمون فرعی در بخش پیامدها که خود مشتمل بر دو مضمون اصلی احساسات خوشایند و احساسات ناخوشایند بودند، شناسایی شدند. یافته‌ها نشان می‌دهد که مدیریت‌ منابع ‌انسانی ‌الگوریتمی از یک‌ سو پیامدهای مثبت و ازسوی‌دیگر پیامدهای منفی دارد که به‌طور عمده پیامدهای منفی این مفهوم مغفول مانده است.
کلیدواژه‌ها
مدیریت ‌الگوریتمی
کسب‌وکار پلتفرمی
فناوری دیجیتال
پیامدهای رفتاری
تاکسی‌های اینترنتی

موضوعات

عنوان مقاله English

Analysis of the behavioral consequences of applying algorithmic management in platform businesses (Case: Internet taxis)

نویسندگان English

Jabar Babashahi 1
Mehdi Golverdi 2
Amirhossein Abedini 3
1 Assistant Professor, Department of Business Management, Faculty of Management & Accounting, College of Farabi, University of Tehran, Tehran, Iran.
2 Assistant Professor, Department of Public Administration, Faculty of Management and Accounting, College of Farabi, University of Tehran, Tehran, Iran.
3 Master, Department of Public Administration, Faculty of Management & Accounting, College of Farabi, University of Tehran, Tehran, Iran.
چکیده English

The advancement of technology and its widespread applications has given rise to a new type of business, known as platform businesses. Algorithms are essential tools for platforms to manage operations and simplify tasks for business owners. However, the use of algorithms also has consequences. The primary objective of this research is to investigate and identify the functions of algorithmic management and analyze its behavioral consequences on internet taxi drivers in Iran. The research community includes internet taxi drivers in Iran, and a theoretical sampling method was used to select the research sample. This study is qualitative and descriptive in terms of its applied goal and method. To collect qualitative data, a semi-structured interview tool was employed, and thematic analysis was used to analyze the data obtained from the interviews. The analysis of findings in the two sections of algorithmic management functions and its consequences yielded 189 codes for functions and 136 codes for behavioral consequences. The functions section contains 9 topics, including easy recruitment, multi-channel recruitment, motivational job design, systemic-attitudinal (perceptual) performance evaluation, digital training, performance-based service compensation, flexible service compensation management, systematic labor relations, and conditional maintenance. The results section includes 11 sub-themes, which are categorized under two main themes: pleasant feelings and unpleasant feelings. The findings indicate that algorithmic human resource management has both positive and negative consequences. While the positive consequences are often acknowledged, the negative consequences of this concept are frequently overlooked.

کلیدواژه‌ها English

algorithmic management
Platform Business
digitaltechnology
behavioral consequences
internet taxis
[1] Spagnoletti P, Resca A, Lee G. A design theory for digital platforms supporting online communities: a multiple case study. Journal of Information technology. 2015 Dec 1; 30:364-80.
[2] Duggan J, Sherman U, Carbery R, McDonnell A. Algorithmic management and app‐work in the gig economy: A research agenda for employment relations and HRM. Human Resource Management Journal. 2020 Jan;30(1):114-32.
[3] Noe R, Hollenbeck J, Gerhart B, Wright P. Human Resources Management: Gaining a Competitive Advantage, Tenth Global Edition. New York, MA: McGraw-Hill Education; 2006.
[4] Nazari, M., VedadHir, A., Ezati, H. Transforming the Business Model in the Urban Transportation Industry. Journal of Business Management Perspective, 2019; 18(38): 57- 37.
[5] Zarsky T. The trouble with algorithmic decisions: An analytic road map to examine efficiency and fairness in automated and opaque decision making. Science, Technology, & Human Values. 2016 Jan;41(1):118-32.
[6] Calo R, Rosenblat A. The taking economy: Uber, information, and power. Colum. L. Rev. 2017; 117:1623.
[7] Keith MG, Harms P, Tay L. Mechanical Turk and the gig economy: Exploring differences between gig workers. Journal of Managerial Psychology. 2019 Jul 23;34(4):286-306.
[8] Parent-Rocheleau X, Parker SK. Algorithms as work designers: How algorithmic management influences the design of jobs. Human resource management review. 2022 Sep 1;32(3):100838.
[9] Mehrvan Far M. Modeling and analysis of Taxi Internet platforms [Master's thesis]. Tehran: Sharifi University of Technology; 2018.
[10] zangeneh, N., moeini, A., Haji heydari, N., Azar, A. A framework to develop Platform business modeا: Findings based on Meta-synthesis approach. Management Research in Iran, 2021; 25(1): 95-115.
[11] Almaspour M S, Khastar H, Jafarinia S, Abdollahi B. A framework for Gig Human Resource Management in Platform Businesses. ORMR 2021; 11 (1):129-167
[12] Allen-Robertson J. The Uber game: exploring algorithmic management and resistance.
[13] Aloisi A, De Stefano V. Your boss is an algorithm: artificial intelligence, platform work, and labour. Bloomsbury Publishing; 2022 Jul 14.
[14] Meijerink J, Keegan A. Conceptualizing human resource management in the gig economy: Toward a platform ecosystem perspective. Journal of managerial psychology. 2019 Jul 23;34(4):214-32.
[15] Leicht-Deobald U, Busch T, Schank C, Weibel A, Schafheitle S, Wildhaber I, Kasper G. The challenges of algorithm-based HR decision-making for personal integrity. InBusiness and the Ethical Implications of Technology 2022 Nov 10 (pp. 71-86). Cham: Springer Nature Switzerland.
[16] Lee MK, Kusbit D, Metsky E, Dabbish L. Working with machines: The impact of algorithmic and data-driven management on human workers. In Proceedings of the 33rd annual ACM conference on human factors in computing systems 2015 Apr 18 (pp. 1603-1612).
[17] Wood AJ, Graham M, Lehdonvirta V, Hjorth I. Good gig, bad gig: autonomy and algorithmic control in the global gig economy. Work, employment, and society. 2019 Feb;33(1):56-75.
[18] Harris B. Uber, lyft, and regulating the sharing economy. Seattle UL Rev. 2017; 41:269.
[19] Wood AJ. Algorithmic management consequences for work organisation and working conditions. JRC Working Papers Series on Labour, Education and Technology; 2021.
[20] Gsenger R, Strle T. Trust, automation bias and aversion: Algorithmic decision-making in the context of credit scoring. Interdisciplinary Description of Complex Systems: INDECS. 2021 Dec 30;19(4):540-58.
[21] Nadi, M., Shojaee, M. Relationship between perception of bullying in the workplace, job self-alienation, organizational support with the Intention to Leave Work and the role of mediator of forced citizenship behavior. Journal of Applied Sociology, 2019; 30(1): 167-188.
[22] Shayan A, danai H, andami M. The use of social media on job performance of Tarbiat Modares University's personnel. ORMR 2017; 7 (3) :135-155.
[23] Shapiro A. Between autonomy and control: Strategies of arbitrage in the “on-demand” economy. New Media & Society. 2018 Aug;20(8):2954-71.
[24] Hosseini S, Rezaian A, Qarache M. Development of a new conceptual framework of organizational control systems based on closed view. Journal of Business Management Perspective, 2015; 13(4): 67-86.
[25] Cheng MM, Hackett RD. A critical review of algorithms in HRM: Definition, theory, and practice. Human Resource Management Review. 2021 Mar 1;31(1):100698.
پژوهش های مدیریت منابع سازمانی
دوره 14، شماره 2
مهر 1403
صفحه 31-58