fa نقش علوم اعصاب در مدیریت استعداد (مطالعه موردی: صنعت نفت ایران) مديريت Management پژوهشي Research <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;">پژوهش حاضر با هدف بررسی امکان استفاده از روش‌های علوم اعصاب، به&rlm;طور خاص </span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">EEG</span></span><span dir="RTL" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;"> و یادگیری ماشین، در شناسایی استعدادها با قابلیت رهبری تحول‌آفرین بالا انجام شده است. در این پژوهش، 61 نفر از مدیران و سرپرستان </span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;">صنعت نفت شاغل</span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;"> در شهر تهران شرکت کردند. برای جمع‌آوری داده‌ها از پرسشنامه چندعاملی رهبری تحول‌آفرین </span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">(MLQ)</span></span><span dir="RTL" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;"> و دستگاه الکتروانسفالوگراف </span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">(EEG)</span></span><span dir="RTL" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;"> استفاده شد. پس از ثبت سیگنال‌های مغزی و انجام پیش‌پردازش‌های لازم، ویژگی‌های مربوط به توان در باندهای فرکانسی مختلف محاسبه گردید. سپس با استفاده از روش‌های یادگیری ماشین، به&rlm;ویژه الگوریتم ماشین بردار پشتیبان </span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">(SVM)</span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="font-family:&quot;B Nazanin&quot;">، سعی در شناسایی الگوهای مرتبط با رهبری تحول‌آفرین بالا انجام شد. نتایج نشان داد که می‌توان با استفاده از این روش‌ها، افراد با قابلیت رهبری تحول‌آفرین بالا را با دقت 36/96 درصد از سایرین تمییز داد. این یافته‌ها حاکی از آن است که روش‌های علوم اعصاب و یادگیری ماشین می‌توانند ابزارهای قدرتمندی برای شناسایی و جذب استعدادهای رهبری تحول‌آفرین باشند. با توجه به اهمیت رهبری تحول‌آفرین در موفقیت سازمان‌ها، استفاده از این روش‌ها می‌تواند به بهبود عملکرد و افزایش کارایی سازمان‌ها کمک کند. پیشنهاد می‌شود که از این ابزار در کنار سایر ابزارهای ارزیابی به‌صورت آزمایشی در فرایند شناسایی و جذب استعدادها در سیستم مدیریت استعدادها مورد استفاده قرار گیرد</span></span> <span style="font-size:11pt"><span style="unicode-bidi:embed"><span style="font-family:&quot;Times New Roman&quot;,serif">The present study aimed to investigate the feasibility of employing neuroscience methods, specifically electroencephalography (EEG) and machine learning, to identify individuals with high potential for transformational leadership. The research included 61 managers and supervisors from the oil industry employed in Tehran. Data were collected using the Multifactor Leadership Questionnaire (MLQ) and EEG recordings. Following the acquisition of neural signals and necessary preprocessing steps, power-related features across different frequency bands were computed. Machine learning techniques, particularly the Support Vector Machine (SVM) algorithm, were then applied to detect patterns associated with high transformational leadership potential. The results demonstrated that individuals with high transformational leadership capabilities could be distinguished from others with an accuracy of 96.36%. These findings suggest that neuroscience methods combined with machine learning can serve as powerful tools for identifying and recruiting transformational leadership talents. Given the critical role of transformational leadership in organizational success, integrating these approaches may enhance organizational performance and efficiency. It is recommended that such tools be implemented experimentally alongside traditional assessment methods within talent management systems to optimize leadership identification and recruitment processes.</span></span></span><br> &nbsp; مدیریت استعداد, علوم اعصاب سازمانی, رهبری تحول‌آفرین, (EEG/qEEG), یادگیری ماشین Talent management, organizational neuroscience, transformational leadership, (EEG/qEEG), machine learning. 145 162 http://iieshrm.ir/browse.php?a_code=A-10-1018-227&slc_lang=fa&sid=1 Alireza koushkie علیرضا کوشکی جهرمی koushkie@atu.ac.ir 100319475328460014373 100319475328460014373 Yes Associate Professor, Department of Public Administration, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran دانشیار، گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران Ali farjami علی فرجامی 100319475328460014374 100319475328460014374 No PhD Student in Public Administration - Organizational Behavior, Faculty of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran. دانشجوی دکتری رشته مدیریت دولتی، رفتار سازمانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران Kambiz banihashemi کامبیز بنی هاشمی 100319475328460014375 100319475328460014375 No Medical Instructor, Department of Sport Injuries and Corrective Exercises, Faculty of Physical education and sport science, Allameh Tabataba’i University, Tehran, Iran. مربی پزشکی، گروه حرکات اصلاحی و آسیب‌شناسی ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه علامه طباطبایی، تهران، ایران ali khadem علی خادم خادم 100319475328460014376 100319475328460014376 No Assistant Professor, Department of Biomedical Engineering, Faculty of Electrical Engineering, K. N. Toosi University of Technology, Tehran, Iran استادیار، گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران