开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
随着数字经济的快速发展，互联网、大数据、云计算、人工智能等新一代信息技术成为中国经济高质量发展的新动能，越来越多的传统企业顺应数字经济发展趋势，不断推动组织向数字化、自动化和智能化转型。根据《2020中国数字经济发展报告》，2020年中国数字经济规模41.36万亿元，占GDP比重的40%。新一代信息技术改变了组织面临的市场变化趋势、竞争优势以及组织结构与边界等[1]，尤其改变了员工工作方式及管理员工的方式，使组织人力资源管理(Human Resource Management, HRM)发生了根本性变化，如人力资源雇佣组织边界被打破，智能化机器人和算法助推传统劳动力在组织中的价值重构等[2]。当前，HRM作为企业管理重要组成部分，正经历数字化转型带来的变革，出现数字化人力资源管理(digital human resource management, digital-HRM)，给HRM实践带来前所未有的挑战。那么，digital-HRM如何产生？其具体内涵如何？具有哪些特征？组织实施digital-HRM过程如何？digital-HRM过程的影响因素有哪些？digital-HRM的结果产出如何？本文将对这些问题进行探讨。
目前学术界对digital-HRM的研究刚刚兴起，已有文献集中于不同新兴技术在HRM领域的应用及其对HRM影响后果的探讨，digital-HRM具体内涵及其特征尚未在HRM学界形成共识，而且对digital-HRM驱动因素和影响效应研究的系统性不够，digital-HRM的理论研究有待丰富。基于此，本文通过关键词检索方式，在Web of Science英文数据库进行关键词检索，将“digital” “digitalization” “digitalization transformation” “technology 4.0” “smart device” “artificial intelligence” “big data” “block chain” “robot” “cloud” “algorithm”等词分别与“HR” “HRM” “human resource management” “human resource”进行组合检索，以“HR analytics” “workplace analytics” “ people analytics”作为关键词进行检索，时间设定为2010-2021年，并在知网以“数字化人力资源” “大数据人力资源” “人工智能人力资源”等为主题进行文献检索，将期刊来源限定为CSSCI。经过人工筛选得到英文文献90篇、中文文献13篇。通过对这些文献的精读、梳理和分析，本文首先从技术与HRM结合历史视角分析digital-HRM如何产生，从技术、功能等不同视角梳理digital-HRM相关概念，明晰和界定digital-HRM的内涵，指出digital-HRM五大具体特征。从社会物质视角，将I-P-O范式引入digital-HRM领域，构建digital-HRM研究的I-P-O框架，系统分析digital-HRM过程(P)及其输入因素(I)和输出结果(O)，最后提出未来展望。本文为学者们进行digital-HRM研究提供新的视角，不仅丰富与拓展digital-HRM理论研究，也为学术界digital-HRM研究奠定新的基础。
从历史视角看，科学技术发展及其演变一直影响组织HRM，并具有越来越重要的作用(见图1)。在早期人事管理阶段，人力资源管理者采用人力资源管理信息系统(Human Resource Information Systems，HRIS)实施计划、管理、决策和控制活动[3]，目的是降低管理成本、减轻人力资源部门的管理负担。随着人力资源管理在组织中职能地位的不断提升及科学技术进步，20世纪90年代开始出现信息化人力资源管理(Electronic Human Resource Management，e-HRM)，e-HRM是在人力资源管理实践中出现的信息技术计划、实施和应用[4]，也是与信息化时代相适应的人力资源管理和战略模式转变。一方面，在HRM过程中，将信息技术手段渗透到HRM计划、员工招聘、员工培训、绩效管理、薪酬管理等环节，提高HRM工作透明性、质量水平和效率；另一方面，在HRM职能部门通过信息技术应用整合组织内外部资源，促进全员管理，提升员工参与度，e-HRM更关注组织人力资源战略，减少人力资源部门人员冗余及行政负担[4]。e-HRM的价值并非仅仅提升HRM部门战略参与程度，而是影响组织全体员工行为模式[5]。到21世纪初期，组织为适应复杂的竞争环境，通过网络技术与其它组织建立伙伴关系，以扩大其战略范围、增强适应性，形成虚拟组织[6]。虚拟组织通过非核心业务转移给其它组织以提升核心竞争力，出现虚拟化人力资源管理(Virtual Human Resource, v-HRM)。v-HRM是以伙伴关系为基础，以信息技术为载体，帮助组织获取、发展和利用智力资本的一种基于网络的人力资源新构架[7]。与以往HRM模式不同，v-HRM打破了组织界限，构建由内外部利益相关者组成的技术中介网络[4]，许多人力资源功能虚拟化，以更多地利用外部资源，促使HRM更加重视过程、信息以及关系管理。
随着数字化时代的到来，大数据、云计算、人工智能、物联网等新兴信息技术被广泛应用，促进企业数字化转型，企业HRM正经历数字化带来的变革，出现digital-HRM，以数字化驱动人力资源，其本质是使用新兴技术手段，通过创新方式重塑员工体验，激发组织价值创造。因此，digital-HRM与HRIS、e-HRM、v-HRM有区别但也有演进关系。
何谓数字化人力资源管理？从已有文献来看，研究者对digital-HRM内涵的直接界定鲜见。但学术界出现了信息化人力资源管理(e-HRM)、智能化人力资源4.0(Smart Human Resources 4.0，SHR 4.0)、数据驱动型人力资源管理(HR Analytics，HRA)、人力资源管理数字化(HRM digitalization)、大数据人力资源管理(Big Data HRM)等相关概念，其本质均是研究者从不同视角对digital-HRM的逐步认识和诠释(见表1)。从技术视角看，研究者认为技术的采纳使工作场所和人员管理更加智能。从功能视角看，学者们主要关注数据分析功能对人力资源管理流程和决策的影响。从综合视角看，研究者既关注技术在HRM领域的应用，也关注技术对HRM功能的影响。例如，Zhou等[8]提到e-HRM以及HRA两大数字化人力资源管理研究趋势，给出HRM digitalization内涵；Verma等[9]提出Big Data HRM的定义，研究Big Data HRM对中小企业人力资源服务质量和创新能力提高的影响。
综上所述，本研究认为数字化人力资源管理(digital-HRM)是指利用数字技术获取、分析和应用一切有价值的数据，实现数据驱动决策以建构全新的HRM运行模式，提高HRM效率，提升企业组织能力的管理模式。
图1 不同时期技术在HRM领域的应用及其影响
表1 数字化人力资源管理相关概念
视角定义概念研究者技术视角涵盖HRM和信息技术之间所有可能的整合机制和内容,旨在为目标员工和管理层在组织内部与组织之间创造价值e-HRMBondarouk & Ruel(2009)工业4.0的一部分,在数字技术方面有所创新,如物联网、大数据分析、人工智能(AI)和快速数据网络,如4G和5G,以有效管理新生代员工SHR 4.0Sivathanu & Pillai(2018)功能视角一种由信息技术支持的人力资源实践,使用人力资源流程、人力资本、组织绩效和外部环境相关数据进行描述、可视化和统计分析,建立业务影响,并实现数据驱动决策HRAMarler & Boudreau(2017)基于工作中产生的非结构化数据,利用数据分析技术、经验、工具,为员工和管理者提供有关人才方面实时性或具有洞察力的决策参考大数据人力资源管理西楠,李雨明,彭剑锋,等(2017)综合视角使用数字技术和适当数据以提高HRM活动效率和有效性HRM digitalizationZhou,Liu,Chang,et.al(2021)通过与员工、候选人及其决策相关大数据和分析技术实现人力资源功能的实施Big Data HRMVerma, Singh, Bhattacharyya(2020)
数字技术是digital-HRM的基础和前提，也是其特征的重要体现，数字技术是信息、计算、通信和连接技术的组合，具有可再编程性和数据同质化两大基本特征。其中，可再编程性是指数字设备可以通过重新编程的方式使设备的符号功能逻辑与执行它的物理实体分离，促使数字设备执行一系列广泛的功能(如计算距离、文字处理、视频编辑和网页浏览)。而数据同质化是指将各种信息转化为二进制，使得任何数字内容(音频、视频、文本和图像)都可以使用相同的数字设备和网络进行存储、传输、处理与显示[10]。
随着数字技术的全面应用，人与数据对话、数据与数据对话成为新趋势，数据驱动HRM活动逐渐成为常态。数据不仅将以往离散的对象、人和活动连接起来，使得管理变得更加便捷，而且提升技术、资本、人才利用效率，纠正资源错配，使得管理更加精准。但同时，数据隐私、数字技术的决策争议等也使得HRM活动更加复杂。此外，数字技术的可再编程性和数据同质化使得数字技术具有可供性(Affordance)，也就是不同组织、个体可以利用相同的数字技术实现不同目的，这有助于组织对员工的定制化管理。基于此，本研究提炼出digital-HRM的五大特征：HRM活动的数据驱动、管理复杂化、管理便捷化、管理精准化和管理定制化。
人力资源管理曾被视为最少受数据驱动的职能之一，但信息、计算、通信和连接技术组合形成的数字技术，如社交媒体、移动设备、分析和云计算等的广泛应用，使组织的数据获取、存储和分析等能力得到提高，促使HRM活动逐渐实现数据驱动(见表2)。
表2 传统HRM与digital-HRM中数据驱动过程的比较
数据驱动过程传统HRMdigital-HRM数据获取获取手段大量人力计算机获取内容与HRM相关的结构化数据既包含与HRM相关的结构化数据,也包含与HRM无关的非结构化数据数据存储执行不同HR流程的单独软件基于云的数据库数据分析针对HRM的各个具体模块将HRM各个模块串联起来
首先，从数据获取来看，传统HRM与digital-HRM在数据获取手段和获取内容上具有明显差异。传统HRM主要依赖大量人力进行人事信息统计，而digital-HRM更多地利用计算机进行数据收集[11]。就数据获取内容而言，传统HRM主要收集与HRM相关的结构化数据，从被雇佣员工或候选人信息来看，具体包括就业经历、技能和能力、学历和人口统计信息等，这些数据收集的成本较高，且缺乏实时性、连续性[12,13]；digital-HRM不仅包括上述结构化数据，还包括来自员工工作(移动电话的位置数据、上网记录、电子日历等)、与人交流(如电子邮件、电话记录和在线协作工具)及其交流内容，如电子邮件、即时通信工具对话和短信内容等，以及与客户交流的录音等非结构数据[12]，这些数据有助于解决传统HRM决策上存在的主观性强和管理效率低下等问题。
其次，从数据存储来看，传统HRM的数据存储往往保存在实施不同HRM活动流程的单独软件中[12]，而digital-HRM将数据存储在基于云的数据库中，改变了HRM相关信息的存储、处理和分发方式[14]。云计算使实时处理HRM相关的更大数据量成为可能，并允许不同实体(组织)相互协作。例如，一个组织的人力资源部门可允许一个用户/实体/公司从多个来源访问数据，有助于提高工作效率，降低运营成本，达到满意的管理水平。
最后，从数据分析来看，对传统HRM而言，其不同职能模块之间相互独立，缺乏整体性和系统化，HRM各模块的独立数据分析对HRM决策往往参考价值不大。而在digital-HRM中，大数据能够将各模块信息和数据串联起来，提高HRM数据分析的科学性和有效性[11]。
digital-HRM的复杂化主要体现在员工与组织、技术之间的关系上(见图2)。
图2 digital-HRM的复杂关系
一方面，从员工与组织关系看，传统组织间具有明确的地理界限，员工往往全职服务于某一个组织，雇佣关系也主要基于长久、互惠的原则而建立[15]。而数字化时代，技术改变了雇佣边界，员工的移动性和灵活性更强[2]，员工可能在不同组织以全职、兼职、零工或者随时随地组成工作团队的形式存在[1]。digital-HRM的对象既包含那些全职工作者，也包含那些没有受雇于组织的员工，即数字化时代员工与组织关系变得更加复杂化。
另一方面，digital-HRM中员工与技术的关系发生变化。如人工智能技术的不断进步及传感器的改进，使得机器人能够作出更复杂的判断，并学习如何执行任务以及与人类沟通，在工作场所中扮演员工、同事的角色，人—机协作也变得越来越普遍。在此情况下，人与机器人工作职能的分配、信任等问题使得HRM变得更加复杂。
此外，对组织而言，利用数字技术进行决策也变得更加复杂。人力资源现象往往是复杂的，人员评估与决策都存在许多争议，智能化算法的应用也可能扩大与加剧人工决策存在的问题。例如，对“好员工”的衡量，这对很多工作来说是难以界定和衡量的。最广泛的方法是用绩效评估分值加以评定，但其可靠性、有效性、偏见性等都存在争议。鉴于人工评估的不确定性，采用智能算法能否很好地解决问题？这仍是一个值得探讨的问题[16]。
尽管数字化时代HRM活动变得更加复杂，但数字技术的使用也使HRM更加便捷。例如，物联网方便组织及人力资源部门实时追踪、监视、监听员工工作情况。通过员工在工作中使用或佩戴相关管理工具，组织可以获取HRM相关数据，如员工需求、资格、表现、身体活动、心理状态或社会状况等[1]，同时，方便实时管理，更好地控制业务流程，并在问题出现时立即采取行动和参与预防性解决方案。数字技术应用简化和方便具体的人力资源管理实践，例如，人工智能驱动的绩效管理系统允许使用实时数据，向员工和公司提供更多实时反馈[17]，而数据驱动的HRM可消除绩效管理中的偏见[18]。此外，数据技术有助于提高人与人、人与数字技术之间的协调效率，人力资源管理者通过算法等手段实施人力资源流程管理，如工作分配和绩效管理，并不需要面对面的交互[15]。基于数字技术的线上系统还有助于提高信息传递的及时性和准确性，从而降低沟通成本、提升协调效率。
digital-HRM的精准化体现在对员工“选”“用”“育”“留”整个流程上。首先是“选”人，大数据为招聘工作提供更广泛的平台。利用大数据技术，组织可获取应聘者相关信息，包括个人照片、生活状况、社会关系、能力等，使应聘者的形象变得更加生动，并提高正确匹配候选人的概率[19]。例如，IBM公司引入基于人工智能的应用程序Watson Recruitment，可根据工作需求为任何工作推荐最佳候选人。其次是“用”人，基于大数据思维，组织可建立庞大的员工数据系统，利用现代信息技术计算员工之间的业绩差异，并分析差异出现的原因，如员工的技术专长、个性甚至生理指标[20]等，根据这些数据，组织可进一步了解员工能力和素质，从而将员工放在合适的岗位上，最终实现人岗精准匹配。再次是“育”人，组织可利用员工在工作中使用或佩戴的相关管理工具获取HRM相关数据，如员工的需求、资格、表现、身体活动、心理状态或社会状况等[1]，根据这些大数据以及实时雇佣相关数据分析，人力资源管理者可从后台流程为每个员工设计培训和发展计划。利用人工智能还可为员工提供正确的职业道路和拓展其能力，帮助员工在现有职位上发挥潜能，并提高其晋升抱负[17]。最后是“留”人，组织可以依靠人工神经网络预测员工流失情况，包括哪些员工可能离开，发现影响离职的一些隐蔽因素；还可为人员配置提供预测信息，这些信息有助于组织主动管理员工流动，减轻离职带来的负面影响[1]，例如，谷歌公司引入一套预测算法，并利用其灵活实施薪酬调整以避免员工离职[2]。
定制化也是HRM的重要特征。一方面，组织以员工为中心，允许员工在办公室、家和任何地方工作。这种无处不在的工作环境不仅满足员工工作需要，还有助于员工平衡工作与生活。另一方面，定制化管理还表现在HRM实践活动的各个方面。例如，在员工培训方面，组织可以通过大数据了解行业与职位需求，并结合员工个性化的需求、期望、绩效及贡献等，为其设计培训和发展计划[17]；在薪酬管理方面，组织可利用数字技术为员工创建个性化薪酬[18]；在员工职业生涯管理方面，通过对员工的兴趣、晋升意愿、职业经验和表现、职业规划等信息进行定量分析，HR可以更好地了解员工的职业兴趣，从而为员工提供量身定制的服务，降低员工离职率，实现企业与员工双赢[19]。如IBM公司应用Blue Match软件通过算法为每个员工提供职业晋升和新工作的建议推动员工职业发展，这些算法基于员工的兴趣、之前的工作经历、培训以及有利于其在工作中获得成功的个人特征，为员工提供合适的建议。IBM公司2018年已获得新工作或晋升的员工中有27%得到Blue Match的帮助[16]。此外，IBM公司的MYCA (我的职业顾问)人工智能虚拟助手还可以帮助员工确定其需要提高哪方面技能。
在分析和总结digital-HRM产生、内涵及其具体特征的基础上，结合digital-HRM相关文献梳理，本文采用输入-过程-输出(I-P-O)范式构建digital-HRM研究整合框架(见图3)。
社会物质(sociomateriality)观点认为，没有什么是纯粹社会的或物质的，一切都是社会物质：实体、对象、场所、实践、人类。物质对象是人类活动不可或缺的组成部分，而人类活动定义了物质对象的功能[21]。根据该理论观点，组织、人类和技术只能在相互作用中存在。基于此，本文从技术、参与者、HRM实践3个方面对digital-HRM过程加以分析，并将三者之间的相互作用视为digital-HRM的过程(P)。其中，技术是digital-HRM的基础，是支持HRM实践活动的技术支撑，参与者是执行HRM实践活动的主体，而HRM实践是digital-HRM的核心。
(1)技术。基于社会物质视角，技术可以视为一个复杂的社会物质实体，其中，物质(物理或数字物体、结构、空间)是组织生活不可分割的一部分[21]。这里的技术主要包括应用于HRM活动的大数据、人工智能、物联网、云计算、区块链等数字技术，具有多重、复杂、短暂、高度相互依赖等特点。
(2)参与者。参与者是指参与HRM实践的组织行动者或受制于HRM的群体。既可以是HR部门内部的高级人力资源经理或业务合作伙伴等角色，又可以是HR部门之外不同的行为者，如直线经理或人力资源服务提供者[8]，还可以是设计或使用人力资源管理活动“产品”(如数据、报告、分析)的人。事实上，有些参与者甚至不一定是人类[21]。
(3)HRM实践。HRM实践是指为提供组织实现目标所需员工数量和质量而执行的与员工相关的任务[22]。本文将HRM实践分成招聘与选拔、培训与开发、绩效管理、薪酬管理、职业生涯管理以及组织与员工关系6个方面。
(4)技术与参与者的相互作用。关于社会物质的一个重要观点认为，社会(人)与物质(技术)不可避免地交织在一起[23]。技术提供给行为者使其意识到实现某些功能的可能性，进而使某些行为成为可能，并约束其它行为(使其不可能或难以实现)，因此，功能可见性(Affordances)只存在于参与者身上，这意味着人们需要感知物质实体提供给他们的功能[21]。另一方面，参与者需要不断与技术互动，以完成他们的日常任务。由此可见，物质(技术)与社会(人)本质上是相互作用的。
(5)技术和参与者交互对HRM实践的作用。实践是技术和参与者产生行动及构建现实的空间[21]，对HRM实践而言，需要从事重复活动(咨询、建议、报告、管理、评估等)的人(人力资源专业人员、部门经理、雇员)和各种实物(工作场所、表格、指令、工具、计算机、软件、数据中心)来开展。digital-HRM工作的重要性不仅体现在有形的人工制品(artefacts)上，而且体现在无形的人工制品上，比如软件，它们只存在于计算机、代码、算法和规范中。只有参与者与技术交互作用，才能更好地完成HRM相关活动。
图3 digital-HRM研究整合框架
组织实施digital-HRM受到多种因素的影响。本文研究整合框架中宏因素(即组织外部因素)是digital-HRM实施的情境因素，主要包括技术因素、经济形态及社会文化特征。首先是技术因素，组织的数字化转型离不开数字技术的应用，数字技术是实施digital-HRM的基础，技术使用难易程度以及实用性会影响digital-HRM的采纳与实施[24]。其次是经济形态，零工经济、共享经济对人力资源管理模式、管理职能、管理效率以及管理实践具有重要影响[25]。此外，不同地区由于受到政治、法律和教育背景的影响，可能digital-HRM的实施存在差异，比如发达地区相比于发展中地区采用新兴技术的可能性往往更大[26]。
数字化人力资源管理过程的影响因素主要包括组织因素和员工因素。组织因素主要包括组织规模、部门、组织能力与资源、管理者支持、领导风格、组织数字驱动文化、组织IT技术设施等。首先，组织规模与性质对digital-HRM的采纳产生影响，数字化转型在大中型组织中更为普遍[24]。其次，digital-HRM实施受组织财务预算和资源的限制。digital-HRM的引入需要组织建立和实施广泛的智能基础设施，如通信网络和互联网协议、人工智能、大数据等，这需要巨大的成本投入。再者，管理者支持与否以及领导风格对digital-HRM的采纳具有重要影响。高层管理者是决定HRM数字化过程成功的最重要因素之一，而且，数字转型只有在获得员工认可的组织中才能成功，单靠管理层无法确保其成功。除管理者支持会对digital-HRM产生影响外，领导风格也会对digital-HRM的实施产生影响。变革型领导可能会更快地适应人工智能技术变革带来的机会与挑战，从而更加积极地参与技术革新，并且对员工学习使用人工智能相关技术持鼓励态度[27]。此外，组织的数字驱动文化[28]、IT技术设施[29]也会影响digital-HRM的有效性。
员工因素包括员工性别、数字化技能、对数字化的态度等。研究表明，女性对IT的总体经验较少，而且更有可能对IT持消极态度[30]；个人数字化技能水平会影响digital-HRM的有效性[8]。组织中员工缺乏必要的技能和资格将会影响其使用数字技术，从而影响digital-HRM的采纳。而且，员工对数字化的态度也是影响digital-HRM采纳的重要动因[24]。
数字化人力资源管理实施过程的结果产出主要涉及组织、团队及员工3个层面。从组织层面看，digital-HRM实施影响组织的雇主品牌、组织绩效、人力资源服务质量、HRM灵活性、人力资源实践决策等。首先，digital-HRM实施会影响雇主品牌。有研究者构建HRM4.0背景下雇主品牌的概念模型，认为数字时代新兴技术的采用可协助吸纳人才、实时管理庞大的员工纪录、鼓励在多个平台上积极沟通，从而有助于雇主品牌的有效运用[14]。其次，digital-HRM实施对组织绩效具有重要影响。一项利用来自美国和中国1 109个数据驱动创新项目的实证数据，探究大数据、大数据能力与绩效关系的研究表明，数据驱动对创新绩效具有影响，且影响作用在不同的大数据能力下有所不同[31]。由此可见，组织的digital-HRM对组织绩效具有重要影响。再者，digital-HRM可以促进人力资源服务质量提升。数据驱动的人力资源实践可以帮助管理者收集员工技能、能力和评估相关信息，以评估影响员工才能的关键心理属性，如流体智力(fluid intelligence)、诚实(honesty)和求知欲(inquisitiveness)，这些对HRM服务质量提升具有正向影响[9]。此外，digital-HRM还可节约人力资源成本、提高HRM效率[24]、增加HRM的灵活性[16]，以及有助于人力资源实践决策等。
从团队层面看，digital-HRM会对团队创造意愿、团队绩效产生影响。digital-HRM可为员工提供一个交流创造性想法的平台，有助于团队成员数字任务的完成，还能协助快速识别创造性团队成员[32]，而这对团队绩效具有积极影响。而且，digital-HRM中数字技术应用对团队创造意愿具有积极影响。
从员工层面看，digital-HRM会对员工的工作满意度、工作绩效、工作动机、工作压力、敬业度、情感依恋等产生影响。首先，digital-HRM对员工工作满意度具有影响作用。Bughin等认为，在使用内部社交工具的组织中员工平均工作满意度更高，并且当员工参与度上升时，其留在组织的概率会增加87%。其次，digital-HRM对员工工作绩效具有重要影响。在数字化时代，员工希望使用的程序和技术以及他们的需求都可在相关设备上轻易获得和访问。再者，digital-HRM会影响员工工作动机。组织可利用新兴信息技术对员工工作状态实施实时监控，以增加信息收集的广度和细节[33]，尽管这对管理者而言有好处，但对员工却造成负面影响。组织利用数字技术对员工进行监控会降低其工作自主性，导致员工工作倦怠[34]；同时，监控系统的应用使员工觉得自主权减少，从而降低其内在工作动机[33]。此外，员工生活质量也可能受到影响。员工可以随时随地利用新兴技术、设备开展工作，这可能造成员工在非工作时间也要使用电子邮件等而全天候无法脱离工作，导致工作与家庭之间的冲突加剧[35]。
本文首先对数字化人力资源管理相关文献进行系统回顾和梳理，探究digital-HRM的产生及内涵；其次，总结digital-HRM管理活动的数据驱动、管理复杂化、管理便捷化、管理精准化、管理定制化等五大特征；最后，将I-P-O范式引入digital-HRM领域，构建digital-HRM研究整合框架，深入分析digital-HRM过程(P)及其输入因素(I)和输出结果(O)。主要研究结论如下：第一，技术、参与者、HRM实践及三者相互作用构成digital-HRM过程，其中，技术是基础，支撑digital-HRM实践，参与者是实践的主体，实践是digital-HRM的核心；第二，影响digital-HRM实施的因素包括组织规模、部门、组织能力与资源、管理者支持、领导风格、数字驱动文化、IT技术设施等组织因素，以及员工性别、数字化技能、对数字化的态度等员工因素；第三，实施digital-HRM会对组织、团队和员工3个层面的因素产生影响，既包括雇主品牌、组织绩效、人力资源服务质量、HRM灵活性、人力资源实践决策等组织变量，也包括团队创造意愿、团队绩效变量，还包括员工工作满意度、工作绩效、工作动机、工作压力、敬业度、情感依恋等。此外，技术因素、经济形态及社会文化等宏观因素(即组织外部因素)也是实施digital-HRM的情境因素。
(1)本文从梳理digital-HRM相关概念出发，明确界定了digital-HRM内涵，为进一步开展数字化人力资源管理研究提供了理论基础。已有研究鲜少从历史视角关注digital-HRM起源并对其内涵进行界定，本文从技术与人力资源结合的历史视角出发分析digital-HRM的产生，从技术、功能及综合视角梳理数字经济时代HRM相关概念，提出digital-HRM具体内涵，有助于学者们对本领域及digital-HRM相关概念的理解。
(2)基于数字技术特性提炼了digital-HRM的五大特征，拓展了人们对digital-HRM的理解。现有研究对digital-HRM特征的系统和全面性总结有待深入，本文从数字技术的特征出发，结合digital-HRM内涵和HRM内容，总结归纳digital-HRM的管理活动数据驱动、管理复杂化、管理便捷化、管理精准化、管理定制化等五大特征，有助于本领域研究者和实践者对digital-HRM本质的进一步理解。
(3)基于社会物质视角分析了digital-HRM过程，以I-P-O研究框架揭示了digital-HRM影响因素及影响结果，为digital-HRM研究提供了新视角。尽管已有不少学者探究digital-HRM，但研究的系统性有待加强，而且，难以对digital-HRM研究有一个整体理解。本文从社会物质视角探讨技术与参与者对digital-HRM实践的影响，分析digital-HRM的过程，同时，将digital-HRM的微观和宏观层面影响因素分别引入模型作为输入因素(I)及情境因素，并将digital-HRM对组织、团队及个人3个层面的影响引入模型作为输出结果(O)，不仅丰富与拓展了digital-HRM理论研究，也为学术界的digital-HRM研究奠定了新基，有利于digital-HRM发生机制和影响机制的深入研究。
尽管学术界关于digital-HRM形成了部分研究成果，但仍存在不足，未来需要进一步展开深入探讨。
(1)完善或重构数字化人力资源管理相关理论。目前，从技术角度探讨digital-HRM理论的研究相对匮乏，尽管有学者从技术采纳模型、技术采纳与使用的统一理论探讨技术对组织的影响，但这些理论在理解HRM数字化转型上仍存在一定局限，因为digital-HRM更多是组织战略，而非仅涉及技术采用和使用的行为问题，已有理论框架难以很好地分析digital-HRM，需要对已有研究理论进行修正完善。未来还应构建digital-HRM新理论，因为传统理论可能已经难以解释新的组织现象。尽管部分学者尝试使用传统管理理论对数字化企业管理现象进行分类、解释和预测，但是，数字化时代组织管理现象更加多样化，传统理论难以普遍适用；同时，因技术之间往往非相互独立，不同技术可能带来管理理论矛盾。例如，区块链追求分布式HRM，而人工智能推崇自动化HRM，但两者之间的融合和兼容却很少受到学术界的关注[7]。在数字化时代，企业往往趋于技术多样化发展，这使管理者难以根据理论作出决策。因此，面对数字技术带来的各种转变，需要构建digital-HRM的新理论来解释组织中各种现象。
(2)多层次、多视角探究数字化人力资源管理影响因素。一是从整合技术视角建立digital-HRM分析模型，现有研究主要聚焦于对单一技术驱动HRM的探讨，例如大数据HRM[13]、基于人工智能的HRM[27]、基于区块链的HRM等，然而，组织实施digital-HRM往往采用多种数字技术，不同数字技术的协同对digital-HRM至关重要，因此，未来应该关注多种技术应用对digital-HRM的影响，以及根据特定企业数字技术应用情况建立digital-HRM分析模型。二是多视角探讨digital-HRM驱动因素。不仅关注技术层面digital-HRM驱动因素，还应注意人在digital-HRM中的重要作用，未来可以考虑从参与者视角探究组织高层管理者、HR及员工等不同角色对实施digital-HRM的影响。同时，还可以根据数字化转型进程，从动态视角分析数字化转型前、数字化转型阶段与转型后HRM的主要影响因素及其差异。此外，还可综合考虑员工个体特征、工作特征等因素，分析其对digital-HRM的作用机制。三是综合考虑组织内外部因素对digital-HRM的影响，已有研究主要强调组织内部因素对实施digital-HRM的作用，但忽视了外部因素对digital-HRM的重要作用，未来需要更多地关注政策、社会伦理等外部因素的影响，并结合内部因素深入探讨其对digital-HRM的作用机制。同时，对国内实施digital-HRM的企业进行案例研究，总结中国企业实施digital-HRM转型事件，探索和揭示中国digital-HRM的企业实践内在规律。
(3)深入探讨数字化人力资源管理影响机制。首先，深入探讨digital-HRM产生的积极影响与消极影响。已有研究发现，digital-HRM具有“双刃剑”影响效应，既能提高员工工作效率、工作绩效并降低成本，也会降低员工工作动机[2,33]，导致更高程度的工作—家庭冲突[35]和工作倦怠。企业应如何扩大digital-HRM的积极影响并降低其负面效应呢？未来需要进一步探讨digital-HRM积极作用和消极作用的内在机制及其权变因素，以便于更好地指导实践。其次，应从多元视角探讨digital-HRM所产生的影响。已有研究较多聚焦于组织或员工等单一角度探究digital-HRM的影响后果，容易产生片面结论，因为从不同视角看digital-HRM的影响往往是不同的。例如，digital-HRM对员工的监控有利于管理者掌握员工工作状态和数据等，但对员工可能造成负面影响。未来研究可从利益相关者、工会等多种视角全面探讨digital-HRM的影响作用。最后，应关注短期/长期digital-HRM的影响机制。目前大部分组织仍处于数字化转型阶段，在该阶段先实施转型的组织往往能够通过digital-HRM占据优势，而当更多组织实施digital-HRM转型成功后，digital-HRM还能给组织带来多大优势呢？未来研究digital-HRM时应更多考虑时间因素，关注短期与长期digital-HRM的影响结果及其差异。此外，追踪某一特定企业从数字化转型开始到转型成功过程中digital-HRM的影响，将对中国企业案例研究具有重要价值。
(4)重点关注数字化人力资源管理领域研究的新挑战。一是关注digital-HRM中组织与员工间关系。数字技术颠覆了传统的组织与员工间关系，员工可能以不同工作形式存在于不同组织，同时，工作与工作之间、工作与生活之间的界限也变得模糊。因此，未来研究者可进一步分析不同雇佣形式对员工态度及行为的影响，以及数字化时代员工工作幸福感、工作—家庭冲突，对比其数字化转型前后影响作用。二是深入探讨企业digital-HRM中员工工作动力触发机制。创新对推动组织发展具有重要意义，员工创新想法不仅来源于个人能力、个性，还受到环境的影响，而数字经济时代员工移动性和灵活性更强，面对动态的工作环境，如何帮助员工尽快适应并激发员工工作动力值得进一步深入探讨。三是深入探讨digital-HRM智能决策影响机制。数字技术在工作场所中扮演越来越重要的角色，并逐渐替代人的工作职能，这会对人的控制权与决策权形成威胁。目前已有学者致力于探究人工决策与AI决策的异同[36]、开发人工智能决策模型，但关于智能决策过程对HRM的影响及其内在作用机制缺乏研究，因此，未来可对此类问题作进一步探讨。四是分析人—机互动模式下的管理问题。现有研究更多从宏观层面强调机器人使用对劳动力需求、就业的影响，很少分析微观层面的影响，未来需要重点关注机器人使用对员工个人的影响。例如，机器人大规模使用对员工个人职业发展是积极还是消极影响？机器人对部分岗位的替代对员工造成的压力是激发还是抑制员工学习动机？
(5)开展植根中国情境的本土研究。相比于国外对digital-HRM的研究，国内研究起步较晚，针对中国情境的本土研究比较匮乏，这需要引起学者们的关注，从我国特有的政策制度、文化等方面出发对digital-HRM进行研究。一方面，从政策制度来讲，我国大力倡导并推动数字化发展。2020年5月，我国正式启动 “数字化转型伙伴行动”，促进各行业各领域数字化转型，并帮扶中小微企业渡过难关。在这种宏观政策背景下，组织内部HRM数字化转型势必受到影响。未来可探讨我国中小型企业HRM数字化转型遇到的问题、中国政策环境对企业digital-HRM的影响等。另一方面，不同文化差异导致人们对工作的安全性、稳定性和工作过程等重视程度不同，由此产生职业流动倾向差异[37]。而数字化时代，个体可能以不同工作形式服务于不同组织[1]，其职业生涯往往处于一种“无边界状态”，相比于个人主义文化中的个体，集体主义文化背景下的个体更倾向于待在原有组织[38]，由此文化背景导致个体受到digital-HRM的影响不同。因此，未来需要关注中国文化背景下digital-HRM所独有的特点。
当前，我国企业数字化转型迫在眉睫，企业digital-HRM也正在兴起。对于组织digital-HRM实践，本文提出如下5个方面建议：
(1)引入数字技术实施digital-HRM应考虑其内外部环境。一方面，组织需要关注宏观背景下技术成熟度、自身所处行业数字技术应用情况。另一方面，组织需要考虑自身经济条件、基础设施以及内部相关者利益，综合考虑内部外环境，选择适合的数字工具。尤其对高新技术企业而言，其生产经营离不开科技创新，这些企业不仅需要保持技术先进性与前沿性，吸收运用新兴技术进行创新，还可在此基础上搭建数字创新平台，吸引更多创新人才加入。对资源受限的中小企业、传统产业企业而言，可考虑与行业中优势企业合作交流，学习其数字技术使用经验，并结合自身条件加以吸收利用，从而在数字化时代构建自身竞争优势。
(2)培养员工“数字能力”以有效实施digital-HRM。数字化时代对员工的能力提出新要求，员工需要具备更广泛的技术、理性以及信息获取、处理、生产和使用能力[14]。一方面，组织可对内部员工进行有针对性的培训，帮助员工更快、更有效率地实现技能转变；另一方面，可以从外部引进高技能人才。例如高新技术企业，应与高科技人才相对聚集的高校、研发机构等通过产学研合作联合培养人才，这样不仅有助于企业引进高技术人才，提升自身竞争力，还能促进企业自身数字化转型和科技成果转化。
(3)有效利用数字技术提升digital-HRM效率。人力资源管理者可以通过员工相关大数据，如计算机和移动设备使用数据，调查员工如何安排工作日以及如何将时间分配给不同任务，从而有针对性地给员工分配工作任务并帮助员工提升工作效率。
(4)实施digital-HRM后应更加重视员工隐私保护。数字化时代，社交媒体、网络的使用让个人数据的获取变得更加便利和不易察觉，而且由于网络上数据发布机制的特殊性，很难保护信息不被泄露[19]。组织应限制数据使用者的范围与权限，并对员工进行相关培训，甚至可以就数据使用、隐私泄漏等安全问题提出相应规章制度以及处罚措施。
(5)实施digital-HRM后应关注解决人机合作问题。一方面，考虑到数字技术的引入可能给员工带来负面情绪，组织数字化转型时应与员工进行沟通交流，了解员工态度，帮助员工调节负面情绪。另一方面，在工作安排上，考虑到人力资源工作的复杂性以及智能决策仍存在很多争议，组织应该将数字技术更多地应用于机械性、行政性工作，具体决策可以参考算法的评估决策，但是，最后的决策应该由专业人员作出。
[1] SIVATHANU B, PILLAI R. Smart HR 4.0-how industry 4.0 is disrupting HR [J]. Human Resource Management International Digest, 2018, 26(4):7-11.
[2] 谢小云, 左玉涵, 胡琼晶. 数字化时代的人力资源管理：基于人与技术交互的视角 [J]. 管理世界, 2021, 37(1): 200-216.
[3] DESANCTIS G. Human resource information systems: a current assessment [J]. MIS Q, 1986, 10: 15-27.
[4] STROHMEIER S. Research in e-HRM: review and implications [J]. Human Resource Management Review, 2007, 17(1): 19-37.
[5] OREG S, VAKOLA M, ARMENAKIS A. Change recipients' reactions to organizational change: a 60 year review of quantitative studies [J]. Journal of Applied Behavioral Science A Publication of the Ntl Institute, 2011, 47(4): 461-524.
[6] DANIE P, SKARLICKI, et al. HRMR special issue: fairness and human resources management [J]. Human Resource Management Review, 2003, 13(1): 1-5.
[7] 宋立丰, 郭海, 杨主恩. 数字化情景下的传统管理理论变革——数据基础观话语体系的构建[J]. 科技管理研究, 2020, 40(8): 228-36.
[8] ZHOU Y, LIU G, CHANG 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.
[9] VERMA S, SINGH V, BHATTACHARYYA S. Do big data-driven HR practices improve HR service quality and innovation competency of SMEs [J]. International Journal of Organizational Analysis, 2020,29(4):950-973.
[10] YOO Y, HENFRIDSSON O, LYYTINEN K. Research commentary:the new organizing logic of digital innovation: an agenda for information systems research [J]. Information Systems Research, 2010, 21(4): 724-735.
[11] 刘飞. 大数据背景下组织人力资源管理流程创新研究 [J]. 吉首大学学报(社会科学版), 2017, 38(S2): 33-35.
[12] 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.
[13] 姚凯, 桂弘诣. 大数据人力资源管理:变革与挑战 [J]. 复旦学报(社会科学版), 2018, 60(3): 146-155.
[14] THOMAS S, KURESHI S, SUGGALA S, et al. HRM 4.0 and the shifting landscape of employer branding [M]. Human & Technological Resource Management (HTRM): New Insights into Revolution 40. Emerald Publishing Limited, 2020.
[15] 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.
[16] 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.
[17] ABDELDAYEM M M, ALDULAIMI S H. Trends and opportunities of artificial intelligence in human resource management: aspirations for public sector in Bahrain [J]. International Journal of Scientific and Technology Research, 2020, 9(1): 3867-3871.
[18] HACIOGLU U. Digital business strategies in blockchain ecosystems: transformational design and future of global business [M]. Springer Nature, 2019. DOI:10.1007/978-3-030-29739-8.
[19] ZANG S, YE M. Human resource management in the era of big data [J]. Journal of Human Resource and Sustainability Studies, 2015, 3(1): 41-45.
[20] MAJUMDER S, MONDAL A. Are chatbots really useful for human resource management[J]. International Journal of Speech Technology, 2021(5): 1-9.
[21] MYLLYMAKI D. Beyond the 'e-' in e-HRM: integrating a sociomaterial perspective [J]. International Journal of Human Resource Management, 2021, 32(12): 2563-2591.
[22] STROHMEIER S. Smart HRM-a delphi study on the application and consequences of the internet of things in human resource management [J]. International Journal of Human Resource Management, 2020, 31(18): 2289-2318.
[23] ORLIKOWSKI W J, SCOTT S V. Sociomateriality: challenging the separation of technology, work and organization [J]. Academy of Management Annals, 2008, 2(1): 433-474.
[24] MOSCA M. Digitalization of HRM: a study of success factors and consequences in the last decade [D]. University of Twente, 2020.
[25] 魏丹霞, 赵宜萱, 赵曙明. 人力资本视角下的中国企业人力资源管理的未来发展趋势 [J]. 管理学报, 2021, 18(2): 171-9.
[26] STROHMEIER S, KABST R. Organizational adoption of e-HRM in Europe: an empirical exploration of major adoption factors [J]. Journal of Managerial Psychology, 2009, 24(6): 482-501.
[27] 赵宜萱, 赵曙明, 栾佳锐. 基于人工智能的人力资源管理:理论模型与研究展望 [J]. 南京社会科学, 2020，31(2): 36-43.
[28] MIKALEF P, BOURA M, LEKAKOS G, et al. Big data analytics and firm performance: findings from a mixed-method approach [J]. Journal of Business Research, 2019, 98(MAY): 261-276.
[29] RAGOWSKY A, LICKER P S, GEFEN D. Organizational IT maturity (OITM): a measure of organizational readiness and effectiveness to obtain value from its information technology [J]. Journal of Information Systems Management, 2012, 29(2): 148-160.
[30] MORRIS M G, VENKATESH V, ACKERMAN P L. Gender and age differences in employee decisions about new technology: an extension to the theory of planned behavior [J]. IEEE Transactions on Engineering Management, 2005, 52(1):69-84.
[31] HAO S B, ZHANG H L, SONG M. Big data, big data analytics capability, and sustainable innovation performance [J]. Sustainability, 2019, 11(24):7145.
[32] FAY D, SHIPTON H, WEST M A, et al. Teamwork and organizational innovation: the moderating role of the HRM context [J]. Creativity & Innovation Management, 2015, 24(2): 261-277.
[33] ARNAUD S, CHANDON J-L. Will monitoring systems kill intrinsic motivation： an empirical study [J]. Revuede Gestiondes Ressources Humaines, 2013(4): 35-53.
[34] MASLACH C, LEITER M. Early predictors of job burnout and engagement [J]. The Journal of Applied Psychology, 2008, 93(3): 498-512.
[35] SONNENTAG S, BINNEWIES C, MOJZA E J.Did you have a nice evening：a day-level study on recovery experiences, sleep, and affect [J]. Journal of Applied Psychology, 2008, 93(3): 674-684.
[36] SHRESTHA Y R, BEN-MENAHEM S M, KROGH G V. Organizational decision-making structures in the age of artificial intelligence [J]. California Management Review, 2019, 61(4): 66-83.
[37] SULLIVAN S E, CARDEN W A, MARTIN D F. Careers in the next millennium: directions for future research [J]. Human Resource Management Review, 1998, 8(2): 165-185.
[38] SULLIVAN S E, ARTHUR M B. The evolution of the boundaryless career concept: examining physical and psychological mobility [J]. Journal of Vocational Behavior, 2006, 69(1): 19-29.