مدلسازی شایستگی های نیروی کار در صنایع تولیدی انقلاب صنعتی چهارم

محورهای موضوعی : مدیریت صنعتی

علی میرزائی اسلاملو ¹ , مجيد باقرزاده خواجه ^{2 *} , مرتضی محمودزاده ³ , مجتبی رمضانی ⁴

1 - دانشجوی دکتری گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
2 - استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران (نویسنده مسئول)
3 - استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
4 - دانشیار گروه مدیریت، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران

تاریخ دریافت : 1403/01/06 تاریخ پذیرش : 1403/06/11 تاریخ انتشار : 1403/06/20

کلید واژه: شایستگی های نیروی کار, انقلاب صنعتی چهارم, مهارت های فکری, مهارت های فنی,

چکیده مقاله :

هدف:
این پژوهش با هدف طراحی و اعتبارسنجی مدل ساختاری شایستگی‌های نیروی کار در صنایع تولیدی ایران با رویکرد صنعت ۴.۰ انجام شده است تا روابط علت و معلولی بین ابعاد مختلف شایستگی‌ها تعیین شود.

روش‌شناسی پژوهش:
این مطالعه از روش توصیفی-مدل‌سازی و رویکرد ترکیبی بهره برده است. در فاز کیفی، مدل اولیه با استفاده از مدل‌سازی ساختاری تفسیری (ISM) و نظرات ۱۷ خبره طراحی شد. در فاز کمی، مدل با استفاده از مدل‌سازی معادلات ساختاری (PLS) و داده‌های جمع‌آوری شده از ۱۷۵ مدیر اعتبارسنجی گردید.

یافته‌ها:
نتایج نشان داد که مدل شایستگی‌ها شامل پنج سطح است که در آن «مهارت‌های شناختی» بیشترین تأثیر و «مهارت‌های فنی» بیشترین وابستگی را دارند. اعتبار و پایایی مدل نهایی و معناداری روابط مستقیم و غیرمستقیم بین اجزا تأیید شد.

اصالت / ارزش‌افزوده علمی:
نوآوری این پژوهش ارائه مدلی ساختاریافته و چندسطحی از شایستگی‌های نیروی کار است که به طور خاص برای صنایع تولیدی در عصر صنعت ۴.۰ طراحی و اعتبارسنجی شده و روابط علت و معلولی بین ابعاد شایستگی‌ها را توضیح می‌دهد

چکیده انگلیسی:

Objective: This research aims to design and validate a structural model for workforce competencies in Iran’s manufacturing industries with an Industry 4.0 approach to determine the cause-and-effect relationships between different competency dimensions.

 Research Methodology: This study used a descriptive-modeling and mixed-method approach. In the qualitative phase, Interpretive Structural Modeling (ISM) and the opinions of 17 experts were used to design the initial model. In the quantitative phase, it was validated using Structural Equation Modeling (PLS) and data collected from 175 managers.

 Findings: The results showed that the competency model consists of five levels, in which “intellectual skills” have the most influence and “technical skills” have the most dependency. The validity and reliability of the final model and the significance of direct and indirect relationships between the components were confirmed.

 Originality/Scientific Value Added: The innovation of this research is the presentation of a structured, multi-level model of workforce competencies specifically designed and validated for manufacturing industries in the Industry 4.0 era, which explains the causal relationships between competency dimensions.

منابع و مأخذ:

1. Ada, N., Ilic, D., & Sagnak, M. (2021). A framework for new workforce skills in the era of industry 4.0. International Journal of Mathematical, Engineering and Management Sciences, 6(3), 771.
2. Agbaji, D., Lund, B., & Mannuru, N. R. (2023). Perceptions of the Fourth Industrial Revolution and Artificial Intelligence Impact on Society. arXiv preprint arXiv:2308.02030.
3. Ahuett-Garza, H., & Kurfess, T. (2018). A brief discussion on the trends of habilitating technologies for Industry 4.0 and Smart manufacturing. Manufacturing letters, 15, 60-63.
4. Akyazi, T., Goti, A., Oyarbide, A., Alberdi, E., & Bayon, F. (2020). A guide for the food industry to meet the future skills requirements emerging with industry 4.0. Foods, 9(4), 492.
5. Alhloul, A., & Kiss, E. (2022). Industry 4.0 as a challenge for the skills and competencies of the labor force: A bibliometric review and a survey. Sci, 4(3), 34.
6. Angrisani, L., Arpaia, P., Bonavolonta, F., & Moriello, R. S. L. (2018). Academic fablabs for industry 4.0: Experience at University of naples federico II. IEEE Instrumentation & Measurement Magazine, 21(1), 6-13.
7. Atzori, L., Iera, A., & Morabito, G. (2010). The internet of things: A survey. Computer networks, 54(15), 2787-2805.
8. Baena, F., Guarin, A., Mora, J., Sauza, J., & Retat, S. (2017). Learning factory: The path to industry 4.0. Procedia manufacturing, 9, 73-80.
9. Baležentis, A., Baležentis, T., & Brauers, W. K. (2012). Personnel selection based on computing with words and fuzzy MULTIMOORA. Expert Systems with applications, 39(9), 7961-7967.
10. Blayone, T. J., & VanOostveen, R. (2021). Prepared for work in Industry 4.0? Modelling the target activity system and five dimensions of worker readiness. International Journal of Computer Integrated Manufacturing, 34(1), 1-19.
11. Burris, E. R. (2012). The risks and rewards of speaking up: Managerial responses to employee voice. Academy of management journal, 55(4), 851-875.
12. Cagliano, R., Canterino, F., Longoni, A., & Bartezzaghi, E. (2019). The interplay between smart manufacturing technologies and work organization: The role of technological complexity. International Journal of Operations and Production Management, 39, 913–934.
13. Carter, D. (2017). Creativity in action–the information professional is poised to exploit the fourth industrial revolution: The business information survey 2017. Business Information Review, 34(3), 122-137.
14. Caruso, L. (2018). Digital innovation and the fourth industrial revolution: epochal social changes?. Ai & Society, 33(3), 379-392.
15. Cimini, C., Pirola, F., Pinto, R., & Cavalieri, S. (2020). A human-in-the-loop manufacturing control architecture for the next generation of production systems. Journal of Manufacturing Systems, 54, 258–271.
16. Dahlmann, P., & Kunkel, M. (2017). Human factor as a base for competitive metallurgical industry in Germany. Chernye metally, (2), 65-66.
17. Deloitte, A. E. (2018). Preparing Tomorrow's Workforce For The Fourth Industrial Revolution. For business: A framework for action. Recuperado em, 13.
18. Erol, S., Jäger, A., Hold, P., Ott, K., & Sihn, W. (2016). Tangible Industry 4.0: a scenario-based approach to learning for the future of production. Procedia CiRp, 54, 13-18.
19. Fareri, S., Fantoni, G., Chiarello, F., Coli, E., & Binda, A. (2020). Estimating Industry 4.0 impact on job profiles and skills using text mining. Computers in industry, 118, 103222.
20. Fomunyam, K. G. (2019). Education and the Fourth Industrial Revolution: Challenges and possibilities for engineering education. International Journal of Mechanical Engineering and Technology, 10(8), 271-284.
21. Galati, F., & Bigliardi, B. (2019). Industry 4.0: Emerging themes and future research avenues using a text mining approach. Computers in Industry, 109, 100–113.
22. Garbie, I. H. (2017). Incorporating sustainability/sustainable development concepts in teaching industrial systems design courses. Procedia Manufacturing, 8, 417-423.
23. Gehrke, L., Kühn, A. T., Rule, D., Moore, P., Bellmann, C., Siemes, S., ... & Standley, M. (2015). Industry 4.0. A discussion of qualifications and skills in the factory of the future: A German and American perspective. Titelbild: VDI-Haus Düsseldorf.
24. Gitelman, L. D., & Kozhevnikov, M. V. (2018). Paradigm of managerial education for a technological breakthrough in the economy.
25. Gökalp, E., Şener, U., & Eren, P. E. (2017). Development of an assessment model for industry 4.0: industry 4.0-MM. In Software Process Improvement and Capability Determination: 17th International Conference, SPICE 2017, Palma de Mallorca, Spain, October 4–5, 2017, Proceedings (pp. 128-142). Springer International Publishing.
26. Hecklau, F., Galeitzke, M., Flachs, S., & Kohl, H. (2016). Holistic approach for human resource management in Industry 4.0. Procedia Cirp, 54, 1-6.
27. Hernandez-de-Menendez, M., Morales-Menendez, R., Escobar, C. A., & McGovern, M. (2020). Competencies for industry 4.0. International Journal on Interactive Design and Manufacturing (IJIDeM), 14, 1511-1524.
28. Islam, M. A. (2022). Industry 4.0: Skill set for employability. Social Sciences & Humanities Open, 6(1), 100280.
29. Jerman, A., Peji´c Bach, M., & Aleksi´c, A. (2020). Transformation towards smart factory system: Examining new job profiles and competencies. Systems Research and Behavioral Science, 37(2), 388–402.
30. Kazancoglu, Y., & Ozkan-Ozen, Y. D. (2018). Analyzing Workforce 4.0 in the Fourth Industrial Revolution and proposing a road map from operations management perspective with fuzzy DEMATEL. Journal of enterprise information management.
31. Kergroach, S. (2017). Industry 4.0: New challenges and opportunities for the labour market. Форсайт, 11(4 (eng)), 6-8.
32. Khaitan, S. K., & McCalley, J. D. (2014). Design techniques and applications of cyberphysical systems: A survey. IEEE systems journal, 9(2), 350-365.
33. Kipper, L. M., Iepsen, S., Dal Forno, A. J., Frozza, R., Furstenau, L., Agnes, J., & Cossul, D. (2021). Scientific mapping to identify competencies required by industry 4.0. Technology in Society, 64, 101454.
34. Liao, Y., Loures, E. R., Deschamps, F., Brezinski, G., & Venâncio, A. (2018). The impact of the fourth industrial revolution: a cross-country/region comparison. Production, 28.
35. Liboni, L. B., Cezarino, L. O., Jabbour, C. J. C., Oliveira, B. G., & Stefanelli, N. O. (2019). Smart industry and the pathways to HRM 4.0: Implications for SCM. Supply Chain Management, 24(1), 124–146.
36. Liu, H. C., Qin, J. T., Mao, L. X., & Zhang, Z. Y. (2015). Personnel selection using interval 2‐tuple linguistic VIKOR.
37. Liu, Y., & Xu, X. (2017). Industry 4.0 and cloud manufacturing: A comparative analysis. Journal of Manufacturing Science and Engineering, 139(3).
38. Lorenz, M., Rüßmann, M., Strack, R., Lueth, K. L., & Bolle, M. (2015). Man and machine in industry 4.0: How will technology transform the industrial workforce through 2025. The Boston Consulting Group, 2.
39. Matt, D. T., Orzes, G., Rauch, E., & Dallasega, P. (2020). Urban production – A socially sustainable factory concept to overcome shortcomings of qualified workers in smart SMEs. Computers and Industrial Engineering, 139 40. Maynard, A. D. (2015). Navigating the fourth industrial revolution. Nature nanotechnology, 10(12), 1005-1006.
41. Motyl, B., Baronio, G., Uberti, S., Speranza, D., & Filippi, S. (2017). How will change the future engineers’ skills in the Industry 4.0 framework? A questionnaire survey. Procedia manufacturing, 11, 1501-1509.
42. Mourtzis, D. (2018). Development of skills and competences in manufacturing towards education 4.0: A teaching factory approach. In Proceedings of 3rd International Conference on the Industry 4.0 Model for Advanced Manufacturing: AMP 2018 3 (pp. 194-210). Springer International Publishing.
43. Nyikes, Z. (2018). Contemporary digital competency review. Interdisciplinary Description of Complex Systems: INDECS, 16(1), 124-131.
44. Oztemel, E., & Gursev, S. (2020). Literature review of Industry 4.0 and related technologies. Journal of intelligent manufacturing, 31, 127-182.
45. Pacaux-Lemoine, M.-P., Trentesaux, D., Rey, G. Z., & Millot, P. (2017). Designing intelligent manufacturing systems through human-machine cooperation principles: A human-centered approach. Computers & Industrial Engineering, 111, 581–595.
46. Perini, S., Luglietti, R., Margoudi, M., Oliveira, M., & Taisch, M. (2017). Training advanced skills for sustainable manufacturing: A digital serious game. Procedia Manufacturing, 11, 1536-1543.
47. Pontes, J., Geraldes, C. A. S., Fernandes, F. P., Sakurada, L., Rasmussen, A. L., Christiansen, L., Hafner-Zimmermann, S., Delaney, K., & Leitao, ˜ P. (2021). Relationship between Trends, Job Profiles, Skills and Training Programs in the Factory of the Future. 2021 22nd IEEE International Conference on Industrial Technology (ICIT), 1, 1240–1245.
48. Ramzi, N., Ahmad, H., & Zakaria, N. (2019). A conceptual model on people approach and smart manufacturing. International Journal of Supply Chain Management, 8(4), 1102-1107.
49. Rao, S. K., & Prasad, R. (2018). Impact of 5G technologies on industry 4.0. Wireless personal communications, 100, 145-159.
50. Rifkin, J. (2011). The third industrial revolution: how lateral power is transforming energy, the economy, and the world. Macmillan.
51. Romero, D., Stahre, J., & Taisch, M. (2020). The Operator 4.0: Towards socially sustainable factories of the future. Computers & Industrial Engineering, 139, 106128.
52. Sakhapov, R., & Absalyamova, S. (2018). Fourth industrial revolution and the paradigm change in engineering education. In MATEC web of conferences (Vol. 245, p. 12003). EDP Sciences.
53. Sakurada, L., Geraldes, C. A. S., Fernandes, F. P., Pontes, J., & Leit˜ ao, P. (2020). Analysis of new job profiles for the factory of the future. International Workshop on Service Orientation in Holonic and Multi-Agent Manufacturing, 262–273.
54. Schwab, K. (2016). The Fourth Industrial Revolution: what it means, how to respond, Foreign. Switzerland:(WEF) in Davos.
55. Schwab, K., & Samans, R. (2016, January). The future of jobs: Employment, skills and workforce strategy for the fourth industrial revolution. In World Economic Forum (pp. 1-32).
56. Sharp, M., Ak, R., & Hedberg Jr, T. (2018). A survey of the advancing use and development of machine learning in smart manufacturing. Journal of manufacturing systems, 48, 170-179.
57. Short, M. N., & Keller-Bell, Y. (2019). Essential skills for the 21st century workforce. In Handbook of research on promoting higher-order skills and global competencies in life and work (pp. 134-147). IGI Global.
58. Siemieniuch, C. E., Sinclair, M. A., & Henshaw, M. D. (2015). Global drivers, sustainable manufacturing and systems ergonomics. Applied ergonomics, 51, 104-119.
59. Sony, M., & Naik, S. (2019). Key ingredients for evaluating Industry 4.0 readiness for organizations: a literature review. Benchmarking: An International Journal.
60. Sony, M., Antony, J., & Douglas, J. A. (2020). Essential ingredients for the implementation of Quality 4.0: A narrative review of literature and future directions for research. TQM Journal, 32(4), 779–793.
61. Vila, C., Ugarte, D., Ríos, J., & Abellán, J. V. (2017). Project-based collaborative engineering learning to develop Industry 4.0 skills within a PLM framework. Procedia manufacturing, 13, 1269-1276.
62. Wahl, M. (2015). Strategic factor analysis for industry 4.0. Journal of security and sustainability issues, 5(2), 241-247. 63. Wang, J., Sun, Y., Zhang, W., Thomas, I., Duan, S., & Shi, Y. (2016). Large-scale online multitask learning and decision making for flexible manufacturing. IEEE Transactions on Industrial Informatics, 12(6), 2139-2147.
64. Xu, M., David, J. M., & Kim, S. H. (2018). The fourth industrial revolution: Opportunities and challenges. International journal of financial research, 9(2), 90-95.
65. Xu, X., & Hua, Q. (2017). Industrial big data analysis in smart factory: Current status and research strategies. Ieee Access, 5, 17543-17551.

متن کامل:



Modern Management Engineering

Volume 11, Issue 1, Spring 2025

pp. 90-119.

Paper type: Research paper

 

Designing a Workforce Competency Model with an Industry 4.0 Approach in Manufacturing Industries

Ali Mirzaei Eslamloo¹, Majid Bagherzadeh Khajeh², Morteza Mahmoudzadeh³, Mojtaba Ramezani⁴

Received: 25/03/2024 Accepted: 31/08/2024

Extended Abstract

Introduction: The Fourth Industrial Revolution, the latest technological advancement, presents new challenges for the workforce, as emerging technologies demand new skills and competencies. Traditional competency models may no longer be sufficient for the complexities of modern manufacturing environments. Accordingly, this research aims to design and validate a workforce competency model specifically tailored for manufacturing industries operating under the Industry 4.0 paradigm. The central research objective is to identify the core competencies and model their structural relationships to provide a clear framework for human resource development.

Literature Review While the concept of workforce competency has been extensively studied, its adaptation to the context of the Fourth Industrial Revolution, particularly in the manufacturing sector, is an emerging area of research. Previous studies have often focused on general skills for the digital age, but few have provided a structured, multi-level model that clarifies the interdependencies between different competency dimensions. This study distinguishes itself by not only identifying these competencies but also by using a sophisticated modeling approach to understand the cause-and-effect relationships between them, thus addressing a critical gap in the existing literature.

_________________________________________________________

1.PhD Student, Department of Management, Ta.C., Islamic Azad University,Tabriz, Iran.

2.Assistant Professor, Department of Management, Ta.C., Islamic Azad University, Tabriz, Iran (Corresponding Author)[e-mail]

3.Assistant Professor, Department of Management, Ta.C., Islamic Azad University, Tabriz, Iran.

4.Associate Professor, Department of Management, Bon.C., Islamic Azad University, Bonab, Iran.

How to cite this article:Mirzaei Eslamloo, A., Bagherzadeh Khajeh, M., Mahmoudzadeh, M., & Ramezani, M. (2025). Designing a Workforce Competency Model with an Industry 4.0 Approach in Manufacturing Industries. Modern Management Engineering, 11(1). 90-119. [In Persian]

 https://doi.org/10.71652/JMEM.2025.1105783

 

Research Methodology This study employs a mixed-methods, descriptive-modeling research design. The statistical population included two groups: experts and managers of manufacturing companies in East Azerbaijan province. In the qualitative phase, Interpretive Structural Modeling (ISM) was used to develop an initial model based on the input of 17 experts. In the quantitative phase, the model was tested and validated using data collected from 175 managers of large manufacturing companies. The data was analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM) to assess the model’s validity, reliability, and the significance of the proposed relationships.

Results The findings reveal a five-level hierarchical model of workforce competencies for Industry 4.0. The analysis demonstrated that “intellectual skills” are at the most fundamental level, exerting the highest influence on other competencies. Conversely, “technical skills” were found to be the most influenced dimension, situated at the highest level of the model. The model’s overall fit, validity, and reliability were confirmed through the quantitative analysis. Furthermore, the path coefficient analysis confirmed the significance of both direct and indirect relationships among the core components of the competency model.

Discussion and Conclusion The validated five-level model provides a crucial strategic tool for managers and policymakers in the manufacturing sector. By understanding that foundational intellectual skills are a prerequisite for developing other competencies, organizations can design more effective training and development programs. This research offers a practical, data-driven framework for preparing the workforce for the challenges of the Fourth Industrial Revolution. The findings can guide companies in fostering a skilled workforce capable of navigating the technological shifts, thereby enhancing productivity and maintaining a competitive edge.

Keywords: Workforce Competencies, Industry 4.0, Intellectual Skills, Technical Skills.

JEL Classification: J24, L60, O33

 

 

 

 

 

 

مهندسی مدیریت نوین        

 سال یازدهم، شماره اول، بهار 1404

صفحات 119-90

نوع مقاله: پژوهشی

 

طراحی مدل شایستگی‌های نیروی کار با رویکرد انقلاب صنعتی چهارم در صنایع تولیدی

علی میرزائی اسلاملو1، مجید باقرزاده خواجه2، مرتضی محمودزاده3، مجتبی رمضانی4

تاریخ دریافت: 06/01/ 1403                                تاریخ پذیرش: 11/06/1403

چکیده

 هدف: هدف این پژوهش، طراحی و اعتبارسنجی یک مدل ساختاری برای شایستگی‌های نیروی کار در صنایع تولیدی ایران با رویکرد انقلاب صنعتی چهارم است تا روابط تأثیرگذاری و تأثیرپذیری میان ابعاد مختلف شایستگی مشخص گردد.

روش‌شناسی پژوهش: این مطالعه با روش توصیفی-مدل‌سازی و رویکرد آمیخته انجام شد. در بخش کیفی با بهره‌گیری از مدل‌سازی ساختاری-تفسیری (ISM) و نظرات 17 خبره، مدل اولیه طراحی و در بخش کمی با استفاده از مدل‌سازی معادلات ساختاری (PLS) و داده‌های گردآوری‌شده از 175 مدیر، اعتبارسنجی شد.

یافته‌ها: نتایج نشان داد که مدل شایستگی‌های نیروی کار در پنج سطح قرار می‌گیرد که در آن «شایستگی مهارت‌های فکری» دارای بیشترین تأثیرگذاری و «مهارت‌های فنی» دارای بیشترین تأثیرپذیری است. روایی و پایایی مدل نهایی و معناداری روابط مستقیم و غیرمستقیم بین مؤلفه‌ها تأیید گردید.

اصالت / ارزش‌افزوده علمی: نوآوری این پژوهش در ارائه یک مدل ساختاری و چندسطحی از شایستگی‌های نیروی کار است که به‌طور خاص برای صنایع تولیدی در عصر انقلاب صنعتی چهارم طراحی و اعتبارسنجی شده و روابط علّی میان ابعاد شایستگی را تبیین می‌کند.

کلیدواژه‌ها: شایستگی‌های نیروی کار، انقلاب صنعتی چهارم، مهارت‌های فکری، مهارت‌های فنی.

طبقه‌بندی موضوعی: J24, L60, O33

 

 

 

 

 

_________________________________________________________

۱. دانشجوی دکتری، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

۲. استادیار، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران (نویسنده مسئول). [e-mail]

 ۳. استادیار، گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

۴. دانشیار، گروه مدیریت، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران.

نحوه استناد به مقاله: میرزائی اسلاملو، ع.، باقرزاده خواجه، م.، محمودزاده، م.، و رمضانی، م. (1404). طراحی مدل شایستگی‌های نیروی کار با رویکرد انقلاب صنعتی چهارم در صنایع تولیدی. مهندسی مدیریت نوین 11(1). 119-90.

 https://doi.org/10.71652/JMEM.2025.1105783

 

1- مقدمه

انقلاب‌های صنعتی همیشه با پیشرفت‌های تکنولوژیک در تاریخ آغاز می‌شوند. ابتدا استفاده از بخار و نیروی آب در صنعت و سپس استفاده از برق و انتقال به سمت تولید انبوه و پس‌ازآن استفاده از فناوری اطلاعات و اتوماسیون. همه این تحولات در صنعت، مفاهیم کلیدی سه انقلاب صنعتی اول بودند. در دهه گذشته، فناوری‌هایی مانند سیستم‌های فیزیکی-سایبری¹ (CPS) و اینترنت اشیا²، انقلاب صنعتی جدیدی را رهبری کردند که در سال 2011 به‌عنوان نسل چهارم صنعتی و یا صنعت 0/4 نام‌گذاری شد. نسل چهارم صنعتی شروع به تغییر محیط تولید در کشورهای توسعه‌یافته کرده و انتظار می­رود طی دهه‌های آینده در سراسر جهان گسترش یابد (Kazancoglu & Ozkan-Ozen, 2018). توسعه دیجیتالی شدن و رباتیک منجر به ظهور نسل چهارم صنعتی در محیط تولید شده است (Matt et al, 2020). این پدیده به‌عنوان ارتباط متقابل محیط‌های فیزیکی و سایبرنتیک از طریق استفاده از فناوری­های دیجیتال شناخته می­شود (Liu & Xu, 2017). این فرآیند دگرگونی نه‌تنها بر سیستم‌های تولیدی تأثیر می‌گذارد، بلکه تأثیر قابل‌توجهی بر ماهیت کار دارد که انتظارات کارکنان در صنعت را نیز تغییر می‌دهد (Kazancoglu & Ozkan-Ozen, 2018). استفاده از فناوری‌هایی مانند هوش مصنوعی، سیستم‌های فیزیکی سایبری، داده‌های بزرگ و ابرها، تغییرات مخربی را برای نیروی کار ایجاد کرده‌اند و به‌عنوان یک انقلاب اجتماعی و فنی شناخته‌شده‌اند (Fareri et al, 2020; Sony et al, 2020). با سرعت گرفتن تحول دیجیتال در سراسر صنایع، تقاضا برای متخصصان ماهر در جهت­یابی این تغییرات افزایش یافته است (Ajayi & Udeh, 2024).

افزایش هوشمندی در سیستم فناورانه و تولید داده­های پیچیده به کارگران واجد شرایط بیشتری نیاز دارد تا در زمینه‌های بسیار متفاوت کاری تصمیم بگیرند (Cagliano et al, 2019; Jerman et al, 2020). بر همین اساس نیز مطالعات مربوط به جنبه انسانی صنعت 0/4 بخش اساسی از ادبیات نسل چهارم صنعتی را پوشش می­دهد (Obermayer et al, 2022 Singh & Alhabbas, 2024; ).

نیاز به نیروی انسانی با مهارت‌های قدیمی و بروز نشده، به دلیل ماشین‌های پیشرفته­ای که می‌توانند بین یکدیگر ارتباط برقرار کرده و خود را کنترل کنند، کاهش می­یابد. این وضعیت منجر به تحول قابل‌توجهی در شرح شغلی نیروی کار می­شود. نسل چهارم صنعتی یک نوع تحول و انقلاب صنعتی جدید است که انواع جدیدی از تعاملات بین کارکنان و ماشین‌ها را امکان‌پذیر می‌سازد (Moore et al, 2024). بر اساس گزارش لورنز و همکاران (Lorenz et al, 2015)، کنترل کیفیت مبتنی بر داده­های بزرگ، تولید به کمک ربات، وسایل نقلیه لجستیکی خودران، شبیه‌سازی خط تولید، شبکه تأمین هوشمند، خودسازمان‌دهی تولید و ... از نمونه‌هایی هستند که به لطف نسل چهارم صنعتی در حال حاضر در محیط تولید استفاده می­شوند. همه این تغییرات انتظارات را نسبت به نیروی کار تغییر می­دهد.

با توجه به تنوع بالای وظایف نیروی کار در نسل چهارم صنعتی، برای بسیاری از مهارت‌های جدید و نوظهور الزاماتی وجود خواهد داشت که ممکن است در آموزش­های قبلی به کارکنان آموزش داده نشود و حتی برخی از این مهارت‌های قبلی منسوخ شوند (Judijanto et al, 2024)؛ بنابراین، تمرکز بر مهارت‌های مناسب برای نقش‌های جدید در نیروی کار نسل چهارم صنعتی مهم است (Liu et al, 2015).

برررسی­ها نشان می­دهد که در رابطه با شایستگی­های نسل چهارم نیروی کار، تابه‌حال الگو و یا مدل­های خاصی ارائه نشده است (Miah et al, 2024). بیشتر مطالعات انجام‌گرفته در این حوزه به بررسی چالش­ها و نیازمندی­های نیروی کار در نسل چهارم صنعتی توجه نموده­اند و در آنها مدلی و یا الگوی خاصی برای مشخص نمودن شایستگی­های نسل چهارم نیروی کار در انقلاب صنعتی چهارم ارائه نشده است. از طرفی نیز بیشتر تحقیقات انجام شده در این حوزه، نگرشی محدود به شایستگی­های نیروی کار در نسل چهارم صنعتی داشته و این شایستگی­ها را در چارچوب محدودی بررسی کرده­اند (Alhloul & Kiss, 2022). به نظر می­رسد برای شناخت بهتر شایستگی­ها و مهارت‌های مورد نیاز نیروی کار متخصص در نسل چهارم صنعتی، نیاز به یک نگرش جامع وجود دارد که این تحقیق به دنبال این موضوع است. علاوه بر این با توجه به جایگاه استان آذربایجان شرقی به‌عنوان یکی از قطب‌های صنعتی کشور، حفظ این جایگاه و توسعه آن نیازمند استفاده از فناوری­های جدید در تولید است که در قالب نسل چهارم صنعتی مشخص می­گردد؛ بنابراین صنایع تولیدی این استان دیر یا زود بایستی الزامات نسل چهارم صنعتی را مورد پذیرش قرار داده و از ابزار و فناوری­های آن در شرکت­های خود بهره­گیری نمایند. بر همین اساس با توجه به تأثیر قابل‌توجه فناوری­های نسل چهارم صنعتی بر ماهیت شغل، شایستگی­ها و مهارت‌های جدیدی نیز برای نیروی کار متخصص این صنایع نیاز خواهد بود. ازاین‌رو مشخص نمودن این    شایستگی­ها در قالب یک مدل می­تواند به مدیران صنایع تولیدی در جهت نگرش بهتر به پیاده­سازی الزامات نسل چهارم صنعتی کمک نماید. بر همین اساس هدف این پژوهش طراحی مدل شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی است.

 

2- مروری بر ادبیات تحقیق

2-1- مفهوم انقلاب صنعتی چهارم

اصطلاح «انقلاب صنعتی» به دوره‌ای از رشد سریع صنعتی، اقتصادی و تغییرات اجتماعی اشاره دارد. انقلاب صنعتی چهارم شیوه زندگی، کار و تعامل افراد با یکدیگر را به‌شدت متحول کرده و درعین‌حال تغییرات عمده‌ای را در دنیای اطراف ایجاد کرده است (Agbaji et al, 2023). پیشرفت‌های علم و فناوری به‌طور مداوم از توسعه صنعتی شدن در سراسر جهان حمایت کرده که تا کنون چهار مرحله کلی از منظر تکامل فناوری شناسایی شده است (Liao et al, 2018).

انقلاب صنعتی اول به‌عنوان یکی از پیشرفت‌های مهم بشری به شمار می‌رود که از اواخر قرن هجدهم با استفاده از تأسیسات تولید مکانیکی با نیروی آب و بخار آغاز شد (Akyazi et al, 2024). انقلاب صنعتی اول با گذار از کار یدی به تولید مکانیزه مشخص شد. جوامع کشاورزی را به جوامع صنعتی تغییر داد زیرا ماشین‌ها با کمک آب و بخار ساخته می‌شدند (Schwab, 2016). بعدها، در آغاز قرن بیستم، استفاده از فناوری‌های تولید انبوه با نیروی الکتریکی، از طریق تقسیم کار، به‌عنوان دومین انقلاب صنعتی مشخص گردید (Liao et al, 2018). انقلاب صنعتی دوم توسعه صنعتی سریعی را تجربه کرد که بسیار پیشرفته‌تر از انقلاب صنعتی اول بود که منجر به پیشرفت‌های قابل‌توجهی در طیف گسترده‌ای از صنایع، ازجمله تولید، کشاورزی و حمل‌ونقل شد (Fomunyam, 2019). علاوه بر این، دومی تولید انبوه را با کمک برق ممکن کرد. ازاین‌رو این انقلاب را انقلاب تکنولوژیک نیز نامیدند (Agbaji et al, 2023). پس‌ازآن، برای حمایت از اتوماسیون بیشتر تولید، انقلاب صنعتی سوم در حدود اواسط دهه 1970 با رواج الکترونیک و فناوری اطلاعات در کارخانه‌ها آغاز شد (Liao et al, 2018). برخی از محققان استدلال می­کنند که انقلاب سوم با استفاده از رایانه انجام شد. اغلب از آن به‌عنوان انقلاب دیجیتال یاد می‌شود و شامل گذار به فناوری‌های مخابراتی، اتوماسیون تولید و توسعه سریع خدمات می‌شود (Fomunyam, 2019).

در چند سال گذشته، همراه با افزایش توجه تحقیقاتی بر روی اینترنت اشیاء و سیستم­های فیزیکی-سایبری (Azofeifa et al, 2024)، صنعت، دولت‌ها و جامعه به روند «انقلاب صنعتی چهارم» توجه و برای بهره‌مندی ازآنچه می‌تواند ارائه دهد عمل کرده­اند (Siemieniuch et al, 2015). عصر حاضر، چهارمین انقلاب صنعتی است که بر دیجیتالی شدن صنعت تمرکز دارد ( Ertz et al, 2022; Malik et al, 2024). انقلاب صنعتی چهارم بر اساس پیشرفت­های انقلاب صنعتی سوم ساخته شده که از اواسط قرن گذشته ادامه دارد و تماماً در مورد فناوری دیجیتال است. اصطلاح انقلاب صنعتی چهارم که صنعت 0/4 یا نسل چهارم صنعتی نیز نامیده می‌شود توسط کلاوس شواب ابداع شد (Xu et al, 2018). نسل چهارم صنعتی از ترکیب فناوری‌ها تشکیل شده است که خطوط بین دنیای واقعی، دیجیتال و زنده را محو می‌کند (Schwab, 2016). استفاده از محاسبات کوانتومی، هوش مصنوعی، یادگیری ماشین، اینترنت اشیاء، بیوتکنولوژی، چاپ سه‌بعدی و وسایل نقلیه خودران ازجمله اجزای ضروری هستند. اگرچه هر انقلاب صنعتی اغلب به‌عنوان یک رویداد مستقل در نظر گرفته می‌شود، اما آن‌ها به‌عنوان مجموعه‌ای از رویدادها بهتر درک می‌شوند که بر اساس ایده‌های انقلاب قبلی ساخته می‌شوند، جایی که هر انقلاب بر اساس اختراعات انقلاب قبل از خود است و منجر به نوآوری‌های پیشرفته­تر می­شود (Agbaji et al, 2023).

 

2-2- مجموعه شایستگی­های نیروی انسانی در نسل چهارم صنعتی

برای رقابت با دنیای جهانی شده در نسل چهارم صنعتی، نیاز به داشتن یک مدل نیروی کار شایسته برای کسب مزیت استراتژیک نسبت به رقبا وجود دارد (Khang et al, 2023). گروهی از محققان از طریق مروری بر ادبیات، شایستگی‌هایی را شناسایی کردند که تازه‌واردان به نیروی کار باید برای اجرای صنعت 4.0 این شایستگی‌ها را داشته باشند (Miah et al, 2024;Hecklau et al, 2016; ).

دلویت (Deloitte, 2018) و آدا و همکاران (Ada et al, 2021) چهار شایستگی اصلی را برای مدیران منابع انسانی پیشنهاد می­دهند. این شایستگی­ها را می­توان به‌صورت زیر دسته‌بندی کرد؛ اولی، مهارت‌های آمادگی نیروی کار که توانایی­های اساسی را نشان می­دهد. این مهارت‌های اساسی هم شامل مهارت‌های شناختی و هم مهارت‌های غیرشناختی می‌شود. مهارت‌های غیرشناختی با مهارت‌های رفتاری مرتبط هستند که عملکرد شغلی، تعاملات و نظم کاری فرد را افزایش می‌دهند (Short & Keller-Bell, 2019). ازنظر رابینز و جاج (Robbins & Judge, 2015) مهارت‌های شناختی توانایی­هایی مانند مهارت‌های حل مسئله و تفکر انتقادی هستند.

گروه دوم شامل مهارت‌های ضروری انسانی است که معمولاً به‌عنوان مهارت‌های نرم ازجمله رهبری، ارتباط، همکاری و همدلی نامیده می‌شود. داشتن کارکنانی با مهارت‌های بین فردی خوب احتمالاً محیط کار را دل‌پذیرتر می‌کند (Robbins & Judge, 2015). گروه سوم، مهارت‌های فنی مانند برنامه­نویسی کامپیوتر، کدنویسی و مدیریت پروژه و غیره از طراحی‌های شغلی جدید دسته‌بندی می‌شوند. سیستم‌های هوشمند خود مدیریتی نسل چهارم صنعتی، با ویژگی‌های خودمختار، اکوسیستم‌های تولیدی جدیدی را ارائه خواهند داد؛ بنابراین، فرآیندهای تولیدی و صنعتی پیشرفته با سیستم‌های فیزیکی-سایبری در «کارخانه‌های هوشمند» مدولار، همکاری ماشین- انسان و محصول همزیستی را ایجاد می‌کنند (Thames & Schaefer, 2016). گروه چهارم شامل مهارت‌های کارآفرینی ازجمله فرصت‌های جستجو و ایجاد راه‌حل‌های مختلف در محیط کار در مورد وظایف مرتبط با شغل مانند نوآوری، خلاقیت، سخت‌کوشی و ریسک‌پذیری است.

شایستگی‌های عرضی شامل مهارت‌های حل مسئله، شایستگی‌های نرم (شخصی)، تفکر سیستمی، تفکر تجاری و سواد تکنولوژیکی است (Xu et al, 2018). شایستگی‌های عرضی را می‌توان در حوزه‌های مختلف اعمال کرد. آنها را می‌توان به‌عنوان شایستگی‌های اولیه، متوسط (ساخته‌شده بر اساس پایه) و بالا (ساخته‌شده بر اساس متوسط) طبقه‌بندی کرد. همه این شایستگی‌ها به هم مرتبط و همراه هستند.

جاکوب (Jacob, 2017) معتقد است که صنایع تولیدی برای شایستگی‌های دیجیتالی مانند تجزیه‌وتحلیل و تشخیص دیجیتال، مهارت‌های ساخت افزودنی و توانایی‌های برنامه‌نویسی/کدگذاری ارزش زیادی قائل است. قابل ذکر است که در آینده، این بخش به افرادی با مهارت‌های ترکیبی نیاز خواهد داشت که بتوانند مهارت‌ها و دانش فنی، دیجیتالی و شخصی را در طیف وسیعی از زمینه‌ها و کاربردها به‌کارگیرند. شایستگی‌های تعریف‌شده مورد نیاز برای انطباق با صنعت 4.0 که توسط پروژه‌های تحقیقاتی مختلف و نظرسنجی‌های مختلف بخش صنعتی گزارش‌شده تا حدی متفاوت بوده است. بااین‌حال، موارد مشترک عمدتاً به توانایی استفاده و تعامل با فن‌آوری‌های نسل چهارم صنعتی (به‌عنوان مثال، ربات‌ها و هوش مصنوعی)، انجام تجزیه‌وتحلیل داده‌ها، استفاده از دانش فنی و استفاده از مهارت‌های نرم مربوط می‌شوند. فهرست شایستگی‌ها و مهارت‌ها می‌تواند جامع باشد و برای هیچ حرفه‌ای شاید ممکن نباشد که همه آنها را به دست آورد. بااین‌حال، شایستگی حیاتی برای همه کارکنان آینده صنعت 4.0، توانایی به‌کارگیری دانشی است که به‌صورت مشترک در حوزه‌های مختلف هر رشته­ای ارزش می‌افزاید (Hernandez-de-Menendez et al, 2020).

برای اینکه بتوان یک مجموعه منسجم از شایستگی­های نیروی کار در انقلاب صنعتی چهارم را استخراج نمود، در این مقاله از تحلیل محتوای متنی استفاده شده است. بر اساس مسئله پژوهش، سؤال اصلی در رابطه بااینکه شایستگی­های مورد نیاز نیروی کار در انقلاب صنعتی چهارم، چه شایستگی­هایی می­باشند؟ مقالات مرتبط در ده سال اخیر بررسی‌شده و هر یک از شایستگی­ها در قالب کلیدواژه مهارت، توانایی یا شایستگی استخراج شده است. در انتخاب مقالات، دقت شده تا مقالاتی برای تحلیل انتخاب شوند که به شکل مستقیم در متن یا عنوان مقاله به شایستگی­های نیروی کار در انقلاب صنعتی چهارم پرداخته بودند. به عبارتی مقالاتی که خارج از این چارچوب بوده­اند، از تحلیل حذف شده­اند. پس از استخراج هر یک از شایستگی­ها، فراوانی هر کدام از آنها استخراج شده که جمع­بندی انجام‌گرفته نشان می­دهد 37 شایستگی مختلف برای نیروی کار در مقالات مختلف بیشترین تکرار را داشته که در جدول (1) به‌صورت خلاصه نشان داده شده است.

جدول (1): شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی
مؤلفه اصلی	معرف	محققان
مهارت‌های نرم	تطبیق­پذیری و سازگاری	Caratozzolo et al, (2024); Ada et al.(2021); Ahuett-Garza & Kurfess(2018); Carter(2017); Hecklau et al.(2016)
	هوش تجاری	Caratozzolo et al, (2024); Kipper et al(2021); Akyazi et al.(2020)
	اعتمادبه‌نفس	Ada et al.(2021); Dahlmann & Kunkel(2017); Hecklau et al.(2016)
	تاب‌آوری	Ada et al.(2021); Islam(2022); Hecklau et al.(2016)
	ریسک­پذیری	Caratozzolo et al, (2024); Ada et al.(2021); Kipper et al(2021); Hecklau et al.(2016)
	دانش روز	Alhloul & Kiss(2022); Hernandez-de-Menendez et al.(2020); Hecklau et al.(2016)
مهارت‌های فنی	برنامه‌نویسی رایانه­ای	Rao & Prasad(2018); Hecklau et al.(2016)
	مدیریت منابع	Caratozzolo et al, (2024); Adebayo et al, (2024); Ada et al.(2021); Hecklau et al.(2016); Schwab & Samans(2016)
	مهارت‌های کار با ابزارهای دیجیتال	Caratozzolo et al, (2024); Alhloul & Kiss(2022); Blayone& VanOostveen(2021)
	درک و شناخت فرآیند	Adebayo et al, (2024); Hernandez-de-Menendez et al.(2020); Nyikes(2018); Hecklau et al.(2016)
	مهارت‌های رسانه­ای	Hernandez-de-Menendez et al.(2020); Mourtzis(2018); Hecklau et al.(2016)
	مهارت‌های کدگذاری	Caratozzolo et al, (2024); Hernandez-de-Menendez et al.(2020); Hecklau et al.(2016)
	درک امنیت فناوری اطلاعات	Caratozzolo et al, (2024); Hernandez-de-Menendez et al.(2020); Rao & Prasad(2018); Hecklau et al.(2016)
شایستگی­های روش‌شناختی	حل مسئله	Caratozzolo et al, (2024); Islam(2022); Hernandez-de-Menendez et al.(2020); Baena et al(2017); Wang et al(2016); Hecklau et al.(2016); Schwab & Samans(2016)
	حل تعارض	Adebayo et al, (2024); Alhloul & Kiss(2022); Blayone & VanOostveen(2021); Gökalp et al(2017)
	تصمیم­گیری	Caratozzolo et al, (2024); Hernandez-de-Menendez et al.(2020); Ahuett-Garza & Kurfess(2018); Hecklau et al.(2016); Schwab & Samans(2016)
	مهارت‌های تحقیق و پژوهش	Caratozzolo et al, (2024); Alhloul & Kiss(2022); Blayone & VanOostveen(2021); Hernandez-de-Menendez et al.(2020); Erol et al(2016); Hecklau et al.(2016)
	جهت­گیری کارایی	Garbie(2017); Gehrke et al.(2015)
شایستگی­های اجتماعی	مهارت‌های بین فرهنگی	Kipper et al(2021); Hecklau et al.(2016)
	مهارت‌های ارتباطی	Adebayo et al, (2024); Angrisani et al(2018); Gitelman & Kozhevnikov(2018), Motyl et al,(2017); Hecklau et al.(2016)
	مهارت‌های شبکه­سازی	Adebayo et al, (2024); Angrisani et al(2018); Motyl et al(2017); Vila et al(2017)
	توانایی کار تیمی	Adebayo et al, (2024); Hernandez-de-Menendez et al.(2020); Xu & Hua(2017); Motyl et al(2017); Gehrke et al.(2015)
	توانایی انتقال دانش	Caratozzolo et al, (2024); Hernandez-de-Menendez et al.(2020); Wahl(2015); Gehrke et al.(2015)
	مهارت‌های رهبری	Caratozzolo et al, (2024); Adebayo et al, (2024); Ada et al.(2021); Hernandez-de-Menendez et al.(2020); Carter(2017); Garbie(2017)
توانایی­های شناختی	خلاقیت	Miah et al, (2024); Islam(2022); Ada et al.(2021); Sharp et al(2018); Kergroach(2017); Carter(2017); Garbie(2017); Hecklau et al.(2016)
	مهارت‌های تحلیلی	Caratozzolo et al, (2024); Alhloul & Kiss(2022); Ada et al.(2021); Blayone & VanOostveen(2021)
	استدلال منطقی	Miah et al, (2024); Islam(2022); Hecklau et al.(2016)
	حسگری و حساسیت به مشکل	Islam(2022); Hecklau et al.(2016); Schwab & Samans(2016)
	ذهنیت رشد	Ada et al.(2021); Hecklau et al.(2016)
مهارت‌های محتوا	سواد پایه دیجیتالی	Caratozzolo et al, (2024); Miah et al, (2024); Rao & Prasad(2018); Schwab & Samans(2016)
	رزومه نویسی	Miah et al, (2024); Alhloul & Kiss(2022); Hecklau et al.(2016)
	رفتار حرفه­ای	Kipper et al(2021); Hecklau et al.(2016)
	مهارت‌های زبانی	Alhloul & Kiss(2022); Blayone & VanOostveen(2021); Hecklau et al.(2016)
مهارت‌های فکری	تفکر سیستمی	Caratozzolo et al, (2024); Adebayo et al, (2024); Ada et al.(2021); Islam(2022); Schwab & Samans(2016)
	تفکر کارآفرینی	Miah et al, (2024); Caratozzolo et al, (2024); Ada et al.(2021); Islam(2022)
	یادگیری فعال	Miah et al, (2024); Caratozzolo et al, (2024); Rao & Prasad(2018); Nyikes(2018); Schwab & Samans(2016)
	تفکر انتقادی	Islam(2022); Caruso(2018); Schwab & Samans(2016)

 

37 شایستگی­ نیروی کار در انقلاب صنعتی چهارم بر اساس بار معنایی و مطالعات هکلائو و همکاران (Hecklau et al, 2016)، شواب و سامانز (Schwab & Samans, 2016)، هرناندز-دی­مندز و همکاران (Hernandez-de-Menendez et al, 2020)، آدا و همکاران (Ada et al, 2021) و اسلام (Islam, 2022) در هفت مؤلفه اصلی طبقه‌بندی‌شده است.

3- روش پژوهش

این تحقیق از منظر هدف کاربردی و بر اساس روش انجام پژوهش از نوع توصیفی- علی است. این پژوهش در دو مرحله انجام‌گرفته است. در مرحله اول مدل مفهومی شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی طراحی‌شده و در مرحله دوم، مدل تدوین‌شده بر اساس داده­های تجربی آزمون شده است.

جامعه آماری این پژوهش، بر اساس مراحل تحقیق به دو بخش تقسیم شده است. در بخش اول از خبرگان آشنا به موضوع پژوهش در جهت طراحی مدل مفهومی پژوهش استفاده شده است. این خبرگان دارای ویژگی­های زیر بوده­اند.

1- مدیران عامل صنایع تولیدی با سابقه مدیریت بالای 20 سال و آشنا به مباحث نسل چهارم صنعتی با مدرک کارشناسی ارشد مهندسی صنایع و مدیریت صنعتی

2- اساتید دانشگاه با سابقه تدریس و تدوین مقاله در زمینه نسل چهارم صنعتی

برای انتخاب این افراد با مراجعات مکرر و تهیه مشخصات افراد از منابع مختلف، فهرستی اولیه از خبرگان این حوزه تهیه گردید. بر اساس بررسی­های انجام‌گرفته مطابق با ویژگی­های خبرگان، در این پژوهش از هفده خبره استفاده شده که 6 نفر استاد دانشگاه و 11 نفر مدیر صنایع تولیدی بوده است.

در بخش دوم که به آزمون مدل مفهومی بر اساس داده­های تجربی پرداخته شده است؛ جامعه آماری این پژوهش شامل مدیران عامل شرکت­های تولیدی بزرگ (بالای 50 نفر شاغل بر اساس تعریف سازمان صنعت، معدن و تجارت) در استان آذربایجان شرقی بوده است. بر اساس آمارهای موجود در استان تعداد 302 واحد تولیدی بزرگ وجود دارد. برای تعیین حجم نمونه از جدول کرچسی و مورگان استفاده شده که بر اساس این جدول نمونه مناسب برای جامعه 302 نفری، 170 نفر تعیین گردید که برای اطمینان بیشتر 175 پرسشنامه بین جامعه آماری توزیع شده است. روش نمونه­گیری در این پژوهش نیز تصادفی نسبی است.

به‌منظور جمع­آوری داده­ها از دو پرسشنامه استفاده گردید. در بخش اول از پرسشنامه مقایسات زوجی مبتنی بر روش مدل‌سازی ساختاری- تفسیری بهره گرفته شده است. با توجه به اینکه روش مدل‌سازی ساختاری- تفسیری مبتنی بر قضاوت­های خبرگان است. خبرگان در این پرسشنامه بر اساس مقایسات زوجی، اثرگذاری هر عامل بر عوامل دیگر الگو را مشخص نموده­اند.

در بخش دوم از پرسشنامه محقق ساخته استفاده شده است. این پرسشنامه دارای سه بخش اصلی است. در بخش اول توضیح مختصری در رابطه با شایستگی­های نیروی کار در انقلاب صنعتی چهارم برای پاسخ­دهندگان ارائه‌شده، در بخش دوم مشخصات جمعیت شناختی پاسخ­دهندگان آورده شده و در بخش سوم، سؤالات اختصاصی پرسشنامه نشان داده شده است. در سؤالات بخش سوم، میزان موافقت هر یک از پاسخ­دهندگان بر اساس طیف لیکرت پنج­تایی از کاملاً مخالفم تا کاملاً موافقم سؤال شده است. روایی پرسشنامه ابتدا به‌صورت ظاهری بررسی‌شده و پس از توزیع و جمع­آوری داده­ها، روایی هر یک از سازه­ها با استفاده از متوسط واریانس تبیین شده بررسی و تأیید گردیده است. برای بررسی پایایی پرسشنامه نیز از ضریب آلفای کرونباخ به تفکیک مؤلفه‌های اصلی بهره گرفته شده که نتایج آن در جدول (2) نشان داده شده است. بر اساس مقدار آلفای کرونباخ به‌دست‌آمده برای هر یک از ابعاد، پایایی پرسشنامه تأیید شده است.

جدول (2): مقدار ضریب آلفای کرونباخ مؤلفه‌های اصلی
مؤلفه اصلی	ضریب آلفای کرونباخ
مهارت‌های نرم	979/0
مهارت‌های فنی	978/0
شایستگی­های روش­شناختی	975/0
شایستگی­های اجتماعی	978/0
توانایی­های شناختی	979/0
مهارت‌های محتوا	951/0
مهارت‌های فکری	967/0

 

 

 

 

 

 

4- یافته­ها

4-1- مدل‌سازی ساختاری- تفسیری

در این بخش بر اساس مؤلفه‌های اصلی شایستگی­های نیروی کار در انقلاب صنعتی چهارم مدل مفهومی شایستگی­های نیروی کار در انقلاب صنعتی در صنایع تولیدی بر اساس مدل‌سازی ساختاری- تفسیری طراحی‌شده است.

بر این اساس پرسشنامه­های مقایسات زوجی بین مؤلفه‌های اصلی در اختیار خبرگان قرار گرفته است. در گام ابتدایی، بر اساس نظر اکثریت، ابتدا ماتریس دستیابی اولیه ایجادشده، سپس ماتریس دستیابی نهایی محاسبه شده است. برای این منظور ابتدا ماتریس دستیابی اولیه با یک ماتریس هم‌اندازه یکه جمع شده و سپس روابط غیرمستقیم محاسبه شده است. نتایج مربوط به ماتریس دستیابی نهایی در جدول (3) نشان داده شده است. ماتریس دستیابی نهایی به‌منظور نشان دادن قابلیت انتقال­پذیری بین مؤلفه‌های اصلی محاسبه شده است.

جدول (3): ماتریس دستیابی نهایی برای تعیین روابط بین تم­های اصلی

شایستگی	نماد	SfC	TeC	MeC	ScC	CoC	CnC	TiC
مهارت‌های نرم	SfC	1	1	1	1	0	0	0
مهارت‌های فنی	TeC	0	1	0	0	0	0	0
روش­شناختی	MeC	0	1	1	0	0	0	0
اجتماعی	ScC	0	1	0	1	0	0	0
توانایی­های شناختی	CoC	1	*1	*1	1	1	0	0
مهارت‌های محتوا	CnC	0	*1	1	0	0	1	0
مهارت‌های فکری	TiC	1	*1	*1	*1	1	1	1

 

پس از محاسبه ماتریس دستیابی نهایی، در مرحله بعدی سطح سلسله مراتبی هر عامل بر اساس گام­های روش مدل‌سازی ساختاری- تفسیری، تعیین شده است. مجموعه پیش­نیاز، مجموعه دسترسی برای هر متغیر از طریق ماتریس دستیابی نهایی ایجادشده و اشتراک عضو­های مجموعه قابلیت دسترسی و پیشین محاسبه شده است. در نهایت خروجی هر مرحله (سطح) به‌دست‌آمده است. پس از هر مرحله سطح­بندی و شناسایی خروجی، آن متغیر از کل مجموعه حذف شده و دوباره مجموعه پیشین، مجموعه دسترسی، اشتراک مجموعه پیشین و دسترسی و خروجی محاسبه می­گردد. این کار تا سطح­بندی آخرین متغیر سیستم ادامه می­یابد. نتایج نهایی برای سطح­بندی تمامی مؤلفه‌ها (شایستگی­های نیروی کار) در جدول (4) نشان داده شده است.

 

جدول (4): نتایج نهایی سطح­بندی مؤلفه‌ها (شایستگی­های نیروی کار)
مرحله	شایستگی	نماد	دستیابی	پیش­نیاز	فصل مشترک	خروجی
اول	مهارت‌های فنی	TeC	TeC	SfC, TeC, MeC, ScC, CoC, CnC, TiC	TeC	TeC
دوم	شایستگی­های روش­شناختی	MeC	MeC	SfC, MeC, CoC, CnC, TiC	MeC	MeC
	شایستگی­های اجتماعی	ScC	ScC	SfC, ScC, CoC, TiC	ScC	ScC
سوم	مهارت‌های نرم	SfC	SfC	SfC, CoC, TiC	SfC	SfC
	مهارت‌های محتوا	CnC	CnC	CnC, TiC	CnC	CnC
چهارم	توانایی­های شناختی	CoC	CoC	CoC, TiC	CoC	CoC
پنجم	مهارت‌های فکری	TiC	TiC	TiC	TiC	TiC

در نهایت با حذف روابط انتقال­پذیری مربوط به همبستگی متغیرهای موجود در ماتریس دستیابی نهایی، مدل شایستگی­های نیروی کار در انقلاب صنعتی چهارم به‌صورت شکل (1) تدوین‌شده‌است. این مدل بر اساس روابط مستقیم و بر اساس ماتریس دستیابی اولیه ایجادشده است.

 

شکل (1): مدل شایستگی­های نیروی‌کار در انقلاب صنعتی چهارم در صنایع تولیدی

نتایج شکل (1) نشان می­دهد که شایستگی مهارت‌های فکری در سطح پنجم و پایین­ترین سطح الگوی شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی قرار گرفته است. این سطح نشان‌دهنده شایستگی­های تأثیرگذار و عنصر اصلی یک سیستم است که باعث تقویت سایر شایستگی­ها در سیستم خواهد بود. مؤلفه‌های شایستگی مهارت‌های فکری، تأثیرگذارترین مؤلفه الگوی شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی تلقی می­گردد. این شایستگی ضمن اینکه به شکل غیرمستقیم بر سایر شایستگی­های سیستم اثرگذار است، به شکل مستقیم بر سه شایستگی، توانایی­های شناختی، مهارت‌های نرم و مهارت‌های محتوا تأثیر مستقیم دارد. هر چقدر از پایین الگو (سطح پنجم) به سمت بالا حرکت شود، از میزان تأثیرگذاری شایستگی­ها کم شده و بر میزان تأثیرپذیری آن‌ها اضافه می­گردد. در سطح چهارم، شایستگی توانایی­های شناختی قرارگرفته که در سطح بالاتر از مهارت‌های فکری قرار دارد. به عبارتی نتایج نشان می­دهد که مهارت‌های فکری باعث تقویت توانایی­های شناختی کارکنان می­گردد. توانایی­های شناختی بر دو شایستگی مهارت‌های نرم در سطح سوم و شایستگی­های اجتماعی در سطح دوم به شکل مستقیم تأثیرگذار بوده و باعث تقویت آن‌ها می­شود. در سطح سوم دو شایستگی مهارت‌های نرم و مهارت‌های محتوا قرار گرفته است. مهارت‌های نرم، مهارت‌های خاص افراد است که به شکل مستقیم بر سه شایستگی روش­شناختی و اجتماعی در سطح دوم و مهارت‌های فنی در سطح اول تأثیرگذار بوده و خود از دو شایستگی مهارت‌های فکری و توانایی­های شناختی اثر می­گیرد. مهارت‌های محتوا نشان‌دهنده آمادگی نیروی کار هستند که به شکل مستقیم بر شایستگی­های روش­شناختی در سطح دوم اثرگذار می­باشند. شایستگی­های روش­شناختی و شایستگی­های اجتماعی در سطح دوم قرار گرفته­اند که هر دو به شکل مستقیم بر مهارت‌های فنی تأثیر داشته و باعث تقویت آن می­گردند. این دو شایستگی به شکل مستقیم و غیرمستقیم از سایر شایستگی­ها تأثیر می­گیرند. در نهایت در سطح اول شایستگی­ مهارت‌های فنی قرار دارد که تأثیرپذیرترین شایستگی سیستم تلقی شده و به‌نوعی نتیجه کار است. در واقع شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی بر اساس مهارت‌های فنی تکمیل می­شود.

در ادامه با هدف شناسايي ميزان قدرت هدایت و قدرت وابستگي شایستگی­های نیروی کار در انقلاب صنعتی چهارم از تحلیل MIC MAC استفاده شده است. براي انجام این تحليل لازم است تا مقدار عددي شاخص هدایت (تأثیرگذاری) و شاخص وابستگي (پیش­نیاز) براي هر یک از شایستگی­های نیروی کار در انقلاب صنعتی چهارم استخراج شود. لذا نتایج در جدول (5) نشان داده شده است.

 

جدول (5): میزان قدرت هدایت و وابستگی شایستگی­های نیروی کار در انقلاب صنعتی چهارم

نماد	شایستگی	قدرت هدایت	قدرت وابستگی
SfC	مهارت‌های نرم	4	3
TeC	مهارت‌های فنی	1	7
MeC	شایستگی­های روش­شناختی	2	5
ScC	شایستگی­های اجتماعی	2	4
CoC	توانایی­های شناختی	5	2
CnC	مهارت‌های محتوا	3	2
TiC	مهارت‌های فکری	7	1

 

پس از تعیین قدرت هدایت یا اثرگذاری و قدرت وابستگی شایستگی­ها، می­توان تمامی شایستگی­های نیروی کار در انقلاب صنعتی چهارم را در یکی از خوشه­های چهارگانه ماتریس اثر متغیرها طبقه­بندی کرد. نخستین گروه شامل متغیرهای مستقل (خودمختار) می­شود که قدرت نفوذ و وابستگی ضعیفی دارند. این متغیرها تا حدودی از سایر متغیرها مجزاست و ارتباطات کمی دارند. گروه دوم متغیرهای وابسته که از قدرت نفوذ ضعیف، ولی وابستگی بالایی برخوردار هستند. گروه سوم متغیرهای پیوندی که قدرت نفوذ و وابستگی بالایی دارند. در واقع هر گونه عملی بر این دسته عوامل سبب تغییر سایر عوامل می­شود. گروه چهارم متغیرهای مستقل را در بر می­گیرد. این متغیرها دارای قدرت افزایش پیوستگی و تعلق مکانی یعنی نفوذ بالا و وابستگی پایینی است. نتایج در شکل (2) نشان داده شده است.

 

 

 

شکل (2): تجزیه‌وتحلیل سيستمي قدرت هدايت- وابستگی

 

4-2- مدل‌سازی مسیری- ساختاری برای آزمون مدل مفهومی

در این بخش مدل مفهومی برآمده از مدل‌سازی ساختاری- تفسیری با استفاده از مدل‌سازی مسیری- ساختاری در نرم­افزار PLS آزمون شده است. در مدل­های مسیری- ساختاری، قبل از بررسی مدل ساختاری، بایستی از روایی و پایایی مدل­های اندازه­گیری اطمینان نمود. در رویکرد حداقل مربعات جزئی برای بررسی روایی و پایایی مدل­های اندازه­گیری از بارهای عاملی و معنی­داری آن‌ها، ضریب آلفای کرونباخ، پایایی ترکیبی و متوسط واریانس تبیین شده، استفاده شده است. نتایج مربوط به بارهای عاملی و معنی‌داری آن‌ها بر اساس آماره t در جدول (6) نشان داده شده است.

جدول (6): بارهای عاملی و معنی­داری آن‌ها برای مدل­های اندازه­گیری

مدل اندازه­گیری	نماد مسیر	بار عاملی	انحراف معیار	مقدار t	سطح معنی­داری
مهارت‌های محتوا	CnC1 <- CnC	0.959	0.010	93.426	000/0
	CnC2 <- CnC	0.924	0.030	31.300	000/0
	CnC3 <- CnC	0.904	0.042	21.354	000/0
	CnC4 <- CnC	0.949	0.016	59.216	000/0
توانایی­های شناختی	CoC1 <- CoC	0.955	0.020	47.029	000/0
	CoC2 <- CoC	0.939	0.027	35.004	000/0
	CoC3 <- CoC	0.966	0.011	88.748	000/0
	CoC4 <- CoC	0.978	0.006	157.634	000/0
	CoC5 <- CoC	0.963	0.014	68.308	000/0
شایستگی­های روش­شناختی	MeC1 <- MeC	0.946	0.021	44.476	000/0
	MeC2 <- MeC	0.956	0.017	56.592	000/0
	MeC3 <- MeC	0.968	0.010	95.789	000/0
	MeC4 <- MeC	0.943	0.020	47.057	000/0
	MeC5 <- MeC	0.951	0.025	37.833	000/0
شایستگی­های اجتماعی	ScC1 <- ScC	0.928	0.031	29.626	000/0
	ScC2 <- ScC	0.918	0.036	25.328	000/0
	ScC3 <- ScC	0.960	0.017	57.484	000/0
	ScC4 <- ScC	0.974	0.009	111.829	000/0
	ScC5 <- ScC	0.957	0.023	42.181	000/0
	ScC6 <- ScC	0.953	0.021	45.943	000/0
مهارت‌های نرم	SfC1 <- SfC	0.952	0.019	50.160	000/0
	SfC2 <- SfC	0.971	0.009	111.542	000/0
	SfC3 <- SfC	0.932	0.029	32.109	000/0
	SfC4 <- SfC	0.931	0.032	29.202	000/0
	SfC5 <- SfC	0.956	0.016	59.595	000/0
	SfC6 <- SfC	0.952	0.017	54.401	000/0
مهارت‌های فنی	TeC1 <- TeC	0.954	0.014	66.882	000/0
	TeC2 <- TeC	0.965	0.011	86.629	000/0
	TeC3 <- TeC	0.903	0.043	21.109	000/0
	TeC4 <- TeC	0.883	0.048	18.256	000/0
	TeC5 <- TeC	0.949	0.020	47.666	000/0
	TeC6 <- TeC	0.948	0.021	44.552	000/0
	TeC7 <- TeC	0.972	0.009	109.287	000/0
مهارت‌های فکری	TiC1 <- TiC	0.964	0.013	75.321	000/0
	TiC2 <- TiC	0.949	0.017	55.399	000/0
	TiC3 <- TiC	0.947	0.018	52.377	000/0
	TiC4 <- TiC	0.955	0.016	58.983	000/0

 

به‌صورت تجربی، در بررسی بارهای عاملی مقادیر کمتر از 3/0 به‌عنوان بارهای عاملی ضعیف و غیرقابل‌قبول، بارهای عاملی بین 3/0 تا 5/0 به‌عنوان بارهای عاملی ضعیف ولی قابل‌قبول و بارهای عاملی بزرگ‌تر از 5/0 به‌عنوان بارهای عاملی مناسب و خوب شناخته می­شوند. بار عاملی نشان‌دهنده ارتباط بین معرف (متغیر آشکار) و مؤلفه اصلی (متغیر پنهان) است. نتایج جدول (6) نشان می­دهد که تمامی بارهای عاملی بزرگ‌تر از 5/0 محاسبه شده­اند که نشان‌دهنده ارتباط مناسب بین مؤلفه اصلی با معرف­های متناظر خود است. از نظر آماری، مقدار t هر بار عاملی در سطح معنی­داری 95 درصد بایستی بزرگ‌تر از 96/1 محاسبه گردد. نتایج جدول (6) نشان می­دهد که مقدار t تمامی بارهای عاملی بزرگ‌تر از 96/1 محاسبه شده­اند که نشان‌دهنده معنی­داری تمامی بارهای عاملی از نظر آماری است. بر همین اساس نیز ارتباط بین معرف­ها و مؤلفه‌های اصلی متناظر آن‌ها در مدل­های اندازه‌گیری تأیید می­گردد. در جدول (7) مقادیر ضریب آلفای کرونباخ، پایایی ترکیبی و متوسط واریانس تبیین شده نشان داده شده است.

 

جدول (7): نتایج مربوط مقادیر ضریب آلفای کرونباخ، پایایی ترکیبی و متوسط واریانس تبیین شده
مؤلفه اصلی	ضریب آلفای کرونباخ	پایایی ترکیبی	متوسط واریانس تبیین شده
مهارت‌های نرم	979/0	983/0	901/0
مهارت‌های فنی	978/0	981/0	883/0
شایستگی­های روش­شناختی	975/0	980/0	908/0
شایستگی­های اجتماعی	978/0	982/0	899/0
توانایی­های شناختی	979/0	983/0	922/0
مهارت‌های محتوا	951/0	965/0	873/0
مهارت‌های فکری	967/0	976/0	910/0

 

ضریب آلفای کرونباخ یک شاخص سنتی برای بررسی سازگاری درونی بین معرف­های یک مؤلفه­ اصلی است. حداقل مقدار قابل‌قبول برای این شاخص 7/0 بایستی محاسبه گردد. نتایج جدول (7) نشان می­دهد که مقدار ضریب آلفای کرونباخ برای تمامی مؤلفه‌های اصلی بزرگ‌تر از 7/0 محاسبه شده که نشان‌دهنده سازگاری درونی بین معرف­های هر یک از مؤلفه‌های اصلی است. پایایی ترکیبی شاخصی جدیدتر نسبت به آلفای کرونباخ بوده که مانند آلفای کرونباخ سازگاری درونی بین معرف­ها را بررسی می‌کند؛ با این تفاوت که در بررسی سازگاری از بار عاملی معرف­ها در جهت وزن­دهی به معرف­ها و محاسبه سازگاری درونی آنها استفاده می­کند. حداقل مقدار قابل‌قبول برای این شاخص نیز 7/0 است. نتایج جدول (7) نشان می­دهد که مقدار پایایی ترکیبی برای تمامی مؤلفه‌های اصلی بزرگ‌تر از 7/0 محاسبه شده که سازگاری درونی بین معرف­های هر یک از مؤلفه‌های اصلی را تأیید می­کند. متوسط واریانس تبیین شده به دنبال بررسی این موضوع است که هر یک از مؤلفه‌های اصلی بایستی بتواند حداقل 50 درصد از پراکندگی معرف­های خود را توضیح دهد. بر همین اساس نیز حداقل مقدار متوسط واریانس تبیین شده بایستی 5/0 محاسبه گردد. نتایج جدول (7) نشان می­دهد که مقدار متوسط واریانس تبیین شده برای تمامی مؤلفه‌های اصلی بزرگ‌تر از 5/0 محاسبه شده که نشان‌دهنده مناسب بودن روایی همگرای مدل­های اندازه­گیری است.

پس از اطمینان از روایی و پایایی مدل­های اندازه­گیری، می­توان ضرایب مسیر مربوط به اثرات شایستگی­های نیروی کار در انقلاب صنعتی چهارم را در مدل بررسی نمود. شکل (3) نشان‌دهنده ضرایب مسیر در قالب مدل مسیری- ساختاری بوده و شکل (4) نشان‌دهنده مقدار t متناظر ضرایب مسیر است.

 

شکل(3): ضرایب مسیر مربوط به اثرات مدل شایستگی­های نیروی‌کار در انقلاب صنعتی چهارم

 

 

شکل(4): مقادیر t ضرایب مسیر مربوط به اثرات مدل شایستگی­های نیروی‌کار در انقلاب صنعتی چهارم جدول (8): خلاصه نتایج مربوط به ضرایب مسیر مدل ساختاری (روابط بین شایستگی­های نیروی کار)
مسیر	نماد مسیر	ضریب مسیر	انحراف معیار	مقدار t	سطح معنی­داری
ش. روش­شناختی -> مهارت‌های محتوا	CnC -> MeC	318/0	068/0	664/4	000/0
ش. اجتماعی -> توانایی­های شناختی	CoC -> ScC	402/0	083/0	835/4	000/0
مهارت‌های نرم -> توانایی­های شناختی	CoC -> SfC	743/0	075/0	909/9	000/0
مهارت‌های فنی -> ش. روش­شناختی	MeC -> TeC	332/0	080/0	166/4	000/0
مهارت‌های فنی -> ش. اجتماعی	ScC -> TeC	325/0	080/0	066/4	000/0
ش. روش­شناختی -> مهارت‌های نرم	SfC -> MeC	669/0	068/0	877/9	000/0
ش. اجتماعی -> مهارت‌های نرم	SfC -> ScC	584/0	083/0	029/7	000/0
مهارت‌های فنی -> مهارت‌های نرم	SfC -> TeC	335/0	075/0	448/4	000/0
ش. روش­شناختی -> مهارت‌های فکری	TiC -> CnC	961/0	006/0	900/153	000/0
توانایی­های شناختی -> مهارت‌های فکری	TiC -> CoC	973/0	005/0	501/213	000/0
مهارت‌های نرم -> مهارت‌های فکری	TiC -> SfC	250/0	075/0	354/3	001/0

 

خلاصه نتایج مربوط به ضرایب مسیر در جدول (8) نشان داده شده است. نتایج مربوط به ضرایب مسیر و مقدار t متناظر آن‌ها در جدول (8) نشان می­دهد که مقدار t تمامی ضرایب مسیر بزرگ‌تر از 96/1 به‌دست‌آمده است؛ بر همین اساس می­توان روابط به‌دست‌آمده از بخش مدل‌سازی ساختاری- تفسیری و تأثیر هر یک از مؤلفه‌های اصلی شایستگی­های نیروی کار در انقلاب صنعتی چهارم را در صنایع تولیدی در سطح اطمینان 95 درصد مورد تأیید قرار داد.

 

5- نتیجه­گیری

این پژوهش به دنبال مدل‌سازی شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی استان آذربایجان شرقی بوده است. بر اساس یافته­های پژوهش می­توان نتیجه­گیری نمود که شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی ابتدا بر اساس مهارت‌های فکری پایه­گذاری می­گردد. هرناندز-دی­مندز و همکاران (Hernandez-de-Menendez, 2020) و برمودز و خوارز (2017) مهارت‌های فکری را به‌عنوان شایستگی­هایی می­دانند که باعث افزایش مهارت­هایی مانند خلاقیت، رفتار حرفه­ای و تطبیق­پذیری می­گردند. شایستگی مهارت‌های فکری، تأثیرگذارترین مؤلفه الگوی شایستگی­های نیروی کار در انقلاب صنعتی چهارم در صنایع تولیدی تلقی می­گردد. مهارت‌های فکری بر اساس تفکر سیستمی و یادگیری فعال باعث تقویت و بهبود سایر شایستگی­ها در سطوح دیگر مدل می­شوند و از این منظر به‌عنوان تأثیرگذارترین مؤلفه الگوی شایستگی­های نیروی کار در سطح آخر الگو قرار گرفته­اند. در سطح چهارم الگوی ارائه شده، شایستگی توانایی­های شناختی قرار گرفته که در سطح بالاتر از مهارت‌های فکری قرار دارد. مهارت‌های فکری از طریق انواع تفکر و بر اساس تحلیل و یادگیری باعث افزایش خلاقیت، حسگری و حساسیت به مشکل و در نهایت استدلال منطقی می­گردد. توانایی­های شناختی بر اساس نظر دلویت (Deloitte, 2018) می­تواند شامل مهارت‌های تحلیلی باشد که باعث تقویت قوه ادراک کارکنان در سازمان می­گردد. توانایی­های شناختی می­تواند در افزایش هوش تجاری و دانش روز بر اساس مهارت‌های تحلیلی مؤثر باشد. از این منظر نیز در سطح چهارم پایه­ای برای تطبیق­پذیری و سازگاری، اعتمادبه‌نفس و تاب­آوری است که ازجمله مهارت‌های نرم تلقی می­گردند. همچنین توانایی­های شناختی چون با خلاقیت و استدلال منطقی همراه هستند می­توانند به بهبود شایستگی­های اجتماعی در سطح دوم همچون مهارت‌های کار تیمی و مهارت‌های رهبری کمک نمایند. مهارت‌های نرم ازجمله دیگر شایستگی­هایی هستند که به‌عنوان حلقه ارتباطی در الگوی ارائه‌شده تلقی می‌گردند. آدا و همکاران (Ada, 2021) این مهارت­ها را به‌عنوان مهارت‌های ضروری انسانی می­دانند که معمولاً به‌عنوان مهارت‌های نرم نامیده می‌شود. داشتن کارکنانی با مهارت‌های نرم باعث می­گردد تا ارتباطات و تصمیم­گیری کارکنان تقویت شده و مسائل مختلف سریع‌تر در سازمان حل گردد. طبق گفته بوریس (Burris, 2012) کارمندانی که دارای مهارت‌های نرم قوی­تری هستند، می‌دانند چگونه با گفتگوی حمایتی و فعالانه با دیگران به‌خوبی ارتباط برقرار کنند، ایده­های خود را بیشتر مورد تأیید قرار می‌دهند و باعث رضایت در محل کار می‌شوند؛ از این منظر این مهارت­ها هم به افزایش ارتباطات در مهارت‌های فرهنگی منجر شده و هم شایستگی­های روش‌شناختی مانند حل مسئله، حل تعارض و تصمیم­گیری را بهبود می­دهد. مهارت‌های محتوا به‌عنوان مهارت‌های آمادگی نیروی کار تلقی می­گردد، بسیاری از محققان این مهارت­ها را به‌عنوان مهارت‌های ضروری در محیط کاری می­دانند. به گفته شورت و کلر-بل (Short & Keller-Bell, 2019) مهارت‌های محتوا را می­توان به‌عنوان مهارت‌های رفتاری مرتبط دانست که عملکرد شغلی، تعاملات و نظم کاری فرد را افزایش می‌دهند. مهارت‌های محتوا در الگوی ارائه‌شده به شکل مستقیم بر شایستگی­های روش­شناختی در سطح دوم الگو تأثیرگذار می­باشند. شایستگی­های روش­شناختی و شایستگی­های اجتماعی دو مؤلفه اصلی دیگر سیستم شایستگی­ها در الگوی ارائه‌شده است. براساس عقیده هکلائو و همکاران (Hecklau, 2016) شایستگی­های روش­شناختی شامل تمامی مهارت­ها و توانایی­ها برای حل مسئله و تصمیم­گیری عمومی می‌شود. همچنین، شایستگی‌های اجتماعی شامل همه مهارت­ها و توانایی­ها و همچنین نگرش به همکاری و برقراری ارتباط با دیگران است. به اعتقاد وون­سولگا و همکاران (2011) این شایستگی­ها در سازمان باعث می­گردد تا نیروی کار سازمان به‌راحتی بر سایر توانمندی­ها و مهارت‌های فنی تسلط یابد. بر همین اساس نیز این دو شایستگی در سطح دوم الگو قرار گرفته و به شکل مستقیم بر مهارت‌های فنی تأثیر داشته و باعث تقویت آن می­گردند. در نهایت شایستگی­ مهارت‌های فنی است که در الگوی ارائه‌شده در سطح اول قرار گرفته و تأثیرپذیرترین شایستگی سیستم تلقی می­شود. به عقیده هکلائو و همکاران (Hecklau, 2016) شایستگی‌های فنی شامل تمام مهارت‌های مرتبط با نسل چهارم صنعتی می­گردد. این مهارت­ها، شامل شایستگی­هایی است که هسته اصلی وظایف نیروی کار در نسل چهارم صنعتی تلقی می­گردد.

به شکل کلی نتایج به‌دست‌آمده از این پژوهش نشان می­دهد که شایستگی­های نیروی کار در نسل چهارم صنعتی شامل مهارت­هایی است که سال­ها در عرصه سازمان­ها مطرح بوده و همچنان سازمان­ها برای موفقیت در محیط رقابتی به آنها نیاز دارند؛ در این حوزه می­توان به مهارت­هایی مانند تصمیم­گیری و تطبیق­پذیری افراد با سازمان اشاره نمود. همچنین نیروی کار بایستی برای تطبیق با شرایط و ویژگی­های محیط جدید رقابتی، مسلط به مهارت‌های کار با ابزارهای دیجیتال مانند برنامه­نویسی، مهارت‌های کدگذاری و غیره باشند. در این خصوص به مدیران صنایع تولیدی پیشنهاد می­گردد تا برای نیروی کار فعلی خود، آموزش­های مرتبط با ابزارهای دیجیتال را به‌طور جدی مورد توجه قرار داده و در استخدام نیروی کار جدید، توانمندی مهارت‌های آنها را در حوزه ابزارهای دیجیتال مورد بررسی و ارزیابی قرار دهند. پیشنهاد می­گردد تا مدیران برای افزاش مهارت‌های فکری و توانایی­های شناختی صرفاً روی بهره­وری نیروی انسانی تمرکز نکرده و اشتباهات کارکنان را به‌عنوان مقدمه یادگیری پذیرا باشند. برای این منظور ایجاد قوانین ارتباطی برای مدیریت تعارض و فرهنگ بازخورد دوطرفه می­تواند با افزایش امنیت روانی کارکنان به توسعه مهارت‌های فکری و توانایی­های شناختی آنها کمک نماید. برای افزایش مهارت‌های فکری کارکنان، مدیران بایستی ابتدا ارزیابی کلی از سطح مهارتی آنها داشته و بر اساس این سطح مهارتی نسبت به ارائه آموزش­های مورد نیاز اقدام نمایند. همچنین پیشنهاد می­گردد تا سازمان ضمن ایجاد یک پایگاه ثبت و ذخیره­سازی دانش، تمامی داده­ها و اطلاعات مورد نیاز در رابطه با محصول، مشتریان و بازخوردهای گرفته شده از مشتریان را در اختیار کارکنان بخش­های مرتبط قرار داده تا کارکنان بتوانند از طریق دسترسی به داده­های تاریخی و دانش موجود در سازمان، نسبت به تحلیل عمیق موضوعات، استفاده از داده­های تاریخی و مواجهه با واقعیات، تحلیل­های درستی داشته باشند.

در نهایت بایستی توجه داشت که برای هر یک از کارکنانی که از قبل در سازمان استخدام شده­اند و سال­ها تجربه دارند، بایستی برنامه­ریزی آموزشی، متناسب با هر یک از مهارت‌های نیروی کار در مواجهه با الزامات نسل چهارم صنعتی انجام گیرد تا در طول زمان سازمان­ها بتوانند نیروی کار متناسب با تحولات فناوری در سازمان داشته و از تجارب کارکنان موجود نیز استفاده نمایند.

References:

Ada, N., Ilic, D., & Sagnak, M. (2021). A framework for new workforce skills in the era of industry 4.0. International Journal of Mathematical, Engineering and Management Sciences, 6(3), 771.

Adebayo, V. I., Paul, P. O., Jane Osareme, O., & Eyo-Udo, N. L. (2024). Skill development for the future supply chain workforce: Identifying key areas. International Journal of Applied Research in Social Sciences, 6(7), 1346-1354.

Agbaji, D., Lund, B., & Mannuru, N. R. (2023). Perceptions of the Fourth Industrial Revolution and Artificial Intelligence Impact on Society. arXiv preprint arXiv:2308.02030.

Ahuett-Garza, H., & Kurfess, T. (2018). A brief discussion on the trends of habilitating technologies for Industry 4.0 and Smart manufacturing. Manufacturing letters, 15, 60-63.

Ajayi, F. A., & Udeh, C. A. (2024). Review of workforce upskilling initiatives for emerging technologies in IT. International Journal of Management & Entrepreneurship Research, 6(4), 1119-1137.

Akyazi, T., Goti, A., & Báyon, F. (2024). The Effects of Industry 4.0 on Steel Workforce: Identifying the Current and Future Skills Requirements of the Steel Sector and Developing a Sectorial Database. In Industry 4.0 and the Road to Sustainable Steelmaking in Europe: Recasting the Future (pp. 183-201). Cham: Springer International Publishing.

Akyazi, T., Goti, A., Oyarbide, A., Alberdi, E., & Bayon, F. (2020). A guide for the food industry to meet the future skills requirements emerging with industry 4.0. Foods, 9(4), 492.

Alhloul, A., & Kiss, E. (2022). Industry 4.0 as a challenge for the skills and competencies of the labor force: A bibliometric review and a survey. Sci, 4(3), 34.

Angrisani, L., Arpaia, P., Bonavolonta, F., & Moriello, R. S. L. (2018). Academic fablabs for industry 4.0: Experience at University of naples federico II. IEEE Instrumentation & Measurement Magazine, 21(1), 6-13.

Azofeifa, J. D., Rueda-Castro, V., Camacho-Zuñiga, C., Chans, G. M., Membrillo-Hernández, J., & Caratozzolo, P. (2024, July). Future skills for Industry 4.0 integration and innovative learning for continuing engineering education. In Frontiers in Education (Vol. 9, p. 1412018). Frontiers Media SA.

Baena, F., Guarin, A., Mora, J., Sauza, J., & Retat, S. (2017). Learning factory: The path to industry 4.0. Procedia manufacturing, 9, 73-80.

Blayone, T. J., & VanOostveen, R. (2021). Prepared for work in Industry 4.0? Modelling the target activity system and five dimensions of worker readiness. International Journal of Computer Integrated Manufacturing, 34(1), 1-19.

Burris, E. R. (2012). The risks and rewards of speaking up: Managerial responses to employee voice. Academy of management journal, 55(4), 851-875.

Cagliano, R., Canterino, F., Longoni, A., & Bartezzaghi, E. (2019). The interplay between smart manufacturing technologies and work organization: The role of technological complexity. International Journal of Operations and Production Management, 39, 913–934.

Caratozzolo, P., Cukierman, U., Nørgaard, B., Schrey-Niemenmaa, K., Azofeifa, J. D., & Rueda-Castro, V. (2024, May). Future Skills Forecasting: Ensuring Quality Learning for Every Segment of the Workforce. In 2024 IEEE Global Engineering Education Conference (EDUCON) (pp. 1-5). IEEE.

Carter, D. (2017). Creativity in action–the information professional is poised to exploit the fourth industrial revolution: The business information survey 2017. Business Information Review, 34(3), 122-137.

Caruso, L. (2018). Digital innovation and the fourth industrial revolution: epochal social changes. Ai & Society, 33(3), 379-392.

Dahlmann, P., & Kunkel, M. (2017). Human factor as a base for competitive metallurgical industry in Germany. Chernye metally, (2), 65-66.

Deloitte, A. E. (2018). Preparing Tomorrow's Workforce For The Fourth Industrial Revolution. For business: A framework for action. Recuperado em, 13.

Erol, S., Jäger, A., Hold, P., Ott, K., & Sihn, W. (2016). Tangible Industry 4.0: a scenario-based approach to learning for the future of production. Procedia CiRp, 54, 13-18.

Ertz, M., Centobelli, P., & Cerchione, R. (2022). Shaping the future of cold chain 4.0 through the lenses of digital transition and sustainability. IEEE Transactions on Engineering Management, 71, 2812-2828.

Fareri, S., Fantoni, G., Chiarello, F., Coli, E., & Binda, A. (2020). Estimating Industry 4.0 impact on job profiles and skills using text mining. Computers in industry, 118, 103222.

Fomunyam, K. G. (2019). Education and the Fourth Industrial Revolution: Challenges and possibilities for engineering education. International Journal of Mechanical Engineering and Technology, 10(8), 271-284.

Garbie, I. H. (2017). Incorporating sustainability/sustainable development concepts in teaching industrial systems design courses. Procedia Manufacturing, 8, 417-423.

Gehrke, L., Kühn, A. T., Rule, D., Moore, P., Bellmann, C., Siemes, S., ... & Standley, M. (2015). Industry 4.0. A discussion of qualifications and skills in the factory of the future: A German and American perspective. Titelbild: VDI-Haus Düsseldorf.

Gitelman, L. D., & Kozhevnikov, M. V. (2018). Paradigm of managerial education for a technological breakthrough in the economy.

Gökalp, E., Şener, U., & Eren, P. E. (2017). Development of an assessment model for industry 4.0: industry 4.0-MM. In Software Process Improvement and Capability Determination: 17th International Conference, SPICE 2017, Palma de Mallorca, Spain, October 4–5, 2017, Proceedings (pp. 128-142). Springer International Publishing.

Hecklau, F., Galeitzke, M., Flachs, S., & Kohl, H. (2016). Holistic approach for human resource management in Industry 4.0. Procedia Cirp, 54, 1-6.

Hernandez-de-Menendez, M., Morales-Menendez, R., Escobar, C. A., & McGovern, M. (2020). Competencies for industry 4.0. International Journal on Interactive Design and Manufacturing (IJIDeM), 14, 1511-1524.

Islam, M. A. (2022). Industry 4.0: Skill set for employability. Social Sciences & Humanities Open, 6(1), 100280.

Jerman, A., Peji´c Bach, M., & Aleksi´c, A. (2020). Transformation towards smart factory system: Examining new job profiles and competencies. Systems Research and Behavioral Science, 37(2), 388–402.

Judijanto, L., Endrawati, T., & Ibrahim, E. (2024). Talent Management in Industry 4.0: A Bibliometric Review of Required Skills and Competencies. West Science Interdisciplinary Studies, 2(06), 1189-1198.

Kazancoglu, Y., & Ozkan-Ozen, Y. D. (2018). Analyzing Workforce 4.0 in the Fourth Industrial Revolution and proposing a road map from operations management perspective with fuzzy DEMATEL. Journal of enterprise information management.

Kergroach, S. (2017). Industry 4.0: New challenges and opportunities for the labour market. Форсайт, 11(4 (eng)), 6-8.

Khaitan, S. K., & McCalley, J. D. (2014). Design techniques and applications of cyberphysical systems: A survey. IEEE systems journal, 9(2), 350-365.

Khang, A., Jadhav, B., & Birajdar, S. (2023). Industry revolution 4.0: workforce competency models and designs. In Designing workforce management systems for industry 4.0 (pp. 11-34). CRC Press.

Kipper, L. M., Iepsen, S., Dal Forno, A. J., Frozza, R., Furstenau, L., Agnes, J., & Cossul, D. (2021). Scientific mapping to identify competencies required by industry 4.0. Technology in Society, 64, 101454.

Liao, Y., Loures, E. R., Deschamps, F., Brezinski, G., & Venâncio, A. (2018). The impact of the fourth industrial revolution: a cross-country/region comparison. Production, 28.

Liu, H. C., Qin, J. T., Mao, L. X., & Zhang, Z. Y. (2015). Personnel selection using interval 2‐tuple linguistic VIKOR

Liu, Y., & Xu, X. (2017). Industry 4.0 and cloud manufacturing: A comparative analysis. Journal of Manufacturing Science and Engineering, 139(3).

Lorenz, M., Rüßmann, M., Strack, R., Lueth, K. L., & Bolle, M. (2015). Man and machine in industry 4.0: How will technology transform the industrial workforce through 2025. The Boston Consulting Group, 2.

Malik, A., Sharma, S., Batra, I., Sharma, C., Kaswan, M. S., & Garza-Reyes, J. A. (2024). Industrial revolution and environmental sustainability: an analytical interpretation of research constituents in Industry 4.0. International Journal of Lean Six Sigma, 15(1), 22-49.

Matt, D. T., Orzes, G., Rauch, E., & Dallasega, P. (2020). Urban production – A socially sustainable factory concept to overcome shortcomings of qualified workers in smart SMEs. Computers and Industrial Engineering, 139

Maynard, A. D. (2015). Navigating the fourth industrial revolution. Nature nanotechnology, 10(12), 1005-1006.

Miah, M. T., Erdei-Gally, S., Dancs, A., & Fekete-Farkas, M. (2024). A Systematic Review of Industry 4.0 Technology on Workforce Employability and Skills: Driving Success Factors and Challenges in South Asia. Economies, 12(2), 35.

Moore, E. A., Field, F. R., & Kirchain, R. (2024). Occupation Clustering Methodology for Training In-Demand Engineering Middle-Skilled Workers in the Advanced Manufacturing Industry. ENGINEERING TECHNOLOGY, 36.

Motyl, B., Baronio, G., Uberti, S., Speranza, D., & Filippi, S. (2017). How will change the future engineers’ skills in the Industry 4.0 framework? A questionnaire survey. Procedia manufacturing, 11, 1501-1509.

Mourtzis, D. (2018). Development of skills and competences in manufacturing towards education 4.0: A teaching factory approach. In Proceedings of 3rd International Conference on the Industry 4.0 Model for Advanced Manufacturing: AMP 2018 3 (pp. 194-210). Springer International Publishing.

Nyikes, Z. (2018). Contemporary digital competency review. Interdisciplinary Description of Complex Systems: INDECS, 16(1), 124-131.

Obermayer, N., Csizmadia, T., & Hargitai, D. M. (2022). Influence of Industry 4.0 technologies on corporate operation and performance management from human aspects. Meditari accountancy research, 30(4), 1027-1049.

Oztemel, E., & Gursev, S. (2020). Literature review of Industry 4.0 and related technologies. Journal of intelligent manufacturing, 31, 127-182.

Perini, S., Luglietti, R., Margoudi, M., Oliveira, M., & Taisch, M. (2017). Training advanced skills for sustainable manufacturing: A digital serious game. Procedia Manufacturing, 11, 1536-1543.

Rao, S. K., & Prasad, R. (2018). Impact of 5G technologies on industry 4.0. Wireless personal communications, 100, 145-159.

Schwab, K. (2016). The Fourth Industrial Revolution: what it means, how to respond, Foreign. Switzerland:(WEF) in Davos.

Schwab, K., & Samans, R. (2016, January). The future of jobs: Employment, skills and workforce strategy for the fourth industrial revolution. In World Economic Forum (pp. 1-32).

Sharp, M., Ak, R., & Hedberg Jr, T. (2018). A survey of the advancing use and development of machine learning in smart manufacturing. Journal of manufacturing systems, 48, 170-179.

Short, M. N., & Keller-Bell, Y. (2019). Essential skills for the 21st century workforce. In Handbook of research on promoting higher-order skills and global competencies in life and work (pp. 134-147). IGI Global.

Siemieniuch, C. E., Sinclair, M. A., & Henshaw, M. D. (2015). Global drivers, sustainable manufacturing and systems ergonomics. Applied ergonomics, 51, 104-119.

Singh, A., & Alhabbas, N. (2024). Transforming KSA's local workforce into global talent: An Industry 4.0 and 5.0 initiative leading to vision 2030. Int. J. Adv. Appl. Sci, 11, 94-106.

Sony, M., Antony, J., & Douglas, J. A. (2020). Essential ingredients for the implementation of Quality 4.0: A narrative review of literature and future directions for research. TQM Journal, 32(4), 779–793.

Vila, C., Ugarte, D., Ríos, J., & Abellán, J. V. (2017). Project-based collaborative engineering learning to develop Industry 4.0 skills within a PLM framework. Procedia manufacturing, 13, 1269-1276.

Wahl, M. (2015). Strategic factor analysis for industry 4.0. Journal of security and sustainability issues, 5(2), 241-247.

Wang, J., Sun, Y., Zhang, W., Thomas, I., Duan, S., & Shi, Y. (2016). Large-scale online multitask learning and decision making for flexible manufacturing. IEEE Transactions on Industrial Informatics, 12(6), 2139-2147.

Xu, M., David, J. M., & Kim, S. H. (2018). The fourth industrial revolution: Opportunities and challenges. International journal of financial research, 9(2), 90-95.

Xu, X., & Hua, Q. (2017). Industrial big data analysis in smart factory: Current status and research strategies. Ieee Access, 5, 17543-17551.

 

 

COPYRIGHTS © 2023 by the authors. Licensee Modern Management Engineering Journal. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution 4.0 International (CC BY 4.0) (http://creativecommons.org/licenses/by/4.0/).

 

 

---

[1] - Cyber-physical systems

[2] - Internet of Things

---