موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 3 3 2025 05 29 Application of Artificial Intelligence Algorithms in Optimizing the Recruitment Process of Municipalities: A Case Study of Sadra Municipality کاربرد الگوریتم‌های هوش مصنوعی در بهینه‌سازی فرآیند استخدام شهرداری‌ها: مطالعه موردی شهرداری صدرا 19 41 10.22051/jera.2021.31891.2698 FA محمدجواد کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، مؤسسه آموزش عالی آپادانا، شیراز، ایران. 2025 04 09 Traditional recruitment and hiring processes in public institutions such as municipalities—especially under conditions of rapid population growth and the increasing demand for skilled personnel—face significant limitations and human biases. These challenges often result in reduced efficiency and increased costs. This study aims to optimize the recruitment process of Sadra Municipality by investigating the application of artificial intelligence algorithms in various stages of human resource acquisition. Using data from 1,000 job resumes and hiring records, five machine learning algorithms—including Support Vector Machine (SVM), Decision Tree, Artificial Neural Network (ANN), Random Forest, and Regression—were evaluated. The data were collected via questionnaires and analyzed using Natural Language Processing (NLP) techniques. The results indicated that AI algorithms significantly enhance accuracy, reduce time and recruitment costs, and mitigate human biases. Moreover, the use of hybrid models, as compared to standalone models, can provide more accurate performance in predicting and evaluating applicants. فرآیندهای سنتی جذب و استخدام در نهادهای عمومی مانند شهرداری‌ها، به‌ویژه در شرایط رشد سریع جمعیتی و نیاز به نیروهای متخصص، با محدودیت‌ها و تعصبات انسانی مواجه‌ هستند. این موارد منجر به کاهش بهره‌وری و افزایش هزینه‌ها می‌شوند. پژوهش حاضر با هدف بهینه‌سازی فرآیند استخدام در شهرداری شهر صدرا، به بررسی کاربرد الگوریتم‌های هوش مصنوعی در مراحل مختلف جذب نیروی انسانی می‌پردازد. در این مطالعه با استفاده از داده‌های 1000 رزومه شغلی و اطلاعات استخدامی، پنج الگوریتم یادگیری ماشین شامل ماشین بردار پشتیبان (SVM)، درخت تصمیم، شبکه عصبی مصنوعی (ANN)، جنگل تصادفی (Random Forest) و رگرسیون، مورد ارزیابی قرار گرفتند. داده‌ها از طریق پرسشنامه، گردآوری و با بهره‌گیری از تکنیک‌های پردازش زبان طبیعی (NLP) تحلیل شدند. نتایج نشان داد که الگوریتم‌های هوش مصنوعی، نقش مؤثری در افزایش دقت، کاهش زمان و هزینه‌های جذب و نیز حذف سوگیری‌های انسانی دارند. همچنین، استفاده از مدل‌های ترکیبی در مقایسه با مدل‌های مستقل می‌تواند عملکرد دقیق‌تری را در پیش‌بینی و ارزیابی متقاضیان ارائه دهد. /downloadfilepdf/161537