<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه هوایی شهید ستاری- دانشکده مدیریت</PublisherName>
				<JournalTitle>مدیریت نوآوری در سازمان های دفاعی</JournalTitle>
				<Issn>2676-7112</Issn>
				<Volume></Volume>
				<Issue></Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>07</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle>The Role of Adaptive Human Resource Intelligence in Enhancing the Performance of Intelligent Communication Systems in Organizations</ArticleTitle>
<VernacularTitle>نقش هوش تطبیقی منابع انسانی در بهبود کارکرد سامانه‌های ارتباطی هوشمند در سازمان‌ها</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">247605</ELocationID>
			
<ELocationID EIdType="doi">10.22034/qjimdo.2026.572624.1783</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مریم</FirstName>
					<LastName>مدیری</LastName>
<Affiliation>گروه ارتباطات، روزنامه‌نگاری و رسانه، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>نسیم</FirstName>
					<LastName>مجیدی قهرودی</LastName>
<Affiliation>گروه ارتباطات، روزنامه‌نگاری و رسانه، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>عطاءالله</FirstName>
					<LastName>ابطحی</LastName>
<Affiliation>گروه مدیریت رسانه و فرهنگی،  واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>محمدرضا</FirstName>
					<LastName>رسولی</LastName>
<Affiliation>گروه مطالعات فرهنگی و رسانه، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2026</Year>
					<Month>02</Month>
					<Day>01</Day>
				</PubDate>
			</History>
		<Abstract>This study aims to develop an Adaptive Human Resource Intelligence model within smart communication processes, integrating human and technological capabilities to enhance intelligent interaction with audiences. The research adopts an applied mixed-methods (exploratory–descriptive) design conducted in qualitative and quantitative phases.&lt;br&gt;In the qualitative phase, data were collected through a twelve-stage netnographic approach and analyzed using thematic analysis, resulting in an initial conceptual model comprising five dimensions: content quality, automation tools, data analytics efficiency, audience engagement, and intelligent decision-making. In the quantitative phase, data from 489 respondents were analyzed using confirmatory factor analysis and structural equation modeling, confirming a good model fit with 42 indicators.&lt;br&gt;The findings indicate that data analytics efficiency and audience engagement significantly enhance content quality, which in turn plays a mediating role in improving adaptive intelligence–based decision-making. Overall, the proposed model offers a coherent theoretical–practical framework in which artificial intelligence bridges human resources and automated systems, supporting intelligent content development and strategic human resource decision-making.</Abstract>
			<OtherAbstract Language="FA">پژوهش حاضر با هدف پژوهش حاضر با هدف طراحی الگوی هوش تطبیقی منابع انسانی در فرایندهای ارتباطی هوشمند انجام شد تا چارچوبی تلفیقی میان به‌کارگیری ظرفیت‌های انسانی و فناورانه و نیز تعامل با مخاطب ارائه دهد. این پژوهش از منظر هدف کاربردی و از نظر روش‌شناسی از نوع آمیخته (اکتشافی–توصیفی) است که در دو مرحله کیفی و کمی اجرا شده است. در مرحله کیفی، داده‌ها با رویکرد نتنوگرافی دوازده‌مرحله‌ای گردآوری و با استفاده از تحلیل تماتیک در سطوح مؤلفه‌ها، ابعاد و مفاهیم اصلی تحلیل شدند. نتایج این مرحله به استخراج مدل مفهومی اولیه شامل پنج بُعد کیفیت محتوا، ابزارهای اتوماسیون، کارایی تحلیل داده‌ها، تعامل با مخاطبان و تصمیم‌گیری هوشمند منجر شد. در مرحله کمی، پرسشنامه محقق‌ساخته برخط در میان ۴۸۹ پاسخ‌دهنده توزیع و داده‌ها با استفاده از تحلیل عاملی تأییدی و مدل‌سازی معادلات ساختاری تحلیل شدند. یافته‌ها حاکی از برازش مطلوب مدل نهایی با ۴۲ گویه و معناداری روابط میان ابعاد بود. نتایج تحلیل مسیر نشان داد کارایی تحلیل داده‌ها و تعامل مؤثر محتوا نقش پیش‌برنده‌ای در ارتقای کیفیت محتوا دارند و کیفیت محتوا به‌عنوان متغیر میانجی، اثر تعیین‌کننده‌ای بر بهبود تصمیم‌گیری مبتنی بر هوش تطبیقی ایفا می‌کند. در مجموع، الگوی پیشنهادی با تلفیق پنج ساحت کلیدی، چارچوبی نظری–کاربردی ارائه می‌دهد که در آن هوش مصنوعی به‌مثابه پیونددهنده منابع انسانی و سامانه‌های خودکار عمل کرده و بستر توسعه محتوای هوشمند، تصمیم‌گیری قابل‌توضیح و ارتقای نقش راهبردی منابع انسانی را فراهم می‌کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هوش تطبیقی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">منابع انسانی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مخاطب</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
