Nguyễn Thị Minh Thư

Email: thuntm@ftu.edu.vn

Phạm Văn Chiến

Email: chienpv15.fsc@gmail.com

Nguyễn Thị Khánh Chi

Email: chintk@ftu.edu.vn

Khoa Kinh tế quốc tế, Trường Đại học Ngoại thương

Vũ Hoàng Nam

Phòng Quản lý Khoa học, Trường Đại học Ngoại thương

Email: namvh@ftu.edu.vn

Tóm tắt

Bài viết nhằm nghiên cứu tác động của phần mềm chấm công sử dụng công nghệ nhận diện khuôn mặt đến sự gắn kết của nhân viên, đồng thời, xem xét vai trò điều tiết của đánh giá công việc đối với các tác động này. Kết quả ước lượng cho thấy, 4 nhân tố của công nghệ nhận diện khuôn mặt, bao gồm: Độ chính xác; Tiết kiệm thời gian; Giao diện thân thiện và Tính minh bạch dữ liệu ảnh hưởng tới các khía cạnh khác nhau của sự gắn kết nhân viên với doanh nghiệp. Kết quả nghiên cứu cũng cho thấy, tầm quan trọng của nhận diện khuôn mặt trong việc tăng cường sự gắn kết của nhân viên, đặc biệt là về mặt cảm xúc và đạo đức. Trên cơ sở đó, bài viết đưa ra một số hàm ý quản trị trong việc xây dựng công nghệ trong quản trị nhân sự nhằm tạo sự gắn kết, từ đó nâng cao hiệu quả làm việc của người lao động.

Từ khóa: quản trị nhân sự, nhận diện khuôn mặt, gắn kết nhân viên, đánh giá công việc

Summary

The paper aims to study the impact of timekeeping software using facial recognition technology on employee engagement and, at the same time, examine the moderating role of job evaluation on these impacts. The estimation results show that 4 factors of facial recognition technology, including Accuracy; Time-saving; Friendly interface, and Data transparency affect different aspects of employee engagement with the enterprise. The research results also show the importance of facial recognition in enhancing employee engagement, especially emotions and ethics. On that basis, the article gives some managerial implications in building technology in human resource management to create cohesion, thereby improving the employees' working efficiency.

Keywords: human resource management, facial recognition, employee engagement, job evaluation

GIỚI THIỆU

Đảm bảo sự gắn kết của đội ngũ nhân sự chất lượng đã trở thành nhiệm vụ quan trọng nhất đối với bất kỳ doanh nghiệp nào (Jha và cộng sự, 2018). Ngày nay, sự phát triển nhanh chóng của công nghệ đã và đang mang lại nhiều cơ hội cho các doanh nghiệp thực hiện đổi mới sáng tạo, bao gồm việc áp dụng công nghệ vào quản trị nguồn nhân lực, từ đó, xây dựng môi trường làm việc minh bạch, tích cực, góp phần tăng cường sự gắn kết của người lao động.

Hệ thống chấm công bằng nhận diện khuôn mặt là một sản phẩm của công nghệ trí tuệ nhân tạo và đang dần trở nên phổ biến tại Việt Nam, đặc biệt là trong tổ chức có nhu cầu quản lý nhân sự chặt chẽ, hiệu quả. Một số phần mềm chấm công, như: Achamcong, SureHCS, FaceID Tinh Hoa đã và đang được áp dụng rộng rãi. Các phần mềm này có thể dễ dàng tích hợp với các hệ thống quản lý nhân sự, quản lý tài chính của doanh nghiệp, từ đó, tối ưu hóa các hoạt động sản xuất, kinh doanh; đồng thời, tăng cường an ninh và giảm thiểu sự gian lận. Sự cải thiện môi trường làm việc theo hướng hiệu quả và minh bạch như vậy không chỉ hữu ích với chủ doanh nghiệp, mà còn có thể tăng cường sự gắn kết nhân viên với tổ chức, từ đó, nâng cao được ý thức và hiệu quả làm việc của người lao động. Do đó, việc nghiên cứu tác động của phần mềm chấm công sử dụng công nghệ nhận diện khuôn mặt đến sự gắn kết của nhân viên là hết sức cần thiết và có giá trị thực tiễn cao, giúp đưa ra giải pháp cho các doanh nghiệp trong việc áp dụng công nghệ thông tin vào quản trị nguồn nhân lực một cách hiệu quả.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

Công nghệ nhận diện khuôn mặt

Theo Yu và cộng sự (2020), nhận diện khuôn mặt liên quan đến nhiều công nghệ nhằm xây dựng một hệ thống hoàn chỉnh, bao gồm: nhận diện, lưu trữ, so sánh hình ảnh khuôn mặt có sẵn và đánh giá các mẫu đường viền khuôn mặt để xác định danh tính người dùng thông qua hình ảnh (Hamann và Smith, 2019; Trương và cộng sự, 2020). McLindin (2005) khẳng định, công nghệ này cung cấp thông tin cá nhân đáng tin cậy và bảo vệ, kiểm soát thông tin nhạy cảm trong hệ thống dữ liệu, từ đó, giúp bảo toàn độ chính xác tuyệt đối của dữ liệu, mà không bị ảnh hưởng từ bên ngoài. Tarigan và cộng sự (2019) nhận định rằng, độ chính xác của công nghệ trong môi trường làm việc đóng vai trò quan trọng trong việc tính toán năng suất lao động và vận hành tổ chức, từ đó, nâng cao khả năng cạnh tranh và mức độ hài lòng trong công việc của nhân viên. Do vậy, đây là giải pháp quản lý chấm công thế hệ mới với các tính năng vượt trội, cho phép theo dõi chấm công không tiếp xúc và hiệu quả nhờ các thuật toán mạnh mẽ, so với các giải pháp khác như quét vân tay.

Hơn nữa, đây là một trong những công nghệ sinh trắc học hiệu quả nhất để quản lý quy trình công việc (Rho và Shin, 2020) và cải thiện an toàn trong hoạt động tại các nhà máy thông minh (Chen và cộng sự, 2018). Phát hiện hình ảnh cũng là giai đoạn đầu tiên để triển khai các tính năng nâng cao hơn, như mã hóa khuôn mặt, nhằm phân tích cảm xúc và nhận thức của người dùng, qua đó, cho phép phát triển các giải pháp sản xuất thông minh hướng đến con người (Generosi và cộng sự, 2022). Do đó, việc nghiên cứu tác động của nhận diện khuôn mặt đối với sự gắn kết của nhân viên là rất quan trọng, giúp các nhà quản lý có thêm hiểu biết về tính hữu ích của giải pháp theo dõi này và lập kế hoạch triển khai sâu rộng hơn.

Gắn kết nhân viên

Schaufeli và Bakker (2002) cho rằng, sự gắn kết của nhân viên là một trạng thái tinh thần thỏa mãn, được đặc trưng bởi sức sống, sự tận tâm và niềm đam mê. Do đó, sự gắn kết của nhân viên thể hiện mối liên hệ giữa nhân viên và công việc, cũng như cách họ biến công việc thành một phần trong cuộc sống của mình. Tương tự, theo Muhammad và cộng sự (2011), sự gắn kết của nhân viên là yếu tố quyết định đến sự thành công hay thất bại của tổ chức. Nhân viên có động lực cao sẽ giúp tổ chức đạt được các mục tiêu của mình. Trên thực tế, sự gắn kết của nhân viên liên quan đến trách nhiệm của họ đối với công việc dưới các khía cạnh về tình cảm, tính duy trì và nghĩa vụ đạo đức (Meyer và Allen, 1991). Cụ thể, các yếu tố này phản ánh thái độ và cảm xúc của nhân viên đối với công việc và tổ chức. Khi trách nhiệm và tình cảm của nhân viên đối với công việc càng lớn, hiệu suất làm việc của họ càng cao, qua đó, giúp cải thiện sự kết nối giữa cá nhân và tập thể.

Vì vậy, bài viết này nghiên cứu sự gắn kết của nhân viên từ ba góc độ: (1) Gắn kết cảm xúc, (2) Gắn kết duy trì và (3) Gắn kết đạo đức.

Ảnh hưởng của công nghệ nhận diện khuôn mặt tới sự gắn kết của nhân viên

Thứ nhất, xét về khía cạnh cảm xúc, một hệ thống nhận diện tự động được triển khai hiệu quả sẽ mang lại kết quả chấm công và tính lương chính xác hơn, đồng thời, khiến nhân viên cảm thấy hài lòng hơn và do đó, làm việc năng suất hơn (Shehu và Dika 2010). Tarigan và cộng sự (2019) cho rằng, độ chính xác của công nghệ giúp tạo ra hệ thống làm việc ổn định và phối hợp trơn tru giữa các phòng ban, đồng thời, làm nhân viên cảm thấy hài lòng hơn. Khả năng tiết kiệm thời gian của phần mềm chấm công giúp nhân viên hạn chế việc đến trễ. Nhân viên không phải xếp hàng chờ lâu để được điểm danh, qua đó, khuyến khích sự gắn bó của nhân viên với tổ chức (Gabuya và cộng sự 2022). Men (2015) nhấn mạnh rằng, khi các tổ chức kịp thời chia sẻ thông tin quan trọng, đầy đủ, phù hợp và trung thực, nhân viên sẽ cảm thấy gắn bó hơn, từ đó, góp phần nâng cao hiệu suất làm việc của nhân viên trong tổ chức.

Thứ hai, xét ở khía cạnh gắn kết duy trì, Dauda và Akingbade (2011) lập luận rằng, đầu tư vào công nghệ sẽ tăng động lực và tinh thần làm việc của nhân viên, đồng thời, giảm thiểu những đánh đổi, như: thời gian, tiền bạc và công sức, từ đó, thúc đẩy nhân viên tự đổi mới và sáng tạo. Adewole và cộng sự (2014) cho rằng, việc triển khai hệ thống chấm công dựa trên sinh trắc học điện tử sẽ hỗ trợ đáng kể cho các tổ chức và rút ngắn thời gian làm việc; đồng thời, ngăn chặn những quy trình tốn thời gian, giúp các nhà quản trị dễ dàng truy cập hồ sơ chấm công cá nhân và theo dõi tổng hợp chấm công hàng tháng một cách thuận tiện. Gupta và cộng sự (2019) khẳng định rằng, tính thân thiện của giao diện phần mềm có ảnh hưởng đáng kể đến sự gắn kết của nhân viên với công việc. Thông tin được trình bày chính xác và hiệu quả trên hệ thống sẽ giúp nhân viên cảm thấy hài lòng khi sử dụng, đồng thời, giảm thiểu các chi phí vận hành phát sinh và tăng sự yên tâm khi làm việc tại tổ chức (Byrd và Turner, 2000).

Thứ ba, về sự gắn kết đạo đức, Singh và cộng sự (2017) xác nhận rằng, hệ thống chấm công sinh trắc học nhanh hơn và tiết kiệm cho nhân viên khỏi công việc thủ công, đồng thờ,i ý thức tự giác của nhân viên tại nơi làm việc cũng tăng lên đáng kể. Việc có phần mềm doanh nghiệp được thiết kế rõ ràng và có ý thức có thể khuyến khích trách nhiệm sản xuất của nhân viên. Byrd và Turner (2000) cho rằng, khi nhân viên được cung cấp quyền truy cập vào thông tin liên quan đến bản thân trên các nền tảng di động khác nhau, điều này giúp họ tự đánh giá hiệu suất làm việc của mình. Từ nhận thức về công việc, nhân viên sẽ được khuyến khích để cải thiện chất lượng công việc. Về mặt tính minh bạch của dữ liệu và thông tin, Sia và cộng sự (2002) cùng với Men (2015) đều tin rằng, thuộc tính này sẽ giúp nhân viên định hướng sâu sắc cho con đường phát triển sự nghiệp của họ và gắn bó lâu dài với công ty, đồng thời, nâng cao ý thức trách nhiệm đối với công việc. Tương tự, Shukla and Bhandari (2019) cho rằng, hệ thống nhận diện khuôn mặt giúp nhân viên duy trì và tự tính toán giờ làm thêm một cách minh bạch. Nhờ vậy, nhân viên có thể yên tâm thực hiện tốt công việc, cải thiện ý thức làm việc của họ.

Đề xuất giả thuyết nghiên cứu

Tổng quan lý thuyết và các nghiên cứu đi trước cho thấy, các thuộc tính của hệ thống nhận diện khuôn mặt, bao gồm: Độ chính xác; Khả năng tiết kiệm thời gian; Giao diện thân thiện và Tính minh bạch của dữ liệu có ảnh hưởng tới sự gắn kết của người lao động. Do đó, nhóm tác giả đề xuất các giả thuyết nghiên cứu như sau:

H1a: Độ chính xác của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết cảm xúc.

H1b: Độ chính xác của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết duy trì.

H1c: Độ chính xác của nhận diện khuôn mặt có tác động tích cực đến Sự cam kết đạo đức.

H2a: Khả năng tiết kiệm thời gian của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết cảm xúc.

H2b: Khả năng tiết kiệm thời gian của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết duy trì.

H2c: Thời gian tiết kiệm từ nhận diện khuôn mặt có tác động tích cực đến Sự cam kết đạo đức.

H3a: Giao diện thân thiện của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết cảm xúc.

H3b: Giao diện thân thiện của nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết duy trì.

H3c: Giao diện thân thiện của nhận diện khuôn mặt có tác động tích cực đến Sự cam kết đạo đức.

H4a: Tính minh bạch của dữ liệu từ nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết cảm xúc.

H4b: Tính minh bạch của dữ liệu từ nhận diện khuôn mặt có tác động tích cực đến Sự gắn kết duy trì.

H4c: Tính minh bạch của dữ liệu từ nhận diện khuôn mặt có tác động tích cực đến Sự cam kết đạo đức.

Ngoài ra, theo Hakanen và cộng sự (2021), việc đánh giá hiệu suất công việc đóng góp rất nhiều vào sự gắn bó lâu dài của nhân viên với công việc và đây được coi là nguồn lực công việc quan trọng nhất khi nhắc nhở nhân viên về các yếu tố ảnh hưởng đến sự gắn bó của họ. Về lâu dài, đánh giá công việc một cách minh bạch thúc đẩy nhân viên hoàn thành công việc tốt hơn, cũng như tăng cường gắn bó bền vững với công việc và công ty. Đồng tình với quan điểm này, Schaufeli và Bakker (2002) cũng kết luận rằng, các đánh giá tích cực sẽ giúp nhân viên tăng khả năng hoàn thành nhiệm vụ một cách sớm và chính xác và họ có thể nhanh chóng đạt được kết quả công việc phù hợp với nguyện vọng của mình. Tuy nhiên, nghiên cứu về vai trò của đánh giá công việc vẫn còn hạn chế. Do đó, giả thuyết H5 được đề xuất như sau:

H5: Đánh giá công việc điều tiết ảnh hưởng của các thuộc tính của hệ thống nhận diện khuôn mặt (độ chính xác, tiết kiệm thời gian, giao diện thân thiện với người dùng và tính minh bạch của dữ liệu) đến sự gắn bó của nhân viên.

Mô hình nghiên cứu

Bằng cách tích hợp nền tảng lý thuyết và bằng chứng thực nghiệm nêu trên, mô hình nghiên cứu các nhân tố tác động của nhận diện khuôn mặt đối với sự gắn bó của nhân viên được đề xuất như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Phương pháp nghiên cứu

Thang đo

Để đo lường các biến tiềm ẩn trong nghiên cứu, các thang đo đã được lấy từ tài liệu trước đây với sự điều chỉnh phù hợp trong cách diễn đạt để phù hợp với bối cảnh nghiên cứu. Các nhân tố được đo bằng thang đo Likert năm điểm (từ “1” là hoàn toàn không đồng ý đến “5” là hoàn toàn đồng ý) (Bảng 1).

Bảng 1: Thang đo nghiên cứu

Nguồn: Nhóm tác giả tổng hợp

Phương pháp thu thập dữ liệu

Nghiên cứu đã khảo sát những người tham gia các dự án AI từ 3 doanh nghiệp lớn tại Việt Nam (ViTech Group, LED Fawookidi, Cảnh Quan Hoàng Gia). Phiếu khảo sát được gửi đến các nhân viên thông qua trưởng các bộ phận và phòng ban trong khoảng thời gian tháng 3/2023. Tổng cộng có 300 bảng khảo sát được phát ra, trong đó thu về 235 phản hồi. Sau khi rà soát, có 218 phiếu khảo sát hợp lệ, tương ứng với tỷ lệ phản hồi là 72,7%. Dữ liệu được thu thập xử lý bằng phần mềm SPSS 22.

Trong số các người trả lời, có 90 người là nam giới, chiếm 45% tổng mẫu khảo sát, trong khi nữ giới chiếm 55%. Về độ tuổi, 29% người tham gia ở độ tuổi từ 25-30, 51% trong khoảng 31-40 tuổi, 16% từ 41-50 tuổi, và chỉ 4% trên 50 tuổi. Về kinh nghiệm làm việc, 11% người tham gia có dưới một năm kinh nghiệm; 37% có kinh nghiệm từ 1-3 năm; 30% đã làm việc từ 3-5 năm; 14% có thâm niên từ 5-7 năm, và 7% đã làm việc trên 7 năm.

KẾT QUẢ NGHIÊN CỨU

Kiểm định độ tin cậy của thang đo

Độ tin cậy của dữ liệu nghiên cứu được trình bày trong Bảng 2. Kết quả phân tích độ tin cậy cho thấy, tất cả các biến quan sát đều có điểm Cronbach’s Alpha > 0,8, giá trị phương sai trung bình (AVE) > 50% và giá trị độ tin cậy tổng hợp (CR) > 0,7. Việc tính toán độ tin cậy tổng hợp và phương sai hội tụ dựa trên yếu tố tải biên quan sát được. Do đó, 3 thang đo trong mô hình chính đạt được độ tin cậy và hội tụ cần thiết.

Bảng 2: Độ tin cậy và hội tụ của thang đo

Nguồn: Xử lý dữ liệu khảo sát

Phân tích mô hình cấu trúc tuyến tính (SEM)

Để kiểm tra các giả thuyết nghiên cứu về tác động của nhận diện khuôn mặt đối với sự gắn kết của nhân viên, bài viết sử dụng mô hình cấu trúc tuyến tính (SEM) để phân tích các giả thuyết được đề xuất. Kết quả phân tích mô hình cấu trúc tuyến tính từ dữ liệu khảo sát của nghiên cứu cho thấy: Chi-square/df = 1,530 < 3; GFI = 0,913, CFI = 0,915, TLI = 0,912, IFI = 0,918 đều > 0,9; RMSЕА = 0,045 < 0,05. Bảng 3 cho thấy, tất cả các giả thuyết đều được chấp nhận, ngoại trừ 4 giả thuyết H1b, H2b, H3b và H4b bị bác bỏ.

Bảng 3: Kết quả ước lượng mô hình cơ sở

Nguồn: Phân tích dữ liệu khảo sát

Bảng 3 cho thấy, độ chính xác có tác động lớn nhất đến sự gắn bó cảm xúc của nhân viên (0,323). Kết quả này xác nhận kết luận của Shehu và Dika (2010), Tarigan và cộng sự (2019), cho thấy độ chính xác trong việc chấm công nhân viên giúp họ cảm thấy hài lòng hơn với những gì họ đã bỏ ra và cảm thấy công bằng trong tổ chức. Tuy nhiên, độ chính xác không ảnh hưởng đến sự gắn kết duy trì của nhân viên. Kết quả này trái ngược với giả thuyết đã đưa ra và cũng bác bỏ kết luận của Gupta và cộng sự (2019) và McLindin (2005) về tác động tích cực của độ chính xác của phần mềm đối với việc giữ chân nhân viên.

Bảng 3 cũng chứng minh rằng, tính minh bạch của dữ liệu có tác động lớn nhất đến tinh thần nhân viên (0,514). Kết quả này trùng khớp với nghiên cứu của Byrd and Turner (2000). Nhân viên có quyền tự đánh giá quá trình làm việc của mình trong một khoảng thời gian, từ đó, học hỏi từ những kinh nghiệm của chính họ và cải thiện năng suất của mình. Tuy nhiên, tính minh bạch của dữ liệu không ảnh hưởng đến ý định duy trì. Kết quả này phù hợp với Che và cộng sự (2018) cho rằng, tính minh bạch của dữ liệu có tác động tích cực đến việc giữ chân nhân viên.

Phân tích tác động điều tiết

Để phân tích tác động điều tiết của đánh giá công việc tới mối quan hệ giữa công nghệ nhận diện khuôn mặt và sự gắn kết của nhân viên, nhóm tác giả đã sử dụng tính năng Process Macro được phát triển bởi Hayes (2022) trong phần mềm SPSS 22.0. Các giả thuyết H5-9, H5-10 và H5-12 được chấp nhận, trong khi các giả thuyết khác không được hỗ trợ (Bảng 4).

Bảng 4: Vai trò điều tiết của đánh giá công việc

Nguồn: Phân tích dữ liệu khảo sát

Bảng 4 cho thấy, việc đánh giá công việc củng cố tích cực tác động của độ chính xác, khả năng tiết kiệm thời gian và tính minh bạch của dữ liệu đối với sự gắn bó đạo đức. Cụ thể hơn, việc đánh giá công việc thể hiện tác động điều chỉnh mạnh mẽ nhất đối với mối liên hệ giữa tính minh bạch của dữ liệu và sự gắn bó đạo đức (0,623). Tuy nhiên, không có bằng chứng thống kê có ý nghĩa về các tác động điều tiết của đánh giá công việc đối với mối quan hệ giữa nhận diện khuôn mặt và 2 khía cạnh gắn kết cảm xúc và gắn kết duy trì.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết quả nghiên cứu cho thấy, 4 thuộc tính của hệ thống chấm công bằng nhận diện khuôn mặt, gồm: Độ chính xác; Mức độ tiết kiệm thời gian; Giao diện thân thiện và Tính minh bạch đều giúp nhân viên tự tin và cảm thấy được đối xử công bằng tại nơi làm việc, đồng thời có thể tự đánh giá được công việc và đưa ra những điều chỉnh kịp thời để đạt được mục tiêu đề ra. Nhờ vậy, về mặt tình cảm và đạo đức, người lao động có thể thêm gắn bó với tổ chức. Tuy nhiên, việc áp dụng công nghệ, máy móc trong việc chấm công lại có thể thiếu tính linh hoạt và ở một khía cạnh nào đó mang lại một số áp lực cho nhân viên, ảnh hưởng tới phúc lợi, khen thưởng mà họ được hưởng, gây căng thẳng và chưa cho thấy, ảnh hưởng tích cực tới sự gắn kết duy trì như kỳ vọng. Ngoài ra, trong nghiên cứu này, nhóm tác giả cũng tìm thấy một vài bằng chứng về vai trò điều tiết của đánh giá công việc trong mối quan hệ giữa độ chính xác, tính tiết kiệm thời gian và tính minh bạch dữ liệu tới gắn kết đạo đức của nhân viên.

Nghiên cứu này cho thấy, việc ứng dụng công nghệ trong quản lý doanh nghiệp nói chung và quản trị nhân sự nói riêng mang lại kết quả tích cực cho doanh nghiệp. Tăng cường đầu tư cải tiến các khía cạnh, như: độ chính xác, tính tiết kiệm thời gian, giao diện thân thiện và tính minh bạch của công nghệ chấm công bằng nhận diện khuôn mặt sẽ giúp nhân viên có cảm xúc tích cực, cũng như nỗ lực làm việc, tăng cường sự gắn bó về mặt cảm xúc và đạo đức, qua đó, cải thiện được hiệu suất làm việc. Song song với đó, doanh nghiệp cũng cần quy trình đánh giá công việc minh bạch, cũng như xem xét tính linh hoạt trong việc chấm công trong một số trường hợp bất khả kháng để giảm bớt áp lực cho người lao động, từ đó, cải thiện được sự gắn kết duy trì của họ./.

TÀI LIỆU THAM KHẢO

1. Adewole, K. S., Abdulsalam, S. O., Babatunde, R. S., Shittu, T. M., and Oloyede, M. O. (2014), Development of fingerprint biometric attendance system for non-academic staff in a tertiary institution, Development, 5(2), 62–70.

2. Byrd, T., and Turner, D. (2000), Measuring the Flexibility of Information Technology Infrastructure: Exploratory Analysis of a Construct, Journal of Management Information Systems, 17, 167–208.

3. Che, T., Wu, Z., Wang, Y., and Yang, R. (2018), Impacts of knowledge sourcing on employee innovation: the moderating effect of information transparency, Journal of Knowledge Management, 23(2), 221-239.

4. Chen, X., Chen, W., Xu, P., and Lv, M. (2018), Attribute-based Face Recognition and Application in Safety Detection of Intelligent Factory, ACM Press the 2018 International Conference - Chengdu, China (2018.03.12-2018.03.14)] Proceedings of the 2018 International Conference on Computing and Artificial Intelligence - ICCAI 2018, 76–80, https://doi.org/10.1145/3194452.3194457.

5. Dauda, Y. A., and Akingbade, W. A. (2011), Technological change and employee performance in selected manufacturing industry in Lagos state of Nigeria, Australian Journal of Business and Management Research, 1(5), 32–43.

6. Gabuya Jr, A., Zosa, L., and Miñoza, J. (2022), The Performance of Biometric Attendance System (BAS): CTU-Tuburan Campus as case study, International Journal of Scientific and Research Publications, 12, 419, https://doi.org/10.29322/IJSRP.12.07.2022.p12748.

7. Generosi, A., Agostinelli, T., and Mengoni, M. (2022), Smart retrofitting for human factors: a face recognition-based system proposal, Int J Interact Des Manuf, 17, 421–433, https://doi.org/10.1007/s12008-022-01035-4.

8. Gupta, A., Kundu, A., and Das, R. (2019), Automated attendance system for efficient employee management: a biometry based approach, International Journal on Recent Trends in Business and Tourism (IJRTBT, 3(3), 117–121.

9. Hakanen, J. J., Bakker, A. B., and Turunen, J. (2021), The relative importance of various job resources for work engagement: A concurrent and follow-up dominance analysis, BRQ Business Research Quarterly, https://doi.org/10.1177/23409444211012419.

10. Hayes, A. F. (2022), Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd edition), New York: The Guilford Press.

11. Jha, N., Sareen, P., and Potnuru, R. K. G. (2018), Employee engagement for millennials: considering technology as an enabler, Development and Learning in Organizations: An International Journal, 33(1), DOI:10.1108/DLO-05-2018-0057.

12. McLindin, B. A. (2005), Improving the Performance of Two Dimensional Facial Recognition Systems: The Development of a Generic Model for Biometric Technology Variables in Operational Environments, Dissertation University of South Australia.

13. Men, L, R. (2015), Employee engagement in relation to employee-organization relationship and internal reputation: effects of leadership and communication, Public Relations Journal, 9(2), 11–22.

14. Meyer, J. P., and Allen, N. J. (1991), A three-component conceptualization of organizational commitment. Human Management Review, 1(1), 61–89. https://doi.org/10.1016/1053-4822(91)90011-z.

15. Muhammad, E. M., Rizwan, Q. D., and Ali, U. (2011), Impact of motivation to learn and job attitudes on organizational learning culture in a public service organization of Pakistan, African Journal of Business Management, 5(3), 844–854.

16. Rho, J., and Shin, W. (2020), Implementation of Face Recognition Applications for Factory Work Management, The International Journal of Advanced Smart Convergence, 9(3), 246–252.

17. Schaufeli, W. B., and Bakker, A. B. (2002), Job demands, job resources, and their relationship with burnout and engagement: A multi‐sample study, Journal of Organizational Behavior: The International Journal of Industrial, Occupational and Organizational Psychology and Behavior, 25(3), 293–315.

18. Shehu, V., ad Dika, A. (2010), Using real time computer vision algorithms in automatic attendance management systems, Proceedings of the ITI 2010, 32nd International Conference on Information Technology Interfaces, 397–402.

19. Shukla, V. K., and Bhandari, N. (2019), Conceptual framework for enhancing payroll management and attendance monitoring system through RFID and biometric, Amity International Conference on Artificial Intelligence (AICAI), 188–192.

20. Sia, S. K., Tang, M., Soh, C., and Boh, W. F. (2002), Enterprise resource planning (ERP) systems as a technology of power: empowerment or panoptic control? ACM SIGMIS Database: The DATABASE for Advances in Information Systems, 33(1), 23–37.

21. Singh, M., Singh, P., Singh, R., Singh, S., and Gupta, S. (2017). Leave and Payroll Management System, IOSR Journal Of Computer, e-ISSN: 2278-0661, p-ISSN: 2278-8727, 62-66.

22. Tarigan, Z. J. H., Siagian, H., and Bua, R. R. (2019), The Impact of Information System Implementation to the Integrated System for Increasing the Supply Chain Performance of Manufacturing Companies, IOP Conference Series: Materials Science and Engineering, 473(1), https://doi.org/10.1088/1757-899X/473/1/012050.

23. Yu, Z., Li, X., Niu, X., Shi, J., and Zhao, G. (2020), Face anti-spoofing with human material perception, European Conference on Computer Vision, 557–575.