بررسی الگوی بازنمایی مدیران در آینده‌نگری استراتژیک با استفاده از نظریه مجموعه راف

آینده‌نگری استراتژیک هسته اصلی بسیاری از نظریه‌های مدیریت استراتژیک است و امکان توفیق استراتژی‌ها را در محیط‌ های چهارگانه دارای ابهام، عدم اطمینان، پیچیدگی و نوسان افزایش می‌دهد. از سوی دیگر مدیران تصمیم‌های استراتژیک را مبتنی بر چگونگی بازنمایی مسائلی که بر آن‌ها عارض می‌شود، اتخاذ می‌کنند. توفیق تصمیم‌گیری استراتژیک منوط به قابلیت آینده‌نگری استراتژیک تصمیم‌ گیرندگان و بازنمایی آن‌ها شکل می‌گیرد. بااین‌حال خلا نظری در ادبیات پژوهش معطوف به این است که چه سطحی از پیچیدگی بازنمایی در چه زمینه‌ای از محیط‌ های چهارگانه باعث ایجاد آینده‌نگری استراتژیک قابل قبولی می‌شود. در این راستا، از نظریه مجموعه راف برای کشف الگوهای موردنظر این پژوهش استفاده شده است. ورودی نظریه مجموعه راف شامل دو نوع کلی «متغیر تصمیم» و «شرطی» در نظر گرفته شده است. متغیرهای شرطی «پیچیدگی بازنمایی» و «شرایط محیطی» و متغیر تصمیم نیز «آینده‌نگری استراتژیک» را مورد سنجش قرار می‌دهد. جامعه آماری، تصمیم‌ گیرندگان سطح استراتژیک در سازمان‌های فناورانه است. براین‌اساس نمونه آماری که به‌صورت هدفمند انتخاب شده است، شامل تعدادی از مدیران رده‌ بالا است که در حوزه‌های فناورانه فعالیت دارند. خروجی‌های پژوهش نشان می‌دهند که هرگاه پیش‌بینی آینده دشوار است (محیط‌ های دارای عدم اطمینان و ابهام) بازنمایی‌های ساده و کمتر پیچیده آینده‌نگری بالاتری را ایجاد می‌کنند. درعین‌حال، هرگاه پیش‌بینی دشوار باشد (محیط‌ های دارای پیچیدگی و نوسان)، خواه درک وضعیت فعلی ساده و خواه دشوار باشد، استفاده از بازنمایی‌های پیچیده اثربخشی بیش‌تری دارد.

examining the representation model of managers in strategic foresight using raugh set theory

strategic foresight is the central core of many strategic management theories and increases the possibility of success of strategies in the four environments of volatility, uncertainty, complexity and ambiguity (vuca). this study hinges on the complexity of mental representation. according to research literature, the degree of complexity of representation is contingent due to different contexts but it has not been investigated before. in this study, we extend the past literature to determine the patterns governing the relationship between representational complexity and strategic foresight in four different contexts (vuca) using the raugh set theory.however, the theoretical gap in the research literature is focused on what level of complexity of representation in what context of the four environments creates an acceptable strategic foresight. we have used the raugh set theory to discover the patterns of the representational complexity achieving desired strategic foresight in different vuca environments. the input of raugh set theory includes two general types of decision and conditional variables. the conditional variables include representational complexity and environmental context, and the decision variable also encloses strategic foresight. the results show that when the future is difficult to predict (environments with uncertainty and ambiguity), simple and less complex representations create more useful strategic foresight. at the same time, when it is easy to predict the results of an action (complex and volatile environments), whether understanding the current situation is simple or intricate, using complex representations is more effective