|
|
شناسایی اجزای ضروری موثر بر استخراج هوشمند دانش در سازمانها: مطالعه فراترکیب
|
|
|
|
|
نویسنده
|
ملک الکلامی میلا ,حسن زاده محمد ,شریف عاطفه ,رزقی منصور
|
منبع
|
علوم و فنون مديريت اطلاعات - 1402 - دوره : 9 - شماره : 2 - صفحه:167 -200
|
چکیده
|
هدف: اهمیت هوشمندسازی در فرایندهای کسبوکار صنایع در سالهای جاری به شدت افزایش یافته است. از طرفی اهمیت دانش به عنوان یک مزیت رقابتی همچنان در حال افزایش است. برای به دست آوردن این دانش حیاتی، چارچوبی برای شناسایی اجزای ضروری استخراج دانش مورد نیاز است. شناخت و تقویت هر یک از این منابع دانش، به طور سیستماتیک، در صنایع باعث میشود راهی برای استخراج دانش به روش هوشمند پیدا شود. محققان میتوانند الگوریتمهای استخراج دانش را به صورت سازمانیافته بیابند و به طور خاص بر اهداف هر جزء در فرایندهای کسبوکار تمرکز کرده و دانش را به شیوهای هوشمند شناسایی و استخراج کنند. در این راستا، هدف پژوهش حاضر شناسایی اجزای ضروری موثر در استخراج هوشمند دانش است.روش: این تحقیق فراترکیب با روش هفت مرحلهای سندلوسکی و بارسو انجام شد. 289 مقاله تحقیقاتی از پایگاه دادهها بازیابی گردید که از این تعداد 36 مقاله برای اهداف پژوهش مورد استفاده قرار گرفت. هر مقاله تحقیقاتی انتخاب شده یک یا چند مولفه را گزارش کرده است که جداگانه تجزیه و تحلیل شدند.یافتهها: 48 کد در 6 موضوع اصلی (عوامل فردی، آموزش و یادگیری، عوامل فناوری و فناوری هوشمند، دانش، پویایی و چابکی، عوامل سازمانی) طبقهبندی شدند. نتایج نشان میدهد که توانمندسازی افراد در کسبوکار، یکی از مهمترین مولفههای کسب دانش است که تقویت آن میتواند منجر به استخراج هوشمندانه دانش شود.نتیجهگیری: با توانمندسازی کارکنان و مطالعه طرز فکر و کار آنها در سازمان، میتوان مدلهای هوشمندی را برای انجام وظایف تعریف کرد. این امر میتواند منجر به استخراج دانش مفید شود. به عبارت دیگر، هرچه توانایی کارکنان بیشتر باشد، مطالعه رفتار انسان در محل کار منجر به کشف الگوهای هوشمند قویتری میشود.
|
کلیدواژه
|
مدیریت دانش، استخراج هوشمند، مطالعه فراترکیب، استخراج دانش، صنعت
|
آدرس
|
دانشگاه تربیت مدرس, دانشکده مدیریت و اقتصاد, گروه علم اطلاعات و دانششناسی, ایران, دانشگاه تربیت مدرس, دانشکده مدیریت و اقتصاد, گروه علم اطلاعات و دانششناسی, ایران, دانشگاه تربیت مدرس, دانشکده مدیریت و اقتصاد, گروه علم اطلاعات و دانششناسی, ایران, دانشگاه تربیت مدرس, دانشکده ریاضیات, گروه علوم کامپیوتر, ایران
|
پست الکترونیکی
|
rezghi@modares.ac.ir
|
|
|
|
|
|
|
|
|
identifying essential components affecting intelligent knowledge extraction in organizations: a meta-synthesis
|
|
|
Authors
|
malekolkalami mila ,hassanzadeh mohammad ,sharif atefeh ,razqi ahaq mansour
|
Abstract
|
purpose: the importance of smartening in industrial business processes has increased significantly in recent years. on the other hand, the importance of knowledge as a competitive advantage continues growing. the purpose of this article is to identify the essential components affecting the intelligent extraction of knowledge in organizations.method: this meta-synthesis study was performed by sandelowski barroso seven-step method. 280 research articles were retrieved from the database, of which 32 articles were used for research purposes. each selected research paper reported one or more components that were analyzed separately.findings: 48 codes were classified into 6 main topics (&individual factors&, &education and learning&, &technology and intelligent technology factors&, &knowledge&, &dynamics and agility&, &organizational factors&). the results show that &empowering people in business& is one ofthe most important components of knowledge acquisition, the strengthening of which can leadto intelligent knowledge extraction. by empowering employees and studying the way theythink and work in the organization, intelligent models for performing tasks can be defined, andthis can lead to the extraction of useful knowledge. in other words, the greater the ability of employees, the study of human behavior in the workplace leads to the discovery of stronger intelligent patterns.conclusion: there is no organized study on the components affecting intelligent extraction of knowledge, and this is the first study in this field to classify topics into an organized framework for intelligent extraction of knowledge and find appropriate solutions for businesses.
|
Keywords
|
knowledge management ,intelligent extraction ,meta-synthesis ,knowledge ,knowledge extraction
|
|
|
|
|
|
|
|
|
|
|