ارائه چارچوبی برای کاربردهای یادگیری ماشین در مدیریت دانش سازمانی

هدف پژوهش حاضر ارایه چارچوبی برای کاربردهای یادگیری ماشین در مدیریت دانش سازمانی در بانک کشاورزی، با استفاده از تکنیک فرایند تحلیل شبکه فازی می باشد.

پژوهش حاضر از نظر هدف تحقیق از نوع کاربردی و از نظر گردآوری داده ها توصیفی-پیمایشی است. جامعه آماری شامل کارشناسان فناوری اطلاعات و توسعه منابع انسانی و مدیران شعب بانک کشاورزی به عنوان خبرگان آشنا می باشد که از طریق روش نمونه گیری هدفمند 10 نفر انتخاب شده است. ابزار جمع آوری اطلاعات سه پرسشنامه دلفی، دیمتل و پرسشنامه مقایسه زوجی است. به منظور تجزیه و تحلیل داده ها و اطلاعات از روش های آمار توصیفی و استنباطی استفاده شد. پس از گردآوری اطلاعات، ابتدا اطلاعات خام کدگذاری و طبقه بندی و طی تکنیک دلفی فازی به متغیرهای تحقیق تبدیل گردید. سپس با استفاده از آمار توصیفی شاخص های گرایش به مرکز و پراکندگی اعضای نمونه تحقیق محاسبه شد و به منظور بررسی معیارها از فرایند تحلیل شبکه ای فازی و دلفی فازی استفاده گردید. در تجزیه و تحلیل داده های تحقیق از نرم افزار اکسل و سوپر دسیژن استفاده شده است.

یافته ها:

 معیارها و زیرمعیارهای موثر بر مدیریت دانش در سیستم بانکداری با رویکرد یادگیری ماشین در 4 معیار کلی و 17 زیرمعیار به این شرح شناسایی گردیدند:عوامل زیرساختی (حفاظت از اطلاعات شخصی، سخت افزار و نرم افزار، ارتباطات، حفاظت فیزیکی)؛ عوامل محیطی (فرهنگ و جو سازمانی، قوانین و مقررات سازمانی، زمان ارایه دانش، حمایت مدیریتی)؛ عوامل محتوایی (نوع دانش، نیروی انسانی متخصص و با دانش، موقعیت ارایه دانش، تدوین محتوا)؛ فرایند مدیریت دانش (خلق دانش، کسب دانش، تبدیل دانش، بکارگیری دانش، نیازسنجی دانش). به منظور اولویت بندی شاخص ها با تکنیک تحلیل شبکه فازی، پس از محاسبه سوپر ماتریس حدی، محاسبه نتایج ماتریس خوشه ها و نرمال سازی ضریب زیرمعیارها در ابر ماتریس حدی، توسط ضریب خوشه ها می باشد که بر اساس محاسبات صورت گرفته و سوپر ماتریس حد، اولویت نهایی عوامل زیرساختی با وزن حدی 43683/0 بیشترین تاثیر و عوامل محتوایی با وزن حدی 04817/0 کم ترین تاثیر را بر حفظ مدیریت دانش در سیستم بانکی با در نظر گرفتن رویکرد یادگیری ماشین دارند.

نتیجه گیری: 

با توجه به نتایج به دست آمده عوامل زیرساختی دارای بیشترین تاثیر و عوامل محتوایی کم ترین تاثیر را در حفظ مدیریت دانش در سیستم بانکی با در نظر گرفتن رویکرد یادگیری ماشین دارند.