طراحی و اعتبارسنجی مدل هوشمند پیشبینی ریسک فرسایش سرمایه انسانی و دانش سازمانی در سازمانهای صنعتی
طراحی و اعتبارسنجی مدل هوشمند پیشبینی ریسک فرسایش سرمایه انسانی و دانش سازمانی در سازمانهای صنعتی
علی خرم دوست1
1) دانش پذیر دوره PostDBA مرکز آموزش های آزاد و مهارت افزایی دانشگاه علامه طباطبائی
کد IOI مقاله
:
AAHC-ACZBKF
محل انتشار :
کنفرانس ملی مدیریت، تجاری سازی، اقتصاد دانش بنیان و سرمایه گذاری برای تولید(impeb.ir)
چکیده :
در محیط پیچیده و دانشمحور سازمانهای صنعتی، بخش قابلتوجهی از مزیت رقابتی و قابلیت عملیاتی سازمان در دانش، تجربه، مهارت و شبکههای ارتباطی کارکنان نهفته است. خروج کارکنان کلیدی، بازنشستگی، جابهجایی شغلی، مهاجرت، فرسودگی دانش، ضعف در انتقال تجربیات و ناکافیبودن مستندسازی میتواند موجب فرسایش سرمایه انسانی و از دست رفتن دانش حیاتی سازمانی شود. اگرچه ادبیات مدیریت دانش به موضوع حفظ و انتقال دانش توجه کرده است، بسیاری از سازمانها همچنان عمدتاً پس از خروج افراد و وقوع دانشگریزی اقدام میکنند و کمتر از رویکردهای پیشبینانه برای شناسایی کارکنان، مشاغل و حوزههای دانشی پرریسک استفاده میشود. پژوهش حاضر با هدف طراحی و ارائه یک مدل هوشمند برای پیشبینی ریسک فرسایش سرمایه انسانی و دانش سازمانی در سازمانهای صنعتی انجام شده است. مدل پیشنهادی با تلفیق دیدگاه مبتنی بر منابع، دیدگاه دانشبنیان سازمان، نظریه سرمایه انسانی، ادبیات فراموشی سازمانی و مدیریت دانش، مجموعهای از عوامل فردی، دانشی، شغلی، ساختاری و سازمانی را در قالب یک شاخص ترکیبی «ریسک فرسایش سرمایه انسانی و دانش سازمانی» در نظر میگیرد. در مدل پیشنهادی، احتمال خروج یا جابهجایی، حیاتیبودن دانش، منحصربهفرد بودن دانش، میزان مستندسازی، قابلیت انتقال دانش، عمق تجربه، تعداد جانشینان، وابستگی فرایند به فرد و میزان تعاملات دانشی از جمله متغیرهای اصلی هستند. پژوهش پیشنهاد میکند که با استفاده از روشهای دادهمحور و مدلسازی پیشبینانه، سازمان بتواند پیش از وقوع خروج یا از دست رفتن دانش، نقاط بحرانی را شناسایی و اقدامات پیشگیرانه مانند جانشینپروری، سایهکاری، انتقال دانش، مستندسازی و ایجاد شبکههای دانش را فعال کند. مدل پیشنهادی میتواند مبنایی برای طراحی نظام هشدار زودهنگام دانش سازمانی و توسعه رویکردی پیشنگر در مدیریت دانش سازمانهای صنعتی باشد.
کلمات کلیدی : سرمایه انسانی دانش سازمانی فرسایش دانش از دست رفتن دانش فراموشی سازمانی مدیریت دانش ریسک دانش حفظ دانش هوش مصنوعی سازمان صنعتی