دانلود مقاله مدل سازی سیستم های دینامیکی تطبیقی تغییر سازمانی تحول آفرین با تمرکز بر فرهنگ سازمانی
ترجمه نشده

دانلود مقاله مدل سازی سیستم های دینامیکی تطبیقی تغییر سازمانی تحول آفرین با تمرکز بر فرهنگ سازمانی

عنوان فارسی مقاله: مدل سازی سیستم های پویای تطبیقی تغییر سازمانی تحول آفرین با تمرکز بر فرهنگ سازمانی و یادگیری سازمانی
عنوان انگلیسی مقاله: Adaptive dynamical systems modelling of transformational organizational change with focus on organizational culture and organizational learning
مجله/کنفرانس: تحقیقات سیستم های شناختی - Cognitive Systems Research
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: مدیریت استراتژیک - مدیریت کسب و کار - مدیریت دانش
کلمات کلیدی فارسی: تغییر تحولی - فرهنگ سازمانی - یادگیری سازمانی - فرهنگ ایمنی
کلمات کلیدی انگلیسی: Transformational Change - Organizational Culture - Organizational Learning - Safety Culture
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.cogsys.2023.01.004
لینک سایت مرجع: https://www.sciencedirect.com/science/article/pii/S1389041723000049
نویسندگان: Lars Rass - Jan Treur - Wioleta Kucharska - Anna Wiewiora
دانشگاه: Vrije Universiteit Amsterdam, School of Business and Economics, Nederlands
صفحات مقاله انگلیسی: 24
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2023
ایمپکت فاکتور: 5.985 در سال 2020
شاخص H_index: 56 در سال 2022
شاخص SJR: 1.095 در سال 2020
شناسه ISSN: 1389-0417
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17365
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (ترجمه)

خلاصه

1. معرفی

2. روش شناسی

3. نظریه - ادبیات زمینه

4. طراحی مدل سیستم های دینامیکی

5. نتایج شبیه سازی

6. بحث و نتیجه گیری

اعلامیه منافع رقابتی

ضمیمه. ماتریس های نقش

در دسترس بودن داده ها

منابع

فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Methodology

3. Theory - background literature

4. Designing the dynamical systems model

5. Simulation results

6. Discussion & conclusion

Declaration of Competing Interest

Appendix. Role Matrices

Data availability

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     تغییر سازمانی دگرگون‌کننده هم از نظر عملی و هم از نظر آکادمیک، به‌ویژه در زمینه فرهنگ و یادگیری سازمانی، بیشتر و بیشتر اهمیت می‌یابد. با این حال، مدل‌سازی محاسباتی و رسمی‌سازی تغییرات سازمانی و فرآیندهای یادگیری هنوز تا حد زیادی ناشناخته هستند. هدف این مقاله ارائه یک مدل شبکه تطبیقی از تغییرات سازمانی متحول کننده و ترجمه مجموعه ای از فرآیندهای یادگیری و تغییر سازمانی به فرآیندهای مدل سازی محاسباتی است. به‌علاوه، هدف آن است که دیدگاه سیستم‌های پویا سازمان‌ها را به مدل‌های شبکه خود مدل‌سازی متصل کند. ایجاد مدل و مکانیسم‌های پیاده‌سازی‌شده فرآیندهای سازمانی بر اساس برون‌یابی یک مطالعه ادبیات گسترده و مبتنی بر کارهای مرتبط در این زمینه است، و سپس برای یک سناریوی موردی خاص مرتبط با بیمارستان در زمینه فرهنگ ایمنی اعمال می‌شود. مدل با اجرای چندین شبیه سازی و تغییرات آن مورد ارزیابی قرار گرفت. نتایج این پژوهش با استفاده از تحلیل کیفی و مقایسه با رفتارهای نوظهور مورد انتظار بر اساس ادبیات دانشگاهی موجود مورد بررسی قرار گرفت. شبیه‌سازی‌های انجام‌شده با ارائه یادگیری مکرر و مؤثر و تغییرات در فرآیندهای سازمانی، وقوع یک تغییر تحول سازمانی را به سمت فرهنگ یادگیری ثابت تأیید کرد. مشاهدات در مورد فعل و انفعالات و تأثیرات مختلف مکانیسم انجام شده است، و آنها نشان می دهند که پذیرش اشتباهات به عنوان بخشی از فرهنگ یادگیری، تغییرات دگرگونی را تسهیل می کند و ممکن است تغییرات پایدار را در درازمدت تقویت کند. علاوه بر این، مدل تأیید کرد که رویکرد مدل شبکه خود مدل‌سازی برای دیدگاه سیستمی پویا از سازمان‌ها و دیدگاه سیستمی تغییر سازمانی اعمال می‌شود. مدل ایجاد شده مبنایی را برای ایجاد بیشتر مدل‌های شبکه خود-مدل‌سازی در حوزه تغییر سازمانی تحول‌آفرین ارائه می‌دهد و مکانیسم‌های ترجمه‌شده این مدل را می‌توان در کاوش آکادمیک آتی در این زمینه استخراج و دوباره استفاده کرد.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     Transformative Organizational Change becomes more and more significant both practically and academically, especially in the context of organizational culture and learning. However computational modeling and a formalization of organizational change and learning processes are still largely unexplored. This paper aims to provide an adaptive network model of transformative organizational change and translate a selection of organizational learning and change processes into computationally modelled processes. Additionally, it sets out to connect the dynamic systems view of organizations to self-modelling network models. The creation of the model and the implemented mechanisms of organizational processes are based on extrapolations of an extensive literature study and grounded in related work in this field, and then applied to a specified hospital-related case scenario in the context of safety culture. The model was evaluated by running several simulations and variations thereof. The results of these were investigated by qualitative analysis and comparison to expected emergent behaviour based on related available academic literature. The simulations performed confirmed the occurrence of an organizational transformational change towards a constant learning culture by offering repeated and effective learning and changes to organizational processes. Observations about various interplays and effects of the mechanism have been made, and they exposed that acceptance of mistakes as a part of learning culture facilitates transformational change and may foster sustainable change in the long run. Further, the model confirmed that the self-modelling network model approach applies to a dynamic systems view of organizations and a systems perspective of organizational change. The created model offers the basis for the further creation of self-modelling network models within the field of transformative organizational change and the translated mechanisms of this model can further be extracted and reused in a forthcoming academic exploration of this field.

Introduction

     Organizational culture plays an important role in organizations' success and failures (Johnson, Nguyen, Groth, Wang, & Ng, 2016), as organizational culture offers employees a framework they can apply to reality, which helps them to evaluate what is of significance for the organization and themselves, and what is irrelevant to the organization (Łukasik, 2018). Therefore to be successful in a change of strategy, e.g., towards more sustainability, a change in organizational culture is often inevitable (Bedford & Kucharska, 2021).

     Organizational culture is especially important nowadays as is its constant improvement in the context of Health Care, as Covid 19 is putting further pressure on public healthcare systems (Ojogiwa & Qwabe, 2021). Especially constant learning culture in healthcare organizations is vital as it supports their innovation performance thanks to human capital development (Kucharska, 2022). Furthermore, communication and cooperation patterns between employees directly impact care for patients, so demanding circumstances lead to lower-quality patient outcomes (Johnson et al., 2016). Patient safety is naturally the healthcare system's priority, hence many healthcare organisations have deeply embedded safety-oriented cultures. To prevent healthcare safety-related harms, the Institute of Medicine (IOM) recommends a culture of safety, understood as a constant improvement of patient care (Kohn et al., 2000).

Discussion & conclusion

     This paper was based on material from (Rass et al., 2022). The goal of this research was to further explore the field of transformational change, in the context of organizational learning and culture by computational modelling of organizational and individual processes. This specifically realizes itself in the objective to create an adaptive multi-order self-modelling network model that conceptualizes and approximates transformative organizational cultural change. The implemented mechanisms of organizational processes were based on an extensive literature study and grounded in related work in this field (Canbaloğlu et al., 2021), creating the described computational model of this study.

6.1. Evaluation of the computational model for the research focus

     To confirm the validity of the created computational model, a scenario and variations to it were created, enabling us to compare the models’ emergent behaviours. To further substantiate the model, the results of the variations of the scenario got compared to the base scenario, to gain knowledge about possible network effects (is there a better way to say something like “observe interplays and isolations of the mechanisms” again).