دانلود رایگان مقاله یک پایگاه شناخت مبتنی بر استراتژی از فناوری های مدیریت دانش

چکیده

     هدف: هدف از این مقاله تشخیص و توصیف فناوری‌های مدیریت دانش (که به اختصار KM نامیده‌ شده است) مطابق با پشتیبانی آنها برای استراتژی است. 

طراحی/ روش‌شناسی/رویکرد: این مقاله از روش توسعه پایگاه شناختی به منظور توصیف روابط بین فناوری، مدیریت دانش(KM) و استراتژی استفاده می‌کند و دسته‌بندی فناوری‌های فعلی مدیریت دانش(KM) را بر اساس این روابط انجام می‌دهد. پایگاه‌شناخت‌ها مشخصات رسمی از مفاهیمی در یک دامنه و روابط بین آنها است، و به منظور تسهیل درکی مشترک و اشتراک‌گذاری دانش مورد استفاده قرار می‌گیرد. این مطالعه به طور ویژه بر روی دو زیر دامنه از حوزه مدیریت دانش (KM)  تمرکز کرده است: استراتژی‌های مدیریت دانش(KM) و فناوری‌های مدیریت دانش(KM).

یافته‌ها: "استراتژی مدیریت دانش (KM)" دارای سه معنا در پیشینه‌ پژوهش است: رویکردی برای مدیریت دانش(KM)، استراتژی دانش، و پیاده‌سازی استراتژی مدیریت دانش(KM). همچنین، فناوری‌های مدیریت دانش(KM)، به پشتیبانی استراتژی از طریق ابتکارهای مبتنی بر استراتژی‌های خاص دانش و رویکرد‌هایی برای مدیریت دانش(KM) می‌پردازد. این مطالعه به مشخص‌سازی وجه تمایز بین سه نوع فناوری مدیریت دانش(KM) خواهد پرداخت: اجزاء فناوری‌ها، برنامه‌های کاربردی مدیریت دانش(KM)، و برنامه‌های کاربردی کسب و کار این سه مورد هستند. تمامی این موارد را می‌توان از نظر «ایجاد»و «انتقال» استراتژی‌های دانش، و «شخصی‌سازی»و «تدوین» رویکردهایی برای مدیریت دانش (KM) توصیف کرد.

محدودیت‌ها و مفاهیم تحقیق: چهارچوب حاصل‌شده نشان می‌دهد که فناوری‌های مدیریت دانش (KM) را در زمینه ابتکارهای عملیاتی بهتر می‌توان مورد تجزیه و تحلیل قرار داد، و بهتر از استفاده از رویکرد‌های رایجی است که آنها را با فرآیند‌های دانش مرتبط می‌سازد. ابتکارهای عملیاتی مدیریت دانش سبب فراهم‌سازی عناصر متنی وابسته بقراین و  عناصر پیش‌زمینه‌ای ضروری به منظور توضیح فناوری اتخاذی و استفاده از آن است.

مفاهیم کاربردی: این چهارچوب نشان‌دهنده سه حالت جایگزین برای اتخاذ فناوری‌های مدیریت دانش سازمانی است: توسعه سفارشی سیستم‌های مدیریت دانش برای اجزای فناوری در دسترس، خرید‌ برنامه‌های کاربردی مختص مدیریت دانش، یا حرید برنامه‌های کاربردی کسب و کار محور که قابلیت‌های مدیریت دانش در آن‌ها جاسازی شده است. همچنین لیستی از فناوری‌های متناسب و معیارهای کافی برای انتخاب هر یک از موارد را فراهم می‌سازد. 

اصالت/ ارزش: در میان بسیاری از مطالعاتی که برای تجزیه و تحلیل نقش فناوری اطلاعات در مدیریت دانش صورت گرفته است، مشارکت با استراتژی تا به حال نادیده گرفته شده است. این مقاله سعی در پر کردن این خلاء دارد، بدین منظور کمک‌های گوناگونی را از طریق تعریفی واضح از مفهوم و نمایش روابط به شکل تصویری یکپارچه‌شده ارائه ‌خواهد داد. استفاده از پایگاه شناخت، به عنوان یک روش جایگزین برای محصولات مصنوعی نیز، امری غیر معمول در حوزه مقاله‌هایی با این موضوع است.

مقدمه

      از آنجایی که دانش به عنوان یک منبع اقتصادی کلیدی به طور گسترده‌ای مورد پذیرش قرار گرفته است، سازمان‌ها در حال تقلا برای تقابلی موثر با آن هستند که این موضوع را به عنوان مدیریت دانش(KM) می‌شناسیم. عوامل متعدیی به عنوان توانمند‌سازهای این تلاش‌ها مورد شناسایی قرار گرفته است، و فناوری قطعا یکی از این عوامل است. توضیحی کافی در مورد فناوری‌هایی که به پشتیبانی از ایجاد، انتقال، و استفاده از دانش می‌پردازند وجود دارد، با این حال، این موضوع همچنان چالش برانگیز است. بخشی از این چالش‌برانگیزی به دلیل پویایی فناوری در حالت کلی است، که با سرعتی فزاینده در طیف گسترده‌ای از مناطق در حال توسعه است، اما بخشی دیگر مرتبط با پیچیدگی زمینه مدیریت دانش است، که شامل دیدگاه‌های متضادی در مورد دانش و رویکردهای مدیریتی آن است. 

     در این مطالعه یک توصیفی در مورد فناوری‌های مدیریت دانش و مطابق با پشتیبانی آنها برای استراتژی ارائه شده است. نیاز به اتصال برنامه‌های مدیریت دانش در حالت کلی به استراتژی کسب و کار به طور مکرری در مقالات مورد استفاده قرار گرفته است(هانسن و همکاران(Hansen) 1999، زک(Zack) 1999، هورویچ (Horwitch)و آرماکاست) Armacost) 2002). چهارچوب‌های موجود برای اجرای مدیریت دانش نیز معمولا شامل ملاحظات استراتژی است(رابنستین- مونتانو (Rubenstein-Montano) و همکاران 2001، منتزاس(Mentzas) 2001، ادل و همکاران (O’Dell)2003) علاوه بر این، در تحقیقاتی که بر روی سیستم‌های اطلاعاتی و فناوری اطلاعات به شکل کلی صورت گرفته است همراستایی استراتژیک نیز برای مدتی طولانی در نظر گرفته شد است (ارل (Earl)1989 1996 و اسکات مورتون 1991(Scott Morton)). ما سپس به این نتیجه رسیدیم که چنین روشی می‌تواند بینشی مفید در مورد فناوری مدیریت دانش و استفاده از آن را برای ما فراهم سازد. روش ما به کاوش ارتباط بین فناوری دانش و استراتژی بر اساس مفهوم پایگاه‌های شناخت‌ می‌پردازد. یک پایگاه شناخت شامل بسیاری از اصطلاحات و تعریف آن اصطلاحات، و بیان روابط بین آنها است. در میان بسیاری از فواید احتمالی، پایگاه شناخت‌ها را می‌توان برای تسهیل درک مشترک و به اشتراک‌گذاری دانش در یک حوزه مشخص مورد استفاده قرار داد. در بخش بعدی، ما توضیحات بیشتری در مورد این مفهوم و روش انتخاب‌شده برای این مطالعه را ارائه خواهیم داد. در بخش‌های بعدی این روش توضیح داده شده است، و به کاوش مفهوم استراتژی مدیریت دانش در بخش سوم خواهیم پرداخت و در بخش چهارم به فناوری‌های مدیریت دانش خواهیم پرداخت. ما پایگاه شناخت را در بخش پنجم ارائه خواهیم داد، و جمع‌بندی خودمان را در بخش آخر ارائه خواهیم داد.

رویکرد پایگاه شناختی

     هستی‌شناسی یک رشته از فلسفه است که به مطالعه دسته‌هایی از چیزهایی که وجود دارد یا ممکن است در حوزه‌ای وجود داشته باشد می‌پردازد. محصول چنین مطالعه‌ای، هستی شناسی (پایگاه شناسی) نام ‌می‌گیرد، و یک کاتالوگی از انواع همه چیز است (Sowa). این اصطلاح در اواسط سال 1980 توسط دانشمندان کامپیوتر مورد استفاده قرار گرفت و نشان‌دهنده اطلاعات و دانش است. در سال 1990 بیشتر مورد توجه قرار گرفت، و زمانی به شکل گسترده مورد پذیرش قرار گرفت که اعلام شد سیستم‌های اطلاعاتی باید به شکلی سازگار طراحی شده باشند (ولتی2003). زمانی نیروی نفوذ آن بیشتر شد که مفهوم وب معنایی ارائه شد، یک طرح ابتکاری که سبب گنحاندن معانی در صفحات وب شده بود تا آنها از نظر ماشینی قابل درک شوند (برنرز لی 2000). استفاده فعلی از پایگاه‌شناختی شامل توسعه سیستم‌های اطلاعاتی، یکپارچه‌سازی برنامه‌های کاربردی، طبقه‌بندی محتوا در وب‌سایت‌ها، طبقه بندی محصولات در تجارت الکترونیک، ساختار دهی و جستجو‌های تطبیقی از محتوای دیجیتال، واژگان استاندارد در حوزه‌های تخصصی، پیکربندی محصول در تولید، و سایر کاربرد‌ها است (مک جینیس(McGuinness) 2002). پایگاه شناختی را با افزایش سطح تشریفاتی می‌‌توان طراحی کرد، که از واژه‌نامه‌ها و اصطلاحنامه‌های ساده تا نظریات منطقی که رسمیت دارند را شامل خواهد شد. درجه بالاتری از رسمیت، ابهام کمتری دارد و دارای قدرت قوی‌تری برای استدلال خودکار است (مک جینیس(McGuinness) 2002، یوشولد(Uschold) و گرونیگر(Gruninger) 2004).

     روش‌های بسیاری برای توسعه پایگاه‌شناخت وجود دارد، و هر کدام از آنها دارای نقاط ضعف و قوتی هستند. نوی و مک جینیس در سال 2001 یک فرآیندی که شامل مراحل زیر است را ارائه دادند: مرحله1) تعیین حوزه و مقیاس پایگاه شناخت. مرحله 2: در نظرگیری استفاده مجدد از پایگاه‌شناخت‌های موجود. مرحله3)ایجاد لیستی از اصطلاحات مهم. مرحله4) تعریف کلاس‌ها و سلسله مراتب آنها. مرحله5) تعریف ویژگی‌های کلاس‌ها. مرحله6) تعریف محدودیت ویژگی‌ها. مرحله7) ایجاد لیستی از مثال‌های داخل کلاس‌ها. از آنجایی که هدف ما تسهیل درک و ارتباط بین انسان‌ها است، و نه کامپیوترها است، درجه بالایی از رسمیت در فرآیند مورد نیاز نیست. ما موارد زیر را اقتباس کردیم:

• تعریف حوزه و دامنه (مرحله 1 در روش نوی و مک جینیس).

• شناسایی اصطلاحات و مفاهیم کلیدی و روابط آنها (مرحله 3).

• تعریف ساختار پایگاه‌شناختی به عنوان یک سلسله مراتبی از دسته‌ها (مرحله4).

• بررسی فناوری‌های مدیریت دانش مطابق با پایگاه شناخت(مرحله7).

     حوزه و دامنه پایگاه‌شناخت به طور مستقیم از جمله هدف تحقیق ما است: علاوه بر فناوری‌های مدیریت دانش، ما بر روی مفهوم استراتژی مدیریت دانش نیز تمرکز کرده‌ایم، که شامل پیوند‌هایی از مدیریت دانش به استراتژی است. سپس ما اقدام به بررسی مقالاتی در جستجوی اطلاعات، تعاریف و روابط، و طراحی یک پایگاه شناخت از فناوری‌های مدیریت دانش بر اساس سهم متمایز آنها نسبت به استراتژی کردیم. بخش بعدی به توصیف یافته‌های ما می‌پردازد.

درک استراتژی مدیریت دانش

     ما در مقالاتی که در این حوزه وجود داشته است سه معنی مختلفی که در ارتباط با اصطلاح استراتژی مدیریت دانش بوده است را یافتیم. رایج‌ترین آنها این مفهوم را به عنوان یک رویکردی برای مدیریت دانش می‌دانستند، یک واقعیتی که نشان‌دهنده تنوع دیدگاه‌هایی است که در این حوزه ارائه شده است و فاقد مدل‌هایی با رضایت طرفین است. دومین معنایی که مرتبط با مدیریت دانش است مربوط به مدیریت استراتژیک بوده است، و استراتژی مدیریت دانش را به عنوان یک استراتژی دانش تعریف کرده است، یک عنصر کلیدی از استراتژی رقابت مبتنی بر دانش است. سومین معنا، معمولا در زمینه‌های عملی به کار برده می‌شود، برای انتقال استراتژی اجرایی مدیریت دانش در زمانی که این اصطلاح به کار برده می‌شود اشاره دارد. تمامی این سه معنی به وضوح به رابطه بین فناوری، مدیریت دانش و استراتژی اشاره دارند، و برای توسعه یک پایگاه شناخت مورد استفاده قرار می‌گیرند.

استراتژی مدیریت دانش به عنوان روشی برای مدیریت دانش

     محققان بیشماری یک روشی مشخص برای مدیریت دانش را معنی کرده‌اند که در آن از اصطلاح استراتژی مدیریت دانش استفاده کرده‌اند. رویکرد‌های مختلف برای مدیریت دانش نشان‌دهنده دیدگاه‌های متمایز در این مورد، ادراک، و روش‌شناختی‌هایی است که سبب ظهور زمینه‌های نظمی خاصی، تفسیری خاص از معنی دانش و چگونگی مدیریت آن، و پیش‌زمینه‌ها و برنامه های مختلفی از کسانی که در مدیریت دانش دخیل هستند می‌باشد. از آنجایی که این زمینه نسبتا جدید است، رویکردهای موجود بسیار متنوع و گوناگون هستند. برای همین، ممکن است آنها را در داخل گروه‌های مرتبط گروه‌بندی کرد.

     رایج‌تریم رویکرد‌ها برای مدیریت دانش به نظر رویکردهای فناوری‌گرا هستند. آنها بر ماهیت آشکار دانش تاکید دارند، و در حال تلاش برای تفسیر آن به عنوان یک شی‌ای دارند که می‌تواند در مخازن مورد ذخیره‌سازی، دستکاری، و انتقال از طریق فناوری‌های اطلاعاتی و ارتباطی قرار بگیرد. این روش‌ها همچنین به عنوان دیدگاه محتوایی بر مدیریت دانش ارائه شده‌اند (حایز و والشمن 2003)، هدف، محصول و یا دیدگاه سهام‌ در مورد دانش توسط (علوی و لیندر 2001، منتز و همکاران در سال 2001) توصیف شده است، تدوین استراتژی‌های سیستمی برای مدیریت دانش نیز توسط (هانسن و همکاران 1999 ، چویی و لی در سال 2002) توصیف شده است، و مدارس فن‌سالاری از مدیریت دانش توسط (ایرل 2001) ارائه شده است. رویکردهای مردم گرا، از سویی دیگر، بر ماهیت ضمنی دانش تاکید دارد، و تلاش برای تفسیر آن به عنوان یک اجتماع، فرآیند وابسته محتوا و درک نیاز‌هایی برای ارتباطات انسانی و شناخت آن به منظور ظهور است. این رویکردها همچنین به عنوان دیدگاه‌های رابطه‌ای در مورد مدیریت دانش نیز توصیف شده‌اند (حایس و والشام 2003) روند یا جریان دیدگاه در مورد دانش (علوی و لیندر2001، منتز و همکاران 2001) ارائه شده است، استراتژی‌های انسانی یا شخصی برای مدیریت دانش (هانسن و همکاران  1999، چوی و لی 2002)، و مدارس رفتاری از مدیریت دانش توسط (ایر 2001) ارائه شده است.

     این دو مورد برجسته‌، یعنی رویکرد‌های فناوری و مردم‌گرا، منعکس کننده بخش عمده‌ای از مقالاتی است که در حوزه مدیریت دانش و عملیاتی سازی آنها وجود دارد. برخی از نویسندگان یکی را بر دیگری ترجیح می‌دهند. سایرین اینگونه استدلال کرده‌اند که هر دو می‌توانند موثر باشند، اما به هر حال یک تبادلی بین آنها وجود دارد : اگر یک سازمان بر روی یکی از آنها تاکید داشته باشد، باید از دیگری دوری کند (هانسن و همکاران 1999). ما بر این باوریم که یک تعادلی بین آنها می‌تواند وجود داشته باشد، و یک سازمان می تواند از مزایای هر دوی آنها در شرایط مختلفی بهره ببرد (اوممتو 2002)، یا حتی آنها را در داخل یک استراتژی هیبریداسیون ترکیب کند (اوممتو 2002). سایر رویکردهای مرتبط شامل رویکرد دارایی گرا هستند، که بر روی ارزش اقتصادی دانش تمرکز می‌کند، بنابراین بر روی آن به عنوان سرمایه‌های فکری یا دارایی های نامشهود تمرکز شده است (استوارت 1997، اسویبی 1997، ادوینسون و ملون 1997)، و آن دسته‌ای که فرآیند گرا هستند، بر روی افزایش تاثیر فرآیند‌های کسب و کار با ارائه دانشی خاص از سطح وظایف برای کارکنان تمرکز دارد (هیزینگ 2001، میر و رموس 2001).

Abstract

Purpose – The purpose of this paper is to distinguish and describe knowledge management (KM) technologies according to their support for strategy.

Design/methodology/approach – This study employed an ontology development method to describe the relations between technology, KM and strategy, and to categorize available KM technologies according to those relations. Ontologies are formal specifications of concepts in a domain and their inter-relationships, and can be used to facilitate common understanding and knowledge sharing. The study focused particularly on two sub-domains of the KM field: KM strategies and KM technologies.

Findings – ’’KM strategy’’ has three meanings in the literature: approach to KM, knowledge strategy, and KM implementation strategy. Also, KM technologies support strategy via KM initiatives based on particular knowledge strategies and approaches to KM. The study distinguishes three types of KM technologies: component technologies, KM applications, and business applications. They all can be described in terms of ’’creation’’ and ’’transfer’’ knowledge strategies, and ’’personalization’’ and ’’codification’’ approaches to KM.

Research limitations/implications – The resulting framework suggests that KM technologies can be analyzed better in the context of KM initiatives, instead of the usual approach associating them with knowledge processes. KM initiatives provide the background and contextual elements necessary to explain technology adoption and use.

Practical implications – The framework indicates three alternative modes for organizational adoption of KM technologies: custom development of KM systems from available component technologies; purchase of KM-specific applications; or purchase of business-driven applications that embed KM functionality. It also lists adequate technologies and provides criteria for selection in any of the cases.

Originality/value – Among the many studies analyzing the role of technology in KM, an association with strategy has been missing. This paper contributes to filling this gap, integrating diverse contributions via a clearer definition of concepts and a visual representation of their relationships. This use of ontologies as a method, instead of an artifact, is also uncommon in the literature. 

Introduction

     Since the wide acceptance of knowledge as a critical economic resource, organizations have been struggling to deal with it effectively in an effort that has become known as knowledge management (KM). Several factors have been identified as enablers to this effort, and technology is certainly one of them. An adequate description of technologies that support the creation, transfer and application of knowledge, however, has been challenging. This is due partly to the dynamics of technology in general, which develops at an accelerating pace in a wide range of areas, but also to the complexity of the KM field itself, which includes conflicting perspectives on knowledge and approaches to its management.Technologies that can support KM, or KM technologies, have been described in many ways. The usual approach is to associate them with knowledge processes (Alavi and Leidner, 2001; Nonaka et al., 2001; Marwick, 2001; Jashapara, 2004; Becerra-Fernandez et al., 2004), but the processes identified vary widely, hindering a more general understanding. Alternative approaches have been to describe commercially available technologies (Hoffmann, 2001; Wenger, 2001; Luan and Serban, 2002; Lindvall et al., 2003; Tsui, 2003), technologies as part of KM system architectures (Tiwana, 2002; Maier, 2004), and as applications for business (Binney, 2001). Although these approaches contribute to the understanding of KM technologies, a treatment of how they contribute to strategy has been missing.

     This study proposes a description of KM technologies according to their support for strategy. The need to link KM programs in general to business strategy has been frequent in the literature (Hansen et al., 1999; Zack, 1999; Horwitch and Armacost, 2002). Existing frameworks for KM implementation also usually include considerations of strategy (Rubenstein-Montano et al., 2001; Mentzas, 2001; O’Dell et al., 2003). Moreover, research on information systems and information technology in general has also been concerned with strategic alignment for a long time (Earl, 1989, 1996; Scott Morton, 1991). We then conclude that such an approach can provide useful insights into KM technologies and their use. Our method for exploring the connections between KM technologies and strategy is based on the concept of ontologies. Broadly defined, an ontology consists of terms, their definitions, and descriptions of their relationships. Among many possible benefits, ontologies can be used to facilitate common understanding and sharing of knowledge in a particular domain. In the next section, we further describe this concept and the chosen method for this study. The subsequent sections follow the method described, exploring the concept of KM strategy in the third and of KM technologies in the fourth. We describe the proposed ontology in the fifth section, and present our conclusions in the last one.

An ontological approach

     Ontology is a discipline of philosophy that studies the categories of things that exist or may exist in a given domain. The product of such study, called an ontology, is a catalog of those types of things (Sowa, n.d.). The term was borrowed by computer scientists in the mid 1980s as a means to represent information and knowledge. It gained momentum in the 1990s, when it became widely accepted that information systems should be made interoperable (Welty, 2003). A further thrust came with the proposal of the semantic web, an initiative to embed meaning into web pages so that they become machine understandable (Berners-Lee, 2000). Current uses of ontologies include development of information systems, application integration, organization of content in web sites, categorization of products in e-commerce, structured and comparative searches of digital content, standard vocabularies in expert domains, product configuration in manufacturing, among many others (McGuinness, 2002). Ontologies can be designed with increasing levels of formality, from simple glossaries and thesauri to rigorously formalized logical theories. The higher the degree of formality, the less ambiguity and the stronger the power for automated reasoning (McGuinness, 2002; Uschold and Gruninger, 2004).

     There are many methods for developing ontologies, and each has strengths and weaknesses. Noy and McGuinness (2001) suggest a process that includes the following steps: step 1: determining the domain and scope of the ontology; step 2: considering the reuse of existing ontologies; step 3: listing important terms; step 4: defining classes and their hierarchy; step 5: defining properties of classes; step 6: defining restrictions on properties;step 7: listing examples in classes. Since our objective is to facilitate understanding and communication among humans, and not computers, the high degree of formality described in their process is not required. We adapted it to the following:

B Definition of the domain and scope (step 1 in Noy and McGuinness’ method).

B Identification of key terms and concepts, and their relationships (step 3).

B Definition of the structure of the ontology as a hierarchy of categories (step 4).

B Survey of KM technologies according to the ontology (step 7).

     The domain and scope of the ontology derived quite directly from our research objective: besides KM technologies themselves, we focused on the concept of KM strategy, which links KM to strategy. We then reviewed the literature in search of terms, definitions and relationships, and designed an ontology of KM technologies based on their distinct contribution to strategy. The next sections describe our findings.

Understanding KM strategy

     We found in the literature three different meanings associated with the term KM strategy. The most common of them interprets it as an approach to KM, a fact that reflects the diversity of perspectives presented in the field and the lack of consensual models. A second meaning relates KM to strategic management, and defines KM strategy as knowledge strategy, a critical element of knowledge-based competitive strategy. A third meaning, usually employed in practical contexts, conveys a KM implementation strategy when mentioning the term. All three meanings shed light on the relation between technology, KM and strategy, and are used to develop the ontology.

KM strategy as an approach to KM

     Numerous authors mean a particular approach to KM when they use the term KM strategy. Different approaches to KM reflect the distinct perspectives, conceptualizations, and methodologies that emerge from particular disciplinary backgrounds, specific interpretations of what knowledge is and how it can be managed, and the varied backgrounds and agendas of those involved in KM. Since the field is relatively new, existing approaches are varied and diverse. It is possible, however, to group them into some relevant types.

     The most common approaches to KM seem to be technology-oriented; they emphasize the explicit nature of knowledge, and tend to interpret it as an object that can be stored in repositories, manipulated, and transferred via information and communication technologies. These approaches are also described as the content perspective on KM (Hayes and Walsham, 2003), the object, product or stock perspectives on knowledge (Alavi and Leidner, 2001; Mentzas et al., 2001), codification or system strategies for KM (Hansen et al., 1999; Choi and Lee, 2002), and technocratic schools of KM (Earl, 2001). People-oriented approaches, on the other hand, emphasize the tacit nature of knowledge, and tend to interpret it as a social, context-dependent process of understanding that requires human communication and cognition in order to emerge. These approaches are also described as the relational perspective on KM (Hayes and Walsham, 2003), the process or flow perspectives on knowledge (Alavi and Leidner, 2001; Mentzas et al., 2001), personalization or human strategies for KM (Hansen et al., 1999; Choi and Lee, 2002), and behavioral schools of KM (Earl, 2001).

     These two prominent types, technology- and people-oriented approaches, reflect a major division in the KM literature and practice. Some authors favor one over the other. Others argue that both can be effective, but there is a trade-off between them: if an organization emphasizes one, it should avoid the other (Hansen et al., 1999). We believe that a balance is preferred, and an organization can benefit from using both approaches in different circumstances (Umemoto, 2002), or even combining them into a hybridization strategy (Umemoto et al., 2004). Other relevant types of approach include asset-oriented ones, focusing on the economic value of knowledge, thus referred to as intellectual capital or intangible asset (Stewart, 1997; Sveiby, 1997; Edvinsson and Malone, 1997), and those that are process-oriented, focusing on the increase of effectiveness in business processes by the provision of context-specific knowledge at the task level to employees (Heisig, 2001; Maier and Remus, 2001)

چکیده

مقدمه

رویکرد پایگاه شناختی

درک استراتژی مدیریت دانش

استراتژی مدیریت دانش به عنوان روشی برای مدیریت دانش

استراتژی مدیریت دانش به عنوان استراتژی دانش

استراتژی مدیریت دانش به عنوان استراتژی پیاده‌سازی مدیریت دانش

لینک کردن فناوری دانش به استراتژی مدیریت دانش

درک فناوری‌های مدیریت دانش

فناوری‌هایی که به پشتیبانی از فرآیند دانش می‌پردازند

روش‌هایی جایگزین برای درک فناوری مدیریت دانش

دسته‌های پایه از فناوری‌های مدیریت دانش

فناوری‌های مدیریت دانش با توجه به استراتژی

اجزای فناوری‌ها

برنامه‌های کاربردی مدیریت دانش

برنامه‌های کاربردی کسب و کار

نتیجه‌گیری

Abstract

Introduction

An ontological approach

Understanding KM strategy

KM strategy as an approach to KM

KM strategy as knowledge strategy

KM strategy as KM implementation strategy

Linking KM technologies to KM strategy

Understanding KM technologies

Technologies supporting knowledge processes

Alternative approaches to understand KM technologies

Basic categories of KM technologies

KM technologies according to strategy

Component technologies

Knowledge management applications

Business applications

Conclusions

References