W celu zdefiniowania metody reprezentacji wiedzy kolektywnej w SIZ przyjęto zało-żenie, że wiedza ekspertów (ludzi lub inteligentnych agentów programowych) doty-czy danego obszaru funkcjonowania organizacji. W praktyce, bowiem, nie występują sytuacje, w których jeden ekspert posiada dogłębną wiedzę na temat wszystkich ob-szarów funkcjonowania organizacji.
Przyjmijmy, że U oznacza zbiór obiektów reprezentujących potencjalne elementy wiedzy odnoszące się do świata rzeczywistego. Elementy zbioru U mogą reprezen-tować np. wyrażenia logiczne, krotki, ontologie itp. W organizacji gospodarczej są to np. struktury wiedzy reprezentujące różne obszary funkcjonowania przedsiębior-stwa. Symbol 2U oznacza uniwersum zbioru U, czyli zbiór wszystkich podzbiorów U. Przez Πk (U) oznaczono zbiór wszystkich k-elementowych podzbiorów (z powtórze-niami) zbioru U dla k∈N (N – zbiór liczb naturalnych). Niech:
Π(U)=Πk (U)
zatem Π(U) jest zbiorem wszystkich niepustych, skończonych podzbiorów z po-wtórzeniami zbioru U.
83 Reprezentacja wiedzy kolektywnej organizacji w systemach informatycznych zarządzania
Zbiór X ∈ Π(U) może reprezentować wiedzę kolektywną, gdzie każdy element x ∈ X reprezentuje wiedzę członka zespołu. Zbiór X zawiera wiele elementów. Zbiór X nazywa się również „profilem wiedzy kolektywnej” lub (w skrócie) „profilem”. Pro-fil jest więc zbiorem struktur wiedzy dotyczących jednego obszaru funkcjonowania przedsiębiorstwa. Zdefiniowana została również funkcja Aug, która określa dodat-kowe elementy wiedzy powstające w kolektywie. I tak na przykład, funkcja ta może przedstawiać się następująco:
Aug({a > b,b > c})={a > c} Posiada ona następującą sygnaturę:
Aug:2U → 2U
Metodę reprezentacji wiedzy kolektywnej organizacji gospodarczej w SIZ można zdefiniować w następujący sposób:
Definicja 1
Niech
A ={a
1,a
2,a
3,a
4.a
5,a
6,a
7,a
8}
, gdzie: a1 – obszar zarządzania środkami trwałymi, a2 – obszar logistyki,a3 – obszar zarządzania produkcją, a4 – obszar zarządzania zasobami ludzkimi, a5 – obszar finansów i księgowości, a6 – obszar controllingu,
a7 – obszar zarządzania zasobami ludzkimi, a8 – obszar business intelligence.
Model wiedzy kolektywnej organizacji gospodarczej w SIZ definiowany jest w nastę-pujący sposób:
{ ∪ ∪ ∪ ∪τ}
= X
a1X
a2X
a8CKBO
gdzie:
CKBO – wiedza kolektywna organizacji gospodarczej,
8 1 a a
X
X −
– wiedza kolektywów w poszczególnych obszarach,τ
– funkcja wiedzy międzykolektywnej (międzyobszarowej) o sygnaturze:U q a p a
X
X 2
: × →
τ
gdzie p, q ∈ [1..8].84
Marcin Hernes
1)
τ(X
ap,X
ap)=∅
– funkcjaτ
odnosi się tylko do kolektywów z różnych ob-szarów.2)
τ(X
ap,X
aq)≠∅
– pomiędzy różnymi obszarami zawsze występuje wiedza międzykolektywna.3)
τ(X
ap,X
aq)≠ X
ap∧τ(X
ap,X
aq)≠ X
aq– wiedza międzykolektywna różni się od wiedzy poszczególnych kolektywów.4) Jeżeli
X
aplubX
aqjest niespójny, toτ(X
ap,X
aq)= X
– jeżeli wiedza co najmniej jednego kolektywu jest niespójna, to funkcjaτ
tworzy nowy kolektyw.Funkcja
τ
wiedzy międzykolektywnej różni się od funkcji Aug wyznaczającej wie-dzę dodaną kolektywu. Funkcja Aug tworzy bowiem nową wiewie-dzę dotyczącą danego obszaru zarządzania (decyzyjnego), czyli konkretnego kolektywu. Funkcjaτ
, z kolei, generuje wiedzę dotyczącą różnych obszarów na podstawie wiedzy poszczególnych kolektywów (a więc wiedzy członków kolektywów oraz wiedzy wygenerowanej z wy-korzystaniem funkcji Aug w odniesieniu do poszczególnych kolektywów). Funkcjaτ
nie jest także funkcją integracji, ponieważ nie generuje reprezentacji wiedzy kolek-tywów, a jednocześnie wiedza wyznaczona z wykorzystaniem funkcji
τ
może być niespójna, może być więc wymagana integracja tej wiedzy.Zdefiniowany model pozwala reprezentować wiedzę kolektywną organizacji go-spodarczej w SIZ, ułatwiając jednocześnie opracowanie metod integracji tej wiedzy w celu usprawnienia automatycznej realizacji procesów decyzyjnych.
Podsumowanie
Wiedza kolektywna staje się coraz ważniejsza w zarządzaniu organizacją biznesową. Jest to związane głównie ze zjawiskiem Big Data – koniecznością gromadzenia zbio-rów danych tak dużych i złożonych, że trudno jest przetwarzać je za pomocą trady-cyjnych aplikacji do przetwarzania danych. Tak więc konieczne staje się korzystanie z nowych rozwiązań w celu przetwarzania wiedzy kolektywnej w organizacjach go-spodarczych. W artykule opracowana została metoda reprezentacji tego typu wie-dzy w systemie informatycznym zarządzania. Metoda ta umożliwia – w konsekwencji – generowanie przez system decyzji na podstawie wiedzy kolektywnej. Może być ona wykorzystana w celu opracowania metod realizacji wszystkich podprocesów proce-su zarządzania wiedzą. Metoda ta jest zdefiniowana na dużym poziomie ogólności, charakteryzuje się więc dużą otwartością, ale i wymaga opracowania bardziej szcze-gółowych definicji zasobów, procesów i czynności.
85 Reprezentacja wiedzy kolektywnej organizacji w systemach informatycznych zarządzania
Dalsze prace badawcze będą dotyczyły opracowania koncepcji integracji wiedzy kolektywnej i jej oceny. Planowane jest również przeprowadzenie eksperymentów badawczych z wykorzystaniem prototypu SIZ.
Bibliografia
Barrick M.R., Stewart G.L., Neubert M.J. i. in. (1998), Relating Member Ability and Personality to Work-Team Processes and Team Effectiveness, „Journal of Applied Psy-chology”, Vol. 83, No. 3.
Bytniewski A. (red.) (2015), Architektura zintegrowanego systemu zarządzania, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
Bytniewski A., Hernes M. (2013), Wykorzystanie agentów kognitywnych w budowie zintegrowanego systemu informatycznego zarządzania [w:] T. Porębska-Miąc, H. Sroka (red.), Systemy Wspomagania Organizacji, Wydawnictwo Uniwersytetu Ekonomiczne-go w Katowicach, Katowice.
Chaffey D., White G. (2011), Business Information Management, Prentice Hall, Lon-don – New York.
Davenport T. (2008), Enterprise 2.0: The New, New Knowledge Management?, Harvard Business Review, [online] http://discussionleader.hbsp.com/davenport/2008/02/, dostęp: 1.01.2019.
Davenport T.H., Prusak L. (2000), Working Knowledge: How Organizations Manage What They Know, Harvard Business School Press, Boston, Massachusetts.
Dixon N. (2011), How to Make Use of Your Organization’s Collective Knowledge – Acces-sing the Knowledge of the Whole Organization, cz. 1, [online] https://www.nancydixo-nblog.com/2011/01/how-to-make-use-of-your-organizations-collective-knowledge -accessing-the-knowledge-of-the-whole-orga.html, dostęp: 10.01.2019.
Franklin S. (2006), The LIDA Architecture: Adding New Modes of Learning to an In-telligent, Autonomous, Software Agent, [online] https://pdfs.semanticscholar.org/ b6a2/05cbcad4055898e896f789c721e6fb008abb.pdf., dostęp: 12.01.2019.
86
Marcin Hernes
Girard J.P., Girard J.L. (2015), Defining Knowledge Management: Toward an Applied Compendium, „Online Journal of Applied Knowledge Management”, Vol. 3, Issue 1. Hackman R.J. (1976), The Interaction of Task Design and Group Performance Strategies in Determining Group Effectiveness, „Organizational Behavior and Human Performan-ce”, Vol. 16, No. 2.
Hecker A. (2012), Knowledge Beyond the Individual? Making Sense of a Notion of Collec-tive Knowledge in Organization Theory, „Organization Studies”, Vol. 33, No. 3.
Hue-Wen Ch., Yu-Hsu N.L., Shyan-Bin C.H. (2012), Team Cognition, Collective Effica-cy, and Performance in Strategic Decision-Making Teams, „Social Behavior and Perso-nality”, Vol. 40, No. 3.
Hutchins E. (1991), The Social Organization of Distributed Cognition [in:] L.B. Resnick, J.M. Levine, S.D. Teasley (eds.), Socially Shared Cognition, American Psychological Association, Washington.
Kisielnicki J. (2008), MIS systemy informatyczne zarządzania, Wydawnictwo Placet, Warszawa.
Klimoski R., Mohammed S. (1994), Team mental model: Construct or metaphor?,
„Journal of Management”, Vol. 20, No. 2.
Kubiak B.F. (2009), Knowledge and Intellectual Capital – Management Strategy in Po-lish Organizations [in:] B.F. Kubiak, A. Korowicki (eds.), Information Management, Uni-versity Press, Gdańsk.
Levy P. (1997), Collective Intelligence: Mankind`s Emerging World in Cyberspace, Perse-us Books, Cambridge.
Łobejko S. (2005), Zarządzanie wiedzą w przedsiębiorstwie, PWN, Warszawa.
Neuman G.A. (1999), The Relationship Between Work-Team Personality Composition and the Job Performance of Teams, „Group & Organization Management”, Vol. 24, No. 1.
87 Reprezentacja wiedzy kolektywnej organizacji w systemach informatycznych zarządzania
Nguyen N.T. (2008), Advanced Methods for Inconsistent Knowledge Management, Springer Verlag, London.
Owoc M.L. (red.) (2006), Elementy systemów ekspertowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław.
Plikynas D. (2011), Multiagent Based Global Enterprise Resource Planning: Conceptual View, „Wseas Transactions on Business and Economics”, Vol. 5, Issue 6.
Salojärvi S., Furu P., Sveiby K.E. (2005), Knowledge Management and Growth in Fin-nish SMEs, „Journal of Knowledge Management”, Vol. 9, No. 2.
Stefanowicz B. (2011), Wiedza. Wybrane zagadnienia, Oficyna Wydawnicza SGH, Warszawa.
Tziner A., Eden D. (1985), Effects of Crew Composition on Crew Performance: Does the Whole Equal the Sum of Its Parts?, „Journal of Applied Psychology”, Vol. 70, No. 1. Wallis A. (2013), Proces kreowania i wykorzystywania wiedzy w przedsiębiorstwach branży turystycznej [w:] D. Jelonek, T. Turek (red.), Wiedza i technologie informacyjne. Nowe trendy badań i aplikacji, Sekcja Wydawnictw Wydziału Zarządzania Politechniki Częstochowskiej, Częstochowa.
Woolley A.W., Chabris C.F., Pentland A. i in. (2010), Evidence for a Collective Intelli-gence Factor in the Performance of Human Groups, „Science”, Vol. 330, No. 6004.
Strony WWW
PRZEDSIĘBIORCZOŚĆ I ZARZĄDZANIE 2019
Wydawnictwo SAN | ISSN 2543-8190 Tom XX | Zeszyt 4 | Część I | ss. 89–101
Bartłomiej Stopczyński
| bartek.stopczynski@gmail.comWydział Zamiejscowy w Ostrowie Wielkopolskim Społeczna Akademia Nauk
ORCID ID: 0000-0001-8941-7424