T_14_USA.pdf

MIROSŁAW WONIAKOWSKI SGGW

Streszczenie

E-learning dla przedsibiorstw moe sta si podstawowym elementem strategii uzyskania przewagi konkurencyjnej w gospodarce opartej o wiedz. W pracy zapre-zentowano metod analizy wpływu technologii informacyjnej na wyniki firm. Empi-ryczne zbadano wpływ wybranych technologii na wyniki firm. Wyniki otrzymane na postawie danych europejskich porównano z wynikami opartymi na własnej ankiecie dotyczcej wykorzystania ICT w sektorze rolno-spoywczego w województwie łódz-kim.

Słowa kluczowe: e-learning, technologie informacyjno-komunikacyjne, zarzdzanie wiedz 1. Wstp

Nowy model gospodarki mona scharakteryzowa nie tylko za pomoc opisu najistotniejszych zjawisk, lecz take charakteryzujc podmioty w nim uczestniczce [3,6,8]. S to przedsibiorstwa o nieznanych dotychczas w ekonomii cechach: warto ich majtku materialnego jest niewielka w stosunku do ogółu kapitału, jakim dysponuj.

Paradygmatem Gospodarki Opartej o Wiedz jest z jednej strony przekonanie o dominujcej

roli wiedzy w tworzeniu dobrobytu i stymulacji rozwoju (w czym szczególn rol odgrywaj

mo-liwoci wymiany wiedzy i informacji), z drugiej za traktowanie wiedzy w kategoriach produktu, którym mona handlowa tak, jak tradycyjnymi dobrami materialnymi. Wiedza jest podstawowym narzdziem rozwoju [3]. Mimo, i wiadomo tego faktu wydaje si by stosunkowo powszechna, zarzdy wielu firm i rzdy wielu krajów koncentruj si głównie na inwestowaniu w zasoby fizycz-ne i nie s skłonfizycz-ne uzna krytyczfizycz-nej roli zasobów niematerialnych (takich, jak wiedza, innowacje czy umiejtnoci pracowników), a wikszo programów wspomagajcych ma za cel inwestycje w czynniki fizyczne (maszyny, wyposaenie, infrastruktura). Jest to zwizane głównie trudnociami w analizie tych "nienamacalnych" (intangible) zasobów - zyski z inwestowania w wiedz s trudne do uchwycenia czy nawet jednoznacznego sklasyfikowania, co komplikuje planowanie i alokacj zasobów. Brak te jednoznacznej definicji samej wiedzy, zwłaszcza w kontekcie moliwoci jej wykorzystania w ekonomii.

Wiedza w przedsibiorstwie (wiedza organizacyjna) musi podlega procesowi zarzdzania tak, aby jej tworzenie, przesyłanie i wykorzystanie odbywało si w sposób skoordynowany i przewidy-walny.

Mówi si take o powstaniu społeczestwa informacyjnego, stanowicego kolejny etap rozwoju cywilizacyjnego, w którym informacje i wiedza staj si podstawowymi czynnikami produkcji [3,4,5].

Najwikszy zysk przynosz dzisiaj produkty o duej zawartoci wiedzy. Z powyszego wida, bardzo wane jest w uzyskaniu przewagi konkurencyjnej firmy poprzez wprowadzanie i rozwijanie dwóch grup produktów i usług: innowacyjne, bogate w wiedz. W obu grupach szczególn rol odgrywaj produkty cyfrowe i systemy ICT ze wzgldu na ich czste wykorzystanie w usłudze okołoproduktowej (element informacyjny produktu) oraz uniwersalny charakter w odrónieniu od innowacji i wiedzy merytorycznej.

W zarzdzaniu wiedz równie wane jest pozyskiwanie wiedzy jak i jej rozpowszechnianie (głównie w oparciu o model nieliniowy) .

W chwili obecnej coraz czciej zamiast pojciem "technologii" w kontekcie zarzdzania wie-dz operuje si terminem "narzdzi zarzdzania wiewie-dz". Rudy Ruggles z firmy Ernst & Young okrela je jako szeroko zdefiniowane technologie, które pomagaj i umoliwiaj tworzenie, kody-fikacje i transfer wiedzy. Ich podstawowym zadaniem jest ułatwienie dostpu do informacji (za-równo strukturalnej jak i niestrukturalnej) oraz wiedzy - w tym take tej tzw. "cichej" (ang. tacit), znajdujcych si w głowach ludzi [3,5].

Do najistotniejszych narzdzi zarzdzania wiedz zalicza si:  Systemy zarzdzania zawartoci (content management systems)

 Systemy obiegu pracy i dokumentów (workflow, document management)

 Systemy wspomagania pracy grupowej (groupware, portale korporacyjne, systemy

wide-okonferencyjne)

 Hurtownie danych (On-Line Analitycal Procesing, (Drill Down, Knowledge Data Discov-ery, Data Mining)

 Systemy wspomagania decyzji

 Systemy e-learningowe

2. E-learning jako element zarzdzania wiedz w przedsibiorstwie

Systemy e-learningowe słuce dystrybucji wiedzy wewntrz i na zewntrz przedsibiorstwa powinny by zintegrowane z systemem zarzdzania wiedz. W wypadku małych i rednich przed-sibiorstw e-learning moe by podstawowym elementem KM lub nawet jego substytutem [2].

Wan cech e-learningu jest moliwo dostosowania tempa szkolenia do predyspozycji poje-dynczego uczcego si oraz moliwo sprawdzenia jego wiedzy natychmiast po zakoczeniu szkolenia. Daje to moliwo tworzenia cieek indywidualnego kształcenia pracowników, a w ten sposób wpływania na ich rozwój i moliwoci awansowania. Poza pracownikami szkoleniami objci s równie klienci i kontrahenci [12].

Badania efektywnoci zastosowania rozwiza e-learningowych w budowaniu systemów za-rzdzania wiedz, prowadzone w USA, wskazuj nastpujce efekty:

ƒ czas spdzony na szkoleniach - zredukowany do 70% ƒ koszty podróy - zredukowane do 50%

ƒ całkowity koszt szkole - zredukowane do 75% ƒ produktywno zespołów handlowych - wzrost do 40% ƒ liczba wyszkolonych pracowników - wzrost o 25%.

Główn barier za jest koszt tworzenia materiałów szkoleniowych. Zastosowanie narzdzi au-torskich, standardów np. SCORM i metodyk takich jak np. Learning Objects istotnie te koszty zmniejsza [ 1,2,9].

3. Porównanie wpływu e-lerningu z wybranymi technologiami

Do weryfikacji postawionych hipotez posłu dane dostarczone w wyniku badania ankietowego The European e-Business Watch 2006 [10 ]. Celem - tego jednego z wikszych w wiecie - bada-nia jest analiza i monitorowanie rozwoju gospodarek europejskich w wybranych sektorach. Jest ono przeprowadzane od roku 2002 i koncentruje si na wykorzystaniu technologii informatycznych i komunikacyjnych (ITC)1. W roku 2006 badaniu zostały poddane przedsibiorstwa zlokalizowane w 29 krajach europejskich. Do wybranych krajów naleały: Austria, Belgia, Bułgaria, Cypr, Cze-chy, Dania, Estonia, Finlandia, Francja, Grecja, Hiszpania, Holandia, Irlandia, Litwa, Luksemburg, Łotwa, Malta, Niemcy, Norwegia, Polska, Portugalia, Rumunia, Słowacja, Słowenia, Szwecja, Turcja, Wgry, Wielka Brytania, Włochy. Łcznie w badaniu uczestniczyło ponad 14000 firm. Przedsibiorstwa wybrane do modelu zostały sklasyfikowane w ramach 10 sektorów: sektor yw-nociowy, sektor obuwniczy i tekstylia, przemysł papierniczy, sektor wytwarzajcy ITC, sektor elektroniki uytkowej, budownictwo i naprawa statków, budownictwo, Turystyka, usługi teleko-munikacyjne, usługi lecznicze. Wybrane statystyki opisowe charakteryzujce wykorzystane w ba-daniu zmienne ilociowe zostały podane w Tabeli 1.

Tabela 1. Wybrane statystyki opisowe zmiennych ilociowych.

Liczba technologii informa-tycznych i

telekomunikacyj-nych

Liczba osób zatrudnionych

Odsetek osób zatrudnionych posiadajcych wysze

wy-kształcenie Warto rednia 1,779239 115,4032 27,02063 Mediana 1 15 15 Warto maksymalna 7 30000 100 Warto minimalna 0 1 0 Odchylenie standardowe 1,526397 593,3438 31,19316 Skono 0,897773 21,70097 1,155838 Kurtosis 3,449393 729,8218 3,137263 Suma 25025 1594180 351025 Liczba obserwacji 14065 13814 12991

ródło: obliczenia własne.

Liczba technologii informatycznych i komunikacyjnych (ITC) stanowi jedn z podstawowych zmiennych w badaniu. Warto tej zmiennej kształtowała si w przedziale (0;7). Wynika, to z wyodrbnienia w badaniu 7 rodzajów technologii ITC:

1. Programy zarzdzania wiedz. 2. Systemy planowania zasobów. 3. Systemy zarzdzania dostawami. 4. Programy do zarzdzania obsług klienta. 5. Oprogramowanie z zakresu on-line sales. 6. Oprogramowanie z zakresu on-line purchasing.

7. E-learning.

Za kady stosowany rodzaj technologii ITC do wartoci pocztkowej zmiennej równej zero do-dawana była warto 1. Jeli przedsibiorstwo stosowało wszystkie wyrónione technologi to warto zmiennej (maksymalna) wynosiła 7. W przypadku braku zastosowania któregokolwiek z wyej przedstawionych technologii zmienna przyjmowała warto 0.

W badanej próbie przedsibiorstwa przecitnie wykorzystywały ok. 2 technologii z zakresu ITC. Jednoczenie połowa z nich posiadała nie wicej ni jedn technologi. Na uwag zasługuje wysoka warto odchylenia standardowego. Wynosiło ono ok. 1,53. Tak wysoka warto moe wynika z duej dysproporcji pomidzy firmami. W próbie mona zauway, i 4530 firm (co stanowi 32,2% ogółu firm) wykorzystywało wszystkie 7 rodzajów ITC, z kolei 4500 firm (32%) nie wykorzystywało adnej z powyszych rodzajów ITC. Wszystkie przedsibiorstwa biorce udział w badaniu okreliły ilo wykorzystywanych przez siebie technologii.

W tabeli 2 zaprezentowane zostały podstawowe statystki opisowe dotyczce zmiennych zeroje-dynkowych odzwierciedlajcych wykorzystanie wybranych rodzajów technologii ITC. W bada-nych przedsibiorstwach z obszaru wybrabada-nych 29 krajów europejskich najwiksz popularnoci cieszyły si oprogramowania z zakresu on-line purchasing. Stosowało je 57% firm, które udzieliły odpowiedzi na pytanie. Jednoczenie była to jedyna technologia, któr znalazła zastosowanie w co najmniej połowie badanych podmiotów gospodarczych. Duo mniej popularnym rozwizaniem było oprogramowanie z zakresu on-line sales. 29,3% firm, które udzieliły odpowiedzi na pytanie stosowało omawiane rozwizanie informatyczne. Systemy planowania zasobów wykorzystywały 24% firm, które udzieliły odpowiedzi na pytanie. Technologia e-learningu znalazła zastosowanie wród 21,5% firm, natomiast systemy zarzdzajce obsług klienta wykorzystywało 17,2% pod-miotów gospodarczych. Najsłabsze zainteresowanie znalazły technologie z zakresu zarzdzania dostawami oraz zarzdzania wiedz. Stopie ich wykorzystania wyniósł odpowiednio 16,1% oraz 15,7%.

Tabela 2. Charakterystyka wybranych rodzajów technologii ITC

Zarzdzanie obsług klienta E-learning System planowania zasobów Zarzdzanie wiedz Warto rednia 0,171896 0,215253 0,239938 0,156903 Mediana 0 0 0 0 Warto maksymalna 1 1 1 1 Warto minimalna 0 0 0 0 Odchylenie standardowe 0,377304 0,411012 0,427061 0,363723 Skono 1,739269 1,385639 1,217957 1,886659 Kurtosis 4,025058 2,919997 2,483419 4,559481 Suma 2334 2989 3273 2081 Liczba obserwacji 13578 13886 13641 13263

ródło: obliczenia własne.

Za [6] uyjemy prostego liniowego modelu losowej uytecznoci (Random Utility Model ) do okrelenia wpływu poszczególnych technologii na osignicia firmy. Model ten - model logitowy -

jest jednym z modeli prawdopodobiestwa2. Cech charakterystyczn tych modeli jest specyficzna konstrukcja zmiennej objanianej (y). Jest ona zmienn sztuczn majc tylko dwie moliwe reali-zacj:



=

0

1

y

(1)

Warto 1 jest nadawana wtedy, gdy wystpuje badana cecha, natomiast warto 0 w przeciwnym wypadku. Naley jednoczenie podkreli, i w przypadku modeli logitowych zmienn y traktuje si jako realizacj pewnej nieobserwowalnej zmiennej objanianej. Mona zatem skonstruowa równanie regresji liniowej postaci:

_j k i ij i j

x

y

=

α

+

α

+

ξ

=1 0 , (2) gdzie:

i – parametry strukturalne modelu dla

i

∈

(

0

,

k

)

,

xi – zmienne niezalene (regresory) dla

i

∈

( )

1

,

k

,

k – liczba zmiennych niezalenych, j – składnik losowy.

Przyjmujc załoenie o rozkładzie symetrycznym składnika losowego oraz jego wariancji równej 1. Mona powyszy model regresji zapisa jako [11]:

_











+

+

=

= j k i ij i i

F

x

P

α

α

ξ

1 0 , (3) gdzie:

Pi – jest prawdopodobiestwem otrzymania realizacji 1 zmiennej y

F – jest dystrybuant rozkładu składnika losowego.

Dla tak okrelonego modelu mona zbudowa funkcj wiarygodnoci, która jest wyraona wzorem [11]:

(

)

∏

∏

= =

−

=

0 1

1

i i y i y i

P

P

L

, (4)

Powysza funkcja jest wklsła i nie posiada wielokrotnych maksimów. Mona zatem poszuki-wa maksimum funkcji wiarygodnoci wykorzystujc metody iteracyjne z dowolnymi wartociami startowymi. Własno ta ułatwia uzyskanie ocen parametrów strukturalnym modelu logitowego.

W przypadku, gdy funkcja F jest dystrybuant rozkładu logistycznego, powyszy model nazy-wany jest modelem logitowym, natomiast powysze równanie regresji mona uproci do nastpu-jcej postaci [11]: j k j ij i i i

_x

P

P

ξ

α

α

+

+

=

−

=1 0

1

log

, (5)

2 W grupie modeli prawdopodobiestwa wyróni mona choby liniowy model prawdopodobiestwa oraz model probi-towy.

Wyraenie i i

P

P

−

1

log

bdce logarytmem ilorazu szans, który czsto jest okrelany mia-nem logitu. Iloraz szans stanowi iloraz prawdopodobiestwa realizacji zdarzenia (w rozpatrywa-nym modelu y=1 jeeli i-ta technologia daje wzrost obrotów firmy) w stosunku do prawdopodo-biestwa zajcia sytuacji odwrotnej (y=0).

Na podkrelenie zasługuje fakt, i wielokrotnie mona uzyska podobne oceny parametrów strukturalnych stosujc model logitowy i probitowy. Otrzymane w tej sposób wyniki wydaj si by porównywalne, gdy dystrybuanty rozkładów modelu probitowego i logitowego s do siebie mocno zblione. W badaniu jednak zostanie wykorzystany model logitowy ze wzgldu na fakt, i ilo obserwacji jest bardzo dua. Przy duych próbach moe wystpi znaczca rónica pomidzy dystrybuantami rozkładów poszczególnych modeli [11].

W Tabeli 3 przedstawiono wyniki estymacji modeli logitowych ze zdywersyfikowan zmienn dotyczc wykorzystania technologii ITC. Oszacowania poszczególnych parametrów modelu wy-kazywały istotno w przypadku tylko niektórych zmiennych wyraajcych wpływ poszczególnych rodzajów technologii ITC na prawdopodobiestwo odniesienia sukcesu. Do takich zmiennych naley przede wszystkim kwantyfikator wyraajcy wpływ oprogramowania z zakresu on-line purchasing. Zmienne ta była we wszystkich 3 modelach istotna statystycznie na poziomie istotnoci 0,05. Oznacza to, i przedsibiorstwo, które zainwestuje w oprogramowanie typu on-line purcha-sing bdzie miało wysze szanse odnie sukces mierzony wzrostem obrotów, a jednoczenie zmniejszy swoje szanse na wystpienie sytuacji odwrotnej3 oraz na utrzymanie swoich obrotów na dotychczasowym poziomie.

Zmienn istotn na poziomie 0,1 była zmienna o charakterze zerojedynkowym wyraajca za-stosowanie w poszczególnych przedsibiorstwach oprogramowania z zakresu on-line sales. Istot-no oszacowania parametru dla tej zmiennej miała miejsce w przypadku modelu 1 i 3. Oznacza to, i jeli przedsibiorstwo zainwestuje w oprogramowanie z zakresu on-line sales to mona si spo-dziewa ceteris paribus wzrostu prawdopodobiestwa sukcesu.

Ostatni zmienn z zakresu ITC, która wykazała istotno w badaniu na poziomie 0,1 jest zmienna wyraajca zastosowanie w przedsibiorstwach systemu zarzdzania dostawami. Znak oszacowania właciwego dla tego kwantyfikatora jest dodatni, oznacza to, i wraz z zainwestowaniem w system zarzdzania dostawami przedsibiorstwo zwiksza ceteris paribus swoje szanse na spadek obrotów w porównaniu z rokiem poprzednim.

Pozostałe zmienne odnoszce si do wykorzystania przez przedsibiorstwo technologii z za-kresu ITC okazały si nieistotne statystycznie na poziomie zarówno 0,05 jak i 0,1. Ich wykorzysta-nie, bd wykorzysta-nie, nie wpływa na szanse przedsibiorstwa na odniesienie sukcesu. Czyli wpływ e-learningu jest pozytywnie skorelowany ale słaby. Mona to tłumaczy efektem opó nionego wpły-wu i głównym wynikiem pracy [6], który wskazuje e technologie jedynie umoliwiaj osignicie sukcesu i to pod warunkiem dodatkowych specjalnych działa i posiadania okrelonych zasobów i dowiadcze.

Tabela 3. Wyniki estymacji modeli logitowych.

Wzrost obrotów (model 1) Spadek obrotów (model 2) Obroty bez zmian (model 3)

Zmienna Warto oszacowania Warto statystyki z Warto oszacowania Warto statystyki z Warto oszacowania Warto statystyki z Innowacyjno produktowa 0,404918* 6,552875 -0,176321** -1,869604 -0,373499* -5,658065 Innowacyjno procesowa 0,470332* 7,364896 -0,163260 -1,651226 -0,468845* -6,795000 Logarytm zatrudnienia 0,120635* 5,854090 -0,155141* -4,822107 -0,061543* -2,839128 Udział osób z wyszym wykszt. 0,001121 1,101308 -0,001545 -1,009050 -0,000484 -0,445614 Rok załoenia 0,486737* 7,314152 -0,237186* -2,381383 -0,415136* -5,950862 M. dorównania konkurencji -0,068454 -1,100717 0,150405 1,593189 0,003421 0,051913 M. oczekiwa klientów 0,057227 0,846467 -0,144258 -1,435001 0,022800 0,319603 M. oczekiwa dostawców 0,027828 0,454553 -0,062197 -0,661645 -0,007754 -0,119703 M. przewagi konkurencyjnej 0,172282* 2,647521 -0,159087 -1,629110 -0,108371 -1,587533 KMS -0,071855 -0,879832 -0,137186 -1,033561 0,138517 1,585828 ERP 0,085783 1,146133 -0,167561 -1,431017 -0,015903 -0,199258 SCM -0,088278 -1,094653 0,223512** 1,809837 -0,007537 -0,086867 e-learning 0,040652 0,597351 -0,078306 -0,726437 -0,013227 -0,181627 CRM 0,076219 0,985176 -0,047687 -0,391939 -0,072749 -0,873197 On-line sales 0,121775** 1,926034 -0,039055 -0,405943 -0,118776** -1,760725 On-line purchasing 0,248671* 3,776436 -0,221360* -2,270026 -0,163648* -2,367091

Warto wybranych statystyk modelu redni błd regresji 0,468286 0,308948 0,443005 Suma kwadratów reszt 1308,735 569,6379 1171,240 Warto funkcji prawdopodob. -3756,091 -1986,397 -3447,746 Liczba obserwacji z wartoci 0 2439 5353 4254 Liczba obserwacji z wartoci 1 3584 670 1769 Liczba obserwacji ogółem 6023 6023 6023

4. Wykorzystanie e-learningu w przedsibiorstwach rolno-spoywczych w województwie łódzkim

Jedynie 18,2% firm biorcych udział w badaniu i jednoczenie posiadajcych na wyposaeniu sprzt komputerowy zdecydowało si lub zamierza wprowadzi e-learning [6].

0,00% 1,00% 2,00% 3,00% 4,00% 5,00% 6,00% 7,00% 8,00%

p. w iejskie p. miejskie p. łódzkie

odbyło juĪ szkolenie planuje je odbyü w ciągu roku planuje je odbyü w dalszej perspektywie

Rys.1. Przedsibiorstwa stosujce oraz zainteresowane e-learningiem, jako odsetek firm posiadajcych komputery

ródło: opracowania własne

Wród tej grupy 40% (co stanowi 7,3% badanej grupy) przeprowadziło ju takie szkolenie, a 20% (3,6% badanej grupy) planuje tego dokona w cigu najbliszego roku. Pozostała cze firm deklarujcych ch udziału w tego rodzaju szkoleniu dokona tego w dalszej perspektywie czasu.

Firmy ulokowane w miastach stanowi one 40% tej grupy, z czego 25% przeprowadziło ju ta-kie szkolenie, 50% zamierza tego dokona w cigu roku, a dalsze 25% chce skorzysta z tej formy edukacji ale w dalszej perspektywie. Wród przedsibiorstw wiejskich, których udział w przedsi-biorstwach korzystajcych lub zamierzajcych skorzysta z e-learningu wyniósł 30% dominowały firmy ju przeprowadzajce tego rodzaju szkolenie, a pozostałe 30% zamierza tego dokona w dalszej perspektywie. Przedsibiorstwa łódzkie s w mniejszym stopniu zainteresowane tego ro-dzajem szkole. Stanowiły one 30% firm, lecz tylko 33% dokonało ju szkolenia, a dalsze 66% ma zamiar je przeprowadzi w okresie pó niejszym ni rok.

Niski odsetek firm deklarujcych zainteresowanie rozwizaniami e-learningowymi lub korzy-stajcych ju z takich rozwiza, szczególnie w porównaniu do innych rozwiza ICT wskazuje, e

e-learning stanowi dziedzin now i stosunkowo mało rozpoznan. Dlatego potencjaln baz dla technologii nauczania na odległo stanowi mog przede wszystkim firmy, które ju korzystaj z bardziej podstawowych, popularniejszych technologii. Tabela 4 pokazuje odniesienie liczby firm stosujcych e-learning oraz zamierzajcych go stosowa do liczby firm stosujcych inne rozwiza-nia ICT.

Tabela 4. Przedsibiorstwa planujce stosowanie oraz stosujce e-learning jako odsetek przedsibiorstw stosujcych inne rozwizania ICT

Planujce Stosujce

Dostp do Internetu 12.0% 8.0%

E-mail 15.4% 10.3%

Własna strona WWW 40.0% 26.7%

Co najmniej 1 system informatyczny 20.7% 13.8%

ródło: obliczenia własne na podstawie danych ankiety przeprowadzonej przez autora

Sporód firm planujcych stosowanie oraz stosujcych e-learning 100% posiada dostp do In-ternetu, 80% posiada firmowe konta poczty elektronicznej i tyle samo korzysta z co najmniej 1 systemu informatycznego. Zaskakujce jest natomiast, e tylko 20% posiada własn stron inter-netow.

Wskazuje to, e e-learning zaczyna by wykorzystywany nie tylko przez firmy zorientowane na sie, lecz równie, a nawet przede wszystkim przez przedsibiorstwa, których obecno w global-nej sieci jest jedynie okazjonalna. Zdaje si to potwierdza hipotez o duym potencjale e-learningu jako technologii, która bdzie w coraz wikszym stopniu stosowana równie tam, gdzie cisła integracja z sieci w innych wymiarach nie jest potrzebna bd nie jest moliwa.

Podkreli naley, e wszystkie firmy zainteresowane s szkoleniem swoich pracowników, na-tomiast dodatkowo 10% z nich chciałoby przeszkoli swoich partnerów. Firmy dostrzegaj korzy-ci płynce z tej metody szkolenia: 77,8% badanych firm, które wyraziły zainteresowanie lub ju skorzystały z e-learningu, dostrzega wicej ni jedna jego zalet. Taki sam udział firm twierdzi i ta metoda zmniejszy koszty szkole oraz zwikszy elastyczno czasow. Natomiast 44,4% uwaa, e korzyci wynikajc z zastosowanie omawianych metod jest elastyczno miejsca.

Poza ogólnym zapó nieniem w obszarze penetracji ICT w sektorze rolno-spoywczym, inn przyczyn obserwowanych rónic pomidzy tym sektorem w Polsce oraz w krajach Unii Europej-skiej moe by znaczne rozdrobnienie. Mała przecitna wielko firmy w Polsce w analizowanym sektorze powoduje, e wobec stosunkowo wysokich kosztów wdroenia korzystanie ze znacznej czci sporód analizowanych rozwiza staje si ekonomicznie nieuzasadnione.

Przedstawienie stosowanego wczeniej podziału na gminy wiejskie, miejskie poza Łodzi oraz Łód na tle duych krajów Unii Europejskiej potwierdza dotychczasowe wnioski o relatywnie najwyszym zaawansowaniu wdraania technologii ICT na terenach miejskich i znacznie słabszym na obszarach wiejskich . Równoczenie, jak wida na rys.2, rónice pomidzy poszczególnymi firmami w poszczególnych typach gmin dotycz raczej łcznej skali penetracji ICT, natomiast ich „profil” (mierzony jako kształt wieloktów opisujcych poszczególne jednostki) jest zbliony. Badane firmy charakteryzuj si wysokim stopniem wykorzystania technologii podstawowych,

takich jak Internet, intranet czy posiadanie własnej strony, przy równoczesnym istotnie niszym stopniu penetracji systemów ERP, CRM oraz e-learningu.

5. Wnioski

Wpływ technologii nie jest taki sam w zalenoci od rodzaju technologii, liczby wdroonych poprzednio technologii, sektora i atrybutów firmy [6]. Porównano e-learning z innymi wybranymi technologiami. Wpływ e-learningu na osignicia firmy jest pozytywnie skorelowany, ale słaby i zaleny od innych istotnych atrybutów firmy Na przykład, wprowadzenie technologii e-learningowej moe przynosi zyski w duej firmie z du iloci pracowników, ale moe by zu-pełnie nieodpowiedni w przypadku małych przedsibiorstw. Technologie e-learningowe s czciej wykorzystywane ni zarzdzanie wiedz (21,5% przedsibiorstw UE wykorzystuje e-learning a 15,6% zarzdzanie wiedz), co moe by wskazówk dla zarzdów firm co do kolejnoci wpro-wadzania tych technologii. W badanej grupie firm sektora rolno-spoywczego w województwie łódzkim nieco mniej firm jest zainteresowanych e-learningiem 18,2%, z czego cz byłaby zainte-resowana w dalszej ni rok perspektywie czasu.

0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% 70.0% 80.0% Internet Int ranet

St rona int ernet owa

CRM e-learning ERP UE Łód Gm. miejskie Gm. wiejskie

Rys.2. Porównanie wybranych wskaników charakteryzujcych ICT w 10 najwikszych krajach UE oraz w woj. łódzkim, w podziale na typy gmin

Bibliografia

1. Alter S.: Information systems. A Management perspective, Addison Wesley Longman Inc. 1999;

2. Borkowski B., Wojciechowski J., Wo niakowski M.: Environment of e-services imple-mentation In agri-food industry In Poland, Proc. of International Conference ITIB 2005, Petersburg 2005

3. Brynjolfsson, E. and Hitt, L.M. Computing productivity: Firm level evidence. Review of Economics and Statistics. LXXXV(4),2003.

4. Frey D. : http://www.businessknowhow.com/marketing/education.htm, 2003 5. Łobejko S.: Systemy informacyjne w zarzdzaniu wiedz i innowacj

w przedsibiorstwie, Monografie i Opracowania 527 SGH, Warszawa 2004. 6. Maddala G. S. „Ekonometria”, Wydawnictwo Naukowe PWN, Warszawa, 2006; 7. The European e-Business Watch 2006/2007, European Commission, Enterprise

Director-ate-General e- Business, ICT Industries and Services, Luxembourg, 2007;

8. Wo niakowski M, Wo niakowski T, Zieliski W.: Leonardo da Vinci Community Voca-tional Training Action Programme, „E-Study Platform” - Post-graduate e-government and e-business on-line study, Project number: PL/02/B/F/PP-140 069, 2002.

9. Wo niakowski M., Borkowski B.; Education Based Marketing jako element systemu za-rzdzania wiedz w przedsibiorstwie, Seria Studia i Materiały PSZW nr4. 2005. 10. Wo niakowski M.: Modele wprowadzania technologii e-biznesowych w sektorze

produk-cji ywnoci w Polsce , SGGW grant, (przygotowany do publikaproduk-cji w 2008)

11. Wo niakowski T., Wo niakowski M.: Modele usług ASP, materiały konferencyjne “Mo-delowanie procesów ekonomicznych”, Kielce 2002;

12. Wo niakowski T.: Rola symulacji post-graduate e-government and e-business study, ma-teriały pokonferencyjne “Akademia On-Line”, Bronisławów 2004;

ANALISIS OF USING E-LEARNING TECHNOLOGY IN ENTERPRISE Summary

E-learning technology is going to be one of the most important strategy factor for enterprise to gain competitive advantage in knowledge economy.

This study deals with the impact of Information and Communication Technolo-gies (ICT )on corporate performance. Results on this topic are based on a literature review and to develop and test hypotheses using data from the e-Business Survey 2006 conducted by e-Business W@tch and own survey conducted by Warsaw Uni-versity of Life Sciences in agro-food sector in Lodzkie Voivodeship

Keywords: e-learning, Information and Communication Technologies (ICT), knowledge manage-ment

Mirosław Wo niakowski

miroslaw_wozniakowski@sggw.pl

Katedra Informatyki, Szkoła Główna Gospodarstwa Wiejskiego ul. Nowoursynowska 166, 02-787 Warszawa