CC BY-NC-ND
73
Моделирование факторов, влияющих на функционирование сетей знаний
Али Резайян
Профессор, [email protected]
Рухолла Багери
Аспирант, [email protected]
Университет им. Шахида Бехешти (Shahid Beheshti University), Иран, Daneshju Blvd, Evin Square, Tehran
1983963113, Iran
Аннотация
Организации все чаще рассматривают знания как важный источник долгосрочных конкурентных преимуществ, а сетевое взаимодействие — как механизм создания и совместного использования знаний. Факторы, определяющие успех формирования таких сетей, детально исследованы, однако связи между ними мало изучены, отсутствует модель, описывающая их иерархию. В статье идентифицируются аспекты, влияющие на процесс и результаты создания сетей знаний, проводятся их анализ и ранжирование с помощью интерпретационного структурного моделирования (interpretive structural modelling, ISM).
Выявлены семь ключевых факторов, влияющих на формирование сети знаний, установлены контекстные связи между ними. Часть изучаемых параметров,
которые мало подвержены влиянию других факторов, относятся к драйверам (среда деятельности, управленческие процессы, информационно-коммуникационная инфраструктура). Остальные — знаниевый капитал, культура, внутриорганизационные структуры и коммуникационные процессы — имеют низкий потенциал влияния, являются результатом действия драйверов и, следовательно, зависимыми переменными.
Применение методологии ISM для построения иерархии и классификации факторов, определяющих функционирование сетей знаний, позволит глубже понять их взаимосвязи и расставить управленческие приоритеты для достижения оптимального баланса между ними.
Ключевые слова: управление знаниями; сети знаний; интерпретационное структурное моделирование (ISM); драйверы; зависимые переменные.
Цитирование: Rezaeian A., Bagheri R. (2018) Modeling the Factors that Affect the Implementation of Knowledge Networks. Foresight and STI Governance, vol. 12, no 1, pp. 56-67. DOI: 10.17323/2500-2597.2018.1.56.67
В современном контексте индивидуальные и коллективные знания рассматриваются как ключевой актив конкурентоспособности, а потому управление ими должно стать неотъемлемым элементом корпоративной стратегии [Enkel et al., 2007]. В работах [Wood, Hamel, 2002; Enkel et al., 2007] на примере Всемирного банка продемонстрированы вклад сетевой кооперации в развитие внутриорганизационных инноваций и меры для ее успешной реализации. Основу для формирования сети знаний (knowledge network) составляют интеллектуальные активы ее участников [Back et al., 2005]. Такая социальная сеть объединяет субъектов с общими интересами, и по ее характеристикам можно интерпретировать социальное поведение отдельных членов [Alba, 1982; Lincoln, 1982; Mitchell, 1969; Tichy et al., 1979]. Само понятие «сеть» подчеркивает социальный характер связей между акторами [Badaracco, 1991]. Соответственно термин «сеть знаний» обозначает сообщество людей, располагающих определенными ресурсами и объединившихся для аккумуляции, генерации и обмена информацией, чтобы усиливать конкурентные преимущества [Hildreth, Kimble, 2004; Hung, 2006]. Наличие сетей служит индикатором не только связей между участниками, но также доступности информации и возможностей внутреннего обмена сведениями. Сети предназначены для создания и совместного использования знаний, управления ими [Jayrama, Ayvari, 2005]. Подобный формат позволяет преодолеть коммуникационные ограничения, обусловленные жестким иерархическим устройством организации и четким распределением функционала сотрудников, облегчая контакты между носителями уникальных знаний. В исследованиях, посвященных процессам организационного развития и обучения, сетевое взаимодействие рассматривается как источник извлечения преимуществ [Ring, 1997; Kogut, 2000]. Меняются формы партнерства между организациями: они направлены скорее на повышение эффективности использования ресурсов и справедливое распределение доходов, а не на максимизацию прибыли отдельными компаниями [Miles et al., 1998].
Сети знаний позволяют:
• снизить затраты за счет повышения эффективности коммуникаций [Parker et al., 2001];
• наращивать конкурентные преимущества организации [Argote, 2012];
• расширять базу знаний (личные знания трансформируются в коллективные);
• повышать результативность исследований и разработок (ИиР) [Raiden et al., 2004].
При всех перечисленных преимуществах, связанных с функционированием сетей знаний, изучению связей между их отдельными аспектами (переменными) пока уделяется недостаточное внимание. Ранжирование факторов, определяющих работу подобных сетей, позволит выявить наиболее приоритетные из них и поможет организациям эффективнее управлять знаниями.
В целях восполнения отмеченных пробелов в статье идентифицируются основные характеристики сетей знаний и исследуются контекстные связи между ними. Информационной базой для анализа служили обзор
тематической литературы и данные опроса экспертов — представителей науки и промышленности. При его проведении применялась методология интерпретационного структурного моделирования (interpretive structural modelling, ISM). На этой основе построена классификационная матрица перекрестного влияния факторов (Matrice Impacts Croises Multiplication Applique'e a' un Classement, MICMAÇ), позволяющая ранжировать факторы, определяющие результативность сетей знаний [Ravi, Shankar, 2005]. Ее данные могут использоваться руководителями при подготовке конкретных планов действий.
Обзор литературы
Интерпретационное структурное моделирование
Методология ISM получила широкое распространение как инструмент упорядочивания и систематизации сложных взаимосвязей между различными системными переменными. Результаты ISM-анализа позволяют руководителям глубже понять связь между ключевыми проблемами и побуждают их пересмотреть представления о приоритетах. Идея этого метода, математические основы которого заложены в работе [Harary et al., 1965], заключается в использовании практического опыта и знаний экспертов для декомпозиции сложной системы на ряд подсистем с последующим конструированием многоуровневой структурной модели. Впервые такой инструментарий был применен Джоном Уорфилдом (John Warfield) в 1974 г. для изучения социально-экономических систем [Warfield, 1974]. Позднее метод ISM применялся для анализа политических инициатив [Sage, 1977] и исследований в области менеджмента [Ravi, Shankar, 2005; Diabat, Govidan, 2011; Jharkharia, Shankar, 2005; Luthra et al., 2011; Mandal, Deshmukh, 1994; Mudgal et al., 2009, 2010; Sarkis et al., 2007; Sushil, 2005]. C его помощью были идентифицированы препятствия для использования информационных и коммуникационных технологий (ИКТ) в цепочках поставок [Jharkharia, Shankar, 2005]; проанализированы ключевые критерии выбора поставщиков, установлены взаимосвязи между такими критериями и их уровнем, проведена типологизация по степени влияния и взаимозависимости [Mandal, Deshmukh, 1994]; оценены индивидуальные барьеры для обмена знаниями и осуществлено их ранжирование по степени влияния [Sharma, Singh, 2013]. Посредством рассматриваемого инструментария группа исследователей под руководством М.Д. Сингха (M.D. Singh) построила модель управления знаниями в отраслях машиностроения. Им удалось выявить важнейшие элементы системы организации управления знаниями, классифицировать их по степени влияния и взаимозависимости, установить связи между соответствующими переменными и оценить их значения [Singh et al., 2003].
В работе [Patil et al., 2016] с применением методологии ISM была разработана дорожная карта реализации системы управления знаниями для обрабатывающих секторов, основные принципы которой ранжированы
Табл. 1. Примеры применения методологии ISM
Исследование Область применения ISM
[Patil et al., 2016] Организация управления знаниями во вспомогательных секторах автомобильной промышленности Индии
[Taghizadeh, Shokri, 2015] Управление знаниями с точки зрения социального капитала
[Sharma, Singh, 2013] Барьеры, препятствующие управлению знаниями, — комплексный подход на основе ISM и анализа иерархий (Analytic Hierarchy Process, AHP)
[Kanungo, 2009] Оценка эффективности применения ИКТ
[Kant, Singh, 2008] Формирование системы управления знаниями — моделирование барьеров
[Singh et al., 2003] Управление знаниями в отраслях машиностроения
[Sharma, Gupta, 1995] Задачи в области утилизации отходов в Индии
[Mandal, Deshmukh, 1994] Критерии выбора поставщиков
[Saxena, Vrat, 1992] Иерархия и классификация элементов программ и планов
[Hawthorne, Sage, 1975] Разработка программ высшего образования
Источник: составлено авторами.
по степени значимости. Отметим, что метод ISM дает возможность получить лишь гипотетическую иерархию факторов. Для оценки эффективности входящих в нее элементов необходим полноценный количественный анализ.
В исследовании [Taghizadeh, Shokri, 2015] метод ISM позволил выявить внутреннюю связь между различными составляющими управления знаниями с точки зрения социального капитала.
Основные области использования методологии ISM суммированы в табл. 1.
Сети знаний
Сети могут объединять отдельных людей, их группы и компании, а также участников внутриорганизацион-ной кооперации [Gupta, Polonsky, 2014]. В любом случае сеть следует рассматривать как единое целое, а не фокусироваться исключительно на распределении связей между участниками и их взаимоотношениях [Alkhuraiji et al., 2016]. Истоки исследований сетевых структур восходят к работам Анри Файоля (Henry Fayol) [Fayol, 1917; Seufert et al., 1999]. Сегодня вряд ли найдется организация, не вовлеченная в сетевые коммуникации [Alkhuraiji et al., 2014].
Взаимодействие в рамках сети знаний (knowledge networking) [Schneckenberg, 2015] подразумевает кооперацию между носителями профессиональных компетенций и иных ресурсов, объединившихся в целях аккумулирования и генерации информации, обмена ею и извлечения преимуществ из этого [Plum, Hassink, 2011]. Платформы для создания и трансфера знаний могут функционировать посредством очной коммуникации (контакты между сотрудниками офиса, общение с клиентами), иметь виртуальный формат (работа распределенных команд и т. п.) или «ментальную» основу (например, общие ценности, идеи, принципы) [Seufert et al., 1999]. Они обеспечивают приобретение информации, ее совместное использование и эффективное управление знаниями на внутри- и межорганизационном уровнях [Swan et al., 1999; Lewis-Pryde, Evans, 2016; Tavallaee et al., 2012].
Сети можно рассматривать и как совокупность коммуникационных процессов [Easton, 1992]. Производство знаний — сложная система, связанная с выполнением многочисленных задач, работой институтов и влиянием факторов распространения информации [Klimasauskiene, 2003]. Формируя сети, организация сможет легче добывать необходимые знания и использовать их для создания востребованных инноваций [Lewis-Pryde, Evans, 2016; Benson et al., 2012].
Как показывает корпоративная практика, нежелание специалистов документально фиксировать свои знания и делиться ими является одной из главных проблем для управления знаниями [Yang, Chen, 2009]. Формируя сети знаний, организации стремятся усилить обмен информационными активами.
Представленный обзор литературы, а также дискуссии с экспертами в области управления знаниями позволили определить набор из семи факторов (переменных), которые следует учитывать организациям при планировании и формировании сетей знаний (табл. 2).
Переменные
Факторы среды, в которой действует организация. Исследователи обращают внимание, что для сохранения жизнеспособности организациям необходимо адаптироваться к факторам среды [Duncan, 1972], которые могут воздействовать на организацию как изнутри, так и снаружи. В работе [Rice, 1963] под внутренней средой понимаются межличностные отношения членов организации и их взаимодействие между собой, внешний контекст подразумевает вовлечение других лиц, групп и институтов. Более широкое определение внутренней и внешней сред предложено авторами публикации [Özsomer et al., 1997]. Внутренняя среда охватывает материальные и социальные условия, сложившиеся внутри организации, включая ценности, миссию, задачи и внутриорганизационные отношения. К внешней относятся деятельность конкурентов, рыночный контекст, экономические и технологические тренды. Все это закладывает почву для обмена знаниями и опы-
Табл. 2. Основные переменные, определяющие работу сетей знаний
№ Переменная Литература
1 Факторы среды, в которой действует организация [Back et al., 2005; Cross, Baird, 2000; Jennex, Olfman, 2001, 2004]
2 Знания [Back et al., 2005; Leonard, 2006; Miles, Snow, 1986; Alkhuraiji et al., 2014; Singh et al., 2003]
3 Культура [Alavi, Leidner, 1999; Back et al., 2005; Barna, 2003; Davenport et al., 1998; Jennex, Olfman, 2001; Sage, Rouse, 1999; Yu et al., 2004; Zahra et al., 2007; Alkhuraiji et al., 2016; Alkhuraiji et al., 2014; Holtshouse et al., 2013; Singh et al., 2003]
4 Инфраструктура ИКТ [Alavi, Leidner, 1999; Barna, 2003; Cross, Baird, 2000; Davenport et al., 1998; Ginsberg, Kambil, 1999; Jennex, Olfman, 2001; Sage, Rouse, 1999; Wejnert, 2002; Yu et al., 2004; Zahra et al., 2007; Holtshouse et al., 2013; Matkovic, Tumbas, 2010; Singh et al., 2003]
5 Организация управления [Askarany et al., 2007; Cross, Baird, 2000; Joshi, 2006; Lin, 2008; Palmie, 2012]
6 Организационные структуры [Back et al., 2005; Kim et al., 2006; Nonaka et al., 1998; von Krogh et al., 2001]
7 Коммуникационные процессы [Back et al., 2005; Figallo, Rhine, 2002; Johnson, 2006]
Источник: составлено авторами.
том между сотрудниками [Zhou et al., 2009], тем самым предопределяя результативность сетей знаний.
Организационные структуры. Под организационной структурой понимается система эксплицитных и имплицитных институциональных правил и процедур, регламентирующих делегирование, координацию и контроль за выполнением должностных обязанностей и использованием полномочий [Özsomer et al., 1997]. Согласно другому определению она являет собой совокупность принципов, определяющих уровень централизации власти, кодификации бизнес-процессов, разнородности и интеграции [Miller, Dröge, 1986]. Организационные структуры детерминируют движение информационных потоков между иерархическими уровнями и степень формализации сетей знаний. Внутренняя структура организации должна быть устроена таким образом, чтобы благоприятствовать процессам производства, хранения, циркуляции и распространения знаний в различных сегментах сетей. От гибкости внутренних структур и бизнес-процессов организации зависит успешность в создании знаний и управлении ими [Utterback, Abernathy, 1975]. По мере прохождения продуктами различных фаз жизненного цикла появляются новые знания, что ведет к изменению факторов, определяющих конкурентоспособность [Moore, Tushman, 1982]. При управлении внутренней структурой организации следует учитывать, что критерии ее «оптимальности» со временем могут меняться. Эффективность управления знаниями повышается в случае открытости каналов для коммуникаций, децентрализации и снижения степени формализации принятия решений, усиления гибкости бизнес-процессов. Все эти условия обеспечиваются сетями знаний. Таким образом, чем гибче структура организации, тем эффективнее она способна использовать знания.
Культура. В течение последних десятилетий исследователи в области менеджмента предлагали различные концепции организационной культуры [Martin, 2002; Schultz, 1995; Smircich, 1983]. Мы разделяем точку зрения авторов [Martin, 2002; Fiol et al., 1998; Louis, 1983], которые понимают под этим термином совокупность ментальных установок, определяющих интерпретацию
событий сотрудниками организации, их деятельность на основе критериев поведения, установленных для различных ситуаций. В частности, речь идет о стимулах к совместному использованию знаний и формировании культуры, базирующейся на взаимном доверии [Zahra et al., 2007; Jennex, Olfman, 2001]. Культура каждой организации эволюционирует, отражая явные и неявные аспекты корпоративной уникальности [Ismail Al-Alawi et al., 2007]. К осязаемым метрикам культуры относятся корпоративные ценности, философия, миссия; к неявным — неартикулируемые правила, нормы и инструкции, формирующие восприятие сотрудниками рабочих ситуаций и их действия [McDermott, O'Dell, 2001]. «Неосязаемые» измерения выражаются во множестве формальных и неформальных аспектов через визуальные, вербальные и материальные артефакты, которые являются видимыми, осязаемыми и отчетливыми элементами организационной культуры [Schein, 1993; Trice, Beyer, 1984].
Коммуникация. Другой фактор, влияющий на успешность функционирования сетей знаний, — коммуникационные процессы, играющие значительную роль в формировании и развитии внутриорганизаци-онных отношений [Back et al., 2005; Figallo, Rhine, 2002; Johnson, 2006]. Под коммуникациями в данном случае понимается взаимодействие сотрудников с помощью вербальных средств и языка жестов. Социальные контакты значительно углубляют рабочее взаимодействие [Ismail Al-Alawi et al., 2007], стимулируя передачу знаний [Smith, Rupp, 2002]. Коммуникационные процессы (форумы, аналитические группы, целевые семинары, сессии «мозгового штурма» и др.) определяют отношения между сотрудниками в различных аспектах, включая обмен знаниями [Back et al., 2005]. Углубление отношений, связанных с генерацией и передачей знаний, активизирует их потоки внутри организации, что повышает эффективность сетевого воспроизводства этих активов.
Знаниевые ресурсы. Организации рассматриваются как носители знаний [Back et al., 2005], а их потенциал в накоплении и передаче этого ресурса — ключевой аспект конкурентных преимуществ [Nahapiet, Ghoshal,
1998]. Обладая знаниями, воплощенными в бизнес-процессах и навыках персонала, организации предоставляют клиентам соответствующие продукты или услуги [Maglitta, 1996; Nonaka, 1994]. Притом что в литературе используется разная терминология, совокупный ресурс знаний составляют три вида интеллектуального капитала, предложенные Томасом Стюартом (Thomas Stewart) [Stewart, 1997].
• Человеческий капитал. Определяется как способность решать проблемы и считается источником креативности. Смысл этого термина близок к таким понятиям, как знания и профессиональные компетенции работников [Sveiby, 1997; Quinn et al., 1996]. Чем большей квалификацией обладает специалист в своей области (знать «что», знать «как» и знать «зачем»), тем скорее он склонен относиться к работе творчески [Mayo, 1998].
• Структурный капитал. Включает ресурсы организации, позволяющие удовлетворять рыночный спрос. К ним относятся внутренние структуры, процессы, системы, патенты, навыки формализации опыта и знаний, их эффективное использование путем обмена и трансфера [Holsapple, Joshi, 1999].
• Клиентский капитал. Его составляющими являются взаимодействие с заинтересованными сторонами (поставщиками и потребителями), бренд и репутация организации. В работах [Stewart, 1997; Sveiby, 1997] эти аспекты именуются внешней структурой.
Организация управления. Организационным механизмам управления посвящены многочисленные публикации [Askarany et al., 2007; Joshi, 2006; Lin, 2008; Palmié, 2012; и др.]. Они определяются как совокупность действий по использованию одного или нескольких видов ресурсов для производства продуктов, представляющих ценность для самой компании и ее клиентов [Hammer, Champy, 1993]. Сюда входят механизмы управления производительностью, инновациями, обеспечения преемственности, на которых основана концепция цепочек создания стоимости [Porter, 1996]. Поскольку организационные аспекты в значительной степени детерминируют управление знаниями и активизируют их потоки, они отнесены к числу ключевых факторов успеха в развитии внутрикорпоративных сетей знаний [Back et al., 2005; Kim et al., 2006; von Krogh et al., 2001; Nonaka et al., 1996].
Инфраструктура ИКТ. Применение разнообразных аппаратных и программных инструментов ИКТ облегчает кодификацию, обмен и управление интеллектуальными активами. От них в значительной степени зависят результаты данного процесса [Carneiro, 2000]. Главные преимущества, предоставляемые использованием ИКТ в управлении знаниями, — скорость и точность. Современные сети на основе ИКТ обеспечивают широкие коммуникационные возможности. Один из лучших способов передачи знаний — виртуальные сети [Mahdavi, 2004]. В связи с этим аппаратные и программные инструменты ИКТ отнесены к числу решающих факторов успешности в формировании сетей знаний.
Их можно применять для обслуживания процессов обработки и передачи информации, поддержки сетей знаний на разных стадиях жизненного цикла [Allen, 1977; Holtshouse et al., 2013].
Методология исследования
Анализ литературы осуществлялся с использованием онлайновых поисковых машин, в частности Science Direct, Emerald, Taylor and Francis, Google Scholar, Springer Link, Bing и др., по первичным (сети знаний, ISM) и вторичным (совместное использование знаний, управление знаниями) ключевым словам. Это позволило выявить семь основных факторов (переменных), определяющих результативность сетей знаний, и подготовить их к моделированию по методологии ISM, предназначенной для построения иерархий системных переменных. Модель носит интерпретационный характер, поскольку выводы об отношениях между переменными делаются исходя из анализа их совокупности. Выявленные связи были структурированы и графически визуализированы.
Методология ISM позволяет упорядочить сложные взаимосвязи элементов системы [Sage, 1977]. Изучение сетей знаний относится к разряду комплексных проблем, поскольку их функционирование зависит от разнообразных факторов. Анализ прямых и косвенных связей между факторами позволяет охарактеризовать ситуацию значительно точнее, чем в случае их рассмотрения изолированно друг от друга. Благодаря ISM-модели создается общее представление о таких связях. На рис. 1 приведена блок-схема методологии, использованной в нашем исследовании.
В статистическую выборку опроса вошли университетские преподаватели менеджмента и эксперты из промышленности, выбранные с помощью детерминированных инструментов (целенаправленного отбора, метода цепочек и принципа «снежного кома»). Участники для сессии «мозгового штурма» отбирались по двум критериям: принадлежность к научной сфере (предпочтение отдавалось профессорам менеджмента) либо к промышленности. На первом этапе были выявлены 12 человек, отвечающих указанным требованиям. С учетом их рекомендаций методом «снежного кома» были установлены еще семь экспертов. Всего в «мозговом штурме» приняли участие 19 специалистов.
Результаты исследования ISM-анализ
Анализ по методологии ISM включал несколько этапов (см. рис. 1). Для переменных, выявленных на начальной стадии (см. табл. 2), была сформирована структурная матрица взаимодействия (structural self-interaction matrix, SSIM), соотносящая каждую переменную с остальными попарно по строкам и столбцам, что позволило выявить контекстные связи между ними (табл. 3).
На основе SSIM сконструирована исходная матрица достижимости (initial reachability matrix, IRM). При
Источник: составлено авторами.
этом данные из каждой ячейки SSIM сконвертированы в бинарные значения 0 и 1 с использованием правил, отраженных в табл. 4. Полученная IRM-матрица (табл. 5), согласно базовому допущению методологии ISM, проверялась на транзитивность контекстной корреляции (transitivity of the contextual relation). В соответствии с этой гипотезой если переменная j имеет двусторонние связи с i и k, то два последних параметра также связаны между собой. Составленная по результатам проверки финальная матрица достижимости (final reachability matrix, FRM) приведена в табл. 6.
Следующим шагом стало распределение переменных по уровням. Исходя из идей, высказанных в работах [Warfield, 1974; Farris, Sage, 1975], для всех факторов, включенных в FRM, были выявлены множества элементов достижимости (reachability set) и параметров-«предшественников» (predecessor set). Каждое из них охватывает как саму рассматриваемую переменную, так и показатели, на которые она оказывает влияние, либо соответственно «причинные» элементы. По всем переменным эти совокупности проверялись на пересечение. В случае полного совпадения соответствующие пока-
Табл. 3. Структурная матрица взаимодействия переменных
№ Переменная 1 2 3 4 5 6 7
1 Факторы среды, в которой действует организация O V O O O O
2 Знания A A O V V
3 Культура O O A X
4 Инфраструктура ИКТ A O V
5 Организация управления V V
6 Организационные структуры V
Коммуникационные процессы
7
Примечание: направления корреляции между двумя переменными (г и ]) обозначаются следующими символами: V — переменная г влияет на переменную ] (переменная г «способствует достижению» или «может ослабить» переменную ]); А — переменная] влияет на переменную г (переменная 1 может «стать следствием» или «быть ослаблена» воздействием переменной ]); X — взаимное влияние (переменные г и] «способствуют достижению друг друга»); О — связей между двумя переменными не выявлено (переменные г и ] никак не влияют друг на друга).
Источник: составлено авторами.
Табл. 4. Правила конвертации ячеек SSIM в бинарные переменные
Значение ячейки (i,j) в SSIM* Значение ячейки (i,j) в IRM Значение ячейки (j,i) в IRM
V 1 0
A 0 1
X 1 1
O 0 0
Примечание: Расшифровки значений приведены в примечании к табл.3.
Источник: составлено авторами.
Табл. 5. Исходная матрица достижимости
№ Переменная 1 2 3 4 5 6 7
1 Факторы среды, в которой действует организация 1 0 1 0 0 0 0
2 Знания 0 1 0 0 0 1 1
3 Культура 0 1 1 0 0 0 1
4 Инфраструктура ИКТ 0 1 0 1 0 0 1
5 Организация управления 0 0 0 1 1 1 1
6 Организационные структуры 0 0 1 0 0 1 1
7 Коммуникационные процессы 0 1 1 0 0 0 1
Источник: составлено авторами.
затели причислялись к высшему уровню иерархии ISM (с их помощью невозможно получить факторы более высокого разряда) и исключались из дальнейших расчетов. Подобная операция повторялась до определения позиций каждой переменной, в результате чего были построены направленный граф (диграф) и итоговая модель ISM. Комбинация результатов многоуровневой классификации, представленных в табл. 7, с данными из FRM дала возможность сконструировать коническую матрицу (табл. 8) и диграф. Последний был очищен от транзитивных связей и преобразован в ISM-модель (рис. 2), которая прошла проверку на концептуальную последовательность и корректировку.
MICMAC-анализ
Процедуру построения классификационной матрицы перекрестного влияния факторов (MICMAC, см. выше) сокращенно называют MICMAC-анализ [Mudgal et al., 2010]. Она предназначена для оценки степени зависимости либо потенциала влияния переменных, каждая из которых причисляется к одному из четырех кластеров (рис. 3). В первый входят автономные переменные (autonomous variables), характеризуемые незначительной величиной влияния на другие показатели, равно как и зависимости от них. Такие индикаторы из даль-
Табл. 6. Итоговая матрица достижимости
№ Переменная 1 2 3 4 5 6 7 Потенциал влияния
1 Факторы среды, в которой действует организация 1 1 1 0 0 1 1 5
2 Знания 0 1 1 0 0 1 1 4
3 Культура 0 1 1 0 0 1 1 4
4 Инфраструктура ИКТ 0 1 1 1 0 1 1 5
5 Организация управления 0 1 1 1 1 1 1 7
6 Организационные структуры 0 1 1 0 0 1 1 4
7 Коммуникационные процессы 0 1 1 0 0 1 1 4
Степень зависимости 1 8 8 3 1 8 8
Источник: составлено авторами.
Табл. 7. Итеративное распределение переменных по уровням
№ Элементы достижимости Предшествующие элементы Пересечение Уровень
Итерация I
1 1, 2, 3, 7, 8 1 1
2 2, 3, 7, 8 1, 2, 3, 4, 5, 6, 7, 8 2, 3, 7, 8 I
3 2, 3, 7, 8 1, 2, 3, 4, 5, 6, 7, 8 2, 3, 7, 8 I
4 2, 3, 4, 5, 7, 8 4, 5, 6 4, 5
5 2, 3, 4, 5, 6, 7, 8 6 6
6 2, 3, 7, 8 1, 2, 3, 4, 5, 6, 7, 8 2, 3, 7, 8 I
7 2, 3, 7, 8 1, 2, 3, 4, 5, 6, 7, 8 2, 3, 7, 8 I
Итерация II
1 1 1 1 II
4 4 4, 5 4 II
5 4, 5 5 5
Итерация III
5 5 5 5 III
Примечание: в ячейках таблицы указаны номера изучаемых переменных. Источник: составлено авторами.
Табл. 8. Коническая матрица
Уровень Номера переменных Расшифровка переменных
I 2, 3, 6, 7 Знания; культура; организационные структуры; коммуникационные процессы
II 1, 4 Факторы среды, в которой действует организация; инфраструктура ИКТ
III 5 Организация управления
Источник: составлено авторами.
Табл. 9. Факторы влияния и зависимости
№ Переменная Потенциал влияния Степень зависимости
1 Факторы среды, в которой действует организация 5 1
2 Знания 4 8
3 Культура 4 8
4 Инфраструктура ИКТ 5 2
5 Организация управления 7 1
6 Организационные структуры 4 8
7 Коммуникационные процессы 4 8
Источник: составлено авторами.
нейшего анализа исключаются. Вторую категорию составляют зависимые переменные (dependent variables), подверженные сильному действию других факторов и не способные давать обратную связь. Третьей группе — независимым переменным (independent variables) — присущи зеркально противоположные характеристики. Наконец, четвертую когорту — связующие переменные (linkage variables) — отличают высокие значения по обоим измерениям. Распределение переменных по кластерам соответственно степени зависимости и потенциалу влияния отражено в FRM (табл. 9).
В ходе MICMAC-анализ а автономных переменных обнаружено не было (рис. 3), что свидетельствует о значимой роли всех рассматриваемых компонент в формировании сетей знаний. К верхнему сегменту иерархии ISM (см. рис. 2) причислены такие показатели, как потоки знаний, культура, организационные структуры и коммуникационные процессы, ввиду их сильной зависимости от других факторов и незначительного потенциала влияния. Они заслуживают особого внимания со стороны управленцев и практикующих специалистов, поскольку обеспечивают высокую результативность. Каких-либо связующих факторов (одновременно характеризуемых большими значениями потенциала влияния и степени зависимости) не выявлено, из чего можно заключить, что все рассматриваемые характеристики сети знаний стабильны. Наконец, из рис. 3 видно, что факторы среды деятельности, организация управления и инфраструктура ИКТ отнесены к нижнему сегменту иерархии ISM, т. е. обладают высоким влиянием при низкой величине зависимости. Они должны находиться в фокусе внимания руководителей, поскольку определяют результативность формирования сети знаний.
Дискуссия и заключение
Проведенный нами анализ литературы позволил определить семь факторов, от которых в наибольшей мере зависит эффективность сетевого взаимодействия, направленного на генерацию и передачу знаний. На основе методологии ISM установлены контекстные связи между этими переменными и сконструирована соответствующая модель. Верхний уровень иерархии образуют такие компоненты, как знания, культура, организационные структуры и коммуникационные процессы. Ключевым фактором нижнего уровня оказалась организация управления. Исследование ставило целью проанализировать комбинацию переменных, определяющих успешность формирования сети знаний, и выстроить иерархию элементов для более глубокого понимания соответствующих процессов. Для этого бы-
Рис. 2. Итоговая модель
Первый уровень
Второй уровень
Третий уровень
Источник: составлено авторами.
Рис. 3. Диаграмма «влияние — зависимость»
s а я
. л 1 Не >ависг мые Связу ющие
1 5 " пе ремен ные 1ерем ;нные
h ____4 ь
t 4 W Л
2, 3, 1 6, 7
Автон перем омные гнные Завис перем имые енньк
2 3 4 5 6 Степень зависимости
Источник: составлено авторами.
7
8
ла сконструирована ISM-модель. Значимость рассматриваемых факторов обусловлена тем, что при определенных условиях они затрудняют работу сетей знаний, создавая проблемы для их пользователей. С помощью модели ISM установлены взаимосвязи между изучаемыми компонентами, которые необходимо учитывать и соответствующим образом развивать, чтобы сделать сетевое взаимодействие эффективным механизмом управления знаниями и решения организационных задач. Особое внимание следует уделить интенсификации контактов между экспертами, координации организационных структур управления, коммуникационных процессов и внутрикорпоративных структур.
Построенная по результатам MICMAC-анализа диаграмма «влияние — зависимость» позволяет распределить по категориям переменные, определяющие эффективность сети знаний. Четыре из них — знания, культура, организационные структуры и коммуникационные процессы — оказались на стыке между категориями «зависимых» и «связующих». Остальные три — факторы среды, организация управления и инфраструктура ИКТ — причислены к категории драйверов. Они имеют стратегическое значение для успешного формирования сетей знаний и потому требуют специальных усилий. «Автономных» составляющих выявлено не было. Отметим, что какую-либо из рассматриваемых зависимых переменных нельзя отнести в чистом виде к группе «связующих», поскольку нет уверенности, что они могут каким-либо образом повлиять на другие компоненты (или на самих себя через «обратную связь»). С помощью диаграммы «влияние — зависимость» (рис. 3) можно составить определенное представление об относительной значимости рассматриваемых факторов и их взаимосвязях, что позволит принять в их отношении проактивные меры.
В статье оценены факторы, определяющие успех формирования сетей знаний, и предложена единая платформа для подобной экспертизы. Представленная модель, сконструированная на основе методологии ISM, позволит глубже понять суть взаимосвязи рассматриваемых аспектов, получить реалистичное представление о возможных препятствиях для сетевого взаимодействия. Присутствие на нижнем уровне иерархии ISM-модели говорит об особой значимости компоненты «организация управления». Соответственно необходимо уделять внимание ее совершенствованию, в частности создавать каналы для мониторинга и контроля за деятельностью персонала, инструменты для стимулирования обмена знаниями и координации контактов между подразделениями организации.
ISM-модель позволяет оценить степень влияния либо зависимости изучаемых переменных, упорядочить, структурировать и классифицировать сложные взаимосвязи между ними и на этой основе создавать более эффективные сети знаний. Первоочередное значение приобретают факторы, обладающие сильным влиянием, поскольку именно от них зависят культура, потоки знаний, организационные структуры и коммуникационные процессы.
Подводя итог, обозначим направления дальнейших исследований в рассматриваемой области. Проблемы, возникающие при формировании сетей знаний, могут варьировать в зависимости от специфики страны, региона или конкретной организации. Предстоит провести статистическое тестирование и валидацию предложенной модели, используя различные подходы, например моделирование структурными уравнениями (structural equation modelling, SEM)1. При построении корреляционной матрицы могут использоваться статистические программные приложения, такие как Lisrel 8.7 и Amos 23.0.0, и подтверждающий факторный анализ (confirmatory factor analysis, CFA). Для ва-лидации связей применимы диаграммы. В отличие от ISM, метод SEM обеспечивает статистическое тестирование сконструированных теоретических моделей. В свою очередь ISM является вспомогательным аналитическим инструментом, поскольку позволяет конструировать исходные модели с помощью таких техник, как «мозговой штурм», метод номинальных групп и проектирование идей. Однако, поскольку обе эти методики комплементарны, в ходе дальнейших исследований на первом этапе можно разработать исходную модель с помощью ISM, а затем протестировать ее посредством SEM. Выявленные факторы и взаимосвязи между ними помогут эффективнее распределять имеющиеся ресурсы. Предложенный нами подход носит системный характер, является достаточно универсальным и может способствовать совершенствованию управления организацией, повышению ее продуктивности и эффективности.
1 Другое название метода — моделирование линейных структурных связей (linear structural relationship).
Библиография
Alavi M., Leidner D. (1999) Knowledge management systems: Emerging views and practices from the field. Paper presented at the 32nd Hawaii International Conference on System Sciences, IEEE Computer Society. Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/dow nload?doi=10.1.1.95.9893&rep=rep1&type=pdf, дата обращения 10.11.2016.
Alba R. (1982) Taking Stock of Network Analysis: A Decade's Results // Research in the Sociology of Organizations / Ed. S. Bacharach. Greenwich, CN: JAI Press. P. 38-74.
Alkhuraiji A., Liu S., Oderanti F.O., Annansingh F., Pan J. (2014) Knowledge network modelling to support decision-making for strategic intervention in IT project oriented change management // Journal of Decision Systems. Vol. 23. № 3. P. 285-302.
Alkhuraiji A., Liu S., Oderanti F.O., Megicks P. (2016) New structured knowledge network for strategic decision-making in innovative and implementable projects // Journal of Business Research. Vol. 69. № 5. P. 1534-1538.
Allen T. (1977) Managing the flow of technology transfer and the dissemination of technological information within R&D organization. Cambridge; London: MIT Press.
Argote L. (2012) Organizational Learning: Creating, Retaining and Transferring Knowledge. Heidelberg; New York; Dordrecht; London: Springer.
Askarany D., Smith M., Yazdifar H. (2007) Attributes of innovation and the implementation of managerial tools: An activity-based management technique // International Journal of Business and Systems Research. Vol. 1. № 1. Р. 98-114.
Back А., von Krogh G., Seufert A. (2005) Putting knowledge networks into action: Methodology, development, maintenance. Heidelberg; New York; Dordrecht; London: Springer.
Badaracco J. (1991) The knowledge link: How firms compete through strategic alliances. Boston, MA: Harvard Business School Press.
Barna Z. (2003) Knowledge management: A critical e-business strategic factor. San Diego, CA: San Diego State University (MSc. Thesis).
Benson V., Morgan S., Tennakoon H. (2012) A framework for knowledge management in higher education using social networking // International Journal of Knowledge Society Research. Vol. 3. № 2. P. 44-54.
Carneiro A. (2000) How does knowledge management influence innovation and competitiveness? // Journal of Knowledge Management. Vol. 4. № 2. P. 87-98.
Cross R., Baird L. (2000) Technology is not enough: Improving performance by building organizational memory // Sloan Management Review. Vol. 41. P. 41-54.
Davenport T., Delong D., Beers M. (1998) Successful knowledge management projects // Sloan Management Review. Vol. 39. P. 43-57.
Diabat A., Govidan K. (2011) An analysis of the drivers affecting the implementation of green supply chain management // Resources, Conservation and Recycling. Vol. 55. № 6. Р. 659-667.
Duncan R.B. (1972) Characteristics of organizational environments and perceived environmental uncertainty // Administrative Science Quarterly. Vol. 17. № 3. Р. 313-327.
Easton G. (1992) Industrial networks: A review // Industrial networks — A new view of reality / Eds. B. Axelsson, G. Easton. London: Routledge. P. 1-28.
Enkel E., Back A., von Krogh G. (2007) The concept of knowledge networks for growth // Knowledge networks for business growth / Eds. G. von Krogh, A. Back, E. Enkel. Heidelberg; New York; Dordrecht; London: Springer. P. 1-31.
Farris D., Sage A. (1975) On the use of interpretive structural modeling for worth assessment // Computers and Electrical Engineering. Vol. 2. № 2-3. Р. 149-174.
Fayol H. (1917) Administration industrielle et générale; prévoyance, organisation, commandement, coordination, controle. Paris: H. Dunod & E. Pinat.
Figallo С., Rhine N. (2002) Building the knowledge management network: Best practices, tools, and techniques for putting conversation to work. New York: Wiley.
Fiol M., Hatch M., Golden-Biddle K. (1998) Organizational culture and identity: What's the difference anyway? // Identity in Organizations / Eds. D. Whetten, P. Godfrey. Thousand Oaks, CA: Sage. P. 56-59.
Fowles J. (1978) Handbook of futures research. Westport, CT: Greenwood Publishing.
Ginsberg M., Kambil A. (1999) Annotate: A web-based knowledge management support system for document collections. Paper presented at the 32nd Hawaii International Conference on System Sciences, IEEE Computer Society. Режим доступа: https://www.computer.org/ csdl/proceedings/hicss/1999/0001/01/00011073.pdf, дата обращения 19.11.2016.
Gupta S., Polonsky M. (2014) Inter-firm learning and knowledge-sharing in multinational networks: An outsourced organization's perspective // Journal of Business Research. Vol. 67. № 4. Р. 615-622.
Hammer M., Champy J. (1993) Reengineering the Corporation. New York: Harper Business.
Harary F., Norman R., Cartwright Z. (1965) Structural models: An introduction to the theory of directed graphs. New York: Wiley.
Hawthorne R.W., Sage A. (1975) On applications of interpretive structural modeling to higher education program planning // SocioEconomic Planning Sciences. Vol. 9. № 3. Р. 31-43.
Hildreth Р., Kimble С. (2004) Knowledge networks: Innovation through communities of practice. Hershey, PA: Idea Group Publishing.
Holsapple C., Joshi K. (1999) Description and analysis of existing knowledge management frameworks. Paper presented at the 32nd Hawaii International Conference on System Sciences, IEEE Computer Society. Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download? doi=10.1.1.99.3050&rep=rep1&type=pdf, дата обращения 19.11.2016.
Holtshouse D., Borghoff U.M., Pareschi R. (2013) Information technology for knowledge management. Heidelberg; New York; Dordrecht; London: Springer.
Hung W.C. (2006) Researching the researcher: A social network analysis of the multidisciplinar^ knowledge creation process. Waterloo, ON (Canada): University of Waterloo (MSc. Thesis).
Ismail Al-Alawi A., Yousif Al-Marzooqi N., Fraidoon Mohammed Y. (2007) Organizational culture and knowledge sharing: Critical success factors // Journal of Knowledge Management. Vol. 11. № 2. P. 22-42.
Jayrama A., Ayvari A. (2005) Can the knowledge creation process be managed? A case study of an artist training project // International Journal of Arts Management. Vol. 7. № 2. Р. 4-14.
Jennex M., Olfman L. (2001) Development recommendations for knowledge management organizational memory systems // Contemporary Trends in Systems Development / Eds. M.K. Sein, B.E. Munkvold, T.U. Orvik, W. Wojtkowski, W. G.Wojtkowski, J. Zupancic, S. Wrycza. Heidelberg; New York; Dordrecht; London: Springer. Р. 209-222.
Jennex M., Olfman L. (2004) Assessing knowledge management success/effectiveness models. Paper presented at the 37th IEEE Annual Hawaii International Conference on System Sciences. Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.123.63 35&rep=rep1&type=pdf, дата обращения 15.11.2016.
Jharkharia S., Shankar R. (2005) IT enablement of supply chains: Understanding the barriers // Journal of Enterprise Information Management. Vol. 18. № 1. P. 11-27.
Johnson J. (2006) A sociometric analysis of influence relationships within a community of practice // Studies in Communication Sciences. Vol. 6. P. 63-92.
Joshi A. (2006) The influence of organizational demography on the external networking behavior of teams // Academy of Management Journal. Vol. 31. № 3. Р. 583-595.
Kant R., Singh M. (2008) Knowledge management implementation: Modeling the barriers // Journal of Information and Knowledge Management. Vol. 7. № 4. Р. 291-305.
Kanungo S. (2009) Two organizational case studies of IT-enabled value // Systems Research and Behavioral Science. Vol. 26. № 6. Р. 689-707.
Kim T., Oh H., Swaminathan A. (2006) Framing interorganizational network change: A network inertia perspective // Academy of Management Review. Vol. 31. № 3. Р. 704-720.
Klimasauskiene R. (2003) Enhancing science-based innovations through knowledge mobility between higher education and educational practice. Paper presented at the European Conference on Educational Research, University of Hamburg, 17-20 September 2003. Режим доступа: http://www.leeds.ac.uk/educol/documents/00003415.htm, дата обращения 23.12.2017.
Kogut B. (2000) The network as knowledge: Generative rules and emergence of structure // Strategic Management Journal. Vol. 21. № 3. P. 405-425.
Leonard D. (2006) Innovation as a knowledge generation and transfer process communication of innovations // Communication of Innovations: A Journey with Ev Rogers. Thousand Oaks, CA: Sage. P. 15-28.
Lewis-Pryde J., Evans R.D. (2016) A social networking strategy for improving knowledge management and communication in the travel industry. Paper presented at the 3rd Multidisciplinary International Social Networks Conference on Social Informatics 2016, Data Science 2016. Режим доступа: https://dl.acm.org/citation.cfm?id=2955143, дата обращения 23.12.2017.
Lin W. (2008) The exploration factors of affecting knowledge sharing — The case of Taiwan's high-tech industry // Expert Systems with Applications. Vol. 35. Р. 661-676. DOI: 10.1016/j.eswa.2007.07.038.
Lincoln J. (1982) Intra- (and inter-) organizational networks // Research in the Sociology of Organizations / Ed. S.B. Bacharach. Greenwich, CN: JAI Press. P. 1-38.
Louis M.R. (1983) Organizations as culture-bearing milieu // Organizational Symbolism / Eds. L. Pondy, P.J. Frost, G. Morgan, T. Dandridge. Greenwich, CN: JAI Press. P. 39-54.
Luthra S., Kumar V., Kumar S., Haleem A. (2011) Barriers to implement green supply chain management in automobile industry using interpretive structural modeling technique — An Indian perspective // Journal of Industrial Engineering and Management. Vol. 4. № 2. Р. 231-257.
Maglitta J. (1996) Know-How, Inc. // Computerworld. Vol. 30. № 1. Р. 75-77.
Mahdavi A. (2004) Border-crossing knowledge networking among multinational firms: The case of R&D facilities. Cambridge, MA: Massachusetts Institute of Technology (PhD Thesis).
Mandal A., Deshmukh S.G. (1994) Vendor selection using interpretive structural modeling (ISM) // International Journal of Operation & Production Management. Vol. 14. № 6. Р. 52-59.
Martin J. (2002) Breaking up the mono-method monopoly in organizational analysis // The theory and philosophy of organizations: Critical issues and new perspectives / Eds. J. Hassard, D. Pym. London; New York: Routledge. P. 30-43.
Matkovic P., Tumbas P. (2010) A comparative overview of the evolution of software development models // International Journal of Industrial Engineering and Management. Vol. 1. № 4. Р. 163-172.
Mayo А. (1998) Memory bankers // People Management. Vol. 2. № 4. Р. 34-38.
McDermott R., O'Dell C. (2001) Overcoming cultural barriers to sharing knowledge // Journal of Knowledge Management Review. Vol. 5. № 1. Р. 76-85.
Miles G., Miles R., Perrone V., Edvinson L. (1998) Some conceptual and research barriers to the utilization of knowledge // California Management Review. Vol. 40. № 3. P. 281-288.
Miles R., Snow C. (1986) Network organizations: New concepts for new forms // California Management Review. Vol. 34. № 2. Р. 53-72.
Miller D., Droge C. (1986) Psychological and traditional determinants of structure // Administrative Science Quarterly. Vol. 31. № 4. Р. 539-560.
Mitchell J. (1969) The concept and use of social networks // Social Networks in Urban Situations: Analyses of Personal Relationships in Central African Towns / Ed. J.C. Mitchell. Manchester: Manchester University Press. P. 1-50.
Moore W., Tushman M. (1982) Managing innovation over the life cycle // Reading in the Management of Innovation / Eds. W. Moore, M. Tushman. Marshfield, MA: Pitman Publishing. P. 131-150.
Mudgal R., Shankar R., Talib P., Raj T. (2009) Greening the supply chain practices: An Indian perspective of enablers' relationship // International Journal of Advanced Operations Management. Vol. 1. № 2-3. Р. 151-176.
Mudgal R., Shankar R., Talib P., Raj T. (2010) Modeling the barriers of green supply chain practices: An Indian perspective // International Journal of Logistics Systems and Management. Vol. 7. № 1. Р. 81-107.
Nahapiet J., Ghoshal S. (1998) Social capital, intellectual capital, and organizational advantage // Academy of Management Review. Vol. 23. № 2. Р. 242-266.
Nonaka I. (1994) A dynamic theory of organizational knowledge creation // Organization Science. Vol. 5. № 1. P. 14-37.
Nonaka I., Reinmoeller P., Senoo D. (1998) The art of knowledge: Systems to capitalize on market knowledge // European Management Journal. Vol. 16. № 6. Р. 673-684.
Nonaka I., Takeuchi H., Umemoto K. (1996) A theory of organizational knowledge creation // International Journal of Technology Management. Vol. 11. № 7-8. Р. 833-845.
Ozsomer A., Calantone R.J., di Bonetto A. (1997) What makes firms more innovative? A look at organizational and environmental factors // Journal of Business & Industrial Marketing. Vol. 12. № 6. Р. 400-416.
Palmie M.F. (2012) Organizational architecture and the realization of competitive advantages from multinationality. St. Gallen: University of St. Gallen (PhD Thesis).
Parker A., Cross R., Walsh D. (2001) Improving collaboration with social network analysis // Knowledge Management Review. Vol. 4. № 2. Р. 24-28.
Patil N.Y., Warkhedkar R.M. (2016) Knowledge management implementation in Indian automobile ancillary industries: An interpretive structural model for productivity // Journal of Modelling in Management. Vol. 11. № 3. Р. 802-810.
Plum O., Hassink R. (2011) Comparing knowledge networking in different knowledge bases in Germany // Papers in Regional Science. Vol. 90. № 2. Р. 355-371.
Porter M. (1996) What is strategy? // Harvard Business Review. Vol. 74. № 6 (November-December). Р. 61-78.
Quinn J., Anderson P., Finkelstein S. (1996) Managing Professional Intellect: Making the Most of the Best // Harvard Business Review.
Vol. 74. № 6 (November-December). P. 71-80. Raiden A., Dainty A., Neale R. (2004) Current barriers and possible solutions to effective project team formation and deployment within
a large construction organization // International Journal of Project Management. Vol. 22. № 4. Р. 309-316. Ravi V., Shankar R. (2005) Analysis of interactions among the barriers of reverse logistics // Technological Forecasting and Social Change.
Vol. 72. № 8. Р. 1011-1029. Rice K. (1963) The Enterprise and Its Environment. London: Tavistock.
Ring P. (1997) Processes facilitating reliance on trust in interorganizational networks. The formation of inter-organizational networks.
Oxford: Oxford University Press. Sage A. (1977) Interpretive structural modeling: Methodology for large scale systems. New York: McGraw-Hill.
Sage A., Rouse W. (1999) Information systems frontiers in knowledge management // Information Systems Frontiers. Vol. 1. № 3. Р. 205-219.
Sarkis J., Hasan M., Shankar R. (2007) Evaluating environmentally conscious manufacturing barriers with interpretive structural modeling.
Режим доступа: http://ssrn.com/abstract=956954, дата обращения 12.02.2017. Saxena J., Vrat P. (1992) Scenario building: A critical study of energy conservation in the Indian cement industry // Technological Forecasting
and Social Change. Vol. 41. № 2. Р. 121-146. Schein E.H. (1993) On dialogue, culture, and organizational learning // Organizational Dynamics. Vol. 22. № 2. Р. 40-51. Schneckenberg D. (2015) Open innovation and knowledge networking in a multinational corporation // Journal of Business Strategy. Vol. 36. № 1. Р. 14-24.
Schultz M. (1995) On studying organizational cultures: Diagnosis and understanding. Berlin: Walter de Gruyter.
Seufert A., von Krogh G., Bach A. (1999) Towards knowledge networking // Journal of Knowledge Management. Vol. 3. № 3. P. 180-190. Sharma B., Singh M. (2013) Modeling Individual/Group Knowledge Sharing Barriers in Indian Engineering Industry — An Integrated ISM, AHP and Similarity Coefficient Approach // International Journal of Management Science and Engineering Management. Vol. 8. № 3. Р. 179-198.
Sharma H., Gupta A. (1995) The objectives of waste management in India: A futures inquiry // Technological Forecasting and Social Change. Vol. 48. № 3. Р. 285-309.
Singh M., Shankar R., Narain R., Agarwal A. (2003) An interpretive structural modeling of knowledge management in engineering
industries // Journal of Advances in Management Research. Vol. 1. № 1. Р. 28-40. Smircich L. (1983) Organizations as shared meanings // Organizational Symbolism / Eds. L. Pondy, P.J. Frost, G. Morgan, T. Dandridge.
Greenwich, CN: JAI Press. P. 55-56. Smith A., Rupp W. (2002) Communication and loyalty among knowledge workers: A resource of the firm theory view // Journal of
Knowledge Management. Vol. 6. № 3. Р. 250-261. Stewart T. (1997) Intellectual Capital: The New Wealth of Organizations. New York: Bantam Books.
Sushil (2005) Interpretive matrix: A tool to aid interpretation of management and social research // Global Journal of Flexible Systems
Management. Vol. 6. № 2. Р. 27-30. Sveiby K. (1997) The new organizational wealth: Managing and measuring knowledge based assets. San Francisco, CA: Berrett-Koehler. Swan J., Newell S., Scarbrough H., Hislop D. (1999) Knowledge management and innovation: Networks and networking // Journal of
Knowledge Management. Vol. 3. P. 262-275. Taghizadeh H., Shokri A. (2015) Relationship among the dimensions of knowledge management from the viewpoint of social capital based on interpretive structural modelling (a case study) // Journal of Information and Knowledge Management. Vol. 14. № 3. Режим доступа: http://www.worldscientific.com/doi/abs/10.1142/S0219649215500240, дата обращения 29.11.2017. Tavallaee R., Bamdad Soofi J., Sadaghiyan J.S., Salehifar M. (2012) Developing a model of knowledge networks in organizations-case study:
Petroleum industry of I.R. Iran // International Journal of Social Science and Humanity. Vol. 2. № 5. Р. 375-379. Tichy N., Tushman M., Fombrun C. (1979) Social networks analysis for organizations // Academy of Management Review. Vol. 4. № 4. Р. 507-519.
Trice H.M., Beyer J. (1984) Studying organizational cultures through rites and ceremonials // Academy of Management Review. Vol. 9. № 4. Р. 653-669.
Utterback J.M., Abernathy W.J. (1975) A dynamic model of process and product innovation // Omega. Vol. 3. № 6. Р. 639-656. von Krogh G., Nonaka I., Aben M. (2001) Making the most of your company's knowledge: A strategic framework // Long Range Planning. Vol. 34. P. 421-439.
Warfield J. (1974) Developing interconnected matrices in structural modeling // IEEE Transcript on Systems, Men and Cybernetics. Vol. 4. P. 51-81.
Wejnert B. (2002) Integrating models of diffusion of innovations: A conceptual framework // Annual Review of Sociology. Vol. 28. P. 297-326.
Wood R., Hamel G. (2002) The world bank's innovation market // Harvard Business Review. Vol. 80. № 11. Р. 104-111. Yang С., Chen L.-C. (2009) Can organizational knowledge capabilities affect knowledge sharing behavior? // Journal of Information Science. Vol. 33. № 1. P. 95-109.
Yu S., Kim Y., Kim M. (2004) Linking organizational knowledge management drivers to knowledge management performance: An exploratory study. Paper presented at the 37th IEEE Annual Hawaii International Conference on System Sciences. Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.98.2111&rep=rep1&type=pdf, дата обращения 15.02.2017. Zahra S., Neubaum D., Larraneta B. (2007) Knowledge sharing and technological capabilities: The moderating role of family involvement //
Journal of Business Research. Vol. 60. № 10. Р. 1070-1079. Zhou K.Z., Brown J.R., Dev C.S. (2009) Market orientation, competitive advantage, and performance: A demand-based perspective // Journal of Business Research. Vol. 62. № 11. Р. 1063-1070.
