Abstract:
در سالهای اخیر مدیریت دانش به یک موضوع مهم و حیاتی در تمامی سازمانها تبدیلشده است. یکی از عوامل موثر در ایجاد و گسترش نوآوری، مدیریت دانش است. با نوآوری، برتریهای بلندمدت سازمان در عرصههای رقابتی حفظ شود. ارزیابی و پیشبینی سطح مدیریت دانش برای مدیران بسیار بااهمیت است. در میان روشهای نوین مدلسازی، سیستمهای فازی از جایگاه ویژهای در زمینههای مختلف علوم برخوردارند. این پژوهش از نظر هدف، کاربردی و با توجه به روش گردآوری دادهها از نوع پیمایشی است. سیستم استنتاج فازی عصبی - تطبیقی (ANFIS) روش مناسبی برای حل مسائل غیرخطی است. این روش، ترکیبی از روش استنتاج فازی و شبکه عصبی مصنوعی است که از مزایای هردو روش بهره میبرد. در این تحقیق تعداد 5 مولفه اصلی برای سنجش و پیشبینی سطح مدیریت دانش سازمان، به عنوان ورودی سیستم استنتاج فازی انتخاب گردید. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی(ε)، میانگین خطای مطلق(MAE) و ضریب تبیین (R2) استفادهشده است که به ترتیب مقادیر 12/0 ، 0.0152%، 036/0 و 995/ بهدستآمده است و این نشانگر دقت و قابلیت اعتماد به مدل مذکور است.. خروجی این پژوهش، ﻳﻚ ﺳﻴﺴﺘﻢ اﺳﺘﻨﺘﺎج ﻓﺎزی ﻫﻮﺷﻤﻨﺪ (ANFIS) است.
In recent years, knowledge management has become a vital issue in all organizations. Knowledge management is one of the effective factors in creating and expanding innovation. With innovation, the long-term advantages of the organization are maintained in the competitive arena. Evaluating and predicting the level of knowledge management for managers is very important. Among the new methods of modeling, fuzzy systems have a special place in different fields of science. The purpose of this research is applied and according to data collection method is survey. The Neural-Adaptive Fuzzy Inference System (ANFIS) is a good method for solving nonlinear problems. This method combines fuzzy inference method and artificial neural network which benefits from both methods. In this study, five main components were selected as inputs for fuzzy inference system to measure and predict the level of knowledge management of the organization. For evaluating the model performance, the parameters of mean square error of error (RMSE), percentage of relative error (ε), mean absolute error (MAE) and coefficient of explanation (R2) were used. Their values are 0.12, 0.0152%, 0.036 and 0.995. This indicates the accuracy and reliability of the model. The output of this study is the neural-adaptive fuzzy inference system (ANFIS).
Machine summary:
طراحي مدل سيستم استنتاج فازي عصبي - تطبيقي (ANFIS) براي ارزيابي و پيش بيني سطح مديريت دانش سازمان با محوريت نوآوري اميرحمزه عالي نژاد١، عادل آذر٢* ١.
سيستم استنتاج فازي عصبي - تطبيقي (ANFIS) در برابر سيستم هاي ديگـر، با توجه به مزاياي اساسي آن بـه شرح زير است :[٢٥] • استفاده از شبکه هاي عصبي براي مرتب سازي داده و شناسايي الگوها.
(به تصویر صفحه مراجعه شود) (به تصویر صفحه مراجعه شود) ٦- يافته ها، نتايج و پيشنهادها از مهم ترين يافته هاي اين تحقيق درواقع همان هدف اصلي تحقيق يعني طراحي و ارائـه مـدلي براي پيش بيني و ارزيابي مديريت دانش با محوريت نوآوري اسـت ايـن مـدل بـا اسـتفاده از ANFIS با اعتبار مناسب تهيه گرديد.
, The Relationship between Knowledge Management and Organizational Innovation in an Insurance Company, Insurance Research Journal, Year 27, Issue 1, 2012, pp.
, A Study of the Relationship between Knowledge Management with Creativity and Organizational Innovation in Employees of Educational Hospitals, Tehran University of Medical Sciences, Volume 17, Number 1, 2018 , pp.
, The Impact of Personal Knowledge Management on Culture and Innovative Performance in KnowledgeBased Companies, Journal of Management Research in Iran, Volume 22, Number 4.
, Designing a Model for Assessing the Level of Knowledge Management in Iranian Industrial Organizations (Research in the Automotive Industry).
, Assessing the level of knowledge management at the University of Law Enforcement Sciences.
, Presenting a Framework for Evaluating the Performance of Knowledge Management Systems, Allameh Tabatabaei University Industrial Management Quarterly, Volume 3 No. 10, 2005, pp.