چکیده:
هدف این مقاله ارائه یک مدل بهینهسازی تسهیم دانش بر مبنای نظریه بازی است که تصمیمات سازمان و دانشکاران را بصورت همزمان بهینهسازی کند. بدین منظور از برنامهریزی دوسطحی استفاده شد. در سطح بالا تصمیمات سازمان در خصوص پاداش و در سطح پایین تصمیمات دانشکار در خصوص زمان و تلاش تخصیص یافته به تسهیم دانش مدلسازی شد. طراحی فرمولاسیون ریاضی رفتار دانشکاران بر اساس ادبیات و در چارچوب انگیزش-فرصت-توانایی انجام شد. مدلسازی دوسطحی ارائه شده نسبت به مدلهای قبلی امکان بررسی پارامترهای بیشتری را فراهم میکند و علاوه بر انگیزش به دو عامل دیگر یعنی توانایی و فرصت نیز توجه دارد. همچنین ساختار تابع عایدی بصورت غیرخطی در نظر گرفته شده است و لذا انطباق بیشتری با واقعیت دارد. علاوه بر این، میزان زمان در دسترس به عنوان یک عامل کلیدی در آن آمده است. مدل دوسطحی در نرم افزار GAMS و با سینتکس EMP کدنویسی شد و برای مجموعهای از دادهها که بصورت تصادفی تولید شدند، با استفاده از الگوریتم بارون حل شد. نتایج نشان میدهد که افزایش میزان کاربردپذیری دانش و ضریب تأثیر مقایسه اجتماعی میتواند منجر به بهبود عملکرد سازمان و صرفهجویی در هزینههای پاداش شود. نادیده گرفتن این دو عامل میتواند منجر به اتخاذ تصمیمات غیربهینه شود. این تحقیق با فراهم نمودن بستری برای در نظر گرفتن پارامترهای بیشتر، به بهبود تصمیمات سازمان در این زمینه کمک میکند. همچنین، بر اساس این تحقیق الگوریتم بارون برای مسائل در اندازه بزرگ نیاز به بهبود دارد و پیشنهاد میشود تحقیقات آتی الگوریتمهای کاراتری برای این مسئله ارائه نمایند.
This paper aims to propose a knowledge sharing optimization model based on the game theory that optimizes both employer and employee(s) decisions simultaneously. This model is a bi-level programming model. The upper-level problem includes employer decision about the reward, and the lower-level problem contains employee(s) decisions about time and effort allocation to knowledge sharing activity. Mathematical formulation of the model designed based on previous literature and in the framework of Motivation-Opportunity-Ability. The proposed bi-level programming model provides a foundation to investigate more different parameters comparing with previous models introduced in the literature. This model considers opportunity and ability factors in addition to the motivation. Also, payoff functions in this model are non-linear and therefore is more consistent with real cases relative to previous linear models. Additionally, this model analyzes the effects of available time as a key factor. The bi-level model coded in GAMS using EMP syntax and solved for a set of randomly generated data using BARON algorithm. Results indicated that the increase of applicability of codified knowledge and impact coefficient of social comparison could improve organizational performance and also save the cost of reward system. Therefore, neglecting these two parameters in designing a reward system could lead to under optimized decision making. This research provides a basis to consider more parameters simultaneously and help to improve organizational decisions. However, based on the results, BARON algorithm is not efficient to solve big problems, so developing a more efficient algorithm is needed.
خلاصه ماشینی:
این تحقیقات و همچنین مطالعه هائو و یانمی (٢٠٠٩) با استفاده از تحلیل تکرار بازی نشان میدهند که چگونه اعتمادسازی و یا تشویق رفتارهای داوطلبانه و به عبارتی افزایش احتمال تسهیم دانش (رفتار غیرمنطقی) میتواند تعادل بازی را به سمت تسهیم دانش ببرد، بدون آنکه سازمان زیر بار هزینه های طراحی سیستم پاداش برود.
مدل رئیس -نماینده در حالت پیوسته نمونه ای از این گونه مدلسازی است ، که در آن تصمیم سازمان محدود به طراحی سیستم پاداش و تصمیم دانشکاران پیوسته (مقدار دانش تسهیم شده / میزان تلاش برای تسهیم دانش ) میباشد.
“Study of the Game Theory Analysis and Incentive Mechanism of Inter-Organizational Knowledge Sharing in Cooperative R&D ,”International Conference on Future Information Engineering, IERI Procedia.
“Game analysis of knowledge sharing in the organization ,”IITA International Conference on Services Science, Management and Engineering, IEEE.
(2008), “Using Agent Based Simulation and Game Theory Analysis to Study Information Sharing in Organizations ,”Proceedings of the 41st Hawaii International Conference on System Sciences ,IEEE, DOI/10,1109 :HICSS.
“Research on Knowledge Sharing Behavior in Hub- and-spoke Industrial Cluster Based on Evolutionary Game Theory ,”Third International Conference on Knowledge Discovery and Data Mining , IEEE Lee, D-J.
“Encouraging knowledge sharing in engineering firms—part II: game theory analysis and firm strategies ,”Engineering Project Organization Journal ,Vol. 3 No. 1, pp.
“Evolution Game Analysis of Knowledge-sharing Based on Organization Knowledge Structure ,” International Conference on Management Science & Engineering (16) September 14-16, 2009, Moscow, Russia ,IEEE Loebbecke, C.
“A Game Theory Based Analysis of the Tacit Knowledge Sharing in Consulting Enterprises ,”International Conference on Information Management, Innovation Management and Industrial Engineering, IEEE.