سیف اله اندایش

هدف این پژوهش، تحلیل ساختار مفهومی حوزه ی «هوش مصنوعی و مدیریت دانش» با رویکرد علم سنجی و تحلیل شبکه ای است تا روندهای پژوهشی، خوشه های موضوعی و پیوندهای مفهومی این حوزه شناسایی شود. داده های پژوهش از پایگاه اسکوپوس استخراج شده و شامل مجموعه ای از مقالات منتشرشده در دو دهه اخیر است. فراداده های به دست آمده با استفاده از نرم افزار VOSviewer مورد تحلیل هم واژگانی قرار گرفت تا الگوهای ارتباطی میان مفاهیم کلیدی شناسایی شود. نتایج نشان داد که واژه «مدیریت دانش» با 2451 تکرار و «هوش مصنوعی» با 1281 تکرار، بیشترین فراوانی را در شبکه داشته و در مرکز ساختار مفهومی قرار دارند. خوشه بندی واژگان، چهار محور اصلی را آشکار کرد: 1) کاربردهای سازمانی و تصمیم گیری دانشی، 2) یادگیری ماشین و سیستم های یادگیرنده، 3) کاربردهای پزشکی و انسانی، و 4) پردازش زبان طبیعی و مدل های زبانی. تحلیل شاخص های مرکزیت نشان داد که مفاهیمی مانند learning systems و decision making نقش میانجی میان خوشه های فناورانه و مدیریتی ایفا می کنند. بر اساس یافته ها، پژوهش های اخیر از تمرکز سنتی بر جنبه های نظری مدیریت دانش فاصله گرفته و به سوی بهره گیری از فناوری های هوش مصنوعی برای بهبود خلق، ذخیره، تسهیم و کاربرد دانش در محیط های سازمانی و میان رشته ای حرکت کرده اند. در مجموع، نتایج بیانگر آن است که حوزه ی هوش مصنوعی و مدیریت دانش در مسیر شکل گیری مفهوم «مدیریت دانش هوشمند» قرار دارد؛ مفهومی که بر تعامل انسان و ماشین برای ارتقای تصمیم گیری، نوآوری و بهره وری سازمانی تأکید دارد