پژوهشنامه پردازش و مدیریت اطلاعات

پژوهشنامه پردازش و مدیریت اطلاعات

شناسایی و اولویت‌بندی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش بر اساس مدل هیکس با استفاده از روش تحلیل رابطه خاکستری (با تأکید بر چت جی‌پی‌تی، چت‌بارد، چت‌بینگ)

نوع مقاله : مقاله پژوهشی

نویسندگان
جلال رضایی نور 1
بنت‌الهدی خبازان 2
1 دکتری مهندسی صنایع؛ استاد؛ گروه مهندسی صنایع دانشگاه قم.
2 گروه علم اطلاعات و دانش شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه قم، قم، ایران
10.22034/jipm.2024.2014672.1424
چکیده
با توجه به توسعه روزافزون فناوری‌های نوین، از جمله هوش مصنوعی، هدف این پژوهش شناسایی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش بر اساس مدل چهار مرحله‌ای «هیکس» است. این پژوهش از حیث هدف کاربردی، از نظر روش پژوهش و گردآوری داده‌ها توصیفی-‌تحلیلی از نوع پیمایشی، از نظر داده‌های گردآوری‌شده،کمّی بوده و با ابزار پرسشنامه به شناسایی و اولویت‌بندی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش پرداخته شد. خبرگان مطالعه حاضر، 15 نفر از متخصصان هوش مصنوعی و مدیریت دانش بودند. روش نمونه‌گیری پژوهش، قضاوتی و حجم نمونه بر اساس اشباع تئوریک انجام شد و معیارهای پژوهش از بررسی مطالعات داخلی و خارجی در زمینه هوش مصنوعی و مدیریت دانش استخراج شد. پژوهش حاضر در سه مرحله اجرا شد: در مرحله اول، شاخص‌های فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش از طریق مرور پیشینه و مصاحبه با خبرگان به‌دست آمد و بر اساس مدل مدیریت دانش «هیکس» مدل‌سازی شدند. در مرحله بعد، این معیارها با به‌کارگیری روش دلفی فازی غربال شدند. سرانجام، چت‌بات‌های مورد مطالعه در پژوهش از طریق کلیدی‌ترین شاخص‌ها با کاربست روش تحلیل رابطه خاکستری اولویت‌بندی شدند. بر اساس یافته‌های پژوهش مشخص شد که در مقوله فرصت‌های هوش مصنوعی در مدیریت دانش پانزده شاخص (4 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 5 شاخص در ذخیره و بازیابی دانش، و 3 شاخص در به‌کارگیری دانش) و در مقوله چالش‌ها چهارده شاخص (3 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 3 شاخص در ذخیره و بازیابی دانش، و 5 شاخص در به‌کارگیری دانش) شناسایی شدند. نتایج نشان داد که در مقوله فرصت‌ها و هم در مقوله چالش‌ها، چت‌بارد در رتبه اول و با اختلاف کم چت جی‌پی‌تی در رتبه دوم، و پس از آن چت‌بینگ در رتبه سوم قرار دارند؛ به‌طوری که می‌توان گفت برای بهره‌گیری از چت‌بات‌ها در فرایند مدیریت دانش چت‌بارد می‌تواند بهترین گزینه برای استفاده باشد. با این تفاوت که در مقوله فرصت‌ها رتبه اول نشان‌دهنده فرصت‌ها و مزایای بیشتری نسبت به دو چت‌بات دیگر است و در مقوله چالش‌ها به همان نسبت چالش‌ها و مسائل بیشتری را شامل می‌شود.
 
کلیدواژه‌ها
مدیریت دانش
هوش مصنوعی
مدل هیکس
تحلیل رابطه خاکستری
چت جی‌پی‌تی
چت‌بارد
چت‌بینگ
موضوعات

عنوان مقاله English

Identifying and Prioritizing the Opportunities and Challenges of Artificial Intelligence in Knowledge Management Based on the Hicks' Model Using the Gray Relationship Analysis Method (with emphasis on GPT Chat, Bard Chat, Bing Chat)

نویسندگان English

Jalal Rezaeenour 1
Bent-ol hoda khabbazan 2
1 Professor of Industrial Engineering; University of Qom;
2 Department of Knowledge and Information Science. Faculty of Literature and Humanities, University of Qom, Qom, Iran
چکیده English

Considering the increasing development of new technologies including artificial intelligence, the purpose of this research is to identify the opportunities and challenges of artificial intelligence in knowledge management based on the Hicks' four-stage model.
This research in terms of practical purpose, in terms of research method and descriptive analytical data collection is of a survey type, in terms of the basis of the type of data collected it is of a quantitative type and uses the tool of a questionnaire to identify and prioritize the opportunities and challenges of artificial intelligence in Knowledge management. The experts of this study are 15 experts in artificial intelligence, computer and knowledge management. The research sampling method is judgmental and the samples were selected based on expertise and the research criteria were extracted from the review of internal and external studies in the field of artificial intelligence and knowledge management. The current research was carried out in three stages. In the first stage, the indicators of opportunities and challenges of artificial intelligence in knowledge management were obtained through literature review and interviews with experts and were modeled based on the Hicks' knowledge management model. Then, in the next step, these criteria were screened using the fuzzy Delphi method. Finally, the chatbots studied in the research were prioritized through the most key indicators using the gray relationship analysis method.
It seems that the research findings indicate that artificial intelligence presents both opportunities and challenges in the realm of knowledge management. The study identified fifteen indicators related to opportunities including four indicators in knowledge creation, three in knowledge sharing, five in knowledge reserve and retrieval, and three in knowledge use. On the other hand, fourteen indicators were identified as challenges, including three indicators in knowledge creation, three in knowledge sharing, three in knowledge reserves and retrieval, and five in knowledge application.
Based on the findings of the research it was determined that both in the category of opportunities and in the category of challenges, Chat Bard was ranked first, and with a small difference, Chat GPT was ranked second, and then Chat Bing was ranked third, so that it can be said that among chatbots in the knowledge management process, chat Bard can be the best option to use. However, in the opportunities category, the first rank indicates that there are more opportunities and benefits compared to the other two ranks. Similarly, in the category of challenges, the first rank represents more challenges and issues compared to the other two ranks.
 

کلیدواژه‌ها English

Knowledge Management
Artificial Intelligence
Hicks' Model
Gray Relationship Analysis
GPT Chat
Bard Chat
Bing Chat
آتشک، محمد، و پریسا ماهزاده. 1388. روش‌شناسی فرایند مدل‌های استقرار مدیریت دانش به‌منظور ارائه روشی تلفیقی. در مجموعه مقالات همایش ملی مدیریت دانش و علوم اطلاعات: پیوندها و برهمکنش‌ها. 11 بهمن 1388، تهران. تهران: نشر کتابدار.
افرازه، عباس. 1384. مدیریت دانش (مفاهیم، مدل‌ها، اندازه‌گیری و پیاده‌سازی). تهران: دانشگاه صنعتی امیرکبیر.
برزگر بفرویی، کمال،. احسان سالمی شکوری، و داوود نوری. 1395. نقش هوش مصنوعی در مدیریت دانش. نخستین کنفرانس بین‌المللی پارادایم‌های نوین مدیریت هوشمندی تجاری و سازمانی. تهران؛ https://civilica.com/doc/499985 (دسترسی در 28 /1/1402)
تابش مفرد، حمیدرضا، سید هادی عربی، محمدرضا پورفخاران، و محمدحسن ملکی. 1402. ارائه چارچوبی برای شناسایی پیشران‌های مؤثر روی آینده منابع درآمدی دانشگاه‌ها در ایران. علوم و فنون مدیریت اطلاعات 9 (2): 287-310.
تولایی، روح‌الله. 1402. تعامل بین انسان و هوش مصنوعی در مدیریت دانش. فصلنامه مدیریت دانش سازمانی 6 (1): 11-21.
جوبر، محمود. 1392. شناسایی و اولویت‌بندی عوامل مؤثر بر عدم تمایل سرمایه‌گذاران به مشارکت و سرمایه‌گذاری در پروژه‌های مشارکت عمومی– خصوصی شهرداری شیراز. پایان‌نامه کارشناسی ارشد. دانشگاه شیراز، دانشکده اقتصاد، مدیریت و علوم اجتماعی.
حسن‌زاده، محمد. 1401. عامل‌های هوشمند و تسهیلات مدیریت دانش: چت‌جی‌پی‌تی و بعد از آن. علوم و فنون مدیریت اطلاعات 8 (4): 7-22.
دایره‌المعارف کتابداری و اطلاع‌رسانی. 1399. نظام‌های خبره و هوش مصنوعی. تهران: کتابخانه ملی جمهوری اسلامی ایران.
روشن، سید علیقلی، نورمحمد یعقوبی، و امیررضا مؤمنی. 1400. کاربست هوش مصنوعی در بخش دولتی (مطالعه‌ای فراترکیب). فصلنامه انجمن علوم مدیریت ایران 16 (61): 117-145.
عباسی، حجت، و مرضیه سیوندیان. 1399. مدیریت دانش و بررسی نقش هوش مصنوعی و سیستم‌های خبره در انواع آن. پژوهش‌های معاصر در علوم مدیریت و حسابداری 2 (4): 67-80.
عظیمی، محمدحسن، سارا دخش، و زهرا نعمت‌الهی. 1401. شناسایی قابلیت‌های سیستم‌های خبره و چت‌بات‌ها در کتابخانه‌ها: مرور نظام‌مند. پژوهشنامه پردازش و مدیریت اطلاعات 37 (4): 1153-1181.
عظیمی، محمدحسن، زینب محمدی، و فاطمه رفیعی‌نسب. 1400. بررسی آگاهی و میزان استفاده کتابداران دانشگاهی از فناوری هوش مصنوعی: مطالعه موردی کتابداران دانشگاه شهید چمران اهواز و علوم پزشکی. کتابداری و اطلاع‌رسانی 24 (4): 154-177.
غضنفری، محمد، و حبیبه مظفری. 1401. کارایی هوش مصنوعی و فناوری‌های نوین در مدیریت دانش، رباتیک و صنعت. پنجمین همایش ملی فناوری‌های نوین در مهندسی برق، کامپیوتر و مکانیک. تهران، https://civilica.com/doc/1538200 (دسترسی در 5-/3/1402)
محرابی، نازیلا، سحر خراشادی‌زاده، و راحله کریمیان. 1402. شناسایی مؤلفه‌های هوش مصنوعی در پیاده‌سازی مدیریت دانش. علوم و فنون مدیریت اطلاعات (زودآیند). doi: 10.22091/stim.2023.8924.1906
References:
Asemi, A., A. Ko, and M. Nowkarizi. 2020. Intelligent libraries: a review on expert systems, artificial intelligence, and robot. Library Hi Tech 39 (2): 412-434.
Bencsik, A. 2021. The sixth generation of knowledge management – the headway of artificial intelligence. Journal of International Studies 14 (2): 84-101. doi:10.14254/2071-8330.2021/14-2/6
Bughin, J., E. Hazan, S. Ramaswamy, M. Chui, T. Allas, P. Dahlstrom, N. Henke, M. Trench. 2017. Artificial Intelligence: The Next Digital Frontier? New York, NY: McKinsey Global Institute.
Gold, A. H., A. Malhotra, & Segars. 2001. Knowledge Management: An Organizational Capabilities Perspective. Journal of Management Information Systems 18 (1): 185– 214.
Habeh, O., F. Thekrallah, S. A. Salloum, and KH. Shaalan. 2021. Knowledge Sharing Challenges and Solutions Within Software Development Team: A Systematic Review. Recent Advances in Intelligent Systems and Smart Applications. Switzerland: Springer. 121-141
Habibi, A., F. F. Jahantigh, & A. Sarafrazi. 2015. Fuzzy Delphi technique for forecasting and screening items. Asian Journal of Research in Business Economics and Management 5 (2): 130-143.
Hu, X. Y. Tian, K. Nagato, M. Nakao, & A. Liu. 2023. Opportunities and challenges of ChatGPT for design knowledge management. Procedia CIRP 119: 21-28.
Huang, J. T., & Y. S. Liao. 2003. Optimization of machining parameters of Wire-EDM bases on grey relation and statistical analysis. International Journal of Production Research 41: 1707–1720.
Jallow, H., S. Renukappa, and Suresh. 2020. Knowledge Management and Artificial Intelligence (AI). In: ECKM 2020 21st European Conference on Knowledge Management (p. 363). Academic Conferences International Limited. https://doi.org/10.34190/EKM.20.197
Kabir, M. N. 2019. Knowledge-Based social entrepreneurship: Understanding knowledge economy, Innovation, and the Future of Social Entrepreneurship. New York: Pallgrave McMillan. doi: 10.1057/978-1-137-34809-8.
Korzynski, P., G. Mazurek, A. Altmann, J. Ejdys, R. Kazlauskaite, J. Paliszkiewicz, K. Wach, and E. Ziemba. 2023. Generative artificial intelligence as a new context for management theories: analysis of ChatGPT. Central European Management Journal 31 (1): 3-13. https://doi.org/10.1108/CEMJ-02-2023-0091
Kuo, Y., T. Yang, and G. W. Huang. 2008. The use of grey relational analysis in solving multiple attribute decision-making problems. Computers & Industrial Engineering 55: 80–93.
Leoni, L., M. Ardolino, J. El Baz, G. Gueli, and A. Bacchetti. 2022. The mediating role of knowledge management processes in the effective use of artificial intelligence in manufacturing firms. International Journal of Operations & Production Management 42 (13): 411-437. https://doi.org/10.1108/IJOPM-05-2022-0282
Libai, B., Y. Bart, S. Gensler, C. F. Hofacker, A. Kaplan, K. Kötterheinrich, and E. B. Kroll. 2020. Brave new world? On AI and the management of customer relationships. Journal of Interactive Marketing 51: 44-56.
Liu, S. and Y. Lin. 2006. Grey Information Theory and Practical Applications. London: Springer-Verlag London Limited.
Liu, Q. .2022. Analysis of Collaborative Driving Effect of Artificial Intelligence on Knowledge Innovation Management. Scientific Programming 4: 1-8. https://doi.org/10.1155/2022/8223724.
Nascimento, L. D. S., F. M. Reichert, R. Janissek-Muniz, and P. A. Zawislak. 2021. Dynamic interactions among knowledge management, strategic foresight and emerging technologies. Journal of Knowledge Management 25 (2): 275-297.
Nawaz, N., and M. A. Saldeen. 2020. Artificial intelligence chatbots for library reference services. Journal of Management Information and Decision Sciences 23 (S1): 442-449.
Pai, R.Y., A. Shetty, A. D. Shetty, R. Bhandary, J. Shetty, S. Nayak, T. K. Dinesh, & K. J. D'souza .2022. Integrating artificial intelligence for knowledge management systems – synergy among people and technology: a systematic review of the evidence. Economic Research-Ekonomska Istraživanja 35 (1): 7043–7065.
Paschen U., C. Pitt, & J. H. Kietzmann. 2020. Artificial Intelligence: building Blocks and an Innovation Typology. Business Horizons 63 (2): 147-155.
Ramanathan, KV., and S. SaiGanesh. 2020. Artificial Intelligence And Its Impact Onindustrial Applications-A Review. CLIO An Annual Interdisciplinary Journal of History 6 (2): 59-65.
Ranoliya, B. R., N. Raghuwanshi, and S. Singh. 2017. Chatbot for university related FAQs. International Conference on Advances in Computing, Communications and Informatics (ICACCI) 1525-1530. Udupi, India.1525-1530, doi: 10.1109/ICACCI.2017.8126057.
Sanzogni, L., G. Guzman, and P. Busch. 2017. Artificial intelligence and knowledge management: questioning the tacit dimension. Prometheus (United Kingdom) 35 (1). https://doi.org/10.1080/08109028.2017.1364547
Taherdoost, H., & M. Madanchian. 2023. Artificial Intelligence and Knowledge Management: Impacts, Benefits, and Implementation. Computers, 12 (72). doi:10.3390/computers12040072. 
Waykar, Y. A. 2022. The Role of Artificial Intelligence in Knowledge Management. International Journal of Scientific Research in Engineering and Management (IJSREM) 6 (6).

  • تاریخ دریافت 10 آبان 1402
  • تاریخ بازنگری 14 اسفند 1402
  • تاریخ پذیرش 21 فروردین 1403