Искусственный интеллект и методологические вопросы управления знаниями
Аннотация
В статье рассматривается управление знаниями как современная концепция менеджмента, в которой пересекаются множество как классических, так и неклассических направлений научного познания: философия, информатика, искусственный интеллект, политология, экономика, организационное поведение. Выделяются основные методологические проблемы управления знаниями: эффективность и границы применимости понятия «знание» в управлении организацией, междисциплинарность и многодисциплинарность управления знаниями, неявное коллективное знание, структура знаний в организации. Анализируется новая технология работы со знаниями Big Data, возможность ее использования в политическом прогнозировании.
Список литературы
1. Encyclopedia of knowledge management / ed. by D. Schwartz. - Hershey; L.; Melbourne; Singapore: Idea Group Reference, 2006. P. 27.
2. Wiig K. Knowledge Management Foundations: How People and Organizations Create, Represent and Use Knowledge. - Arlington (TX): Schema Press, 1993
3. Wiig K. Knowledge Management: The Central Management Focus for Intelligent-Acting Organizations. - Arlington (TX), Schema Press: 1994
4. Wiig K. Knowledge Management Methods: Practical Approaches to Managing Knowledge. - Arlington (TX): Schema Press, 1995.
5. Сенге П. Пятая дисциплина. Искусство и практика самообучающейся организации. - Харьков, 2006.
6. Марьясин Д.С. Административная реформа как процесс самообучения государства // Вестник Моск. ун-та. Серия 21. Управление (государство и общество). 2006. № 4.
7. Сенге П. Пятая дисциплина. Искусство и практика самообучающейся организации. - Харьков, 2006. С. 32.
8. Петрунин Ю.Ю., Петрунина Е.Ю. Модели и методы искусственного интеллекта в управлении знаниями. 2010. Вып. 24. Сентябрь.
9. Дрейфус Х. Чего не могут вычислительные машины. Критика искусственного разума. - М., 1978 (англ. изд. 1972 г.).
10. Power B. Artificial Intelligence Is Almost Ready for Business // Harvard Business Review. March 19, 2015.
11. Monroe B.L., Pan J., Roberts M.E., Sen M., Sinclair B. No! Formal Theory, Causal Inference, and Big Data Are Not Contradictory Trends in Political Science // PS: Political Science and Politics. 2015. № 48 (1). P. 71-74
12. Nagler J., Tucker J. Drawing Inferences and Testing Theories with Big Data // PS: Political Science and Politics. 2015. № 48 (1). P. 84-88
13. Grimmer J. We Are All Social Scientists Now: How Big Data, Machine Learning, and Causal Inference Work Together // PS: Political Science and Politics. 2015. № 48 (1). P. 80-83
14. Ansolabehere S., Hersh E. Validation: What Big Data Reveal about Survey Misreporting and the Real Electorate // Political Analysis. 2012. № 20 (4). P. 437459
15. Berinsky A.J., Huber G.A., Lenz G.S. Evaluating Online Labor Markets for Experimental Research: Amazon.com’s Mechanical Turk // Political Analysis. 2012. № 20 (3). P. 351-368
16. Monroe B.L., Colaresi M.P., Quinn K.M. Fightin’ Words: Lexical Feature Selection and Evaluation for Identifying the Content of Political Conflict // Political Analysis. 2008. № 16 (4). P. 372-403
17. Ratkovic M.T., Eng K.H. Finding Jumps in Otherwise Smooth Curves: Identifying Critical Events in Political Processes // Political Analysis. 2010. № 18 (1). P. 55-77.
Рецензия
Для цитирования:
Петрунин Ю.Ю. Искусственный интеллект и методологические вопросы управления знаниями. Философские науки. 2016;(8):67-74.
For citation:
Petrunin Yu. Artificial Intelligence and Knowledge Management Methodological Questions. Russian Journal of Philosophical Sciences. 2016;(8):67-74. (In Russ.)
Послать статью по эл. почте 