论文部分内容阅读
在信息爆炸的大数据背景下,知识经济时代早已到来。知识和与知识相关的管理理论越来越被社会各界重视,尤其是注重核心竞争力的企业。现代企业通过知识保持持续学习和创新的能力,从而在激烈的市场竞争当中保持竞争优势。隐性知识是企业创新力和竞争力的源泉,因此对其进行合理地表达、转化、分享和测度,将会为企业带来无形却巨大的经济效益。基于此,本文提出将贝叶斯网络方法引入隐性知识测度的研究领域中,形成了一种更加客观、科学和可行的隐性知识测度方法。本文主要工作有以下几个方面:分析了现有的隐性知识测度方法,发现了现有的管理人员隐性知识量表(TKIM)和基于认知地图(CM)的隐性知识表达方法等存在的不足,提出基于贝叶斯网络(BN)的隐性知识测度方法;探索了基于BN的隐性知识测度方法的思想与主要研究内容与关键问题;研究了利用BN方法进行个体隐性知识测度的过程;构建了包括特定情境的设定和分析,BN拓扑结构的构建,BN结点概率的参数学习,BN的概率推理、排序和解释,模型的有效性测试和学习更新等在内的隐性知识测度模型的六个关键步骤;在原BN概率推理的基础上,提出加入概率排序和解释,并将概率推理所得概率值定义为隐性知识的测度值;探索研究了基于BN的隐性知识测度方法的反映客观事实的BN拓扑结构构建、隐性知识测度模型的任务设计、组织隐性知识测度模型的BN拓扑结构构建和任务设计等关键问题。以研发人员为例,考虑情感和健康状态对个体测试结果的影响,挖掘探索出69项能够直接获取结果信息的活动指标项从而构建了反映客观事实的BN拓扑结构。探索了隐性知识测度模型的任务设计原则和步骤,论证分析了该方法对组织隐性知识测度的可行性。最后,以L企业研发部的招聘活动为例进行算例分析。算例分析结果表明,该算例模型的有效性约为75%~80%,证明论文提出的基于BN的隐性知识测度方法对隐性知识的客观量化测度具有较好可行性和有效性。