Journal of Information Technology Management University of Tehran
ISSN: 2008-5893 Faculty of Management
EISSN: 2423-5059
Vol. 9, No. 3; PP. 637-657
Fall 2017

Designing Knowledge Map for Knowledge Management projects Using Network Analysis
Heidar Najafi 1, Mohammad Aghdasi 2, Babak Teimurpoor 3
Abstract: In this research knowledge management has been studied as an interdisciplinary area. We aim to find an answer for this question that “what are the scientific structure and knowledge map of knowledge management projects regarding these two aspect of subject areas and keywords. For this purpose, nearly 40000 scientific documents including knowledge management as one of their keywords were selected from Scopus database and were studied in various subject areas. In this research, bar charts have been drawn for each index of subject areas and keywords. Besides, using Cooccurrence matrix, adjacency graphs were drawn and then clustered using Average-Link algorithm. Bar charts and graphs were drawn using R and Excel software. The results of this research showed that among the researches on knowledge management in the world, the most relevant scientific fields to knowledge management are Computer Sciences with 32.5%, Business, Management and Accounting with 14.5%, Engineering with 13.7%, Decisive Sciences with 12.6%, Mathematics with 7.07%, and Social Sciences with 6.63%, respectively. The most keywords collocate with knowledge management in the world are Human-Computer Interaction, Information Management, Systems Management, Information Technology, Manufacturing, Acquisition of Knowledge, Semantics, Knowledge Transfer, Ontology and Information Retrieval.

Key words: Clustering, Evaluation, Knowledge Management, Knowledge Map, Network Analysis.

MSc. Student in Information Technology Systems, Tarbiat Modares University, Tehran, Iran
Associate Prof. of Industrial Engineering, Tarbiat Modares University, Tehran, Iran 3. Assistant Prof. of Industrial Engineering, Tarbiat Modares University, Tehran, Iran

Submitted: 29 / January / 2017
Accepted: 03 / May / 2017
Corresponding Author: Mohammad Aghdasi
Email: aghdasim@modares.ac.ir

Journal of Information Technology Management
دانشكدة مديريت دانشگاه تهران دورة 9، شمارة 3 پاييز 1396
صص. 657- 637

تدوين نقشة دانش براي پژوهش هاي مديريت دانش با استفاده از روش تحليل شبكه اي
حيدر نجفي1، محمد اقدسي2، بابك تيمورپور3
چكيده: در اين تحقيق با بررسي علم مديريت دانش بهعنوان حوزة ميان رشته اي، تلاش شـدهاست به اين سؤال پاسخ داده شود كه ساختار علمي و نقشة دانشي پژوهش هاي مديريت دانـشدر دو حيطة حوزه هاي علمي و كليدواژه ها به چه صورتي است؟ براي ايـن كـار، حـدود 40000 سند علمي كه مديريت دانش يكي از كليدواژههاي آن بود، در پايگاه علمي اسـكوپوس انتخـابشد و در حيطه هاي علمي مختلف، بررسي شدند. براي هر يك از شاخص هاي علم سنجي شامل حوزه هاي موضوعي و كليدواژه هـا ، نمودارهـاي سـتوني مـرتبط شـكل گرفـت. پـس از ترسـيم گرافهاي همسايگي و هم اشتراكي به كمك ماتريس هم رخدادي در نرمافزارهاي excel و R، با استفاده از الگوريتم هاي ميانگين پيوند خوشه بندي شدند. در نتيجه در پژوهش هـاي مربـوط بـهمديريت دانش در دنيا، بيشترين ميزان ارتباط مديريت دانش با حيطه هاي علمي علوم كـامپيوتر5/32 درصد، تجارت و مديريت و حسابداري 5/14 درصد، علوم مهندسـي 7/13 درصـد ، علـومتصميم گيري 6/12 درصد، رياضيات 07/7 درصد و علـوم اجتمـاعي 63/6 درصـد بـوده اسـت.
بيشترين كليدواژه هاي همكار با مديريت دانش در پژوهش هاي دنيا بـه ترتيـب تعامـل انسـان ورايانه، مديريت اطلاعات، مـديريت سيسـتم هـا ، فنـاوري اطلاعـات، صـنعت، اكتسـاب دانـش، سمانتيك، انتقال دانش، آنتولوژي و بازيابي اطلاعات است.
واژههاي كليدي: تحليل شبكهاي، خوشهبندي، علم سنجي، مديريت دانش، نقشة دانش.

كارشناس ارشد دانشكدة مهندسي صنايع و سيستمها، دانشگاه تربيت مدرس، تهران، ايران
دانشيار دانشكدة مهندسي صنايع و سيستمها، دانشگاه تربيت مدرس، تهران، ايران
استاديار دانشكدة مهندسي صنايع و سيستمها، دانشگاه تربيت مدرس، تهران، ايران

تاريخ دريافت مقاله: 10/11/1395
تاريخ پذيرش نهايي مقاله: 13/02/1396 نويسندة مسئول مقاله: محمد اقدسي
E-mail: aghdasim@modares.ac.ir
مقدمه
مديريت دانش به عنوان يكي از حوزههاي ميان رشته اي، در محافل علمـي اهميـت بسـياري دارد.
حيطه هاي علمي ميان رشته اي همان طور كه از نام آنها پيداست، ارتباط گسترده اي با حـوزه هـايعلمي مختلف دارند و به همين دليل، تعريف و فهم اين حيطـه هـاي علمـي پراهميـت بـه نظـرمي رسد. مديريت دانش نيز به عنوان يكي از حيطه هاي ميان رشته اي از اين امر جدا نيست. بـرايمديريت دانش تعريف جهانشمول و توافق شده اي ميان صاحب نظران وجـود نـدارد . بـراي مثـال ، مديريت دانش را جمع آوري، توزيع و استفادة كارا از منـابع دانـش تعريـف كـرده انـد (داونپـورت،ديلانگ، بيرز، 1998).
اودل و گري سون (1998) مديريت دانش را نوعي استراتژي تعريف كردهاند كه با ايجـاد آندر سازمان، اطمينان حاصل شود دانش به افراد مناسب در زمان مناسب مي رسد و آنها نيز دانـش را تسهيم كرده و از اطلاعات براي اصلاح عملكرد سازمان استفاده مي كنند. از نظر بـات (2001) مديريت دانش، فرايند خلق، تأييد، ارائه، توزيع و كاربرد دانش است.
بنفور (2003) مديريت دانـش را مجموعـهاي از رو يـه هـا، زيرسـاخت هـا و ابزارهـاي فنـي و مديريتي مي داند كه در جهـت خلق، تسهيم و به كارگيري اطلاعـات و دانـش در درون و بيـرون سـازماندهي يا طراحي شده اند.
زماني كه مديريت دانش در سال 1991 پايه گذاري شد (نوناكا، 1991)، اين زمينة علمي ذيل دورههايي در رشته هاي مديريت كسب وكار، سيستمهـاي اطلاعـاتي، مـديريت، كتابخانـه داري و علوم اطلاعات تعريف شد (نوناكا، 2009). اخيراً رشتههاي ديگر نيز فعاليـت در زمينـة تحقيقـاتمديريت دانش را آغاز كرده اند كه شامل رشته هـايي همچـون رسـانه و اطلاعـات، علـوم رايانـه،سلامت عمومي و خط مشي گذاري عمومي مي شود. هم اكنـون، چنـدين دانشـگاه رشـته اي را بـه
مديريت دانـش تخصـيص داده انـد . بسـياري از شـركتهـاي بـزرگ ، مؤسسـه هـاي عمـومي و سازمانهاي غيرانتفاعي بهمنظور استفاده از مديريت دانش به عنوان بخشي از راهبرد كسب وكـار ، به فناوري اطلاعات و مديريت منابع انساني، منـابعي تخصـيص داده انـد (راچـال، جـري، ايـوان، 2006: 87). كوشش در زمينة مديريت دانـش ، معمـولاً بـر اهـداف سـازماني همچـون افـزايش عملكرد، مزيت رقابتي، نوآوري، به اشتراكگذاري يادگيري ها، تركيب و بهبود مستمر تمركـز دارد (گوپتا، شارما، 2004).
همة اين تعاريف، بيان كنندة وجوه گوناگون مديريت دانش است. بهطور كلي مي تـوان گفـتكه مديريت دانش ماهيت ميانرشته اي دارد (دالكر، 2005: 7) كه از آن جمله ميتـوان بـه علـم
سازماني، علم شناختي، زبان شناسي و زبان محاسباتي، فناوري هاي اطلاعاتي از قبيل سيستم هاي مبتنـي بـر دانـش ، مـديريت اطلاعـات و اسـناد، سيسـتم هـاي حمايـت عملكـرد الكترونيكـي و فناوري هاي پايگاه داده، علم اطلاعات و كتابخانه، نوشتار فنـي ، مـردم شناسـي و جامعـه شناسـي ، آموزش و توسعه، داستان سرايي و مطالعات ارتباطاتي، فناوري هـاي همكارانـه / جمعـي از قبيـل فعاليت همكارانة مبتني بر رايانه و گروه افزار و همچنين اينترانت ها، اكسـترانت هـا ، پورتـال هـا و ساير فناوري هاي شبكه اشاره كرد.
با توجه به اين كه درك چيستي مديريت دانش و وضعيت پژوهش هـاي مـديريت دانـش دردنيا به ما در به كارگيري اين حيطة بين رشته اي كمك فراواني مي كند، در اين تحقيق بـرآنيم كـه بهكمك روش هاي علم سنجي و با استفاده از مفاهيم دادهكاوي و روشهاي خوشه بنـدي داده هـا ، ساختاري از پژوهش هاي مديريت دانش ترسيم كنيم.
بيان مسئله
با توجه به تعاريفي كه بيان شد، به نظر مي رسد حيطة دانشي مديريت دانش بسيار گسترده است.
قاعدتاً اين پرسش در ذهن مطرح مي شود كه دانش مديريت دانش در حيطة چه علمي مي گنجـدو نسبت آن با حوزه هاي علمي مختلف چيست؟ با توجه به ايـن سـؤال ابتـدا بايـد بتـوانيم فهـمدرستي از تعريف دانش در مديريت دانش داشته باشيم. پس از فهم چيسـتي دانـش در مـديريتدانش، بايد انواع رويكردهاي مديريت دانش را استخراج كنيم، سپس اين رويكردها را دستهبندي كرده و در نهايت ارتباط آن را با حيطههاي مختلف علوم به دست آوريـم . نمـودار هـم اشـتراكي وخوشه بندي به ما در فهم صحيح از وضعيت پژوهش هـاي مـديريت دانـش در هـر يـك از ايـن حيطهها كمك مي كند.
يكي ديگر از شاخص هاي مهم در هر علمـي، كليـدواژه هـا هسـتند. در ادامـة ايـن تحقيـق، مهم ترين كليدواژه هاي مديريت دانش استخراج ميشوند، سپس با تشكيل ماتريس هم رخـدادي، ترسيم گراف نزديكي كليدواژه ها و خوشه بندي آنها انجام مي گيرد. اهداف ايـن تحقيـق در واقـعهمان اهداف علمسنجي در هر حيط ة علمي است كه در ادبيات آمده است.
علمسنجي مطالعة كمي رشتههاي علمي مبتني بر انتشارات و ارتباطات اسـت كـه مـي توانـدشامل شناسايي حيطة مطالعات علمي، بررسي توسعة تحقيقات بر اثر زمان يا توزيع جغرافيـايي وسازماني تحقيقات شود (تامپسون، 2008). در تعريف ديگري، علمسنجي مطالعة ابعاد كمي علـم بهعنوان يك رشتة علمي يا فعاليت اقتصادي است. علم سنجي بخشي از جامعـه شناسـي علـم 1و
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Sociology of Science
ابزاري براي سياست گذاري علم1 است. اين حيطه دربرگيرندة مطالعات كمي فعاليت هـاي علمـي،شامل افراد و انتشارات است و از اين حيث بـا كتـابسـنجي همپوشـاني دارد (توگـو، سـاتكليف،1992: 1)
سياست گذاران علم، استادان و پژوهشگران، مديران سازماني و سياسـت گـذاران دانشـگاهي ، افرادي هستند كه مي توانند از نتايج اين تحقيق بهره مند شوند. از جملـه مـواردي كـه مـي تـوان به عنوان ضرورت اين تحقيق برشمرد، مواردي همچون كمك به فهـم جايگـاه دانـش مـديريتدانش و جهـت دهـ ي آن توسـط سياسـت گـذاران، فهـم جايگـاه دانـش مـديريت دانـش توسـطپژوهشگران و استادان، كمك به بهبود استفاده، درك و اهميت كاربردهاي مديريت دانـش بـرايمديران سازماني و ياري رساندن به س ياستگذاران دانشگاهي بهمنظور قرار دادن سرفصل مديريت دانش در رشته هاي دانشگاهي مختلف و… است. در اين تحقيق به دو سؤال اصلي زير پاسخ داده خواهد شد:
ساختار مديريت دانش در بستر حيطه هاي علمي در پژوهش هاي دنيـا و ايـران چگونـهاست؟ يا به بيان ديگر، پژوهش هاي مديريت دانش در سراسر جهـان از جملـه ايـران ، بيشتر در كدام حوزه هاي علمي انجام گرفته است؟
ساختار كليدواژه هاي مديريت دانش در پژوهش هاي دنيا و ايران به چه صورتي است؟ شناخت اين كليدواژه ها ما را در فهم ارتباط مديريت دانش با حوزه هاي علمي مختلـف يـاريمي رساند. همچنين ميزان هماشتراكي اين كليدواژه ها، ساختاري از مفـاهيم مـرتبط بـا هـم را دردرون پژوهش هاي مديريت دانش ا يجاد ميكند كه فهم اين ساختار، ياري دهندة مـا در شـناخت بهتر مديريت دانش است.
پيشينة پژوهش پيشينة نظري
از آنجا كه اين تحقيق قصد دارد ساختار مديريت دانش را از ميان پژوهش هاي علمـي اسـتخراجكند، ابتدا تعاريف دانش و مديريت دانش مرور مي شوند. تعـاريف مـرتبط بـه دانـش در مـديريتدانش، از مقاله هاي مختلفي جمع آوري شدهانـد كـه خلاصـه اي از مهـم تـرين آنهـا در جـدول 1 مشاهده مي شود.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Science policy making
جدول 1. تعاريف دانش در مديريت دانش
منبع تعاريف دانش در مديريت دانش
نوناكا و تاكوچي (1995) دانش مؤلفه اي براي توليد است. 1
گرانت (1996) دانش در سر افراد مستقر است. دانـش چيـزي اسـت كـه شـناختهمي شود. 2
ويگ (1993) دانش شامل شناختها و باورهاسـت. منـاظر و مفـاهيم، داوريهـا ، پيش بيني ها، متدولوژي ها و چگونگي شناخت. 3
داونپورت و پروساك (1998) دانش، اطلاعاتي است كه در بستري قـرار گرفتـه بـا فهـم اينكـهچگونه از آن استفاده كنيم. 4
داونپورت و لانگ (1998) دانش اطلاعاتي است كه با تجارب، بستر، تفسير و بازتـاب همـراهاست. 5
بكمن (1997) دانش، دلايل اطلاعات براي راهنمايي مـؤثر انجـام وظـايف، حـلمسئله و تصميم گيري به منظور بهبود، آموزش و يادگيري است. 6
بوهن (1994) دانش فهم تأثير متغيرهاي ورودي بر خروجي هاست. 7
كوك و كوئين (1998) دانش نوعي بصيرت اصلاح شده يا فهم پيش بيني كننده است. 8
واندر اسپك، اسپيج كروت (1997) دانش مجموعة بصيرتها، تجربهها و روندهايي است كه درست در نظر گرفته مي شوند و به انديشه ها، رفتارها و مجموعة افراد كمـكمي كند. 9
علوي، ليندر (1997) دانش باورهاي معين شخصي است كـه موجـب افـزايش ظرفيـتكارايي عملكرد افراد مي شود. 10
الكساندر و اسكالرت (1991) دانش، سهم افراد از اطلاعات، تجربه ها، مهارت ها و باورهاست. 11
بندر، فيش (2000) دانش از فكر افراد سرچشمه ميگيرد (وضعيت فكري داشتن ايـده ، حقايق، باورها، داده ها و تكنيك ها به عنوان داده هاي ذخيره شده در حافظه افراد) و چيزهايي كه بر مبنـاي اطلاعـات منتقـل شـده يـاتقويت شده توسط تجربه ها، باورها و ارزش هاي افراد سـاخته شـده است. باورها و ارزش هايي با تصميم و عملكرد مرتبط با آن. دانـشاز اينجا مشخص مي شود كه فردي در مقايسه بـا فـردي ديگـر بـادريافت اطلاعات مشابه تصميم و رفتار متفاوتي خواهد داشت. 12

همچنين در جدول 2 دسته بندي رويكردهاي مديريت دانش برگرفتـه از پـژوهش هـا در سـهديدگاه شامل ديدگاه هاي كسب وكار، علم شناختي يا علم دانش و فرايندـ فناوري خلاصـه شـدهاست كه مشاهده مي شود.
جدول 2. دسته بندي هاي رويكردهاي مديريت دانش
توضيحات ديدگاه
مديريت دانش نوعي فعاليت تجاري است كه دو جنبة اصلي را دربرمي گيرد: 1. توجه به عنصـر دانش فعاليت هاي كسب وكار به عنوان جزء آشكار كسب وكار كه در استراتژي، خط مشي و رويـه ، در همة سطوح سازمان منعكس مي شود. 2. ايجاد رابطة مستقيم بين سرمايه هاي فكري و نتايج مثبت كسب وكار. از همين ديدگاه، مديريت دانش نوعي رويكرد تلفيقي و همكارانه براي خلـق ، كسب، سازماندهي، دسترسي و استفاده از سرمايه هاي فكري سازمان است. ديدگاه كسب وكار
دانش ـ بينشها، ادراك و دانش فني كاربرديـ منبع اساسي است كه به مـا امكـان مـي دهـد هوشمندانه عمل كنيم. در طول زمان، دانش مهم در همة سازمان ها و به طور كلي در جامعه بـه اشكال ديگري مانند كتاب، فناوري، رويه و سنت، تبديل ميشود. اين تغيير شكلها به انباشـت تجربه منجرشده و وقتي بهطور مناسب استفاده شود، به افزايش اثربخشـي مـي انجامـد. دانـش يكي از عوامل اصلي است كه رفتار هوشمندانة شخصي، سازماني و اجتماعي را ممكن مي كند. ديدگاه علم شناختي يا علم دانش
مديريت دانش مفهومي است كه بر اساس آن اطلاعات به دانش قابل كاربرد تبديل شـده و بـا تلاش اندك، براي افرادي قابل استفاده مي شود. ديدگاه فرايند ـفناوري
پيشينة تجربي
با توجه به اين كه پژوهش حاضر مبتني بر علم سنجي است، در ادامه به مرور ادبيات علم سنجي و تدوين نقشه هاي دانش پرداخته مي شود. يكي از شاخه هاي مطالعـات كمـي، علـم سـنج ي اسـت .
ترسيم نقشة علم با استفاده از روش هاي علم سنجي انجام ميگيرد.
علم سنجي دانش اندازهگيري و تحليل علوم، فناوريها و نـوآوريهاسـت . عمـدة مسـائل درتحقيقات علم سنجي شامل اندازه گيري ميزان تأثير1 و ارجاع2 به مقالات براي بررسي ميزان تأثير نشريه ها و مؤسس ههاي علمي، فهم نقل و قول هاي علمي3، تدوين نقشة علمي حيطه هاي علمي و توليد شاخص هايي براي سياستگذاري و مديريت متون علمـي اسـت (ليدسـدورف، ميلوشـويچ،2013). علمسنجي همچنين هم پوشاني زيادي با حيطه هاي علمي ديگري همچون كتاب سنجي، عل م اطلاع ات و دان ش سياس تگذاري عل م دارد. اص طلاحات كت اب س نجي، عل م س نجي و اطلاعسنجي به حيطههاي تشكيل دهندة مرتبط با مطالعات پويـايي و تغييـرات بـه وجودآمـده در رشته هاي علمي اشاره دارد كه در انتشارات علمي منعكس مي شود (هود، ويلسون، 2001: 291).
در زمينة تاريخچة علم سنجي مي توان گفت، پرايس به عنوان پدر علم سنجي شناخته مي شـودكه به علم اطلاعات از طريق مطالعات و كار اوليـهاش در زمينـ ة شـبكة مقـالات علمـي كمـك
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Impact
Reference
Scientific citations
شاياني كرد (پرايس، 1965). در سال 1981 مؤسسة اطلاعات علمي1، نخسـتين اطلـس علـم درزمينة بيوشيمي و بيولوژي مولكولي را منتشر كرد كه اين اطلس از هم ارجاعي انتشارات طي يك سال در اين زمينه تشكيل شده بود. گارفيلد و اسمال در سال 1989 نقش ساختار ارجاع دهي را در كشف تغييرات مرزي علوم شرح دادند (گارفيلد و اسـمال، 1989). همچنـين م ؤ سسـة اطلاعـاتعلمي، نرم افزار نقشة علم را توسعه داد و كاربران با اين قابليـت توانسـتند شـبكة ارجـاع دهـي را تحليل كنند. از اين نرم افزار در زمينه هاي مختلفي از جمله فيزيك، شـيمي، مطالعـات كوانتـوم وساير حيطهها استفاده شده است. براي مثال، در سال 1994 پژوهشهاي مرتبط با بيماري ايدز از طريق همين روش مصورسازي شده است (اسمال، 1994).
موضوع اصلي در نقش ههاي علم، برگرفته از حوزة دانش علم سنجي است (هـود، كانسپسـين،2001: 291) و هدف از مصورنمودن حيطه هاي مختلف علوم، مشخصكردن مرزهاي ارتباطـاتمختلف علمي به عنوان تصويري از اسناد، انتشارات و كوششهـاي علمـي اسـت (چـن و پـاول، 2001). در نقشه هاي علم، حيطه هاي دانشي مختلف كه ارتباط بيشتري با يكديگر دارند، از نظـر موقعيت مكاني به هم نزديكترند و در مقابل، حيطههايي كه كمتر با هـم در ارتبـاط هسـتند ، از نظر موقعيت مكاني با فاصلة بيشتري از هم مصور مي شوند (نويانز، 1999).
با تبديل يك حيطة علمي به زير حيطهها، مي توان تعداد مقالات و اسناد علمي منتشر شده در هر زيرحيطه و ارتباط بين آنها را تجزيه و تحليل كرد. نقشـه هـاي علـم بـه واسـطة مصورسـازيگرافيكي يك رشته از علم، زمينة لازم براي شناخت عميق تر حوزههاي علمي را تسهيل كـرده و موجب عيني تر شدن مفاهيم انتزاعي علمي ميشود (مويا و همكاران، 2004: 129).
روششناسي پژوهش
فرايند مفهومي ترسيم نقشه هاي موضوعي علوم بـه مراحـل اساسـي اي اشـاره دارد كـه بايـد در ترسيم نقشه هاي علم صورت گيرد. در اين تحقيق به منظور ترسيم نقشة دانشي مـديريت دانـش، اين مراحل طي شده است: استخراج داده، تعريف واحدهاي تحليـل ، انتخـاب شـاخص، محاسـبة شباهتهاي بين واحدها، دسته بندي، استفاده از نتايج بصري براي تحليل و تفسير دادهها.
جامعة آماري اين تحقيق، تمام سندهاي علمي ثبت شده در پايگاه علمـي اسـكوپوس اسـت .
حدود 40,000 سند بررسي شد كه به دسته هاي مقالات كنفرانسي، مقـالات پژوهشـي، مقـالاتمروري، بخش هاي كتاب، يادداشت ها، گزارشها و… دسته بندي شدند. دسته بندي و تعـداد اسـنادموجود در هر دسته در جدول 3 مشاهده مي شود.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Institute for Scientific Information (ISI)
جدول 3. دسته بندي اسناد علمي در جامعة آماري تحقيق
27258 مقالات كنفرانس
11306 مقاله
1060 مقالة مروري
109 سرمقاله
81 مقالة كنفرانسي
80 فصل كتاب
69 مقالة مطبوعاتي
68 بررسي مختصر
42 يادداشت
2 گزارش

اطلاعات لازم از طريق سايت اسكوپوس و با اسـتفاده از موتـور جسـت وجـو ي ايـن سـايتجمع آوري شده است. سايت اسكوپوس قابليت جست وجوي اسـناد علمـي در حـوزه هـاي علمـيمختلف كشورها، مراكز پژوهشي و دانشكده ها، نوع اسناد، نويسنده ها، بر اساس سال، كليدواژه هـاو… را در اختيار پژوهشگران قرار مي دهد. ابتدا تمـام اسـناد علمـي كـه مـديريت دانـش يكـي ازكليدواژگان آن بود، استخراج شدند. سپس به صورت مجزا و با استفاده از كـوئريهـا و فيلترهـايخاص، ميزان فراواني اين اسناد در هر يك از حوزه هاي علمي تحليل و بررسي شد.
در اين تحقيق براي محاسـب ه و ترسـيم نمودارهـا و گـرافهـا از نـرم افزارهـايExcel و R استفاده شده است. R نوعي زبان برنامهنويسي و محـيط نـرم افـزاري بـراي محاسـبات آمـاري وتحليل داده است. اين نرم افزار به صورت متن باز و رايگان در دسترس عموم قرار دارد و نرمافـزارقدرتمندي براي ترسيم اشكال گرافيكي و نمودارهاسـت. اگرچـه نـرمافـزارR اغلـب بـه منظـورمحاسبات آماري به كار مي رود، در محاسبات ماتريسي نيز كاربرد دارد و در ايـن زمينـه، هـم پـاينرم افزارهايي چون متلب است.
همانطور كه در شكل 1 مشاهده مي شود، به منظور گردآوري داده ها، تمام اسـناد علمـي كـهمديريت دانش يكي از كليدواژه هاي آن بود، تجزيه و تحليل شدند. بهطور مسلم، در صورتي كـهيكي از كليدواژه هاي يك مقاله يا سند علمي، مديريت دانـش باشـد، ايـن سـند و مقالـة علمـيارتباطي با موضوع مديريت دانش دارد. به همين دليل تمام مقالاتي كه يكي از كليدواژههـاي آنمديريت دانش بود، مبناي كار اين پژوهش قرار گرفت.

شكل 1. موتور جست وجوي پايگاه اسناد علمي اسكوپوس
در شكل 1 قابليت جست وجوي كليدواژه ها را در موتـور جسـت وجـو ي اسـكوپوس مشـاهده مي كنيد. با استفاده از اين مو تور جست وجو داده هاي پژوهش استخراج شد. با توجه به قابليت هاي ديگر اين موتور و دستورهايي كه به آن وارد مي شود، مي توان اسناد علمي را از جنبه هاي مختلف تجزيه و تحليل كرد. براي مثال، در موتور جستجوي پايگـاه اسـناد علمـي اسـكوپوس كليـدواژة مديريت دانش به وسيلة دستور AND با حوزة علوم كامپيوتر در كنار هم قرار گرفته اند. خروجي اين دستور، تمام اسنادي است كه يكي از كليدواژههاي آن مديريت دانش است و اين مقالـه در ذيـلحوزة علوم كامپيوتر طبقه بندي شده است.
جدول 4. دستور جست وجوي ارتباط مديريت دانش با حيطه هاي علمي
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “COMP” ) computer science
Business,
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “BUSI” ) Management Accounting
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “ENGI” ) Engineering
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “DECI” ) Decision Sciences
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “MATH” ) Mathematics
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “PSYC” ) Psychology
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “SOCI” ) Social Sciences
KEY ( “knowledgemanagement” ) AND ( LIMIT-TO ( SUBJAREA , “ECON” ) Economics, and Finance
نقشةبراي پژوهش هاي مديريتاستفاده
يافتههاي پژوهش
به منظور پاسخ به سؤال اول پژوهش (مديريت دانش بين حيطه هاي علمي مختلف، چه جايگاهيدارد)، تعداد پژوهش هاي مديريت دانش در هر يك از حيط ههاي علمي استخراج شد. با توجه بـهشكل 2، پژوهش هاي مديريت دانش در هر يك از حيطه هاي علمي ساختار اسكوپوس تجزيـه و تحليل شدند. همان طور كه مشاهده ميكنيد، بيشـترين كـار پژوهشـي سراسـر جهـان در زمينـةمديريت دانش، بهترتيب در حوزه هاي علوم كامپيوتر، مديريت، تجارت و حسابداري و مه ندسيها انجام شده است.

شكل 2. ميزان پژوهش هاي مديريت دانش در هريك از حوزه هاي علمي در دنيا

شكل 3. ميزان پژوهش هاي مديريت دانش در هريك از حوزههاي علمي در پژوهشهاي ايراني ناوریپاييز
در گام دوم، ماتريس هم اشتراكي اين حوزه ها با يكديگر شكل گرفت؛ بدين صورت كه توسط موتور جست وجوي اسكوپوس، كليدواژة مديريت دانش با دو حوزة علمي مختلف به صورت مجـزاAND شد. اين ماتريس به پژوهشگر كمك مي كند كه ميزان نزديكي حوزه هاي علمي مرتبط بـهمديريت دانش و خوشه بندي دروني آن را درك كند. براي مثـال ، اگـر كسـي در حـوزة مـديريتدانش و در ذيل حوزة حسابداري مشغول به پژوهش است، اگر هم اشتراكي دو حوزة حسابداري و رياضيات در پژوهش هاي دنيا زياد باشد، مي تواند نتيجه گيري كند كه ايـن دو حـوزه بـا رويكـردمديريت دانشي قرابت دارند و براي غنا و توسعة دامنة پژوهشي خود، مي تواند از مفـاهيم مـرتبطبا حوزة رياضيات نيز بهره گيري كند. در جدول مربوط به داده هاي هم اشتراكي حوزه هـاي علمـيمرتبط با مديريت دانش، در سطر و ستون نخست تمام حوزه هاي علمي مرتبط با مديريت دانـشقرار گرفته و در تقاطع هر يك از دو زيرحوزة علمي، عددي درج شده اسـت كـه هـم اشـتراكي ونزديكي اين دو حوزه را بر اساس پژوهش هاي مديريت دانش نشان مي دهد. در شكل زير گـرافوزن دار به دست آمده از هم اشتراكي اسناد علمي را در دو حوزة علمي مشاهده ميكنيد.

شكل 4. ميزان همكاري حيطه هاي علمي در مديريت دانش
نقشةبراي پژوهش هاي مديريتاستفاده
در ادامه براي دانستن اين كه در پژوهش هاي داخلي، كـدام يـك از حيطـه هـاي علمـي دنيـامغفول مانده، جدول 5 استخراج شده است. در اين جدول درصد قرابت مديريت دانش با هر يـك از حوزه هاي علمي و حوزه هايي كه در ايران در مقايسه با سراسر جهان كمتـر بـه آنهـا پرداختـهاست، مشاهده مي شود. در ستون راست جدول، حيطه هاي علمي مرتبط با مديريت دانـش را درج شده است، ستون مياني هم اشتراكي و نزديكي پژوهش هاي مديريت دانش در دنيا را در هر يـك از حوزه هاي علمي به صورت درصد نشان مـي دهـد . در سـتون سـمت چـپ نيـز گويـاي درصـد پژوهش هاي مديريت دانش در ايران در هر يك از حوزه هاي علمي است. رديف هـاي رنگـي، در واقع حيطه هاي علمي اي هستند كه ميزان پژوهش هاي انجام شدة سراسر جهان را در مقايسه بـاايران به نسبت كل پژوهش ها نشان ميدهند و با ساير حوزههاي علمي اختلاف زيادي دارند. بـهبيان ديگر، در اين حوزه هاي علمي در دنيا پژوهش هاي زيادي صورت گرفته است، در حـالي كـهدر اين زمينه، در ايران پژوهش هاي كمتري انجام شده است. در ساير حوزه هاي پژوهشي، ايـرانو كشورهاي ديگر جهان، تقريباً به نسبت كل پژوهشهاي انجام شده، درصد يكساني دارند.
جدول 5. مقايسة درصدي ميزان پژوهش هاي مديريت دانش در حوزه هاي علمي در دنيا و ايران
ايران دنيا حوزة علمي
28 32/5 علوم كامپيوتر
12 13/7 علوم مهندسي
14 14/5 علوم كسبوكار، مديريت و حسابداري
2/7 2/31 پزشكي
12 12/6 علوم تصميمگيري
9/8 6/63 علوم اجتماعي
3/3 7/07 رياضيات
0/1 0/27 پرستاري
3 1/72 علوم محيطي
3/4 1/43 بيوشيمي ، ژنتيك و زيستمولكولي
2/8 0/44 كشاورزي
0/6 0/73 علوم زمين و سياري
0/1 0/59 سلامت
1/8 1/16 علوم اقتصادي و مالي
0/1 0/79 انرژي
0/4 0/54 روان شناسي
0/3 0/55 فيزيك و نجوم
ناوری پاييز
خوشه بندي حوزه هاي علمي مديريت دانش
در ادامه و با استفاده از ماتريس هم رخدادي، به منظور خوشه بندي حـوزه هـاي علمـي مربـوط بـهمديريت دانش، از روش خوشه بندي سلسله مراتبي استفاده شده است. خوشه بندي سلسـله مراتبـيتكنيكي است كه در گروه بندي يا دسته بندي داده ها به كار مي رود. در اين روش داده ها در دسته ها و زيردسته هايي بر اساس معيار شباهت قرار مي گيرند. در روش خوشه بنـدي سلسـله مراتبـي ، بـهخوشه هاي نهايي بر اساس ميزان عموميت آنها ساختاري سلسله مراتبي و اغلب به صورت درختـينسبت داده مي شود. به اين درخت سلسله مراتبي دندوگرام1 مـي گوينـد . روش كـار تكنيـك هـاي خوشه بندي سلسله مراتبي، معمولاً بر اساس الگوريتم هاي حريصانه2 و بهينگي مرحلـه اي3 اسـت . در اين روش ابتدا هر داده ها به عنوان خوشه اي مجزا در نظـر گرفتـه مـي شـود و طـي فراينـدي تكراري، در هر مرحله خوشه هايي كه هم اشتراكي بيشتري دارند با يكديگر تركيب مي شوند تا در نهايت يك خوشه يا تعداد مشخصي خوشه حاصل شود.
در اين بخش به منظور خوشه بندي از الگـوريتم خوشـه بنـدي سلسـله مراتبـي متـراكمشـونده ميانگين رابطه4 استفاده شده است.

شكل 5. خوشه بندي حوزه هاي علمي مديريت دانش
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Dendogram
Greedy Algorithms
Stepwise-optimal
Average-Linkage
نقشةبراي پژوهش هاي مديريتاستفاده
شكل 6 نتيجة اين خوشه بندي را به صورت نمودار دندوگرام به نمـايش گذاشـته اسـت . ايـننمودار با استفاده از نرم افزار R استخراج شده است. در اين نرم افزار ابتدا بـا اسـتفاده از دسـتوراتمربوطه، داده هاي مربوط به ماتريس وزن دار هماشتراكي حوزه هاي علمي فراخـواني شـد ، سـپسبه وسيلة دستورهاي مربوط به كلاس cluster نمودار دندوگرام مربوط به اين خوشه بندي ترسـيم گرديد.
كليدواژه هاي مديريت دانش
يكي ديگر از مواردي كه به پژوهشگران در فهم حيطه هاي علمي كمك مي كند، كليـدواژه هـايآن علم است. پس از مرور ادبيات پيشين در حوزة كليدواژه هاي مديريت دانـش ، تعـدادي از ايـنكليدواژه ها استخراج شدند. در مرور ادبيـات پيشـين در ايـن زمينـه و بـر اسـاس تحقيـق كـرادو (2011)، برخي از مهمترين كليدواژه هاي حوزة مـديريت دانـش انتخـاب شـد و همـراه بـا سـاير كليدواژه هاي مربوط بـه مـديريت دانـش سـايت اسـكوپوس، مبنـاي كـار قـرار گرفـت. درواقـعكليدواژه ها يكي از مهم ترين مؤلفه هاي دانشي مرتبط به هر حوزة علمي هستند كه در شـناخت ودرك كلي آن حوزه به پژوهشگران كمك شاياني مي كنند.
هر يك از تحقيقات و مقالات علمي به منظور طبقه بندي و دسترسي سريع تر به كليدواژه هايي كه نشان دهندة محتواي آن سند علمي هستند، دسته بندي شدند. به منظور بهدسـت آوردن ميـزاناشاره به كليدواژه ها در اسناد علمي، به همان شيوة حوزه هاي موضوعي عمل شده اسـت بـا ايـنتفاوت كه به جاي حوزه هاي موضوعي، كليدواژه ها جست وجو شدند. براي نمونـه، در زيـر بـه دودستور اشاره شده است.
KEY ( “knowledge management” ) AND ( LIMIT-TO ( EXACTKEYWORD , “Information
systems” ) )
KEY ( “knowledge management” ) AND ( LIMIT-TO ( EXACTKEYWORD , “Information
systems” ) ) AND ( LIMIT-TO ( AFFILCOUNTRY , “Iran” ) )دستور نخست، ميزان اسناد علمي مرتبط با مديريت دانش كه علاوه بر مديريت دانش، يكـياز كليـدواژه هـاي ديگـر آن سيسـتم هـاي اطلاعـاتي اسـت. دسـتور دوم نيـز دسـتور اول را بـه پژوهشگران ايراني محدود كرده است. براي هر يك از كليدواژه هـا ، از سـاختار همـين دو دسـتوراستفاده شده است و فقط به جاي كليدواژة دوم، كليدواژة مربوطه قرار داده مي شود. شكل هاي 6 و 7 نتايج اين دستورها را نمايش مي دهند.

ناوریپاييز

شكل 6. پراس تفادهترين كليدواژه هاي مديريت دانش در پژوهش هاي دنيا

شكل 7. پراس تفادهترين كليدو اژههاي مديريت دانش در پژوهش هاي ايران
پس از اين كه پراستفاده ترين كليدواژه هاي مرتبط با حوزة مديريت دانـش اسـتخراج شـدند ، ميزان همكاري كليدواژه و هم اشتراكي آنها نيز محاسبه م يشود. در ايـن مـاتريس هـم رخـداديكليدواژه ها كه در آن 2500 داده از تقاطع 50 كليدواژه به وجود آمده اسـ ت، ميـزان نزديكـي هـركليدواژه به كليدواژه هاي ديگر را از لحاظ مفهومي مشخص ميكند. با توجـه بـه ايـن مـاتريسهم رخدادي و با استفاده از نرم افزار R، گراف همكاري كلي دواژه ها ترسيم شد.

نقشةبراي پژوهش هاي مديريتاستفاده

شكل 8. گراف هماشتراكي كليدواژهها در پژ وهشهاي مديريت دانش
اكنون، خوشه بندي اين كليدواژه ها بر اساس نزديكي به يكديگر در اين ماتريس امكـان پـذيرشده است. مهم ترين خروجي اي كه اين ماتريس دارد، ايـن اسـت كـه هـر يـك از پژوهشـگرانمديريت دانش كـه در حـوزة خـاص و بـا كليـدواژه هـاي مشخصـي كـار مـي كننـد ، مـي تواننـد كليدواژه هاي همكار با حوزة پژوهشي خود را بر اساس پژوهش هاي دنيـا پيـدا كننـد و وسـعت وغناي پژوهش هاي خود را افزايش دهند. پس از يك بار تشكيل ماتريس هم رخدادي، مهـم تـرينكليدواژه ها استخراج و خوشه بندي شدند. در شكل زير دسته بندي كليدواژه را بهصورت خوشه هاي كوچك تر مشاهده ميكنيد. در اين قسمت نيـز از روش خ وشـهبنـدي بخـش حـوزههـاي علمـياستفاده شده است. در اين روش، ابتدا هر داده خوشة مجزايـي در نظـر گرفتـه مـي شـو د و طـي فرايندهاي تكراري در هر مرحله، خوشه هايي كه هماشتراكي بيشتري با يكـديگر دارنـد ، تركيـب مي شوند تا در نهايت يك خوشه يا تعداد مشخصي خوشه حاصل شود. در اين بخـش بـه منظـورخوشه بندي از الگوريتم خوشه بندي سلسل همراتبي متراكم شوندة ميانگين رابطه استفاده شده است.
شكل 9 نتيجة اين خوشه بندي را به صورت نمودار دندوگرام به نمايش گذاشته است.

شكل 9. خوشه بندي كليدواژه هاي مديريت دانش در پژوهش هاي دنيا

جدول 6. مقايسة درصدي ميزان پرداخت به كليدواژه هاي مديريت دانش در دنيا و ايران
دنيا ايران كليدواژه ها دنيا ايران كليدواژه ها
0/028 2/4 سيستم هاي پشتيبان تصميم گيري 0/091 3/4 تعامل انسان و رايانه
0/028 2/8 نوآوري 0/059 5/3 مديريت اطلاعات
0/026 4/3 تصميم گيري 0/049 2/4 سيستم هاي اطلاعاتي
0/022 1/4 هوش مصنوعي 0/044 7/3 فناوري اطلاعات
0/021 2/8 مديريت پروژه 0/043 4/7 صنعت
0/019 5/3 آموزش 0/038 4/9 اكتساب دانش
0/018 1/2 سيستم هاي يادگيري 0/036 1/6 معناشناسي
0/017 2 ارتباطات 0/036 1/8 انتقال دانش
0/017 2/4 آموزش الكترونيك 0/034 1/4 هستي شناسي
0/017 1/8 الگوريتم 0/034 2/8 بازيابي اطلاعات
0/015 1/2 واقعيت مجازي 0/033 6/5 جوامع و مؤسسه ها
0/015 1 تجارت الكترونيك 0/031 5/3 به اشتراك گذاري دانش
0/014 2/8 مدل هاي رياضياتي 0/029 3/4 داده كاوي

نقشةبراي پژوهش هاي مديريتاستفاده
مسئلة بعدي كه در اين تحقيق ارزيابي شده است، يافتن كليـدواژههـايي در زمينـة مـديريتدانش است كه پژوهش هاي ايراني در مقايسه با پژوهش هاي دنيا كمتر بـه آن اشـاره كـرده انـد .
شناخت اين كليدواژه ها به پژوهشگران حوزة مديريت دانـش كشـور كمـك مـي كنـد تـا بداننـدتحقيقات و پژوهش هاي حوزة مديريت دانش در سراسر جهان به چه كليدواژه هايي بيشـتر توجـهمي كنند و پژوهشگران ايراني در مورد كدام كليدواژه ها غفلت كرده انـد تـا بـراي افـزايش دانـشبيشتر بر آن تمركز كنند. جدول 6 درصد پرداخت به اين كليدواژه ها را نشان مي دهد.
نتيجه گيري
در پژوهش هاي مربوط به مديريت دانش در سراسر جهان، بيشترين ارتباط مديريت دانش با حيطه هاي علمي علوم كامپيوتر (5/32 درصد)، تجارت و مديريت و حسابداري (5/14درصد)، علوم مهندسي (7/13 درصد)، علوم تصميم گيري (6/12 درصد)، رياضـيات (07/7 درصـد ) و علوم اجتماعي (63/6 درصد) بوده است؛ در حالي كه در پژوهش هـاي مربـوط بـه مـديريتدانش در ايران، بيشترين ارتباط مديريت دانش با حيطه هاي علمي علوم كامپيوتر، تجارت و مديريت و حسابداري، علوم تصميم گيري، مهندسي و علوم اجتماعي بوده است.
بيشترين كليدواژه هاي همكار با مديريت دانش در پژوهشهاي سراسر جهان به ترتيب تعامل انسان و رايانه، مديريت اطلاعات، مديريت سيستم ها، فناوري اطلاعـات ، صـنعت ، اكتسـابدانش، سمانتيك، انتقال دانش، آنتولوژي و بازيابي اطلاعات اسـت؛ در حـالي كـه بيشـترينكليدواژه هاي همكار با مديريت دانش در پژوهشهاي ايران، كليدواژه هاي فناوري اطلاعات، آموزش، اشتراك دانش، مديريت اطلاعات، اكتساب دانش، صنعت، تعامل انسـان بـا رايانـه، تصميمگيري، مزيت رقابتي و داده كاوي است.
بيشترين درصد اختلاف ميان پژوهش هاي سراسر جهان و ايران در حـوزه هـاي مربـوط بـهعلوم كامپيوتر، علوم مهندسي و رياضيات است.
بيشترين اختلاف درصد پژوهش هاي سراسـر جهـان و ايـران در كليـدواژه هـاي همكـار بـامديريت دانش، كليدواژه هاي مديريت اطلاعات، صنعت، اكتسـاب دانـش، اشـتراك دانـش، تصميم گيري است.

فهرست منابع
Alavi, M. & Leidner, D. (1999). Knowledge Management systems: issues, challenges and benefits. Communications of the Association for Information Systems, 1 (7)
Alexander, P.A., Schallert, D.L. & Hare, V.C. (1991). Coming to terms: How researchers in learning and literacy talk about knowledge. Review of Educa tional Research, 61(3), 315-343.
Amin, A., Bargach, S., Donegan, J. & Others. (2001). Building a Knowledge Sharing Culture. Oilfield Review, 13(1), 48-65.
Beckman, T. (1997). Methodology for Knowledge Management. In Harmza, M.H. (Eds), the IASTED International Conference on Artificial Intelligence and Soft Computing, ASC 97, Banff, IASTED ACT Press, 29-32.
Bender, S. & Fish, A. (2000). The transfer of know ledge and the retention of expertise: the continuing need for global assignments. Journal of Knowledge Management, 4(2), 125-137.
Bellinger, Gene. “Mental Model Musings”. Systems Thinking Blog. Retrieved 18 April 2013.
Bhatt, G. D. (2001). Knowledge Management In Organizations: Examining The Interaction Between Technologies, Technique And People. Journal of Knowledge Management, 5(1), 68-75.
Bohn, R. E. (1994). Measuring and managing technological knowledge. Sloan Management Review, 26(1), 61-73.
Bounfour, A. (2003). The Management of Intangibles, the Organization’s Most Valuable Assets. Roudlege, London.
Chen C. M, Paul, R. G. (2001). Visualizing a knowledge domain’s intellectual structure. Computer, 34(3), 65-71.
Dalkir, K. (2005). Knowledge Management in Theory and Practice. Burlington: Elsevier Butter worth-Heinemann.
Davenport, T. H. & Prusak, L. (1998). Working Knowledge: How Organizations Manage What the Know. Boston, Massachusetts, Harvard Business School Press.
Davenport, T., DeLong, D. & Beers, M. (1998). Successful Knowledge Management projects. Sloan Management Review, 39(2), 43-57.
نقشةبراي پژوهش هاي مديريتاستفاده
Garfield, E., & Small, H. (1989). Identifying the changing frontiers of science. Innovation at the Crossroads between Science and Technology. Available in:
http://www.garfield.library.upenn.edu/papers/362/362.html.
Glossary of Thompson scientific terminology. (2008). The Thompson Corporation.
Grant, R.M. (1996). Toward knowledge based theory of the firm. Strategic Management Journal, 17(52), 109-122.
Gupta, J., Sharma, S. (2004). Creating Knowledge Based Organizations. Boston: Idea Group Publishing. ISBN 1-59140-163-1.
Hajorland, B. (1997). Information Seeking and Subject Representation:An ActivityTheoretical Approach toInformation Science. Westport: Greenwood Press. San Francisco.
Hood, W.W. & Wilson, C. (2001). The literature of bibliometrics, scientometrics, and informetrics. Scientometrics, 52 (2), 291–314.
Kock, N. & McQueen, R. (1998). Knowledge and information communication in organizations: an analysis of core, support and improvement process. Knowledge and Process Management, 5(1), 29-40.
Leydesdorff, L. & Milojevic, S. (2015). “Scientometrics” arXiv:1208.4566 (2013), forthcoming in: Lynch, M. (editor), International Encyclopedia of Social and Behavioral Sciences subsection 85030.
Moya f, Vargas b, Herrero v, Chinchilla z,Corera e(2004). A new technique for building maps of large scientific domains based on the cocitation of classes and categories. Scientometrics , pp. 129-145.NewYork.
Nonaka, Ikujiro (1991). “The knowledge creating company”. Harvard Business Review 69 (6): 96–104.
Nonaka, I. & Takuchi, H. (1995). The knowledge creating company: how Japanese companies create the dynamics of innovation. New York Oxford University Press.
Nonaka, I. & Takuchi H. (1995). The knowledge – creating company: how Japanese companies create the dynamics of innovation. New York; Oxford Uni-versity Press.
Noyons E. C. M (1999). Bibliometric Mapping as a Science Policy and Research Management Tool, DSWO Press, Leiden University.
Nonaka, I,. von Krogh, G. (2009). Tacit Knowledge and Knowledge Conversion:



قیمت: تومان


پاسخ دهید