英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料
知识导航模型的演变：KNM 2.0的构建和应用
摘要
知识管理（KM）成熟度模型提供了一个框架，可以根据该框架评估新旧KM计划，以确定它们是否能够产生新知识。台湾已推广2009年提出的知识导航模型（Ksiehetal，2009），以帮助组织评估其知识管理状态，并成为政府、学术界和实践界交流知识管理经验的传播平台。
但是，在过去的10年中，工业环境不断变化，带动了KM实践的发展。这项研究从构造和应用方面描述了KNM演变为KNM2.0的过程。定性和定量研究方法的进行，构建了KNM2.0三个模块。139个案例调查的结果显示了KNM2.0的适用性。
我们的研究为KM成熟度模型的概念做出了贡献，这些模型可以评估面向服务的知识经济，大数据和智能工厂以及战略KM性能的成熟度。拟议的KNM2.0具有新颖且迅速扩展的领域的这些功能，已开发为在线知识管理评估（KMEvaluation）网站，可供实践使用，以更好地理解当代KM带来的整体价值。展望未来，通过使用KNM2.0不断收集台湾各行业的数据，有望获得更多有关实用KM的信息，这些实用KM随着趋势的发展而发展，并继续发挥作用，传播当代的知识观念。KM知识管理的经验可以作为参考，并将该方法学应用于其他国家。
简介
在知识经济时代，知识被公认为是组织获得竞争优势并保持长期成功的关键资产。目前，将知识管理（KM）应用于管理活动对于许多企业来说是很普遍的。术语“知识管理”在理论和实践中仍被广泛使用。无论组织是刚刚起步，正在实施KM试点项目的第一个实施方案，还是准备振兴或利用成功的KM方法和工具进入企业其他领域的组织，都应该有一个路线图，其中包括要实现的里程碑和检查点指导其努力。知识管理成熟度模型提供了一个指标，可以对新知识管理计划和新知识管理计划进行评估，以确定它们是否能够产生新知识。该模型确定了驱动公司长期发展的适当起点，实施步骤和资源需求。
相关的KM成熟度模型已经得到开发，并将其应用于许多研究和实践领域。知识导航模型（KNM）于2009年提出，KM成熟度被定义为五个阶段：知识混乱阶段（I级），知识自觉阶段（II级），知识管理阶段（III级），KM高级阶段（IV级）和KM集成阶段（V级）。KNM的评估框架包括三个方面：3个目标管理对象（TMO），68个KM活动和16KM关键领域（KA）。KNM尚未考虑面向服务的知识经济，大数据和智能工厂以及战略性KM性能的准备情况。此外，所有组织的调查问卷只有一个版本，无论其范围或在生产或服务行业中运作。为了调查台湾的知识管理实施趋势，基于该模型建立了知识管理评估（KM评估）网站（https://km.ekm.org.tw/KMPP2016/Web/VoteIntroduction.aspx）。由台湾IDB（经济部工业发展局）对KNM进行评估，以收集2008年及以后行业的KM实施状况。截至2017年底，该网站已收集了1219例病例（表1）。表1中的数据表明，从2008年到2017年，越来越多的公司关注其知识管理的发展，并会使用此网站评估其知识管理成熟度并获得有关改进的反馈。
表1
通过使用知识管理评估网站收集2008-2017年的数据，以大（L）/中（S-M）公司为基础，增加不同级别的公司数量。
|
S-M |
L |
S-M |
L |
S-M |
L |
S-M |
L |
S-M |
L |
|
|
一至二级 |
29 |
15 |
45 |
29 |
58 |
31 |
15 |
29 |
34 |
42 |
|
三级 |
48 |
15 |
76 |
32 |
85 |
43 |
126 |
60 |
172 |
82 |
|
四至五级 |
2 |
5 |
9 |
7 |
19 |
10 |
23 |
19 |
30 |
29 |
|
公司总数 |
114 |
198 |
246 |
272 |
389 |
此外，通过利用推广KNM作为KM的教学材料和评估工具，IDB举办了许多活动来分发KM的概念并将咨询资源引入行业。例如，IDB于2011年开始举办“首席知识官联盟（CKO联盟）”，直到2018年，它聚集了168位CKO参与者，并在台湾知名公司进行了31次最佳实践访问。此外，美洲开发银行还举办了8次有关知识和实践的知识管理竞赛，以分享他们的知识管理项目并争夺“最佳知识管理奖”。为了促进知识管理在工业中的分布，美洲开发银行已经花费了超过
为许多公司实施知识管理提供1000万美元的咨询和财政补贴。通过这些活动和支持性资源，IDB可以收集学术和实践经验，以分享和奉献他们的知识，经验和努力来促进台湾的知识管理。因此，2008年KNM的出现已成为传播KM概念的传播媒介，成为KM评估工具，而集体结果被视为衡量台湾KM状况的指标，也是一种传播。政府，学术和实践交流知识的平台。
但是，在过去的十年中，工业环境一直在不断变化。在知识管理领域，随着组织越来越意识到知识是其最有价值的战略资产之一，他们意识到战略成功的基础取决于对组织知识资产的有效管理，并且要在组织中取得成功需要成为评估绩效的有效方法。对于大多数组织而言，知识管理，尤其是其绩效衡量维度已成为最重要的经济任务。
此外，服务在经济中的作用日益提高已在许多行业得到认可。在过去的二十年中，服务生产力和服务创新已成为服务研究中的关键优先事项。大多数发达经济体的结构已从制造业转向服务业，这导致服务业在大多数发达和发展中经济体中的GDP份额不断增长。寻求在动荡时期生存的服务公司应将重点放在采用有效的知识管理系统上。随着以服务为导向的知识经济的持续发展，知识密集型服务行业已成为当今工业发展的趋势。服务创新和服务增值等企业活动需要领域专业知识和经验。因此，必须实现有效的知识管理，以快速积累知识资产并提高知识密集型服务业的效率。
扎根于物联网（IoT）和基于网络物理系统的制造中，诸如智能工厂和工业4.0之类的颠覆性范式构想了知识密集型工业智能环境，其中通过智能流程和程序创建了智能个性化产品。第四次工业革命将监视，分析和自动化业务流程，将生产和物流流程转变为智能工厂环境，在该环境中，大数据功能，云服务和智能预测决策支持工具可用于提高生产力和效率。因此，知识管理成熟度模型可以用来评估面向服务的知识经济，智能工厂和战略知识管理绩效的就绪性，对于组织来说，了解组织知识管理所带来的整体价值是必要的，但是在当前的学术研究中却缺少该模型。组织。这项研究从与上述问题相关的构造和应用角度描述了KNM演变为KNM2.0的过程。
在所有东亚新兴工业国家（NIC）中，台湾是最具启发性的故事之一。作为后来者，台湾在半导体，软件和消费电子产品等知识密集型产业上建立了先进的制造和创新能力。在提高国家竞争力方面，从2001年开始，台湾政府正积极培育知识型经济，以实现可持续发展。作为回应，台湾公司一直在努力引进诸如KM之类的业务计划，以从他们的知识资产或知识资产中提取价值。在过去的17年中，对于许多组织，尤其是台湾的高科技公司，知识管理正在发展为具有战略意义的领域。因此，值得一提的是，要观察台湾知识管理的部署和实践，并将这一观察结果作为其他国家的重要参考。
本文如下。下一节将回顾以前的文献，重点介绍KM成熟度模型，大数据和KM以及KM性能。第三部分介绍了研究方法和提出的KNM2.0。第4节通过139个案例研究证明了建议的KNM2.0的适用性。第五节有一些结论性说明。最后一部分进行了讨论并揭示了管理意义。
研究背景
-
- KM成熟度模型
走向成熟的过程是一个不断变化的现象，可以在实体的生命周期中观察到。成熟度模型描述了一个实体的演化和发展，它可以是一个有生命的个体，一种文化，一个组织，或者仅仅是一个系统或新的管理计划。每个实体随着时间的发展经历了一系列阶段，直到达到最高水平。组织中的成熟度模型描述了随着时间的推移增长，资格或事物性质的步骤。知识管理成熟度模型提供了一个模板，组织可以根据该模板来映射他们向成熟的知识管理环境迈进的过程。知识管理成熟度模型可确定需要克服的障碍，确定资源需求并进行合理调整以提高下一个成熟度水平。KM成熟度是影响组织中KM流程的功能级别。成熟度表明组织在知识管理方面的现状。
众所周知的KM成熟度模型是KPMG的“知识管理框架评估练习：知识之旅”；“KMM模型”；Infosys的Tiwana的“KM十步路线图”；APQC的“知识管理结果路线图：实施阶段”；西门子的“知识管理成熟度模型（KMMM）”；“知识导航模型（KNM）”。可以使用综合的KM成熟度模型
bull;协助阐明和推广知识管理概念。
bull;有助于了解实施知识管理的公司的当前状况。
bull;从行业角度出发，协助理解整个行业中的知识管理实施，并提供最佳实践模型。
KM成熟度模型已应用于许多研究和实践领域。Johansson，Hicks，Larsson和Bertoni（2011）将知识成熟度作为支持在航空航天产品服务系统开发项目中进行决策的一种手段。Lin等。（2012）探索了在不同知识管理成熟阶段的知识流动障碍。Capaldo，Lavie和Petruzzelli（2017）研究了知识成熟度与创新的科学价值之间的关系。Marques，LaFalce，Marques，DeMuylder和Silva（2019）指出，组织对知识转移的承诺与知识管理的成熟度之间有着重要的关系。许多研究实际上都使用了KM成熟度，例如对了解南非极为多样化的环境中发生的KM成熟度感兴趣。Serenko，Bontis和Hull（2016）研究了信用合作社的KM成熟度。Centobelli，Cerchione和Esposito（2017）使用KM成熟度模型来确定中小企业采用KMS的过程阶段。基于KM成熟度模型的概念，一些研究人员开发了诸如客户知识管理成熟度（CKMM）和知识共享成熟度模型等模型（Arif等人，2017）。
-
- 大数据和知识管理
随着技术的进步，制造智能已成为保持竞争优势的关键问题。工业4.0是2011年在德国汉诺威工业博览会上首次推出的，是德国联邦政府建立的工业4.0工作组的主题，并且是实现制造智能和智能生产的大型项目之一。
其他包括美国的先进制造合作伙伴关系2.0（AMP2.0），日本的Industry4.1J和《中国制造2025》，这些国家已经将智能制造作为其国家支持的优先方向。工业4.0可以通过应用智能信息处理方法，通信系统，面向未来的技术等来使工厂变得智能。在工业4.0和网络物理系统的背景下，智能制造已成为一个方向并产生了革命性的变化。与传统制造环境相比，智能制造具有高度相关，深度集成，动态集成和海量数据的特征。人们认为，工业大数据分析是实施智能工厂的有希望且必不可少的推动力。多源传感器生成的工业大数据，系统内部的相互通信以及与外部相关的信息等，可能会为预测性维护提供新的解决方案，以提高系统的可靠性。可以将诸如IoT，计算智能，机器类型通信，大数据和传感器技术之类的多种技术整合在一起，以提高大规模自动化应用程序的数据管理和知识发现效率。
Orenga-Roglaacute;和Chalmeta（2017）提到，KMS2.0是使用Web2.0和大数据技术的KMS，并专注于促进协作以增强知识。KMS2.0建立在人们参与的基础上，这些人产生了新知识，而不仅限于消费它，即用户是积极的贡献者。由于数据是从不同的来源和格式（视频，文本文档，音频，图像等）生成的，因此可以通过使用其相应的机器学习算法进行分析。例如，可以通过使用文本挖掘，情感分析，自然语言处理（NLP）等对来自社交媒体渠道的数据进行分析，以管理和分类人类信息。其他有监督和无监督的
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235912]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
