IT-TO ( SUBJAREA , “ECON” ) Economics, and Finance
نقشهبرای پژوهش های مدیریتاستفاده
یافتههای پژوهش
به منظور پاسخ به سؤال اول پژوهش (مدیریت دانش بین حیطه های علمی مختلف، چه جایگاهیدارد)، تعداد پژوهش های مدیریت دانش در هر یک از حیط ههای علمی استخراج شد. با توجه بـهشکل 2، پژوهش های مدیریت دانش در هر یک از حیطه های علمی ساختار اسکوپوس تجزیـه و تحلیل شدند. همان طور که مشاهده میکنید، بیشـترین کـار پژوهشـی سراسـر جهـان در زمینـهمدیریت دانش، بهترتیب در حوزه های علوم کامپیوتر، مدیریت، تجارت و حسابداری و مه ندسیها انجام شده است.

شکل 2. میزان پژوهش های مدیریت دانش در هریک از حوزه های علمی در دنیا

شکل 3. میزان پژوهش های مدیریت دانش در هریک از حوزههای علمی در پژوهشهای ایرانی ناوریپاییز
در گام دوم، ماتریس هم اشتراکی این حوزه ها با یکدیگر شکل گرفت؛ بدین صورت که توسط موتور جست وجوی اسکوپوس، کلیدواژه مدیریت دانش با دو حوزه علمی مختلف به صورت مجـزاAND شد. این ماتریس به پژوهشگر کمک می کند که میزان نزدیکی حوزه های علمی مرتبط بـهمدیریت دانش و خوشه بندی درونی آن را درک کند. برای مثـال ، اگـر کسـی در حـوزه مـدیریتدانش و در ذیل حوزه حسابداری مشغول به پژوهش است، اگر هم اشتراکی دو حوزه حسابداری و ریاضیات در پژوهش های دنیا زیاد باشد، می تواند نتیجه گیری کند که ایـن دو حـوزه بـا رویکـردمدیریت دانشی قرابت دارند و برای غنا و توسعه دامنه پژوهشی خود، می تواند از مفـاهیم مـرتبطبا حوزه ریاضیات نیز بهره گیری کند. در جدول مربوط به داده های هم اشتراکی حوزه هـای علمـیمرتبط با مدیریت دانش، در سطر و ستون نخست تمام حوزه های علمی مرتبط با مدیریت دانـشقرار گرفته و در تقاطع هر یک از دو زیرحوزه علمی، عددی درج شده اسـت کـه هـم اشـتراکی ونزدیکی این دو حوزه را بر اساس پژوهش های مدیریت دانش نشان می دهد. در شکل زیر گـرافوزن دار به دست آمده از هم اشتراکی اسناد علمی را در دو حوزه علمی مشاهده میکنید.

شکل 4. میزان همکاری حیطه های علمی در مدیریت دانش
نقشهبرای پژوهش های مدیریتاستفاده
در ادامه برای دانستن این که در پژوهش های داخلی، کـدام یـک از حیطـه هـای علمـی دنیـامغفول مانده، جدول 5 استخراج شده است. در این جدول درصد قرابت مدیریت دانش با هر یـک از حوزه های علمی و حوزه هایی که در ایران در مقایسه با سراسر جهان کمتـر بـه آنهـا پرداختـهاست، مشاهده می شود. در ستون راست جدول، حیطه های علمی مرتبط با مدیریت دانـش را درج شده است، ستون میانی هم اشتراکی و نزدیکی پژوهش های مدیریت دانش در دنیا را در هر یـک از حوزه های علمی به صورت درصد نشان مـی دهـد . در سـتون سـمت چـپ نیـز گویـای درصـد پژوهش های مدیریت دانش در ایران در هر یک از حوزه های علمی است. ردیف هـای رنگـی، در واقع حیطه های علمی ای هستند که میزان پژوهش های انجام شده سراسر جهان را در مقایسه بـاایران به نسبت کل پژوهش ها نشان میدهند و با سایر حوزههای علمی اختلاف زیادی دارند. بـهبیان دیگر، در این حوزه های علمی در دنیا پژوهش های زیادی صورت گرفته است، در حـالی کـهدر این زمینه، در ایران پژوهش های کمتری انجام شده است. در سایر حوزه های پژوهشی، ایـرانو کشورهای دیگر جهان، تقریباً به نسبت کل پژوهشهای انجام شده، درصد یکسانی دارند.
جدول 5. مقایسه درصدی میزان پژوهش های مدیریت دانش در حوزه های علمی در دنیا و ایران
ایران دنیا حوزه علمی
28 32/5 علوم کامپیوتر
12 13/7 علوم مهندسی
14 14/5 علوم کسبوکار، مدیریت و حسابداری
2/7 2/31 پزشکی
12 12/6 علوم تصمیمگیری
9/8 6/63 علوم اجتماعی
3/3 7/07 ریاضیات
0/1 0/27 پرستاری
3 1/72 علوم محیطی
3/4 1/43 بیوشیمی ، ژنتیک و زیستمولکولی
2/8 0/44 کشاورزی
0/6 0/73 علوم زمین و سیاری
0/1 0/59 سلامت
1/8 1/16 علوم اقتصادی و مالی
0/1 0/79 انرژی
0/4 0/54 روان شناسی
0/3 0/55 فیزیک و نجوم
ناوری پاییز
خوشه بندی حوزه های علمی مدیریت دانش
در ادامه و با استفاده از ماتریس هم رخدادی، به منظور خوشه بندی حـوزه هـای علمـی مربـوط بـهمدیریت دانش، از روش خوشه بندی سلسله مراتبی استفاده شده است. خوشه بندی سلسـله مراتبـیتکنیکی است که در گروه بندی یا دسته بندی داده ها به کار می رود. در این روش داده ها در دسته ها و زیردسته هایی بر اساس معیار شباهت قرار می گیرند. در روش خوشه بنـدی سلسـله مراتبـی ، بـهخوشه های نهایی بر اساس میزان عمومیت آنها ساختاری سلسله مراتبی و اغلب به صورت درختـینسبت داده می شود. به این درخت سلسله مراتبی دندوگرام1 مـی گوینـد . روش کـار تکنیـک هـای خوشه بندی سلسله مراتبی، معمولاً بر اساس الگوریتم های حریصانه2 و بهینگی مرحلـه ای3 اسـت . در این روش ابتدا هر داده ها به عنوان خوشه ای مجزا در نظـر گرفتـه مـی شـود و طـی فراینـدی تکراری، در هر مرحله خوشه هایی که هم اشتراکی بیشتری دارند با یکدیگر ترکیب می شوند تا در نهایت یک خوشه یا تعداد مشخصی خوشه حاصل شود.
در این بخش به منظور خوشه بندی از الگـوریتم خوشـه بنـدی سلسـله مراتبـی متـراکمشـونده میانگین رابطه4 استفاده شده است.

شکل 5. خوشه بندی حوزه های علمی مدیریت دانش
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Dendogram
Greedy Algorithms
Stepwise-optimal
Average-Linkage
نقشهبرای پژوهش های مدیریتاستفاده
شکل 6 نتیجه این خوشه بندی را به صورت نمودار دندوگرام به نمـایش گذاشـته اسـت . ایـننمودار با استفاده از نرم افزار R استخراج شده است. در این نرم افزار ابتدا بـا اسـتفاده از دسـتوراتمربوطه، داده های مربوط به ماتریس وزن دار هماشتراکی حوزه های علمی فراخـوانی شـد ، سـپسبه وسیله دستورهای مربوط به کلاس cluster نمودار دندوگرام مربوط به این خوشه بندی ترسـیم گردید.
کلیدواژه های مدیریت دانش
یکی دیگر از مواردی که به پژوهشگران در فهم حیطه های علمی کمک می کند، کلیـدواژه هـایآن علم است. پس از مرور ادبیات پیشین در حوزه کلیدواژه های مدیریت دانـش ، تعـدادی از ایـنکلیدواژه ها استخراج شدند. در مرور ادبیـات پیشـین در ایـن زمینـه و بـر اسـاس تحقیـق کـرادو (2011)، برخی از مهمترین کلیدواژه های حوزه مـدیریت دانـش انتخـاب شـد و همـراه بـا سـایر کلیدواژه های مربوط بـه مـدیریت دانـش سـایت اسـکوپوس، مبنـای کـار قـرار گرفـت. درواقـعکلیدواژه ها یکی از مهم ترین مؤلفه های دانشی مرتبط به هر حوزه علمی هستند که در شـناخت ودرک کلی آن حوزه به پژوهشگران کمک شایانی می کنند.
هر یک از تحقیقات و مقالات علمی به منظور طبقه بندی و دسترسی سریع تر به کلیدواژه هایی که نشان دهنده محتوای آن سند علمی هستند، دسته بندی شدند. به منظور بهدسـت آوردن میـزاناشاره به کلیدواژه ها در اسناد علمی، به همان شیوه حوزه های موضوعی عمل شده اسـت بـا ایـنتفاوت که به جای حوزه های موضوعی، کلیدواژه ها جست وجو شدند. برای نمونـه، در زیـر 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، میزان اسناد علمی مرتبط با مدیریت دانش که علاوه بر مدیریت دانش، یکـیاز کلیـدواژه هـای دیگـر آن سیسـتم هـای اطلاعـاتی اسـت. دسـتور دوم نیـز دسـتور اول را بـه پژوهشگران ایرانی محدود کرده است. برای هر یک از کلیدواژه هـا ، از سـاختار همـین دو دسـتوراستفاده شده است و فقط به جای کلیدواژه دوم، کلیدواژه مربوطه قرار داده می شود. شکل های 6 و 7 نتایج این دستورها را نمایش می دهند.

ناوریپاییز

شکل 6. پراس تفادهترین کلیدواژه های مدیریت دانش در پژوهش های دنیا

شکل 7. پراس تفادهترین کلیدو اژههای مدیریت دانش در پژوهش های ایران
پس از این که پراستفاده ترین کلیدواژه های مرتبط با حوزه مدیریت دانـش اسـتخراج شـدند ، میزان همکاری کلیدواژه و هم اشتراکی آنها نیز محاسبه م یشود. در ایـن مـاتریس هـم رخـدادیکلیدواژه ها که در آن 2500 داده از تقاطع 50 کلیدواژه به وجود آمده اسـ ت، میـزان نزدیکـی هـرکلیدواژه به کلیدواژه های دیگر را از لحاظ مفهومی مشخص میکند. با توجـه بـه ایـن مـاتریسهم رخدادی و با استفاده از نرم افزار R، گراف همکاری کلی دواژه ها ترسیم شد.

نقشهبرای پژوهش های مدیریتاستفاده

شکل 8. گراف هماشتراکی کلیدواژهها در پژ وهشهای مدیریت دانش
اکنون، خوشه بندی این کلیدواژه ها بر اساس نزدیکی به یکدیگر در این ماتریس امکـان پـذیرشده است. مهم ترین خروجی ای که این ماتریس دارد، ایـن اسـت کـه هـر یـک از پژوهشـگرانمدیریت دانش کـه در حـوزه خـاص و بـا کلیـدواژه هـای مشخصـی کـار مـی کننـد ، مـی تواننـد کلیدواژه های همکار با حوزه پژوهشی خود را بر اساس پژوهش های دنیـا پیـدا کننـد و وسـعت وغنای پژوهش های خود را افزایش دهند. پس از یک بار تشکیل ماتریس هم رخدادی، مهـم تـرینکلیدواژه ها استخراج و خوشه بندی شدند. در شکل زیر دسته بندی کلیدواژه را بهصورت خوشه های کوچک تر مشاهده میکنید. در این قسمت نیـز از روش خ وشـهبنـدی بخـش حـوزههـای علمـیاستفاده شده است. در این روش، ابتدا هر داده خوشه مجزایـی در نظـر گرفتـه مـی شـو د و طـی فرایندهای تکراری در هر مرحله، خوشه هایی که هماشتراکی بیشتری با یکـدیگر دارنـد ، ترکیـب می شوند تا در نهایت یک خوشه یا تعداد مشخصی خوشه حاصل شود. در این