Fahrettin ÖZDEMİRCİ, Fahrettin ÖZDEMİRCİ

Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması

Kurumların şimdiki ve gelecekteki başarısı kurumsal iç bilgi kaynaklarından olan örtük bilgilerinin neler olduğunun tespitine, ortaya çıkarılmasına ve bu bilgilerden daha fazla yararlanılmasına bağlıdır. Günümüz rekabet ortamında kurumlar; karmaşık bir yapıya sahip, talepkâr ve her ürün ve hizmetin hızla ve kolaylıkla taklit edilebildiği pazar ortamında bir yer bulabilmek için bilgiye her zamankinden daha fazla ihtiyaç duymaktadır. Bir kurumda çalışanların ne bildiği, kurumsal bilginin yaratılması ve sürdürülebilmesinde doğrudan etkilidir. Kurumların keşfedilmemiş fakat aynı zamanda stratejik önem taşıyan örtük bilgilerine erişimin mümkün hale gelmesi ve örtük bilgilerinden daha fazla yararlanabilmeleri yapay zekâ teknolojileri ile mümkündür. Yapay zekâ destekli tavsiye sistemleri; kurum çalışanlarının örtük bilgilerini, kişisel özelliklerini, kişisel beğeni ve ilgi alanlarını keşfetmekte olup örtük bilgilerin ortaya çıkarılması, paylaşılması ve kullanılmasını sağlamaktadır. Kurumların iç bilgi kaynaklarından olan örtük bilgilerinden yarar sağlamaları kurumsal hedeflere ulaşmalarında da etkili olmaktadır. Kurumlarda yapay zekâ tekniklerini kullanmak sadece bununla sınırlı kalmayacak, kurumların bilgiye bütüncül bir bakış açısıyla yaklaşmaları daha etkin ve verimli bilgi sistemlerinin geliştirilmesini olanaklı hale getirecektir. Kurumlarda örtük bilginin yapay zekâ destekli tavsiye sistemleri aracılığı ile ortaya çıkarılması ve kurumsal bir değere dönüştürülmesi, kurum performansının arttırılması ve kalitenin yükseltilmesi için bir gerekliliktir. Günümüzde kurumların kalite yönetimine ve süreç iyileştirmesine daha fazla ihtiyaç duymaları da bu gereklilikten kaynaklanmaktadır. Bu çalışmanın amacı, kurumlarda örtük bilginin yapay zekâ destekli tavsiye sistemleri aracılığıyla ortaya çıkarılması, paylaşımı, kullanımı ve bilgi yönetimi açısından kurum ve kuruluşlara sağladığı avantajları ortaya koymaktır. Bu amaç doğrultusunda konuyla ilgili literatür üzerine bir derleme çalışması yapılmış ve yapılan derleme çalışması sonucunda kurum ve kuruluşlarda tavsiye sistemlerinin örtük bilginin ortaya çıkmasında kullanılabileceği vurgulanmıştır. Çalışmada Profil Öğrenme Modeli tanıtılarak örtük bilginin tavsiye sistemleri aracılığı ile ortaya çıkarılmasındaki rolüne değinilmektedir.

Revealing Tacit Knowledge In Organizations Through Recommender Systems, Supported By Artificial Intelligence

The current and future success of organizations depends on identifying, revealing and making more use of tacit knowledge, as part of the internal knowledge held within organizations. In the current competitive environment, where every product and service can be imitated with great speed and ease in complex and demanding markets, organizations need knowledge more than ever. The knowledge of the employees of an organization has a direct effect on the creation and maintenance of organizational knowledge. Artificial intelligence technologies allow organizations to access and make better use of tacitknowledge that may remain hidden, but which is strategically important. Recommender systems supported by artificial intelligence uncover tacit knowledge, individual characteristics, and the personal tastes and interests of the employees, making it possible to reveal, share and utilize tacit knowledge. Making use of tacit knowledge, which is a form of internal knowledge within an organization, makes it easier to achieve goals. Making use of artificial intelligence can offer further benefits, leading organizations to develop more effective and efficient knowledge systems by adopting a more holistic approach to knowledge. Improving the quality and the performance of the organization requires the uncovering of tacit knowledge through recommender systems, supported by artificial intelligence, and thus creates added value for the organization. This requirement explains why organizations today are in greater need of quality management and process improvement. The aim of the present study was to demonstrate the benefits of using recommender systems supported by artificial intelligence in knowledge management for the revealing, sharing, and utilizing of tacit knowledge. In line with this purpose, a review of the literature was performed, which showed that recommender systems can be used to reveal tacit knowledge held within organizations. This study also presents the Profile Learning Model, discussing its role in the revealing of tacit knowledge via recommender systems.

PDF

___

Adomavicius, G. ve Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge & Data Engineering, 17(6), 734-749. doi:10.1109/TKDE.2005.99
Akerkar, R. (2019). Artificial İntelligence For Business. Switzerland: Springer International Publishing.
Ali, S., El Desouky, A. ve Saleh, A. (2016). A new profile learning model for recommendation system based on machine learning technique. Indonesian Journal of Electrical Engineering and Informatics, 4(1), 81-92. doi:10.4172/2165-7866.1000170
Bateson, G. (1973). Steps To An Ecology Of Mind. London: Paladin Books.
Bock, G. W., Zmud, R. W., Kim, Y. G. ve Lee, J. N. (2005). Behavioral intention formation in knowledge sharing: Examining the roles of extrinsic motivators, social-psychological forces, and organizational climate. MIS Quarterly, 29(1), 87-111. Erişim Adresi: https://www.jstor.org/stable/25148669
Burgess, D. (2005). What motivates employees to transfer knowledge outside their work unit?. Journal of Business Communication, 42(4), 324-348. doi: 10.1177/0021943605279485.
Craft, J. A. (2018). Artificial intelligence and the softer side of medicine. Missouri Medicine, 115(5), 406. Erişim Adresi: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6205273/
Duan, Y., Edwards, J. S. ve Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of big data–evolution, challenges and research agenda. International Journal of Information Management, 48, 63-71. Erişim Adresi: https://doi.org/10.1016/j.ijinfomgt.2019.01.021
Glance, N., Arregui, D. ve Dardenne, M. (1999). Making recommender systems work for organizations. PAAM 99 Konferansında sunulan bildiri, London, UK. Erişim Adresi: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.2.571
Kakabadse, M. K., Kouzmin, A. ve Kakabadse, A. (2001). From tacit knowledge to knowledge management: Leveraging invisible assets. Knowledge and Process Management, 8(3), 137–154. Erişim Adresi: https://doi.org/10.1002/kpm.120
Lampropoulos, A. S. ve Tsihrintzis, G. A. (2015). Machine Learning Paradigms. Applications İn Recommender Systems. Switzerland: Springer International Publishing.
Lim, K. K., Ahmed, P. K. ve Zairi, M. (1999). Managing for quality through knowledge management. Total Quality Management, 10(4-5), 615-621. Erişim Adresi: https://doi.org/10.1080/0954412997596
Lin, H. F. (2007). Effects of extrinsic and intrinsic motivation on employee knowledge sharing intentions. Journal of Information Science, 33(2), 135-149.doi: 10.1177/0165551506068174
López-Nicolás, C. ve Meroño-Cerdán, Á. L. (2011). Strategic knowledge management, innovation and performance. International Journal of Information Management, 31(6), 502–509. doi:10.1016/j.ijinfomgt.2011.02.003
Lynch, C. (2001). Personalization and recommender systems in the larger context: New directions and research questions. 2. DELOS Network of Excellence on Recommender Systems in Digital Libraries Çalıştayında sunulan bildiri, Dublin City University, Ireland. Erişim Adresi: https://www.ercim.eu/publication/ws-proceedings/DelNoe02/
Maes, P. (2005). User modeling, recommender systems & personalization. Erişim Adresi: https://ocw.mit.edu/courses/media-arts-and-sciences/mas-961-ambient-intelligence-spring2005/lecture-notes/week6_pm_recosys.pdf
Nonaka, I. (1991). The knowledge-creating company. Harvard Business Review, 69(6), 96-104. Erişim Adresi: https://hbr.org/archive-toc/3916
Nonaka, I. ve Takeuchi, H. (1995). The Knowledge creating company: How Japanese companies create the Dynamics of innovation. New York: Oxford University Press.
Özdemirci, F. (2018). Sağlık bilgi sistemleri yönetimi ve toplumsal bellek/gelecek açısından değerlendirilmesi. Bilgi Yönetimi, 1 (2), 149-155. Erişim Adresi: http://dergipark.gov.tr/by/issue/40526/500294
Özdemirci, F. ve Aydın, C. (2008). Kurumsal bilgi kaynakları ve bilgi yönetimi. Türk Kütüphaneciliği, 22(1), 59-81. Erişim Adresi: http://www.tk.org.tr/index.php/TK/article/view/392/385
Özgöbek Ö., Çiloğlugil B. ve Alatlı O. (2017). Kişiselleştirilmiş sistemlerde kullanıcı gizliliği: Eöğrenme ve öneri sistemleri. Akademik Bilişim Konferansında sunulan bildiri, Aksaray, Türkiye. Erişim Adresi: https://ab.org.tr/ab17/bildiri/138.pdf
Polanyi, M. (1966). The tacit dimension. Garden City, New York: Doubleday & Company. [Adobe Acrobat Reader sürümü]. Erişim Adresi: https://monoskop.org/images/1/11/Polanyi_Michael_The_Tacit_Dimension.pdf
Ravetz, J. R. (1971). Scientific knowledge and its social problems. Oxford: Clarendon Press. [Adobe Acrobat Reader sürümü]. Erişim Adresi: http://www.andreasaltelli.eu/file/repository/Scientific_Knowledge_and_Its_Social_Problems.pdf
Riege, A. (2005). Three‐dozen knowledge‐sharing barriers managers must consider. Journal of Knowledge Management, 9(3), 18-35. Erişim Adresi: https://doi.org/10.1108/13673270510602746
Sarwar, B., Karypis, G., Konstan, J. ve Riedl, J. (2000). Analysis of recommendation algorithms for ecommerce. 2. ACM Elektronik Ticaret Konferansında sunulan bildiri, Minnesota, USA. Erişim Adresi: http://glaros.dtc.umn.edu/gkhome/node/123
Skrzypczyk, W., Bleimann, U., Wentzel, C. ve Clarke, N. (2009). How recommender systems applied in personal knowledge management environments can improve learning processes. 4. Plymouth Eöğrenme Konferansında sunulan bildiri, Plymouth, UK. Erişim Adresi: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.677.5518&rep=rep1&type=pdf
Stenmark, D. (1999). Using intranet agents to capture tacit knowledge. WebNet World Konferansında sunulan bildiri. Hawaii, USA. Erişim Adresi: http://www.editlib.org/index.cfm?fuseaction=Reader.ViewAbstract&paper_id=7374&from=NEW DL
Stenmark, D. (2000). Leveraging tacit organizational knowledge. Journal of Management Information Systems, 17(3), 9-24. Erişim Adresi: https://doi.org/10.1080/07421222.2000.11045655
Sternberg, R. J. (1994). Tacit knowledge and job success. anderson, N. ve Herriot, P. (Ed.), Assessment and Selection in Organizations: Methods and Practice for Recruitment and Appraisal içinde (s. 27- 39) London: John Wiley.
Taşcı, S. (2015). İçerik bazlı medya takip ve haber tavsiye sistemi. (Yayımlanmamış yüksek lisans tezi). Hacettepe Üniversitesi, Ankara.
Utku, A. ve Akcayol, M. A. (2017). Öğrenebilen ve adaptif tavsiye sistemleri için karşılaştırmalı ve kapsamlı bir inceleme. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 33(3), 13- 34. Erişim Adresi: http://dergipark.gov.tr/download/article-file/437577
Ünal, M. A. ve Özdemirci, F. (2017). EBYS (e-BEYAS) ve E-Arşiv sistemlerinde/ uygulamalarında yapay zekâ yaklaşımı. Bilgi Sistemleri ve Bilişim Yönetimi: Beklentiler ve Yeni Yaklaşımlar (s.57- 63) içinde. Ankara: BİL-BEM.

Yayın Aralığı: Yılda 2 Sayı
Başlangıç: 2018
Yayıncı: Ankara Üniversitesi Bilgi Yönetim Sistemleri Belgelendirme ve Bilgi Güvenliği Merkezi ( BİL-BEM)