Development of Knowledge Management Theories: Classical Approaches and Modern Concepts

封面

如何引用文章

全文:

详细

This article analyzes classical and contemporary approaches to knowledge management (KM) within organizations. It examines key theoretical concepts in this field from the mid-20th century to the present day, noting the transformation of understanding knowledge as an economic resource. Among current KM technologies are big data analytics, artificial intelligence (AI) applications, and machine learning. Organizational approaches to KM have also evolved, with the incorporation of crowdsourcing and open innovation. Case studies of successful applications of modern KM technologies are presented from both Russian and international companies. By utilizing a suite of KM technologies, particularly AI-driven information analysis, organizations can leverage accumulated experience within the business environment and forecast future changes. Open innovation technologies enable the expansion of the knowledge base. Combining traditional training methods with personalized approaches in a digital environment allows organizations to achieve more effective management of their intellectual capital. This, in turn, accelerates innovative development, creating a more resilient and adaptable organizational structure.

作者简介

A. Yurasova

Moscow Metropolitan Governance Yury Luzhkov University

Email: yurasova.ai@yandex.ru
1st year PhD student in Management 28 Sretenka ulitsa, Moscow

参考

  1. Большие данные и нейросети увеличили эффективность "Магнита": Магнит: [сайт]. 15.02.2022. URL: https://www.magnit.com/ru/media/press-releases/bolshie-dannye-i-neyroseti-uvelichili-effektivnost-magnita-/?clckid=7d836a39 (дата обращения: 27.05.2025).
  2. Бочаров И. М. Управление знаниями в цифровой экономике: теоретико-методологические аспекты: монография. 2-е изд. М.: Дашков и К°, 2021. 96 с.
  3. Кельчевская Н. Р., Колясников М. С. Использование больших данных в стратегическом управлении знаниями компании, следующей трендам индустрии 4.0 // Лидерство и менеджмент. 2020. No 3. С. 405-426. doi: 10.18334/lim.7.3.110662.
  4. Лукина Е. М. Развитие экономики знаний - необходимое условие экономического роста в современном мире // Актуальные проблемы экономики и управления. 2021. No 1 (29). С. 82-86.
  5. Лунев А. П., Томашевская Ю. Н., Кошкаров А. В. Управление знаниями в системе высшего образования: теория и практика // Управленческие науки. 2022. No 12 (2). С. 86-97. doi: 10.26794/2304-022X-2022-12-2-86-97.
  6. МТС повышает скорость обслуживания в салонах с помощью Big Data // банки.ру: [сайт]. URL: https://www.banki.ru/news/lenta/?id=10643188 (дата обращения: 17.05.2025).
  7. Мухачева А. В. Концепция открытых инноваций Генри Чесбро // Россия молодая: Сборник материалов XVI Всероссийской научно-практической конференции с международным участием, 16-19 апреля 2024 г., Кемерово / отв. ред. К. С. Костиков [и др.]. Кемерово: Кузбасский государственный технический университет им. Т. Ф. Горбачева, 2025. С. 1-8.
  8. Новый уровень. Как благодаря Big Data в Москву приходит медицина будущего // lenta.ru: [сайт]. 25.10.2022. URL: https://lenta.ru/articles/2022/10/25/bigdata/ (дата обращения: 17.05.2025).
  9. Питер Друкер: Эра социальной трансформации / пер. Т. Лопухиной; Центр гуманитарных технологий // Гуманитарный портал: [сайт]. 08.12.2006. URL: https://gtmarket.ru/library/articles/2506?ysclid=mask0j0u7226110545&clckid=6cc85e8f (дата обращения: 17.05.2025).
  10. Послание Президента Федеральному Собранию // Президент России: [сайт]. 29.02.2024. URL: http://www.kremlin.ru/events/president/transcripts/messages/73585 (дата обращения: 16.02.2025).
  11. Проказина Н. В. Управление в условиях неопределенности: новые подходы к развитию управленческой культуры // Среднерусский вестник общественных наук. 2022. Т. 17. No 5. С. 80-97.
  12. Сафонов М. С. Омнимодальность vs многоканальность. Системы управления знаниями - от прошлого к будущему // Экономика: вчера, сегодня, завтра. 2018. Т. 8. No 5A. С. 11-26.
  13. Устинова Л. Н., Устинов А. Э., Салахов Р. Л. Эволюция взглядов на развитие термина "интеллектуальный капитал" // Креативная экономика. 2023. Т. 17. No 1. С. 55-70. doi: 10.18334/ce.17.1.116773.
  14. Хау Дж. Краудсорсинг: Коллективный разум как инструмент развития бизнеса. М.: Альпина Паблишер, 2012. 296 с.
  15. Шугаев Г. Сбер внедрил собственную графовую платформу // lenta.ru: [сайт]. 31.03.2023. URL: https://lenta.ru/news/2023/03/31/grfpltf/ (дата обращения: 17.05.2025).
  16. Якимова З. В. Управление корпоративными знаниями в контексте кадровой политики организации // Гуманитарные чтения: материалы Всероссийской научно-практической конференции (Владивосток, 22 октября 2021 г.). Вып. 3 / отв. ред. Н. А. Шабельникова, М. А. Тулиглович [и др.]. Хабаровск: Форпост Науки, 2022. С. 199-207.

补充文件

附件文件
动作
1. JATS XML


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».