本案例研究考察了美国陆军将知识管理(KM)作为其指挥与控制系统内的整合流程的实施情况。探讨的研究问题是美国陆军尝试使用知识管理成熟度模型(KM3)和知识管理评估工具(KMAT)来衡量知识转移的情况。目的是确定知识管理的成熟度以及影响决策的知识障碍。概念方法采用了 Nonaka 和 Takeuchi 的知识型企业流程理论,并结合 Argote 和 Hora 的知识转移框架,将其应用于 Moore 的公共价值概念。核心研究问题探讨了美国陆军总部的知识管理成熟度,以及其参谋人员如何描述知识转移障碍。本研究采用定性单一案例研究设计,内含八个分析单元。对来自知识管理3 的档案数据进行分析后发现,分析单元的平均知识管理成熟度水平表明,有些流程是可重复的,但不太可能是严格的。对 KMAT 档案数据的专题分析揭示了四个主要的知识转移障碍:内容管理、人员流动、门户网站的使用以及将知识管理固定在机构治理中。军方可以利用这些发现来指导其在职业结构、人事管理、训练、知识管理政策和内容管理技术方法方面进行积极的社会变革。如果这些变革得以实施,还可以加强陆军高层领导的未来决策,从而实现公共资源的有效投入。

知识创造模型

本案例研究探讨了知识管理(KM)作为整合流程在美国陆军总部各部门的实施情况。美国陆军知识管理推进办公室(AKM-PO)负责确保知识管理在整个部队以及条令、组织结构、训练、物资、领导发展、人事、设施和政策(DOTMLPF-P)等陆军部队现代化领域内得到发展。

陆军将知识管理定义为 "促进知识流动以加强共同理解、学习和决策的过程"(陆军部总部,2015b,第 1-1 页)。陆军的《指挥与控制手册》(陆军部总部,2019a)进一步将知识管理描述为一个整合过程,以帮助在众多职能部门和组织之间同步复杂的数据、信息和知识流(第 3-26 页)。知识管理于 2008 年首次被引入陆军参谋人员条令,随后于 2012 年和 2015 年进行了更新。目前正在进行第三次修订,修订日期为 2023 年。在条令上,知识管理被用作美国陆军参谋部整合的多学科方法(陆军经验教训中心,2017 年;陆军部总部,2019a)。知识管理作为整合过程的实施和衡量其有效性的努力是本研究的主题。

陆军的知识管理条令方法在概念上类似于 Nonaka 和 Takeuchi(1995 年)对组织知识创造的开创性研究。Nonaka 和 Toyama(2008 年)对这一研究进行了扩展,将组织与环境的互动作为知识创造的一个基本要素。此外,日本政府通过日本国际协力事业团将知识创造理论作为亚洲社区发展解决方案的推荐方法(Nonaka et al.) 由于陆军是一个庞大的政府国防企业,下属总部单位众多,这些总部单位在全球各地不断变化的环境中遇到复杂问题时,必须处理大量数据和信息,以便进行创新和决策。这就要求陆军企业创造新知识,以保持在国际安全环境中的竞争力。Nonaka 的知识转移和创造概念为解决这些问题提供了一种模式(Nonaka 等人,2008 年)。

最近的研究表明,采用知识管理实践的组织与生产率提高之间存在相关性(Mendoza 等人,2017 年)。然而,目前还没有关于陆军采用知识管理作为条令整合参谋流程的实施情况和效果的研究,使用的是知识管理成熟度模型和知识管理评估工具。通过本案例研究,我试图通过探索和分析美国陆军采用知识管理作为整合过程来填补这一空白。本研究的结果可能会影响积极的社会变革,为陆军未来的组织设计提供参考,从而加快数据、信息和知识的整合,增强决策能力。在本章中,我将讨论研究的背景、问题陈述和目的。此外,我还将回顾理论框架和研究问题、数据来源和局限性。

成为VIP会员查看完整内容
15

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《信息战制胜理论》2024最新149页论文
专知会员服务
64+阅读 · 3月2日
《博弈论与美海军预算》2023最新52页论文
专知会员服务
20+阅读 · 2023年12月14日
《美国陆军领导者系统思维的概念模型》70页报告
专知会员服务
39+阅读 · 2023年12月7日
《战略决策工具》2023最新81页论文
专知会员服务
76+阅读 · 2023年9月4日
《预测战术部队的未来目的地》2023最新55页论文
专知会员服务
40+阅读 · 2023年8月28日
国家自然科学基金
6+阅读 · 2017年12月31日
国家自然科学基金
20+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
42+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2012年12月31日
A Survey of Large Language Models
Arxiv
354+阅读 · 2023年3月31日
Arxiv
59+阅读 · 2023年3月26日
VIP会员
相关VIP内容
相关资讯
相关基金
国家自然科学基金
6+阅读 · 2017年12月31日
国家自然科学基金
20+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
42+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员