نقش توانمند سازي سيستم هاي پشتيبان تصميم در يادگيري سازماني

The enabling role of decision support systems in organizational learning

سازمان ها به طور عادي اطلاعات را پردازش مي كنند، تصميماتي را اتخاذ نموده و آنها را اجرا مي كنند. پيشرفت هاي اخير در كامپيوتر و تكنولوژي هاي ارتباطات طريقه انجام هر يك از وظايف سازمان را تغيير داده است. سيستم هاي پشتيبان تصميم (DSSs) يك دسته مهم از ابزار هايي هستند كه يك سازمان براي پشتيباني و ارتقاء فعاليت هاي تصميم گيريش مورد استفاده قرار مي دهد. به طور سنتي، سازمان ها به دنبال اين هستند كه يك سري اهداف از پيش تعيين شده و ثابت داشته باشند. اما براي حفظ جايگاه رقابتي و بقاء در محيط پوياي امروز سازمان ها بايد توانايي واكنش سريع نشان دادن و وفق پيدا كردن با تغييرات در وضعيت كسب و كارش را داشته باشند. برخي تغييرات مي تواند به دليل پيشرفت هاي فني، رشد و تغيير تقاضاي مشتريان، الزامات رقابتي، تغيير در نيروي كار، تاثيرات محيطي و سياسي، فشارهاي اجتماعي، نگراني هاي امنيتي و غيره باشد. در سال هاي اخير حوزه DSS بسيار تخصصي تر شده است و در برگيرنده پارادايم هايي همچون سيستم هاي خبره(ESs)، DSS هاي هوشمند، DSSهاي فعال و DSSهاي سازگارپذير مي باشد. هوش مصنوعي(AI) بر پايه فنوني است كه در بسياري از كاربردهاي DSS به كار گرفته شده اند، از اينرو قابليت هاي پشتيباني DSS افزايش مي يابد. برخي پارادايم ها داراي كاربرد بالقوه در هر دو زمينه يادگيري سازماني و فردي مي باشند. هرچند ميزان اينكه هر يك از DSSهاي موجود مي توانند يادگيري سازماني را تقويت كنند هنوز به طور جدي مورد بحث است. اين مقاله استراتژي هاي يادگيري به كارگرفته شده توسط سازمان ها و DSSها را مورد آزمون قرار مي دهد و يك چارچوب را به منظور شرح اينكه چگونه يك DSS مي تواند يادگيري سازماني را ارتقاء دهد، ارائه مي دهد.

Organizations routinely process information, make decisions, and implement them. Recent advances in computer and communications technologies have changed the way in which organizations perform these functions. Decision support systems (DSSs) are a major category of tools that an organization utilizes to support and enhance its decision-making activities. Traditionally, organizations are considered to have a predefined and static set of goals. However, in order to stay competitive and survive in today’s dynamic environment, organizations must be able to quickly respond and adapt to changes in their business settings. Such changes could be due to technological advances, growing and changing customer demands, competitive forces, changes in the labor force, environmental and political concerns, societal impacts, security concerns, and others. In recent years, the field of DSS has become more sophisticated to encompass such paradigms as expert systems (ESs), intelligent DSSs, active DSSs, and adaptive DSSs. Artificial intelligence (AI)-based techniques are being embedded in many DSS applications, thus enhancing the support capabilities of the DSS. Such paradigms have application potential in both individual and organizational learning contexts. However, the degree to which current DSSs can support organizational learning has yet to be investigated in depth. This paper examines the learning strategies employed by organizations and DSSs and provides a framework to demonstrate how a DSS can enhance organizational learning.