Year 2019, Volume 2, Issue 1, Pages 34 - 43 2019-06-28

Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması
Revealing Tacit Knowledge In Organizations Through Recommender Systems, Supported By Artificial Intelligence

Banu Fulya Yıldırım [1] , Fahrettin Özdemirci [2]

90 136

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.

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 tacit knowledge 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.

  • 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-spring-2005/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: E-öğrenme 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 e-commerce. 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 E-öğrenme 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=NEWDL
  • 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.
Primary Language tr
Subjects Information Science and Library Science
Journal Section Peer- Reviewed Articles
Authors

Orcid: 0000-0002-4988-7584
Author: Banu Fulya Yıldırım (Primary Author)
Country: Turkey


Orcid: 0000-0001-5861-9779
Author: Fahrettin Özdemirci

Dates

Publication Date: June 28, 2019

Bibtex @research article { by544239, journal = {Bilgi Yönetimi}, issn = {}, eissn = {2636-8544}, address = {Ankara University}, year = {2019}, volume = {2}, pages = {34 - 43}, doi = {10.33721/by.544239}, title = {Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması}, key = {cite}, author = {Yıldırım, Banu Fulya and Özdemirci, Fahrettin} }
APA Yıldırım, B , Özdemirci, F . (2019). Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması. Bilgi Yönetimi, 2 (1), 34-43. DOI: 10.33721/by.544239
MLA Yıldırım, B , Özdemirci, F . "Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması". Bilgi Yönetimi 2 (2019): 34-43 <http://dergipark.org.tr/by/issue/45460/544239>
Chicago Yıldırım, B , Özdemirci, F . "Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması". Bilgi Yönetimi 2 (2019): 34-43
RIS TY - JOUR T1 - Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması AU - Banu Fulya Yıldırım , Fahrettin Özdemirci Y1 - 2019 PY - 2019 N1 - doi: 10.33721/by.544239 DO - 10.33721/by.544239 T2 - Bilgi Yönetimi JF - Journal JO - JOR SP - 34 EP - 43 VL - 2 IS - 1 SN - -2636-8544 M3 - doi: 10.33721/by.544239 UR - https://doi.org/10.33721/by.544239 Y2 - 2019 ER -
EndNote %0 Information Management Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması %A Banu Fulya Yıldırım , Fahrettin Özdemirci %T Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması %D 2019 %J Bilgi Yönetimi %P -2636-8544 %V 2 %N 1 %R doi: 10.33721/by.544239 %U 10.33721/by.544239
ISNAD Yıldırım, Banu Fulya , Özdemirci, Fahrettin . "Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması". Bilgi Yönetimi 2 / 1 (June 2019): 34-43. https://doi.org/10.33721/by.544239
AMA Yıldırım B , Özdemirci F . Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması. IM. 2019; 2(1): 34-43.
Vancouver Yıldırım B , Özdemirci F . Kurumlarda Örtük Bilginin Yapay Zekâ Destekli Tavsiye Sistemleri Aracılığıyla Ortaya Çıkarılması. Bilgi Yönetimi. 2019; 2(1): 43-34.