Аннотації

Цільові пріоритети та формалізовані індикатори трансформації операційних систем стейкхолдерів будівництва

Автор(и):
Хоменко О. М., Рижакова Г. М., Малихіна О. М., Петренко Г. С., Степанюк Р. Б.
Автор(и) (англ)
Кhomenko O., Ryzhakova G., Malykhina O., Petrenko Н., Stepaniuk R.
Дата публікації:

05.03.2024

Анотація (укр):

Світовий досвід свідчить, що реалії сучасності створюють умови для постійних трансформацій операційних систем та формування оновлених моделей організаційних структур підприємств-стейкхолдерів будівництва, що мають на меті більш ефективне використання економічного й організаційно-технологічного потенціалу суб’єкта господарювання, розширюють спектр можливостей економіко-управлінського зростання, формують передумови для розвитку бізнес-структур та надають можливість впровадити інноваційні форми управління знаннями в адмініструванні підприємством. Актуальність проблематики когнітивних досліджень визначається особливостями розвитку сучасного суспільства. Характерною особливістю сьогодення є наявність єдиних інформаційних технологій (ІТ) практично у всіх сферах життя. ІТ дають змогу обмінюватися інформацією в глобальних вимірах, збирати величезні набори даних та інтегрувати їх із розосереджених та різноманітних джерел. Зібрані в такий спосіб набори великих даних використовуються для прогнозування та генерування нових знань. Незважаючи на межі дисциплінарної приналежності та прихильності до різних наукових шкіл, вчених об’єднує парадигма, теорія і методологія когнітивної науки. В основі сучасних наукових досліджень повстає суб’єкт виробництва зі своїми знаннями, вміннями та навичками. Останні наукові дослідження когнітивних механізмів здебільшого були сфокусовані на аналізі процесів, моделей та практик з управління знаннями окремої організації, і лише незначна кількість досліджень була спрямована на оцінку й оптимізацію процесів, пов’язаних із інтеграцією знань у проєкті. Процес інтеграції знань має забезпечувати динамічний потенціал організацій – здатність інтегрувати внутрішні і зовнішні знання для реагування на зміни навколишнього середовища. У статті проаналізовано і класифіковано складові системи управління знаннями в будівництві: техноінформаційна система, в якій особлива увага приділяється інформаційним технологіям (ІТ); організаційна система, що зосереджена на тому, якими мають бути організаційна структура проєкту та різноманітні процеси і процедури; людська система, яка орієнтована на управління людськими ресурсами шляхом цифровізації та засобів комунікацій через «інформаційний вибух», що обумовлений трансформацією операційних систем підприємтств у вимірах індикаторів «складності світу» (SPOD-світ, VUCA-світ та BANI-світ).

Анотація (рус):

Анотація (англ):

World experience shows that the realities of modern times create conditions for permanent transformations of operating systems and the formation of updated models of organizational structures of construction enterprises-stakeholders, aimed at more effective use of the economic and organizational-technological potential of the business entity, expanding the range of opportunities for economic and managerial growth , form prerequisites for the development of business structures and provide an opportunity to introduce innovative forms of knowledge management in enterprise administration. The relevance of the issues of cognitive research is determined by the features of the development of modern society. A characteristic feature of today is the presence of unified information technologies (IT) in almost all spheres of life. IT enables the sharing of information on a global scale, the collection and integration of vast data sets from dispersed and diverse sources. Big data sets collected in this way are used for forecasting and generating new knowledge. Contrary to the boundaries of disciplinary affiliation and commitment to different scientific schools, scientists are united by the paradigm, theory and methodology of cognitive science. At the basis of modern scientific research, the subject of production, with its knowledge, abilities and skills, is emerging. The latest scientific studies of cognitive mechanisms were mainly focused on the analysis of processes, models and practices of knowledge management of an individual organization, and only a small number of their studies were aimed at evaluating and optimizing processes related to the integration of knowledge in the project. The process of knowledge integration should ensure the dynamic potential of organizations – the ability to integrate internal and external knowledge to respond to environmental changes. The article analyzes and classifies the components of knowledge management systems in construction: an information technology system, in which special attention is paid to information technologies (IT); an organizational system that focuses on what the project's organizational structure and various processes and procedures should be; a human system that is focused on the management of human resources through digitalization and means of communication through the "information explosion", which is due to the transformation of the operating systems of enterprises in the dimensions of the "complexity of the world" indicators: SPOD-world, VUCA-world and BANI-world.

Література:

  1. Thomas S. L. Ties that Bind: A Social Network Approach to Understanding Student Integration and Persistence. Journal of Higher Education. 2000. Vol. 71. № 5. P. 591–615.
  2. Xu R., and Wunsch D. Survey of clustering algorithms. IEEE Transactions on Neural Networks, 16(3):645–678, 2005.
  3. Newman, M. E. (2003). Mixing patterns in networks. Physical Review E, 67(2), 026126.
  4. Newman M. E. J. Detecting community structure in networks. The European Physical Journal B, 2004, vol. 38, no. 2, pp. 321–330.
  5. Fortunato S. Community detection in graphs. Physics reports, 2010, vol. 486. N. 3–5, pp. 75–174. https://doi.org/10.1016/j.physrep.2009.11.002.
  6. Maulik U., Bandyopadhyay S. Genetic algorithm-based clustering technique. Pattern recognition, 2000, vol. 33, no. 9, pp. 1455–1465.
  7. Pizzuti C. A multiobjective genetic algorithm to find communities in complex networks. IEEE Transactions on Evolutionary Computation, 2012, vol. 16, no. 3, pp. 418–430. https://doi.org/10.1109/TEVC.2011.2161090.
  8. Flake G. W., Lawrence S., Giles C. L. Efficient identification of web communities. Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2000, pp. 150–160. https://doi.org/10.1145/347090.347121.
  9. Radicchi F., Castellano C., Cecconi F., Loreto V., Parisi D. Defining and identifying communities in networks. Proceedings of the National Academy of Sciences, 2004, vol. 101, no. 9, pp. 2658–2663. https://doi.org/10.1073/pnas.0400054101.
  10. Newman, M. E. (2004). Analysis of weighted networks. Physical review E, 70(5), 056131.
  11. Girvan, M., & Newman, M. E. (2001). Community structure in social and biological networks. Proc. Natl. Acad. Sci. USA, 99 (cond-mat/0112110), 8271–8276.
  12. Leskovec J., Lang K. J., Mahoney M. Empirical comparison of algorithms for network community detection. Proceedings of the 19th international conference on World wide web. ACM, 2010, pp. 631–640. https://doi.org/10.1145/1772690.1772755.
  13. Гончаренко Т. А. Кластерний метод формування метаданих багатовимірних інформаційних систем для розв’язання задач генерального планування. Управління розвитком складних систем. № 42. С. 93–101, 2020. DOI: 10.32347/2412-9933.2020.42.93-101.
  14. Хоменко О. М., Петренко Г. С., Рижакова Г. М., Петруха Н. М., Чуприна Ю. А., Малихіна О. М., Кушнір О. К. Сучасні інструменти та програмні продукти адміністрування будівельними організаціями в умовах трансформації операційних систем менеджменту. Управління розвитком складних систем. Київ, 2022. № 52. С. 113 – 125, dx.doi.org\10.32347/2412-9933.2022.52.113-125.
  15. Рижакова Г. М., Кіщак Н. Г., Хоменко О. М., Ротов О. О., Ніколаєва М. Ю., Веремєєва Т. І. Сучасний вектор оновлення будівельного девелопменту в контексті стратагем Integrated Project Delivery. Управління розвитком складних систем. Київ. 2022. № 49. С. 113 – 123, dx.doi.org\10.32347/2412-9933.2022.49.113–123.
  16. Савенко В. І., Демидова О. О., Шатрова І. А., Гончаренко Т. А., Лященко Т. О. Еволюція розвитку організації і кадрового менеджменту. Управління розвитком складних систем. Київ, 2023. № 53. С. 91 – 99, dx.doi.org\10.32347/2412-9933.2023.53.91-99.
  17. Горда О. В., Цюцюра С. В., Лященко Т. О. Когнітивні елементи інформаційних середовищ. Управління розвитком складних систем. Київ, 2022. № 51. С. 49 – 57, dx.doi.org\10.32347/2412-9933.2022.51.49-57.
  18. Zachary, W. W., “An information flow model for conflict and fission in small groups”, Journal of Anthropological Research 33 (1977), 452–473.
  19. Roco M. C., Bainbridge W. S. (eds). Converging Technologies for Improving Human Performance. NSF-DOC Report / Boston: Cluwer Academic Publisher, 2004.

References:

  1. Thomas, S. L. (2000). Ties that Bind: A Social Network Approach to Understanding Student Integration and Persistence. Journal of Higher Education, 71, 5, 591–615.
  2. Xu, R, and Wunsch, D. (2005). Survey of clustering algorithms. IEEE Transactions on Neural Networks, 16(3):645–678.
  3. Newman, M. E. (2003). Mixing patterns in networks. Physical Review E, 67(2), 026126.
  4. Newman, M. E. J. (2004). Detecting community structure in networks. The European Physical Journal B, 38, 2,
    321–330.
  5. Fortunato, S. (2010). Community detection in graphs. Physics reports, 486, 3–5, 75–174. https://doi.org/10.1016/j.physrep.2009.11.002.
  6. Maulik, U., Bandyopadhyay, S. (2000). Genetic algorithm-based clustering technique. Pattern recognition, 33, 9, 1455–1465.
  7. Pizzuti, C. (2012). A multiobjective genetic algorithm to find communities in complex networks. IEEE Transactions on Evolutionary Computation, 16, 3, 418–430. https://doi.org/10.1109/TEVC.2011.2161090.
  8. Flake, G. W., Lawrence, S., Giles, C. L. (2000). Efficient identification of web communities. Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2000, pp. 150–160. https://doi.org/10.1145/347090.347121.
  9. Radicchi, F., Castellano, C., Cecconi, F., Loreto, V., Parisi, D. (2004). Defining and identifying communities in networks. Proceedings of the National Academy of Sciences, 101, 9, pp. 2658–2663. https://doi.org/10.1073/pnas.0400054101.
  10. Newman, M. E. (2004). Analysis of weighted networks. Physical review E, 70(5), 056131.
  11. Girvan, M. & Newman, M. E. (2001). Community structure in social and biological networks. Proc. Natl. Acad. Sci. USA, 99 (cond-mat/0112110), 8271–8276.
  12. Leskovec, J., Lang, K. J., Mahoney, M. (2010). Empirical comparison of algorithms for network community detection. Proceedings of the 19th international conference on World wide web. ACM, pp. 631–640. https://doi.org/10.1145/1772690.1772755.
  13. Honcharenko, Tetyana, (2020). Cluster method of forming metadata of multidimensional information systems for solving general planning problems. Management of Development of Complex Systems, 42, 93–101. dx.doi.org\10.32347/2412-9933.2020.42.93-101.
  14. Homenko, Oleksandr, Petrenko, Наnna, Ryzhakova, Galyna, Chupryna, Yuriі, Malykhina, Oksana, Petrukha, Nina & Kushnir, Olesii. (2022). Modern tools and software products for the administration of construction organizations in the conditions of transformation of operational management systems. Management of Development of Complex Systems, 52, 113–125, dx.doi.org\10.32347/2412-9933.2022.52.113-125.
  15. Ryzhakova, Galyna, Kishchak, Nataliia, Khomenko, Oleksandr, Rotov, Oleksandr, Nikolaeva, Marina & Veremeeva, Tetyanа. (2022). Modern vector of construction development renovation in the context of Integrated Project Delivery Stratagems. Management of Development of Complex Systems, 49, 113–123. dx.doi.org\10.32347/2412- 9933.2022.49.113–123.
  16. Savenko, Volodymyr, Shatrova, Inna, Demydova, Olena, Honcharenko, Tetiana & Liashchenko, Tamara. (2023). Evolution of organizational development and personnel management. Management of Development of Complex Systems, 53, 91–99, dx.doi.org\10.32347/2412-9933.2023.53.91-99.
  17. Gorda, Elena, Tsiutsiura, Svitlana & Liashchenko, Tamara. (2022). Cognitive elements of information environments. Management of Development of Complex Systems, 51, 49–57, dx.doi.org\10.32347/2412-9933.2022.51.49-57.
  18. Zachary, W. W. (1977). An information flow model for conflict and fission in small groups. Journal of Anthropological Research, 33, 452–473.
  19. Roco, M. C., Bainbridge, W. S. (eds). (2004). Converging Technologies for Improving Human Performance. NSF-DOC Report / Boston: Cluwer Academic Publisher.