چارچوبی برای تحلیل ریسک از دست رفتن دانش ناشی از خروج نیروهای دانشی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه مدیریت صنعتی، دانشگاه علامه طباطبائی

2 دانشیار گروه مدیریت صنعتی دانشگاه علامه طباطبایی

3 دانشگاه علامه طباطبایی

چکیده

خروج نیروهای دانشی، یکی از مهم ترین کانالهای از دست دادن دانش در سازمانها می باشد. با توجه به اهمیت فوق العاده دانش و حفظ آن بخصوص برای سازمانهای دانش محور، نیاز به اخذ رویکردی برای محاسبه شدت ریسک از دست رفتن دانش ناشی از کانال بازنشستگی و همچنین کانال ترک خدمت داوطلبانه وجود دارد. علاوه بر این ارائه راهکارهایی برای حفظ نیروهای دانشی نیز می تواند منجر به حفظ دانش سازمانی برای مدت زمان بیشتری گردد. این پژوهش پس از بررسی مدلهای مختلف در رابطه با ریسک از دست رفتن دانش به ارائه چارچوبی برای تحلیل ریسک از دست رفتن دانش پرداخته است. چارچوب ارائه شده پس از مصاحبه با 20 نفر از خبرگان دانشگاهی و سازمانی تایید شده و بر روی 28 نفر از نیروهای دانشی شاغل در یکی از سازمانهای دانش محور دولتی مورد بررسی قرار گرفته است. پژوهش حاضر از نظر جمع آوری اطلاعات پیمایشی بوده و از آمار توصیفی و ماتریس ریسک برای تحلیل داده ها بهره گرفته است. نتایج نشان می دهد که چارچوب پیشنهادی می تواند شدت ریسک از دست رفتن دانش ناشی از خروج نیروهای دانشی را ارزیابی نموده و عوامل و راهکارهای مناسبی در رابطه با حفظ نیروهای دانشی ارائه دهد.

کلیدواژه‌ها

عنوان مقاله [English]

A Framework for risk analysis of knowledge loss caused by knowledge workers Departure

نویسندگان [English]

  • jahanyar bamdad soofi 1
  • mohammad taghi taghavifard 2
  • omid arjmand ghahestani 3

3 allameh tabatabai' university

چکیده [English]

One of the most important channels for losing knowledge in organizations is knowledge workers turnover. Knowledge workers are those whose information and knowledge are their work foundation. Knowledge workers turnover can lead to the loss of knowledge and hence losing competitive advantage. Due to extra importance of knowledge for knowledge-based organizations, the need for taking an approach for assessing knowledge loss risk causing by knowledge workers turnover through voluntary turnover and retirement is necessary. In addition, providing suggestions for preventing knowledge workers voluntary turnover can keep organizational knowledge for a long time. This paper presents a framework for knowledge loss risk analysis, after reviewing different knowledge loss risk assessment models. The proposed framework was confirmed after interviewing with 20 academic and business experts. The proposed framework has been examined within a public knowledge-based organization and on 28 knowledge workers. This research utilizes survey for gathering data and descriptive statistics and risk matrix for analyzing results

کلیدواژه‌ها [English]

  • knowledge loss risk
  • knowledge workers
  • job embeddedness
  • unfolding model of voluntary turnover

راهداری، حسین (1388). بررسی میزان کاربرد نظریه آشکارساز ترک خدمت داوطلبانه در تبیین ترک خدمت کارکنان دانشور در چند شرکت نرم افزاری در ایران (پایان نامه کارشناسی ارشد). دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران

سید کلالی، نادر (1390). ارائه یک سیستم پشتیبانی از تصمیم فازی برای بررسی میزان تمایل کارکنان به ترک خدمت در صنعت ارتباطات سیار ایران (پایان نامه کارشناسی ارشد). دانشگاه تهران، دانشکده مدیریت، دانشگاه تهران

 

Bussard, G. W. (2013). "Knowledge retention: developing a knowledge transfer plan for the engineering department at wolf creek nuclear operating corporation" (master's thesis, university of Kansas, USA). (Bussard,2013).

Castro, C. (2013). "Knowledge Management and The Retirement Workforce in Theme Parks" (Doctor of Philosophy's Thesis, University of Pepperdine, USA).

Crossley, Craig D.; Bennett, Rebecca J.; Jex, Steve M.; Burnfield, Jennifer L. (2007). "Development of a global measure of job embeddedness and integration into a traditional model of voluntary turnover". Journal of Applied Psychology, 92(4), 1031-1042.

Donnelly, D. P., & Quirin, J, J. (2006). An extention of Lee and Mitchell's unfolding model of voluntary turnover. Journal of Organizational Behavior, 27, 59-77. (Donnelly, &Quirin, 2006)

Hatum, A., &Preve, L. A. (2015). "Managing Talent Risk". Journal of Harvard Deusto Business Research, 4(1), 34-45.

Holtom, B. C., &Inderrieden, E. J. (2006). "Integrating the Unfolding Model and Job Embeddedness Model to Better Understanding Voluntary Turnover". Journal of Managerial Issues, 18(4), 435-452.

Holtom, B.C., Mitchell, T., Lee, T., & Inderrieden, E. (2005). "Shocks as causes of turnover: What they are and how organizations can manage them". Human Resource Management, 44, 337–352.

Ihrig, M., &Machmillan, I. (2015). "Managing Your Mission-Critical Knowledge". Harvard Business Review, 93(1/2), 80-87.

International Atomic Energy Agency. (2006). "Risk Management of Knowledge Loss in Nuclear Industry Organizations". [Brochure]. Kosilov, A., Mazour, T., &Yanev, Y: Authors.

Jennex, M. E. (2014). "A Proposed Method for Assessing Knowledge Loss Risk With Departing Personnel". Journal of Information and Knowledge Management Systems, 44(2), 185-209.

Jennex, M. E., &Durcikova, A. (2013). "Assessing Knowledge Loss Risk". 46th Hawaii International Conference on Systems Sciences.

Kulick, J. C. (2004). An Unfolding Model of Voluntary Turnover of Air Force Reservists and Air National Guard Members. (M.Sc thesis, Air Force Institute of Technology, USA).

Lee, S., Suh, E., & Lee, M. (2014). "Measuring The Risk of Knowledge Drain in Communities of Practice". Journal of Knowledge Management, 18(2), 382-395.

Lee, T. W., &Mitchell, T. R. (1994). "An Alternative Approach: The Unfolding Model of Voluntary Employee Turnover". Journal of academy of management review, 19(1), 51-89.

Lee, T. W., Holtom, B. C., McDaniel, L. S., & Hill, J. W. (1999). "The Unfolding Model of VoluntaryTurnover: A Replication and Extension". Academy of management journal, 42(4), 450-462.

Massingham, P. (2008). "Measuring The Impact of Knowledge Loss: More than Ripples On a Pond". Journal of Management Learning, 39(5), 541-560.

Misuraca, P. M. (2013). "An Examination of The Relationship Between Job Satisfaction and Tacit Knowledge Sharing Among Knowledge Workers: A Quantitative Study" (Doctor of Philosophy's Thesis, University of Capella, USA).

Mitchell, T. R., Holtom, B. C., Lee, T. W., &Erez, M. (2001). "Why People Stay: Using Job EmbeddednessTo Predict Voluntary Turnover". Journal of academy of management, 44(6), 1102-1121.

Rupesh, K., Kaloya, D., Choudhary, C. K., & Gupta, G. (2011). "Employee Attrition Risk Assessment Using Logistic Regression Analysis". 2th International conference on Advanced Data Analysis, Business Analytics and Intelligence, India.

Thompson, W. A. (2014). "Staff turnover in juvenile corrections: predicting intentions to leave". (Doctor of Philosophy's Thesis, University of Temple, Philadelphia, USA).

Trinkle, S. I. (2005). "The Nature of Tacit Knowledge and The Nature of The Expert: Tacit knowledge Retention at the Tennessee Valley Authority" (Doctor of Philosophy's Thesis, university of Capella, USA).

Udechukwu, I. I., & Mujtaba, B. G. (2007). "Determining the Probability that an Employee Will Stay or Leave the Organization: A Mathematical and Theoretical Model for Organizations". Human Resource Development Review, 6(2), 164-184.

Wang, X., Wang, H., Wang, H., Zhang, L., & Cao, X. (2011). "Constructing a Decision Support System for Management of Employee Turnover Risk". Journal of Information Technology Management, 12, 187-196.

Zhang, M., Fried, D. D., & Griffeth, R. W. (2012). "A Review of Job Embeddedness: Conceptual, Measurement Issues, and Directions for Future Research". Journal of Human Resource Management Review, 22, 220-231.

 


دوره 25، شماره 82
زمستان 1395
صفحه 29-59
  • فایل‌های تکمیلی/اضافی
  • 2.pdf
  • تاریخ دریافت: 07 بهمن 1395
  • تاریخ بازنگری: 26 بهمن 1395
  • تاریخ پذیرش: 10 اسفند 1395