Математические модели социально-экономических процессов
Системный анализ в медицине и биологии
Когнитивные технологии
Методы искусственного интеллекта и интеллектуальные системы
А.В. Соловьев, В.В. Фарсобина "Оценка качества передачи знаний между носителями разных парадигм"
А.В. Соловьев, В.В. Фарсобина "Оценка качества передачи знаний между носителями разных парадигм"

Аннотация.

В статье рассматривается концептуальный подход к решению задачи оценки качества передачи знаний при сетевом взаимодействии между членами научно-технических сообществ, являющихся носителями разных парадигм. Разработанные в рамках данного исследования модели, концепции и математический аппарат могут применяться в различных областях современной цифровой экономики, т.к. взаимодействие в ней носит сетевой характер, используются разные парадигмы и языки описания предметных областей. Полученные результаты исследования носят ярко выраженный междисциплинарный характер.

Ключевые слова:

цифровая экономика, качество передачи знаний, тематическое моделирование, парадигмальное моделирование, модель передачи знаний.

Стр. 96-104.

 Полная версия статьи в формате pdf.

DOI: 10.14357/20790279190109

Литература

1. Alaeddini A., Hong S.H. A multi-way multitask learning approach for multinomial logistic regression: An application in joint prediction of appointment miss-opportunities across multiple clinics // Methods of Information in Medicine, 2017, 56(4), pp. 294-307.
2. Martin O., Fink A., Richter M. Communication skills with e-learning // Medizinische Welt, 2017, 68(1), pp. 11-16.
3. Qian X.-D., Xia J., Liu W., Tsai S.-B. An empirical study on sustainable innovation academic entrepreneurship process model // Sustainability (Switzerland), 2018, 10(6), pp. 1974.
4. Wang C., Zuo M., An X. Differential influences of perceived organizational factors on younger employees’ participation in offline and online intergenerational knowledge transfer // International Journal of Information Management, 2017, 37(6), pp. 650-663.
5. Hsiao Y.-C., Chen C.-J., Choi Y.R. The innovation and economic consequences of knowledge spillovers: fit between exploration and exploitation capabilities, knowledge attributes, and transfer mechanisms // Technology Analysis and Strategic Management, 2017, 29(8), pp. 872-885.
6. Bailey M. Absorptive Capacity, International Business Knowledge Transfer, and Local Adaptation // Australian Economic History Review, 2017, 57(2), pp. 194-216.
7. Morioka S.N., Bolis I., Evans S., Carvalho M.M. Transforming sustainability challenges into competitive advantage: Multiple case studies kaleidoscope converging into sustainable business models // Journal of Cleaner Production, 2018, №167, pp. 723-738.
8. AghaeiRad A., Chen N., Ribeiro B. Improve credit scoring using transfer of learned knowledge from self-organizing map // Neural Computing and Applications, 2017, 28(6), pp. 1329-1342.
9. Mihalcea. Knowledge transfer in organization of future // International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM, 2017, 17(53), pp. 555-562.
10. Andrea Č., Mária R., Tatiana Č. Knowledge Transfer Model and Spin-off Company set up in Significant Academic Centres in Taiwan // Procedia Engineering, 2017, 192, pp. 86-91.
11. Носуленко В.Н., Терехин В.А. Передача знаний: обзор основных моделей и технологий // Экспериментальная психология. М.: Московский государственный психолого-педагогический университет, 2017. Т. 10. № 4. С. 96-115.
12. Коновалова В.Г. От передачи знаний к приобретению опыта: развитие практико-ориентированных моделей высшего образования // Актуальные вопросы управления персоналом и экономики труда Материалы III Всероссийской научно-практической конференции. Государственный университет управления, Национальный союз «Управление персоналом». М.: Государственный университет управления, 2017. С. 104-109.
13. Рукавишникова Н.А. Контекст как компонент дискурсивно-онтологической модели передачи знаний // Цифровая гуманитаристика: ресурсы, методы, исследования. Материалы Международной научной конференции. В 2-х частях. Пермь: Пермский государственный национальный исследовательский университет, 2017. С. 156-159.
14. Покровская Н.Н. Передача знаний в виртуальной коммуникации: динамика компетентности в цифровой экономике // Россия в глобальном мире. С-Пб.: Санкт-Петербургский политехнический университет Петра Великого, 2016. № 8 (31). С. 596-605.
15. Бурова Н.В., Покровская Н.Н. Сетевизация экономики и сетевые технологии передачи знаний // Россия и Санкт-Петербург: экономика и образование в XXI веке. С-Пб.: Санкт-Петербургский государственный экономический университет , 2016. С. 212-213.
16. Павлов М.Ю. Креативная экономика: как остановить утрату знаний // Социологические исследования. М.: Наука. 2018. № 3. С. 144-148.
17. Крухмалев В.В., Гордиенко В.Н., Моченов А.Д. Основы построения телекоммуникационных систем и сетей / Под ред. В.В. Крхумалева и В.Н. Гордиенко. М.: Горячая линия - Телеком, 2004. - 510 с.
18. Зюко А.Г. и др. Теория передачи сигналов. М.: Радио и связь, 2006. - 312 с.
19. Хелд Г. Технологии передачи данных. М: 2003. - 720 с.
20. Blei D.M., Ng A.Y., Jordan M.I. Latent Dirichlet allocation // Journal of Machine Learning Research, 2003, Vol.3, pp. 993–1022.
21. Акимова Г.П., Соловьев А.В., Янишевский И.М. Методология оценки эффективности иерархических информационных систем // Системный подход к управлению информацией. Труды ИСА РАН. 2006, т.23, С.48–66.
22. Акимова Г.П., Соловьев А.В., Пашкина Е.В. Анализ оценки эффективности иерархической территориально-распределенной системы на примере ГАС «Выборы» // Обработка изображений и анализ данных. Труды ИСА РАН. 2010. т. 58. С.27-42.
 

 

2023-73-4
2023-73-3
2023-73-2
2023-73-1

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".