خانه / مقالات انگلیسی با ترجمه / مدیریت / مقاله ترجمه شده شبکه ­های یادگیری سازمانی که می­ توانند بهره­ وری شرکت ­های مشاوره ­ای IT را افزایش دهند

مقاله ترجمه شده شبکه ­های یادگیری سازمانی که می­ توانند بهره­ وری شرکت ­های مشاوره ­ای IT را افزایش دهند

دانلود رایگان مقاله بیس انگلیسی خرید و دانلود ترجمه ی مقاله انگلیسی

کد محصول:M461

قیمت فایل ترجمه شده:   ۱۳۰۰۰ تومان

تعداد صفحه انگلیسی:۱۱

سال نشر: ۲۰۱۴

تعداد صفحه ترجمه فارسی:  ۳۰  صفحه word

عنوان فارسی:

مقاله ترجمه شده شبکه ­های یادگیری سازمانی که می­ توانند بهره­ وری شرکت ­های مشاوره ­ای IT را افزایش دهند. مطالعه­ای بر روی مشاوران ERP

عنوان انگلیسی:

Organizational learning networks that can increase the productivity of IT consulting companies. A case study for ERP consultants

چکیده فارسی:

این مقاله استفاده از شبکه­های یادگیری اجتماعی، به منظور افزایش بهره ­وری شرکت­های مشاوره­ای IT را مد نظر دارد. ما معتقد هستیم که استفاده از یک شبکه آموزشی اجتماعی می­تواند مدت زمان یادگیری را برای مشاوران و توسعه دهندگان نرم افزارهای تجاری کاهش دهد.  با در نظر گرفتن یادگیری به عنوان یک عمل اجتماعی، یک شرکت مشاوره­ای می­تواند راندمانش را بالا ببرد. بالا بردن بهره، بر اساس افزایش سرعت فرآیند آموزشی می­باشد. تمرکز این مقاله بر تعریف راهی است که با استفاده از آن شبکه­های اجتماعی فرآیند اشتراک گذاری علوم را سرعت بخشیده و باعث بهبود بهره وری در زمینه ERP (برنامه ریزی منابع سازمان) می­گردد. ما یک سری نتایج عملی را از آزمایشات تجربی به وسیله مدل اصلی اشتراک گذاری علوم جمع آوری کردیم. در این آزمایشات تجربی، توسعه­دهندگان جوان نرم­افزاری قادر بودند بعد از آموزشهای مربوطه، برای شرکت­های بزرگ IT در سراسر جهان کار کنند. داده­های تجربی در بین سال­های ۲۰۰۴ تا ۲۰۱۱ در طی ۱۲ جلسه آموزشی مرتبط با علوم کامپیوتری دانشگاه­های بزرگ اروپای شرقی و برای شرکت IBM جمع آوری شدند. نتایج اصلی این مطالعه عبارت بودند از:

۱-         طراحی یک شبکه اجتماعی که زمان مورد نیاز برای وارد کردن دانشجویان مشاور به پروژه های ERP را کاهش دهد.

۲-         داده های آماری تولید شد که میزان بهره وری شرکت های مشاوره ایIT را که از به کارگیری شبکه های یادگیری اجتماعی ایجاد می شد اندازه گیری می کردند.

ما همچنین درباره اثرات مثبت شبکه های اجتماعی بر شرکت های اولیه و دانشگاه ها بحث خواهیم کرد.

کلمات کلیدی: شبکه های یادگیری اجتماعی، تسهیم (اشتراک گذاری) دانش، آموزش توسعه نرم افزاری، برنامه ریزی منابع سازمان (  ERP) ، ABAP

۱)         مقدمه

در زمینه یادگیری سازمانی، تاکنون تحقیقات قابل توجهی انجام شده است. یادگیری سازمانی را می توان به صورت، کسب اطلاعات و مهارت های مورد نیاز توسط افراد تعریف کرد.۱۹۹۵)(Argyris & Schon در تحقیقاتی که تاکنون در زمینه یادگیری سازمانی و ارتباط آن با بهره وری شرکت های مشاوره ای انجام شده است، پی به اثرات مثبت شبکه های یادگیری اجتماعی بر شرکت های مشاوره ای IT از جمله شرکت هایی که با ERP سر و کار دارند برده شده است. (Skerlavaj, Dimovski, Mrvar, and Parhor 2010)

 در همین راستا یکی از برجسته ترین محققان در این زمینه ادعا کرده که: تنها مزیت رقابتی پایدار برای یک شرکت، توانایی آن در یادگیری سریع تر نسبت به سایر رقباست و به همین علت، برای شرکت های مشاوره ایIT ، آموزش،  بسیار حیاتی می باشد.

در این شرکت ها تعریف بهره وری همیشه آسان نیست. ( Nachum -1999) مشاهده کرد که مدل های بهره وری توسعه یافته در صنایع تولیدی، برای این گونه شرکت ها کاربرد ندارد. مسئله ی اصلی که باید حل می شد این بود که در این موارد برای محاسبه میزان بهره وری، زمان مورد نیاز برای داخل کردن مشاوران به پروژه ها به طور دقیق مشخص نبود. توجه به این نکته ضروری است که در مورد بسته های نرم افزاری ERP مدت زمان مورد نیاز برای آموزش افراد به گونه ای که بتوانند به طور مستقل مشغول به کار شوند بسیار بیشتر از سایر صنایع است.

مطابق گزارشاتLazowska -2011))که از دفاتر آماری کار ایالت متحده جمع آوری شده، در حال حاضر با کمبود متخصصان کامپیوتری مواجه هستیم و این موضوع تا سال ۲۰۱۸ ادامه خواهد داشت. بطوریکه تنها در ایالات متحده از سال ۲۰۰۸ تا سال ۲۰۱۸ بازار کار نیاز به ۱.۴ ملیون متخصص کامپیوتر دارد. این اتفاق جدیدی نیست و سال ها ادامه خواهد داشت. مشاوران تکنولوژی و علوم ریاست جمهوری آمریکا اظهار داشتند که مطابق شاخصه های تاریخی و آماری علوم کامپیوتری، عامل غالب در اشتغال آمریکا خواهند بود. این کمبودها در شرکت هایی که با ERP سر و کار دارند بیشتر احساس خواهد شد. این مقاله با استناد به این مطلب که بهره وری شرکت های مشاوره ای به صورت مستقیم با تعداد مشاوران جدیدی که می توانند در یک بازه زمانی مشخص بعد از آموزش های مربوطه به صورت موفق به پروژه های مشاوره ای وارد شوند نسبت مستقیم دارد.

این مقاله از ۴ قسمت اصلی زیر تشکیل می شود:

۱-         پیش زمینه ای از نظریه ها و مشکلات موجود

۲-         بیان مدل آموزشی و هدف شبکه های یادگیری اجتماعی

۳-         بیان داده های آماری که از این فرآیند آموزشی به وجود آمده اند

۴-         محاسبه میزان بهره وری و پاسخ به سوالات

Abstract

This paper considers the use of social learning networks to increase the productivity of IT consulting companies. We advocate that using a carefully designed social learning network can reduce the learning time for enterprise software developers and consultants. By viewing learning as a social act, a consulting company can increase its productivity. Increased productivity is based on hastening the learning process. The focus of this paper is to identify the ways in which social networks catalyze the process of knowledge sharing in order to increase the productivity in the enterprise resource planning (ERP) consulting sector. We present a set of detailed practical results that were obtained from experiments with an original knowledge sharing method that was applied to training young software developers to enable them to work for some of the world’s most demanding IT companies. The experimental data were collected from 2004 to 2011 during 12 training sessions conducted by an IBM partner in conjunction with the Computer Science Department of a large Eastern European University. The main results of this study were: (1) designed a learning community that reduced the time needed to insert junior consultants into ERP projects; and (2) statistical data were generated that measured the increase in productivity that an ERP consulting company could obtain by employing organizational learning networks. We also discuss the positive impacts of social networks that can be established between private companies and universities.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.