Escolar Documentos
Profissional Documentos
Cultura Documentos
com
computadores
Análise
usam uma abordagem supervisionada, na qual enormes quantidades de dados rotulados são usados para
treinar os pontos fortes das conexões entre nós em redes computacionais massivas em camadas, permitindo
que padrões em dados de treinamento sejam empregados para produzir previsões precisas sobre dados
futuros invisíveis [14].
É crucial neste momento explorar como a relação entre IA e GC pode ser usada para aproveitar a IA
de forma mais eficaz à medida que avançamos em direção a um futuro impulsionado por dados e
insights. Antes de determinar a ligação entre GC e IA, é essencial compreender como as organizações
aplicam o conhecimento [15]. As organizações têm uma variedade de responsabilidades, cujo
cumprimento e competitividade dependem do nível de especialização dos funcionários no desempenho
de funções cruciais e da sua posição no negócio [16]. Muitos praticantes e teóricos da GC negligenciam a
IA como um dos blocos de construção cruciais no crescimento, melhoria, progressão e expansão da GC [
17]. Como campo de estudo, a IA foi estabelecida antes da GC, tem sido baseada e equilibrada no campo
da informática há décadas e é amplamente implantada em muitos campos.18].
2. Antecedentes do Estudo
Os trabalhadores do conhecimento precisam estar conectados com indivíduos ou recursos apropriados
para o conhecimento em momentos apropriados para permitir uma melhor tomada de decisões. Pode ser
necessário que haja novas divisões de trabalho entre humanos e máquinas inteligentes que sejam diferentes
daquelas utilizadas anteriormente nas organizações devido ao surgimento das capacidades da IA e à forma
como elas podem ser aplicadas para atingir esses objetivos. Novas mentalidades de design humano e de
máquinas, bem como novos conjuntos de habilidades e competências, são necessários para estes novos
empregos. Para poder beneficiar dos seus parceiros artificiais na GC e, ao mesmo tempo, evitar as
desvantagens da automação, como a aversão ou a complacência algorítmica cognitiva, os seres humanos
precisam de cultivar perspetivas, competências e hábitos de trabalho. As possibilidades únicas da IA na GC só
são aproveitadas e concretizadas através de uma colaboração simbiótica eficiente entre sistemas inteligentes e
trabalhadores do conhecimento, cujas ações das empresas podem ajudar a concretizar.
Muitos vêem a IA como a próxima grande fonte de valor económico, como uma tecnologia
fundamental na vanguarda de uma nova revolução tecnológica e da mudança industrial. Sua rápida
expansão apresenta às empresas diversas possibilidades inerentes e obstáculos à aquisição de
Computadores2023,12, 72 3 de 18
Haenlein e Kaplan [32] descrevem a IA como a capacidade de um sistema se adaptar com sucesso com
base em determinados inputs e no impacto de novos conhecimentos, a fim de realizar tarefas e atividades
específicas. Além disso, no mesmo artigo, os investigadores propuseram dois esquemas de classificação para a
IA, um dos quais se baseia nas fases de desenvolvimento da IA, enquanto o outro se baseia no estilo de
inteligência demonstrado por um sistema de IA. Com base nas fases evolutivas, a inteligência de um sistema de
IA também pode ser relacional, emotiva ou lógica. Conseqüentemente, os sistemas de IA são categorizados
como analíticos, sencientes ou de aparência humana, dependendo do tipo de inteligência que possuem. Kumar
et al. [35] definiram a IA como uma plataforma para potencial e conhecimento ilimitados que podem ser
restringidos por abordagens personalizadas. Além disso, Jarrahi [36] definiram o termo como um conjunto de
instrumentos, estratégias e práticas utilizadas dentro de um contexto organizacional em favor das empresas e
de seus stakeholders.
A inteligência artificial dá aos indivíduos e grupos o poder e a possibilidade de aumentar a
produtividade e a criatividade em todos os níveis organizacionais e torna viável o acompanhamento dos
resultados. Torna mais fácil para as empresas atingirem seus objetivos em diversas áreas e
Computadores2023,12, 72 4 de 18
aumenta sua lucratividade, dando-lhes espaço para se tornarem mais competitivos, diminuir despesas,
reforçar a segurança e oferecer dados continuamente [37]. Essas mudanças melhoram as
abordagens que podem ser utilizadas nas etapas do PGC. Se implementada com sucesso, a
adoção da tecnologia de IA na GC oferece enormes vantagens (Figura1).
Aprimorando o conhecimento
Entrega de conhecimento mais fácil
compartilhamento, uso e captura
Vantagem da IA para KM
3. Pesquisa odologia
Metanfetamina
Este cr a análise teórica visa avaliar o nível atual de IA na GC. Para esta investigação,
todos os atuais relevan A literatura foi estudada com o CA realmente. A abordagem de revisão m faz
considerável nóseo f objetivos estruturados, o S copus banco de dados e coleta de informações anel
e -técnica de análise técnicas. Para dar uma compreensão abrangente e breve avaliação do s estudar
assuntos, foi selecionado um subconjunto dos componentes essenciais de relatórios para revisões críticas.
3.1. Seleção
Todo o re o processo de pesquisa dependia muito em data a recuperado do Scopus. Todas as posições possível
fontes foram vasculhadas para garantir a precisão das informações aqui apresentadas. No entanto, nem todos
os trabalhos de investigação pendentes foram incluídos nos parâmetros de pesquisa. Houve 120 análises dos
resultados do Scopus até agora (10 de janeiro de 2023). No total, 24 foram considerados significativos (Figura2).
Os artigos foram selecionados para avaliação através do desenvolvimento de critérios de inclusão e exclusão e
da identificação de termos essenciais (ver Tabela1para mais detalhes).
3.2. Limitações
As revisões críticas raramente incluem um exame abrangente de todas as pesquisas relevantes.
Eles são incapazes de avaliar a qualidade dos estudos escolhidos, especialmente estudos qualitativos que
carecem de uma hierarquia de design [38]. Além disso, as revisões críticas frequentemente não
conseguem descrever a estratégia global de investigação, o método utilizado para selecionar e excluir
artigos, as restrições da estratégia de pesquisa, a eficácia do procedimento de pesquisa e a metodologia
da análise [39]. A base de dados utilizada para esta revisão, Scopus, limitou o processo de revisão.
4. Resultados e discussão
4.1. Resultados da seleção
Esta avaliação crítica inclui 24 artigos. Os artigos escolhidos estão listados abaixo, juntamente com
uma explicação dos resultados gerais da categorização.
Mesa2apresenta o número de artigos criados para cada área temática de 2012 a 2022.
Engenharia (10 artigos) e Ciência da Computação foram os assuntos principais (9 artigos). Com o
crescimento que a Ciência da Computação tem experimentado desde 2019, prevê-se que
eventualmente iguale ou supere a Engenharia em termos de número de artigos, embora a
engenharia normalmente contenha mais artigos. Além disso, o aumento em Negócios, Gestão e
Contabilidade indica uma expansão do uso de IA e GC nessas áreas.
Mesa 2.O número de artigos sobre assuntos específicos publicados entre 2012 e 2022.
Campo 2012 2013 2014 2015 201 6 2017 20 18 2019 2 020 2021 2022
Engenharia - - 1 - - - - 3 1 1 4
Ciência da Computação - - - - - - - 1 - 2 6
Negócios, gestão e contas passeio - - - - - - - 3 3 1 3
Matemática - - - - - - - 2 - 1 2
Física e Astronomia - - - - - - - - 2 2 3
Engenheiro químico - - 1 - - - - - - - 2
Ciências Sociais - - - - - 1 - - - 1 1
Ciência de materiais - - - - - - - - - - 2
Bioquímica, Genética e
- - 1 - - - - - - - -
Biologia Molecular
Ciências da Decisão - - - - - - - - - - 1
Ciências da Terra e Planetárias - - - - - 1 - - - - -
Economia, Econometria e Finanças - - - - - - - - - 1 -
2022 11
2021 2
2020 4
2019 5
2018 0
Ano
2017 1
2016 0
2015 0
2014 1
2013 0
2012 0
0 2 4 6 8 10 12
Quantidade
A distinção está em como – enquanto a IA fornece aos computadores a capacidade de aprender, a GC fornece uma
plataforma através da qual se pode compreender melhor as informações.
Uma abordagem analítica para integrar IA, gestão de relacionamento com o cliente e GC para
2020 44 [46]
aprimorar as operações de negócios
KM usando IA para auto-implantação de sistemas sem fio não estacionários 2019 10 [53]
Um sistema de IA baseado em conhecimento para auxiliar na tomada de decisões de vendas 2019 10 [54]
A quantidade e adequação dos dados obtidos têm impacto direto na qualidade das decisões
tomadas; portanto, neste ponto, as técnicas de IA podem ser de grande ajuda. Podem ser utilizados, por
exemplo, por uma empresa que opera num determinado ambiente económico para especificar a
informação necessária para atingir objectivos estratégicos e fornecê-la através do processo de produção
de conhecimento. A conversão de enormes volumes de dados em informações úteis que possam ser
utilizadas proativamente na tomada de decisões é uma tarefa difícil. A coleta e análise de dados ajudam
os gerentes a fazer escolhas estratégicas lógicas. Através de sinergias e competências de processamento
de informação, a GC apoiada pela tecnologia da informação facilita a criação e utilização de eficiência
operacional e capacidades inovadoras [56].
com a assistência da IA, oferece a base para fazer as melhores escolhas de gestão para garantir a
consecução dos objetivos estratégicos. A implementação real do modelo nas operações comerciais
incentiva a previsão gerencial e os julgamentos relativos a investimentos inovadores que têm
impacto no desempenho organizacional.
O objetivo do estudo de Leoni et al. [57] é fornecer e testar empiricamente um modelo conceptual
no qual a resiliência da cadeia de abastecimento, os KMP e a IA são todos tidos em conta
simultaneamente em termos das suas relações recíprocas e dos efeitos no desempenho das empresas
transformadoras. Esta investigação mostra que os KMP precisam de ser cuidadosamente considerados
como um mecanismo de mediação para as empresas industriais interessadas em utilizar corretamente a
IA para melhorar o seu desempenho e resiliência. O trabalho de Alshadooee et al. [58] demonstra como
os sistemas de apoio à decisão administrativa baseados em GC podem ser melhorados usando IA. A
administração de uma faculdade privada é utilizada na pesquisa como variável da qual dependem os
resultados. A maioria dos métodos de gestão de atividades empresariais que promovem a organização e
a administração foram melhorados pelos avanços tecnológicos. As empresas deste setor precisam de
avançar gradualmente para a digitalização de todos os ciclos industriais e processos empresariais ligados
à administração; cada vez mais, o mesmo pode ser dito de serviços cruciais em instituições educacionais.
O conhecimento necessário para formar a base de um sistema educativo eficiente e eficaz ainda
apresenta limitações significativas devido à necessidade de assistência competente na tomada de
decisões, utilizando a GC para uma boa governação e para melhorar a reputação de instituições
específicas.
valorizou o nível de energia da invenção original e dos avanços tecnológicos progressivos, que
foram principalmente derivados do profundo fluxo de conhecimento do sistema de inovação. A
eficiência da transferência de conhecimento em escoamento profundo e a taxa de retenção foram
modificadas pela rede de conhecimento. A taxa de penetração da IA influenciou o âmbito da
indústria inteligente para a colaboração e a aplicação de conhecimento integrado. O objetivo do
estudo de Arias-Pérez e Cepeda-Cardona [62] é examinar o impacto moderador da revolução
tecnológica criada pela IA na interação entre as técnicas clássicas de GC de codificação
personalizada (conhecimento explícito) e o conhecimento tácito, bem como a improvisação
organizacional, que se refere à capacidade de uma empresa de gerar ideias e reagir a mudanças
no ambiente tecnológico em tempo real. A codificação e a personalização têm um impacto
consideravelmente positivo na improvisação; o efeito do primeiro é mais forte do que o do
segundo. A associação entre personalização e improvisação, no entanto, é mais fraca quando
ocorre uma revolução tecnológica criada pela IA, mas o vínculo entre codificação e improvisação é
mais forte.
4.3.3. Tutorial
A Inteligência Artificial pode aumentar o conhecimento dos colaboradores através de requalificação e
melhoria de competências, por exemplo. As organizações podem utilizar esta informação para oferecer
desenvolvimento e formação direcionados à medida que os sistemas de IA se tornam mais conscientes dos
talentos e ações humanas. O artigo de Bilquise e Shaalan [63] examina os problemas com o atual sistema de
aconselhamento do ponto de vista da GC e sugere uma estrutura integrada baseada em IA para lidar com as
funções primárias de aconselhamento. O estudo propõe três sistemas baseados em IA para melhorar o atual
processo de consultoria: um sistema especialista baseado em regras que recomenda cursos e gera planos de
estudo para o próximo semestre; um sistema precoce baseado em aprendizagem automática para a detecção
de alunos em risco de reprovação num curso; e chatbots conversacionais de IA para oferecer aos alunos suporte
digital individualizado. Todos os três sistemas trabalham juntos para fornecer aos orientadores e alunos ajuda e
orientação individualizada, usando as informações do sistema de informação atual. O tutorial de Kalidindi [48]
cobre as ideias básicas que apoiam metodicamente a arquitetura do sistema de conhecimento de materiais
baseado em IA (AI – MKS) recém-desenvolvida. Para capturar as ligações processo-estrutura-propriedade
através de uma hierarquia de estrutura de material/escalas de comprimento, essas abordagens se concentram
na engenharia de recursos da estrutura interna de materiais heterogêneos para gerar representações de baixa
dimensão, que podem ser combinadas com modelos de aprendizado de máquina para construir modelos
substitutos de baixo custo computacional. Essa estrutura, conhecida como sistemas de conhecimento de
materiais (MKS), mescla com sucesso os atuais conjuntos de ferramentas de IA/aprendizado de máquina com os
atuais conjuntos de ferramentas de simulação experimental e baseada em física utilizados por especialistas de
domínio no negócio de materiais. O principal objetivo do tutorial é estabelecer as bases para que os
especialistas do domínio compreendam e aproveitem as oportunidades que resultarão da integração sinérgica
de tecnologias de IA/aprendizado de máquina nos esforços contínuos para criar novos materiais, ao mesmo
tempo que delineia um curso de ação claro para atingir esse objetivo. .
sistema de recomendação (IKRS) para educação inteligente utilizando IA. As sugestões foram criadas por
meio do algoritmo evolutivo e do algoritmo K-vizinho mais próximo (KNN), aplicando os pesos ideais para
atribuir vetores que refletem os pontos de vista do aluno. Os resultados experimentais mostraram que o
modelo IKRS sugerido melhora a qualidade da aprendizagem, os níveis de envolvimento dos alunos e as
interações aluno-professor, e prevê os estilos de aprendizagem dos alunos quando comparado com
outras metodologias existentes. Com base em suas descobertas, Sun e Gu [66] concluem que um gráfico
de conhecimento para educação inteligente assistida por IA tem o potencial de reunir o conhecimento
especializado de especialistas disciplinares e a experiência de ensino, melhorar a capacidade da máquina
de se comunicar com humanos e fornecer informações orientadas pelo conhecimento e por dados-
técnicas de processamento.
A gestão do conhecimento é essencial para o setor de saúde porque promove uma melhor cooperação
entre os profissionais e melhora os resultados dos pacientes. Para reduzir a pressão sobre os profissionais de
saúde e, eventualmente, poupar-lhes dinheiro, a IA pode automatizar certas operações. Um sistema de GC em
saúde é apresentado por Phan et al. [68] para possibilitar a geração sistemática de conhecimento sobre dados
variados em hospitais. Os resultados da sua investigação mostram que o sistema garante o processo de
geração de conhecimento, permitindo a exploração e exploração do conhecimento para melhorar a tomada de
decisões em saúde. O sistema de conhecimento foi utilizado para identificação e categorização de sangramento
cerebral e hipertensão arterial em formatos de texto e imagens de tomografia computadorizada/ressonância
magnética, respectivamente, utilizando dados médicos hospitalares. Pode ajudar os médicos a diagnosticar
corretamente doenças para que possam fornecer planos de tratamento eficazes. O objetivo
Computadores2023,12, 72 13 de 18
de Ziuzianski et al. [49O estudo de ] teve como objetivo delinear a técnica de implementação de painéis
na GC de e-saúde e ilustrar o status atual dos sistemas de IA de e-saúde. Painéis de desempenho
vinculam fontes de dados e mostram dados para permitir tomadas de decisão mais rápidas e precisas.
De acordo com o seu projecto de painel utilizando dados epidemiológicos na Polónia, Ziuzanski et al.
descreveu as diversas fontes de dados epidemiológicos e apresentou um estudo de caso. Como mostram
os exemplos dados pelos autores, a utilização deste tipo de sistemas em e-saúde aumentou
consideravelmente nos últimos anos. Dadas as lacunas nos sistemas de saúde demonstradas pela
pandemia de COVID-19, Nasseef et al. [69] explorou as consequências do uso de uma estrutura de saúde
pública baseada em IA para melhorar a tomada de decisões relativas ao efeito das interações entre
governos (G2G). A representação do problema no Knowledge-based Exchange on AI-based COVID-19
Diagnosis (AI-D) demonstra como o solucionador foi cognitivamente ativo no processamento do
conhecimento sobre o problema alvo enquanto usava uma solução de tarefa COVID-19 baseada em IA. A
compreensão atual do solucionador sobre a substância do problema está intimamente ligada a esta
representação como consequência das representações externas do problema COVID-19 baseadas em IA.
Mesa4fornece um resumo dos artigos revisados neste estudo, listados de cima para baixo
por citação. Isto se baseia nas áreas de foco dos artigos, incluindo inovação geral, saúde, negócios
e organizações, sistemas sem fio e tutoriais. A Inteligência Artificial já deu um contributo
significativo para a excelência e eficácia da GC em termos de métodos de pensamento e resolução
de problemas, bem como através de sistemas de otimização, agendamento, sistemas de apoio à
decisão, planeamento, tutores inteligentes, modelação e processamento, e conhecimento
aquisição, conforme evidenciado pelos exemplos acima mencionados [70].
Tabela 4.Uma visão geral das principais aplicações nos artigos incluídos nesta revisão.
Negócios e
Citação Inovação Geral Assistência médica Sistemas sem fio Tutorial Fonte
Organizacional
44 X [46]
32 X [18]
29 X [47]
19 X [48]
18 X [49]
12 X [50]
11 X [51]
10 X [52]
10 X [53]
10 X [54]
6 X [69]
6 X [56]
4 X [68]
3 X [66]
3 X [67]
2 X [62]
1 X [60]
1 X [65]
1 X [59]
1 X [64]
0 X [58]
0 X [57]
0 X [63]
0 X [61]
Computadores2023,12, 72 14 de 18
5. Conclusões
A gestão do conhecimento é o processo de criação, uso, compartilhamento e gerenciamento
das informações e do conhecimento de uma organização. A GC tradicional evoluiu ao longo dos
anos, mas a documentação sempre serviu como base. No entanto, a mudança considerável para o
trabalho remoto e híbrido revelou deficiências nas práticas actuais. Esses vazios vão
Computadores2023,12, 72 15 de 18
será preenchido pela IA, o que também afetará a forma como o KM é convertido e operado.
Embora a IA tenha sido implementada por poucas empresas devido ao investimento inicial
necessário, as empresas hesitam porque desconhecem todas as vantagens da IA e como esta
pode melhorar a GC dentro das equipas. Para determinar a diferença entre processos de negócios
sem IA para GC e aqueles que usam IA para auxiliar a GC, é necessário realizar um estudo sobre o
uso da IA para beneficiar a GC em vários setores. Este artigo examina pesquisas publicadas entre
2012 e 2022 sobre IA e GC, com foco em como a IA pode ajudar as empresas em seus esforços
para gerenciar adequadamente o conhecimento e a informação. Com base nos resultados deste
estudo, a GC tem sido intensamente estudada ao longo dos anos, mas ainda há muito a aprender
e nenhuma abordagem pode ser considerada a melhor para a gestão do conhecimento dentro de
organizações ou empresas. Nos últimos anos, assistimos a um aumento no interesse da indústria
pela IA, à medida que a indústria da construção entrou na sua quarta revolução industrial e se
tornou mais digitalizada. A maioria das organizações do setor da construção tem hesitado em
implementar a IA porque exige um investimento inicial substancial, incluindo a contratação de
pessoal capaz de interagir com as máquinas. Além disso, estas empresas têm lutado para adotar
sistemas eficientes de GC. Nesse sentido, o número de trabalhos sobre IA e GC está aumentando
em diversas áreas, como engenharia, ciência da computação, negócios, gestão, etc.
Este estudo revisou como a combinação de IA e GC poderia aprimorar inovações, redes
sem fio, educação, saúde, negócios e organizações. Os resultados de numerosos estudos
demonstram que a IA já melhorou muito a qualidade e a eficácia da GC no que diz respeito à
aquisição de conhecimento, estratégias de resolução de problemas, tutores experientes,
sistemas de solução óptima, organização, modelação, etc. para a IA no contexto da GC, o que
pode ter um impacto significativo e ajudar grupos e empresas. A Inteligência Artificial será
em breve utilizada como suporte à GC em todos os setores. Para melhorar os usos e a
eficácia destes campos, são necessárias mais pesquisas no futuro. O Blockchain pode ser
capaz de resolver os problemas mencionados acima e aprimorar a GC. À medida que a
capacidade de conhecimento das organizações melhora, o problema do armazenamento do
conhecimento pode ser resolvido e a partilha do conhecimento pode ser melhorada. Isso
poderia servir como um tópico de pesquisa benéfico para estudos posteriores.
Referências
1. Salloum, SA; Alhamad, AQM; Al-Emran, M.; Monem, AA; Shaalan, K. Explorando a aceitação do e-learning pelos alunos por meio do
desenvolvimento de um modelo abrangente de aceitação de tecnologia.Acesso IEEE2019,7, 128445–128462. [Referência Cruzada]
2. Salloum, SA; Shaalan, K. Adoção de e-book para estudantes universitários. EmConferência Internacional sobre Sistemas Inteligentes Avançados e
Informática; Springer: Berlim/Heidelberg, Alemanha, 2018.
3. Cooke, P.; Leydesdorff, L. Desenvolvimento Regional na Economia Baseada no Conhecimento: A Construção de Vantagens.J. Tecnologia. Transf.
2006,31, 5–15. [Referência Cruzada]
4. Lee, C.; Lee, G.; Lin, H. O papel das capacidades organizacionais na implementação bem-sucedida do e-business.Ônibus. Processo. Gerenciar. J. 2007,13, 677–
693. [Referência Cruzada]
5. Liebowitz, J. Gestão do conhecimento e sua ligação com a inteligência artificial.Sistema Especialista Apl.2001,20, 1–6. [Referência Cruzada]
6. Lee, J.-C.; Shiue, Y.-C.; Chen, C.-Y. Examinar os impactos da cultura organizacional e do apoio da alta administração ao compartilhamento de conhecimento no
sucesso da melhoria de processos de software.Computação. Zumbir. Comporte-se.2016,54, 462–474. [Referência Cruzada]
7. Metaxiotis, K.; Ergazakis, K.; Samouilidis, E.; Psarras, J. Apoio à decisão através da gestão do conhecimento: O papel da inteligência artificial.Inf.
Gerenciar. Computação. Seguro.2003,11, 216–221. [Referência Cruzada]
8. Alhashmi, SFS; Salloum, SA; Abdallah, S. Fatores críticos de sucesso para a implementação de projetos de inteligência artificial (IA) no setor de
saúde do governo de Dubai, Emirados Árabes Unidos (EAU): Aplicando o modelo de aceitação de tecnologia estendida (TAM). Em Conferência
Internacional sobre Sistemas Inteligentes Avançados e Informática; Springer: Berlim/Heidelberg, Alemanha, 2019.
Computadores2023,12, 72 16 de 18
9. Salloum, SA; Al-Emran, M.; Shaalan, K. O impacto do compartilhamento de conhecimento nos sistemas de informação: uma revisão. EmConferência
Internacional sobre Gestão do Conhecimento nas Organizações; Springer: Berlim/Heidelberg, Alemanha, 2018.
10. Santoro, G.; Vrontis, D.; Thrassou, A.; Dezi, L. A Internet das Coisas: Construindo um sistema de gestão do conhecimento para inovação aberta e
capacidade de gestão do conhecimento.Tecnologia. Previsão. Soc. Mudar2018,136, 347–354. [Referência Cruzada]
11. Al-Emran, M.; Mezhuyev, V.; Kamaludin, A.; Shaalan, K. O impacto dos processos de gestão do conhecimento nos sistemas de informação: Uma revisão
sistemática.Internacional J. Inf. Gerenciar.2018,43, 173-187. [Referência Cruzada]
12. Al-Emran, M.; Teo, T. A aquisição e o compartilhamento de conhecimento realmente afetam a adoção do e-learning? Um estudo empírico. Educ. Inf.
Tecnologia.2020,25, 1983–1998. [Referência Cruzada]
13. Al-Emran, M.; Mezhuyev, V.; Kamaludin, A. Uma abordagem inovadora de aplicação da gestão do conhecimento no desenvolvimento de aplicações M-
learning: Um estudo piloto.Internacional J. Inf. Comum. Tecnologia. Educ.2019,15, 94–112. [Referência Cruzada]
14. Brynjolfsson, E.; Mitchell, T. O que o aprendizado de máquina pode fazer? Implicações da força de trabalho.Ciência2017,358, 1530–1534. [Referência Cruzada] [PubMed]
15.Pereira, T.; Santos, H. A Matriz das Dimensões da Qualidade da Gestão do Conhecimento: Revisão de Modelos de Avaliação da Gestão do Conhecimento.
Sabe. Gerenciar. Internacional J.2013,12, 33–41. [Referência Cruzada]
16. Liebowitz, J. Receptividade da gestão do conhecimento em uma grande empresa farmacêutica.J. Knowl. Gerenciar.2000,4, 252–258. [Referência
Cruzada]
17. Wu, L.; Hu, Y.-P. Implementação da gestão do conhecimento baseada em inovação aberta: um papel mediador do design da gestão do conhecimento.J.
Knowl. Gerenciar.2018,8, 1736-1756. [Referência Cruzada]
18. Sanzogni, L.; Guzmán, G.; Busch, P. Inteligência artificial e gestão do conhecimento: Questionando a dimensão tácita. Prometeu2017,35,
37–56. [Referência Cruzada]
19.Chen, Z.; Liu, B. Aprendizado de máquina ao longo da vida.Sintetizador. Palestra. Artefato. Intel. Mach. Aprender.2018,12, 1–207.
20. Taherdoost, H. Algoritmos de aprendizado de máquina: recursos e aplicações. EmEnciclopédia de Ciência de Dados e Aprendizado de Máquina; IGI Global:
Hershey, PA, EUA, 2023; páginas 938–960.
21. Lei, Z.; Wang, L. Construção de sistema organizacional de módulo de rede de gestão de conhecimento empresarial baseado em inteligência
artificial.Sabe. Gerenciar. Res. Pratique.2020, 1–13. [Referência Cruzada]
22.Qi, G.; Zhu, Z. Blockchain e aplicações de inteligência artificial.J. Artif. Intel. Tecnologia.2021,1, 83. [Referência Cruzada]
23. Taherdoost, H. Tecnologia Blockchain e Inteligência Artificial Juntas: Uma Revisão Crítica sobre Aplicações.Apl. Ciência.2022, 12, 12948. [
Referência Cruzada]
24. van Zelst, SJ; van Dongen, BF; van der Aalst, WM Descoberta de processos baseada em fluxo de eventos usando representações abstratas.Sabe. Inf. Sist.
2018,54, 407–435. [Referência Cruzada]
25. Bughin, J.; Hazan, E.; Ramaswamy, S.; Chui, M.; Allás, T.; Dahlstrom, P.; Henke, N.; Trench, M. Inteligência Artificial: A Próxima Fronteira
Digital? McKinsey Global Institute: Nova York, NY, EUA, 2017.
26.Townsend, DM; Caça, RA; McMullen, JS; Sarasvathy, SD Incerteza, problemas de conhecimento e ação empreendedora. Acad. Gerenciar.
Ana.2018,12, 659-687. [Referência Cruzada]
27. Soto-Acosta, P.; Popa, S.; Palácios-Marqués, D. E-business, inovação organizacional e desempenho empresarial em PMEs da indústria transformadora: Um estudo
empírico em Espanha.Tecnologia. Economia. Dev. Economia.2016,22, 885–904. [Referência Cruzada]
28.Nickerson, JA; Zenger, TR Uma teoria da empresa baseada no conhecimento - a perspectiva de resolução de problemas.Órgão. Ciência.2004, 15, 617–632. [
Referência Cruzada]
29. Tsang, EW; Zahra, SA Desaprendizado organizacional.Zumbir. Relações2008,61, 1435–1462. [Referência Cruzada]
30. Suresh, S.; Olayinka, R.; Chinyo, E.; Renukappa, S. Impacto da gestão do conhecimento em projetos de construção.Processo. Inst. Civil. Eng.
Gerenciar. Adquira. Lei2016,170, 27–43. [Referência Cruzada]
31. Alani, E.; Kamarudin, S.; Alrubaiee, L.; Tavakoli, R. Um modelo de relação entre orientação estratégica e inovação de produtos sob o
efeito mediador da gestão do conhecimento do cliente.J. Internacional. Viga.2019,12, 232–242. [Referência Cruzada]
32. Haenlein, M.; Kaplan, A. Uma breve história da inteligência artificial: sobre o passado, o presente e o futuro da inteligência artificial.Califórnia Gerente. Rev.
2019,61, 5–14. [Referência Cruzada]
33. Taherdoost, H.; Madanchian, M. Inteligência Artificial e Análise de Sentimentos: Uma Revisão em Pesquisa Competitiva.Computadores 2023,12,
37. [Referência Cruzada]
34. Ertel, W.Introdução à Inteligência Artificial; Springer: Berlim/Heidelberg, Alemanha, 2018.
35. Kumar, V.; Rajan, B.; Venkatesan, R.; Lecinski, J. Compreendendo o papel da inteligência artificial no marketing de engajamento personalizado.
Califórnia Gerente. Rev.2019,61, 135–155. [Referência Cruzada]
36. Jarrahi, MH Inteligência artificial e o futuro do trabalho: simbiose humano-IA na tomada de decisões organizacionais.Ônibus. Horizontes 2018,61, 577–586. [
Referência Cruzada]
37. Yano, K. Como a inteligência artificial mudará o RH.Estratégia de Pessoas2017,40, 42–47.
38. Taherdoost, H. Rumo aos detalhes básicos da realização de revisão de literatura: uma tipologia de revisão de literatura.Eletrônicos2023, 12, 800. [Referência
Cruzada]
39. Snyder, H. Revisão da literatura como metodologia de pesquisa: Uma visão geral e diretrizes.J. Ônibus. Res.2019,104, 333–339. [Referência Cruzada]
40. Wang, H.; Xu, Z.; Fujita, H.; Liu, S. Rumo a uma tomada de decisão feliz: uma visão geral dos desafios e tendências do Big Data.Inf. Ciência.2016,
367–368, 747–765. [Referência Cruzada]
Computadores2023,12, 72 17 de 18
41. Serenko, A.; Dumay, J. Citação de clássicos publicados em periódicos de gestão do conhecimento. Parte I: Artigos e suas características.
J. Knowl. Gerenciar.2015,19, 401–431. [Referência Cruzada]
42. Inkinen, HT; Kianto, A.; Vanhala, M. Práticas de gestão do conhecimento e desempenho inovador na Finlândia.Báltico. J. Gerente. 2015,10, 432–
455. [Referência Cruzada]
43. Perifanis, N.-A.; Kitsios, F. Investigando a influência da inteligência artificial no valor do negócio na era digital da estratégia: uma revisão da
literatura.Informação2023,14, 85. [Referência Cruzada]
44. Nyame, G.; Qin, Z.; Obour Agyekum, KO-B.; Sifah, EB Uma abordagem ECDSA para controle de acesso em sistemas de gestão de conhecimento
usando Blockchain.Informação2020,11, 111. [Referência Cruzada]
45. Kolisetty, V.; Rajput, D. Uma revisão sobre a importância do aprendizado de máquina para análise de dados em Big Data.Jordânia J. Comput. Inf. Tecnologia.
2020,6, 155–171. [Referência Cruzada]
46. Chatterjee, S.; Ghosh, SK; Chaudhuri, R. Gestão do conhecimento na melhoria dos processos de negócios: Uma estrutura interpretativa para a
implementação bem-sucedida do sistema AI – CRM – GC nas organizações.Ônibus. Processo. Gerenciar. J.2020,26, 1261–1281. [Referência Cruzada]
47. Gacanin, H. Sistemas sem fio autônomos com inteligência artificial: uma perspectiva de gestão do conhecimento.IEEE Veh. Tecnologia. Mag.2019,
14, 51–59. [Referência Cruzada]
48. Kalidindi, SR Engenharia de recursos de estrutura de materiais para sistemas de conhecimento de materiais baseados em IA.J. Appl. Física.2020, 128,
041103. [Referência Cruzada]
49. Ziuzianski, P.; Furmankiewicz, M.; Soltysik-Piorunkiewicz, A. Implementação do sistema de inteligência artificial de saúde eletrônica: estudo de caso do painel
de gestão do conhecimento de dados epidemiológicos na Polônia.Internacional J. Biol. Biomédica. Eng.2014,8, 164–171.
50. AlGhanem, H.; Shanaa, M.; Salloum, S.; Shaalan, K. O papel da GC no aprimoramento de algoritmos e sistemas de IA.Av. Ciência. Tecnologia. Eng. Sist. J.2020,
5, 388–396. [Referência Cruzada]
51. Botega, LFC; da Silva, JC Uma abordagem de inteligência artificial para apoiar a gestão do conhecimento na seleção de técnicas de criatividade e
inovação.J. Knowl. Gerenciar.2020,24, 1107–1130. [Referência Cruzada]
52. Chowdhury, S.; Budwar, P.; Dey, PK; Joel-Edgar, S.; Abadie, A. Colaboração entre funcionários de IA e desempenho empresarial: Integrando visão
baseada no conhecimento, sistemas sociotécnicos e estrutura de socialização organizacional.J. Ônibus. Res.2022,144, 31–49. [Referência
Cruzada]
53. Gacanin, H.; Perenda, E.; Atawia, R. Auto-implantação de sistemas sem fio não estacionários por gestão de conhecimento com
inteligência artificial.IEEE Trans. Cog. Comum. Rede.2019,5, 1004–1018. [Referência Cruzada]
54. Baierle, IC; Sellitto, MA; Frozza, R.; Schaefer, JL; Habekost, AF Um sistema de inteligência artificial e baseado em conhecimento para apoiar o
processo de tomada de decisão em vendas.África do Sul. J. Ind. Eng.2019,30, 17–25. [Referência Cruzada]
55. Courpasson, D.; Golsorkhi, D.; Sallaz, J.J.Repensando o poder nas organizações, instituições e mercados: perspectivas clássicas, pesquisas atuais e
a agenda futura; Emerald Group Publishing Limited: Bingley, Reino Unido, 2012.
56. Bencsik, A. A sexta geração de gestão do conhecimento – o avanço da inteligência artificial.J. Internacional. Viga.2021,14, 84–101. [Referência
Cruzada]
57. Leoni, L.; Ardolino, M.; El Baz, J.; Gueli, G.; Bacchetti, A. O papel mediador dos processos de gestão do conhecimento no uso eficaz da inteligência artificial
em empresas de manufatura.Internacional J. Ópera. Prod. Gerenciar.2022,42, 411–437. [Referência Cruzada]
58. Alshadooee, HAA; Mansur, MSG; Cuba, Hong Kong; Gheni, HM O papel da inteligência artificial na melhoria dos sistemas de apoio à decisão
administrativa depende da gestão do conhecimento.Touro. Eletr. Eng. Informática2022,11, 3577–3589. [Referência Cruzada]
59.Liu, R.; Zhang, H. Avaliação abrangente difusa baseada em inteligência artificial da gestão inovadora do conhecimento em universidades.
Matemática. Problema. Eng.2022,2022, 5655269. [Referência Cruzada]
60. Bokhari, SAA; Myeong, S. Gestão de conhecimento, inovação e entrega de serviços eletrônicos com base em inteligência artificial e orientação tecnológica
em cidades inteligentes: papel moderador da governança eletrônica.Apl. Ciência.2022,12, 8732. [Referência Cruzada]
61. Liu, Q. Análise do efeito de condução colaborativa da inteligência artificial na gestão da inovação do conhecimento.Ciência. Programa. 2022,2022,
8223724. [Referência Cruzada]
62. Arias-Pérez, J.; Cepeda-Cardona, J. Estratégias de gestão do conhecimento e improvisação organizacional: O que mudou após o surgimento da
turbulência tecnológica causada pela inteligência artificial?Báltico. J. Gerente.2022,17, 250–265. [Referência Cruzada]
63. Bilquise, G.; Shaalan, K. Estrutura de aconselhamento acadêmico baseada em IA: uma perspectiva de gestão do conhecimento.Internacional J. Adv. Computação. Ciência.
Apl.2022,13, 193–203. [Referência Cruzada]
64. Baslom, MMM; Tong, S. Gestão Estratégica do Conhecimento Organizacional e Conscientização dos Funcionários sobre Inteligência Artificial com Efeito
Mediador do Clima de Aprendizagem.Internacional J. Computação. Intel. Sist.2019,12, 1585–1591. [Referência Cruzada]
65. Yang, H.; Anbarasan, M.; Vadivel, T. Sistema de recomendação baseado em conhecimento usando inteligência artificial para educação inteligente.
J. Interconectar. Redes2022,22(Suplemento S2). [Referência Cruzada]
66. Sol, P.; Gu, L. Sistema de gráfico de conhecimento difuso para educação inteligente baseada em inteligência artificial.J. Intel. Sistema difuso.2021, 40, 2929–
2940. [Referência Cruzada]
67. Gacanin, H.; Perenda, E.; Karunaratne, S.; Atawia, R. Auto-otimização de sistemas sem fio com gestão de conhecimento: uma abordagem de
inteligência artificial.IEEE Trans. Veh. Tecnologia.2019,68, 9682–9697. [Referência Cruzada]
68. Phan, A.-C.; Phan, T.-C.; Trieu, T.-N. Uma abordagem sistemática aos sistemas de gestão do conhecimento em saúde na era do Big Data e da
inteligência artificial.Apl. Ciência.2022,12, 4455. [Referência Cruzada]
69. Nasseef, OA; Baabdullah, AM; Alalwan, AA; Lal, B.; Dwivedi, YK Sistemas de saúde pública baseados em inteligência artificial: intercâmbio baseado em
conhecimento G2G para aprimorar o processo de tomada de decisão.Governador Inf. Q.2022,39, 101618. [Referência Cruzada]
Computadores2023,12, 72 18 de 18
70. Mercier-Laurent, E. Inteligência artificial para Kflow de sucesso. EmWorkshop Internacional IFIP sobre Inteligência Artificial para Gestão do
Conhecimento; Springer: Berlim/Heidelberg, Alemanha, 2016.
71. Manesh, MF; Pellegrini, M.M.; Marzi, G.; Dabic, M. Gestão do Conhecimento na Quarta Revolução Industrial: Mapeando a Literatura e Escolhendo
os Caminhos Futuros.IEEE Trans. Eng. Gerenciar.2019,68, 289–300. [Referência Cruzada]
72. Kot, S.; Hussain, HI; Bilan, S.; Haseeb, M.; Mihardjo, LWW O papel do recrutamento e da qualidade da inteligência artificial para explicar o
fenômeno da reputação do empregador.J. Ônibus. Economia. Gerenciar.2021,22, 867-883. [Referência Cruzada]
73. Cantu-Ortiz, FJ Gestão do conhecimento e análise de inteligência artificial: Um estudo bibliométrico de tendências de pesquisa. EmUma agenda de pesquisa
para gestão e análise do conhecimento; Publicação Edward Elgar: Cheltenham, Reino Unido, 2021; pp. 67–88. [Referência Cruzada]
74. Zareravasan, A.; Krčaeu, M.; Ashrafi, A. As implicações do Blockchain para o compartilhamento de conhecimento. Em Anais do Fórum Internacional sobre
Dinâmica de Ativos de Conhecimento (IFKAD 2020), Matera, Itália, 9–11 de setembro de 2020.
75. Ransbotham, S.; Khodabandeh, S.; Fehling, R.; Lafonte, B.; Kiron, D. Vencendo com IA.Gerente Sloan do MIT. Rev.2019, 61180.
76. Brynjolfsson, E.; Rocha, D.; Syverson, C. Inteligência Artificial e o Paradoxo da Produtividade Moderna: Um Choque de Expectativas e Estatísticas.
EmA Economia da Inteligência Artificial: Uma Agenda; University of Chicago Press: Chicago, IL, EUA, 2017. [Referência Cruzada]
Isenção de responsabilidade/nota do editor:As declarações, opiniões e dados contidos em todas as publicações são de responsabilidade exclusiva do(s)
autor(es) e colaborador(es) individual(is) e não do MDPI e/ou do(s) editor(es). O MDPI e/ou o(s) editor(es) isentam-se de responsabilidade por qualquer dano a
pessoas ou propriedades resultante de quaisquer ideias, métodos, instruções ou produtos mencionados no conteúdo.