چارچوب فراگیر اعمال تغییرات سازمانی

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانش آموخته دکترا، دانشگاه علامه طباطبایی، تهران

2 استاد،‌دانشگاه علامه طباطبایی،‌ تهران

3 استادیار،‌ دانشگاه علامه طباطبایی،‌ تهران

چکیده

برخورداری از مدلی یکپارچه برای مدیریت تغییرات می‌تواند پیچیدگی ذاتی تغییر را با تشخیص رابطه میان عناصر حیاتی، ساده کند. به دلیل پویایی عوامل مؤثر بر تغییرات سازمانی و برهم‌کنشی آن‌ها بر یکدیگر، تدوین مدلی ایستا چندان راهگشا نیست. در مطالعه پیش‌رو سعی شد در چهار مرحله و با ترکیب روش‌های کیفی (تحلیل محتوا و فن دلفی) با روش‌های هوش مصنوعی (الگوریتم ژنتیک و مفهوم منطق فازی)، روشی جدید برای ساخت الگوی پویا و یکپارچه تغییرات سازمانی ایجاد شود تا بتوان میزان موفقیت تغییر را تخمین زد. به‌علاوه با اعمال محدودیت‌های حاکم بر شرایط مختلف، نقشه راهی در اختیار مدیران برای هدایت تغییر قرار دهد. پس از احصاء و غربال عوامل مؤثر بر تغییرات با روش‌های کیفی، مدل اولیه به دلیل پیچیدگی و ابعاد بالای مسئله با نظریه فازی ساخته و برای دقیق‌تر کردن مدل از الگوریتم ژنتیک استفاده شد. برای اعمال محدودیت‌ها و یافتن مقدار قابل‌قبول متغیرها جهت موفقیت برنامه تغییر از الگوریتم ژنتیک استفاده شد.

کلیدواژه‌ها


عنوان مقاله [English]

Framework for Organizational Change

نویسندگان [English]

  • Hanieh Arazmjoo 1
  • Hossein Rahmanseresht 2
  • Vahid Nasehifar 3
1 PhD, Allameh Tabataba'ee University, Tehran
2 Professor, Allame Tabataba'ee University.
3 Assistant Professor, Allame Tabataba'ee University, Tehran
چکیده [English]

Having an integrated model of change management can simplify the inherent complexity of change by recognizing the relation between critical elements. Because of dynamic nature of variables and their interaction, developing a static model is not useful. This study tries to generate a new method for constructing a dynamic organizational change model in four steps with combining qualitative methods (content analysis and Delphi technique) and artificial neural networks (Fuzzy theory and genetic algorithm). In addition, by governing restrictions of various conditions, a road map is provided for managers to leading change. After recognizing and screening variables by qualitative methods, due to the complexity and scale of the problem the initial model is built with fuzzy theory and genetic algorithms are used for more accuracy. For governing restrictions and finding acceptable amount of variables to have a successful change program, genetic algorithm is used.

کلیدواژه‌ها [English]

  • Change Management
  • Integrated Organizational Change model
  • Genetic Algorithm (GA), Fuzzy Inference System (FIS)

 

1. اسکات، ریچارد (1389). سازمان‌ها: سامانه‌های عقلایی، طبیعی و باز، ترجمه حسن میرزائی اهرنجانی، چاپ دوم، تهران، انتشارات سمت

2. سرمد، زهره؛ بازرگان، عباس و حجازی، الهه (1392). روش‌های تحقیق در علوم رفتاری، چاپ بیست و پنجم، تهران، انتشارات آگه

3. صادقی، داود (1387). مدلی برای هماهنگی استراتژی‌های موضوعات تغییر سازمانی و رابطه آن با عملکرد سازمان با توجه به نقاط مرجع استراتژیک، پایان‌نامه دکتری دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

4. صلاحی پروین، اسماعیل (1387). انتخاب پروژه‌های سامانه‌های اطلاعاتی با استفاده از طراحی اصولی فازی، پایان‌نامه دکتری دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

5. صمدی، عباس (1382). ارائه مدل مناسب تحول اداری در سازمان‌های دولتی ایران، پایان‌نامه دکتری دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

6. طهماسبی، پژمان؛ هزار خانی، اردشیر (1390). «استفاده از شبکه‌های عصبی-فازی-ژنتیکی به‌منظور تخمین عیار در کانسار مس پرفیری دره زار- کرمان»، نشریه مهندسی معدن، 6 (12)، 1-9

7. عباسی کیا، مصطفی (1388). الگوریتم‌های فرا اکتشافی جست وجو (الگوریتم ژنتیک)، کتاب آنلاین، www.irpdf.com (تاریخ دسترسی: 10/11/1392)

8. کرسول، جان و پلانوکلارک، ویکی، (1387). روش‌های تحقیق تلفیقی، ترجمه: عباس زارعی و محسن نیازی، تهران: انتشارات علم و دانش، چاپ اول، تهران

9. Anderson, D. & Ackerman, L. (2001). Beyond Change Management, Jossey-Bass/Pfeiffer, 1st edition

10. Armenakis A. & Bedeian A. (1999). Organizational Change: A Review of Theory and Research in the 1990s, Journal of Management, 25(3), 293-315

11. Beer, M. & Nohria, N. (2000). Cracking the code of change. Harvard Business Review, 78(3), 133–141.

12. Brenner M. (2008). It’s all about people: change management’sgreatest lever, Business Strategy Series, 9(3), pp. 132-137

13. Cameron, K. S. & Quinn, R. E. (1999). An introduction to changing organizational culture. In K. S. Cameron & R. E. Quinn, Diagnosing and changing organizational culture (pp. 1-17). Reading, MA: Addison-Wesley

14. Champy, J. (1995). Reengineering: A light that failed. Across the Board, 32(3), 27-31.

15. Cheng C.L. Lo S.L. & Yu S.L. (2005). Applying fuzzy theory and genetic algorithm to interpolate precipitation, Journal of Hydrology, 314, 92-104

16. Coit D.W & Smith A.E. (1996). Solving the redundancy allocation problem using a combined neural network/ genetic algorithm approach, Computers and Operations Research, 23 (6), 214-223

17. Damanpour, F. (1991). Organizational innovation: A meta-analysis of effects of determinants and moderators. Academy of Management Journal, 34: 555–590

18. Del Val M.P. & Fuentes C.M. (2003). Resistance to change: a literature review and empirical study, Management Decision, 41/2: 148-155

19. Devos G. Buelens M & Bouckenooghe D. (2007). Contributing to content, context and process to understanding openness to organizational change, The Journal of Social Psycology, 147 (6): 607- 629

20. De Wit B. & Meyer R. (2010). Strategy: Process, content, context; An International Perspective, (4th ed). Cincinnati, OH: South-Western Publishing.

21. Erturk A. (2008). A trust-based approach to promote employees’ openness to organizational change in Turkey, International Journal of Manpower, 29 (5), 462- 483

22. Gen M. & Cheng R. (1997). Genetic algorithm and engineering design, John Wiley & Sons Inc. New York

23. Hannan, M. T. & Freeman, J. (1984). Structural inertia and organizational change. American Sociological Review, 49(2), 149-164.

24. Haringa, D. (2009), “Can organizational change be sustained? A qualitative study of embedding organizational change within the context of public service, Published PhD. thesis, Capella University

25. Hempel P.S. & Martinsons M.G. (2009). Developing international organizational change theory using cases from China, Human Relations, 62, pp 459- 502

26. Herrera F. Lozano M. & Verdegay J.L. (1994), Applying genetic algorithms in fuzzy optimization problems; Fuzzy Systems & A.I Reports and Letters, 3 (1), 39-52

27. Jang, J.S.R. & Sun, C.T. (1997). Neuro-Fuzzy modeling and control, Proceedings IEEE, 83(3), 378-406

28. Kotter John & Schlesinger Leonard, (2008). Choosing Strategies for Change, Best of Harvard Business Review, July- August

29. Kuo Y.F. and Chen P.C. (2007). Constructing performance appraisal indicators for mobility of the service industries using Fuzzy Delphi method, Journal of Expert Systems with Applications, doi:10.1016/j.eswa. 2013.08.068

30. Pettigrew, A. & Whipp, R. (1992). Managing Change for Competitive Success, Human Resource Management Journal, Oxford: Blackwell. 2(3), pp. 45-102

31. Prosci, (2010). Roles in change management, Change Management Learning Center, http://www.changemanagement.com/tutorial-roles.html

32. Rahschulte T. (2007). Understanding how to change: An inductive determination of how agents of state government plan, lead and sustain change, published PhD Thesis, Regent University

33. Roy T.K. & Garai A. (2012). Intuitionistic Fuzzy Delphi Method: More realistic and interactive forecasting tool, Notes on Intuitionistic Fuzzy Sets, 18(2), 37-50

34. Smith J. J. (2010). Air force organizational change: tracing the past- mapping the future, Published PhD. Thesis, Faculty of Washington State University.

35. Walker J. Armenakis A. & Bernertn J. (2007). Factors influencing organizational change efforts, Journal of Organizational Change Management, 20(6), 761-773

36. Wall, A. B. (2004). Mapping shifts in consciousness: Using a constructive developmental perspective to explore key variables in organizational transformation. PhD. published dissertation. Union Institute & University.