سخن سردبیر

نویسنده

• رسول زوارقی

استاد، گروه علم اطلاعات و دانش‌شناسی، دانشگاه تبریز، تبریز، ایران zavaraqi@tabrizu.ac.ir

چکیده

هدف: گسترش دانشگاه‌ها، مراکز پژوهشی، پایگاه‌های اطلاعاتی، سامانه‌های آماری و تولید فزاینده مقاله‌ها، پایان‌نامه‌ها، گزارش‌ها و اسناد سیاستی، لزوماً به بهبود متناسب کیفیت تصمیم‌گیری در سازمان‌ها و نظام‌های ملی منجر نشده است. این سخن سردبیر با طرح تناقض میان «انباشت دانش» و «تداوم مسائل و مشکلات»، در پی تبیین ضرورت گذار از اتکای نامنظم به شهود، تجربه، اقتدار و داده‌های پراکنده به مدیریت دانش مبتنی بر شواهد است و می‌کوشد چارچوبی مفهومی و اجرایی برای تبدیل دانش معتبر به تصمیم‌های شفاف، قابل ارزیابی و اصلاح‌پذیر ارائه کند.
روش‌شناسی: متن حاضر رویکردی تحلیلی–مفهومی و انتقادی دارد و با بهره‌گیری از ادبیات مدیریت دانش مبتنی بر شواهد، مدیریت و تصمیم‌گیری مبتنی بر شواهد، ترجمان دانش، سیاست‌گذاری آگاه از شواهد، علم اطلاعات و دانش‌شناسی، یادگیری و حافظه سازمانی، علم باز و ارزیابی پژوهش تدوین شده است. بر پایه تلفیق انتقادی این جریان‌ها، آسیب‌های الگوهای رایج استفاده از دانش شناسایی و معماری پیشنهادی برای مدیریت دانش مبتنی بر شواهد صورت‌بندی شده است.
یافته‌ها: تحلیل نشان می‌دهد که شخص‌محوری، گسست پژوهش و عمل، فقدان ردپای معرفتی تصمیم‌ها، انتخاب گزینشی شواهد، حافظه سازمانی نامتوازن، توهم داده‌محوری و استفاده غیرانتقادی از هوش مصنوعی از مهم‌ترین موانع تبدیل دانش به تصمیم معتبرند. برای مقابله با این آسیب‌ها، معماری نه‌مرحله‌ای شامل تعریف مسئله و تبدیل آن به پرسش قابل بررسی، گردآوری چندمنبعی شواهد، ارزیابی انتقادی، ترکیب و زمینه‌مندکردن شواهد، ایجاد پرونده شواهد، اجرای مرحله‌ای و قابل بازگشت، ارزیابی پیامدها، بازگرداندن نتایج به حافظه سازمانی، و بازبینی و کنارگذاری دانش منسوخ پیشنهاد شده است.
نتایج: مدیریت دانش مبتنی بر شواهد به معنای حذف شهود، تجربه یا قضاوت حرفه‌ای و جایگزینی آنها با داده و الگوریتم نیست؛ بلکه مستلزم قرار دادن این منابع در معرض ارزیابی، مقایسه و پاسخ‌گویی است. در این چارچوب، پژوهش علمی معتبر، داده‌های محلی و سازمانی، خبرگی حرفه‌ای قابل ارزیابی و ارزش‌ها و دیدگاه‌های ذی‌نفعان به‌صورت مکمل در تصمیم‌گیری به کار گرفته می‌شوند. استقرار چنین رویکردی در نظام‌های علمی، اقتصادی، سیاست‌گذاری و اجتماعی، نیازمند زیرساخت‌های نهادی برای تبدیل شواهد به تصمیم و تصمیم به یادگیری است. دانشگاه‌ها و نشریات علمی نیز می‌توانند از طریق تقویت ترکیب شواهد، شفافیت، بازتولیدپذیری، انتشار یافته‌های منفی و ترجمان دانش در این گذار نقش‌آفرینی کنند.
اصالت و ارزش: ارزش مفهومی این نوشتار در ارائه برداشتی یکپارچه از مدیریت دانش مبتنی بر شواهد و پیوند دادن سخت‌گیری ارزیابی شواهد در پزشکی، معماری سازمان‌دهی و بازیابی دانش در علم اطلاعات و دانش‌شناسی، حساسیت نهادی سیاست‌گذاری، ظرفیت پردازشی تحلیل‌گری و هوش مصنوعی، و توجه مطالعات سازمانی به زمینه و یادگیری است. چارچوب پیشنهادی، مدیریت دانش را از منطق انباشت و ذخیره دانش به سوی حکمرانی چرخه عمر ادعاهای دانشی و تصمیم‌گیری مسئولانه سوق می‌دهد.

کلیدواژه‌ها

• مدیریت دانش مبتنی بر شواهد
• تصمیم‌گیری آگاه از شواهد
• ترجمان دانش
• مدیریت مبتنی بر شواهد
• سیاست‌گذاری آگاه از شواهد
• حافظه سازمانی
• مدیریت دانش

موضوعات

• ابعاد فلسفی و مبانی نظری مطالعات داده، اطلاعات و دانش

عنوان مقاله [English]

From Intuition to Evidence: Evidence-Based Knowledge Management (EBKM) as an Infrastructure for Responsible Decision-Making

نویسنده [English]

• Rasoul Zavaraqi

Professor, Department of Knowledge and Information Science, University of Tabriz. zavaraqi@tabrizu.ac.ir

چکیده [English]

Purpose: The expansion of universities, research institutions, information databases, statistical systems, and the growing production of journal articles, theses and dissertations, expert reports, and policy documents has not necessarily produced a corresponding improvement in the quality of organizational and national decision-making. By addressing this paradox between the accumulation of knowledge and the persistence of problems, this editorial argues for a transition from unsystematic reliance on intuition, experience, authority, and fragmented data toward Evidence-Based Knowledge Management (EBKM). It further proposes a conceptual and operational framework for translating trustworthy knowledge into decisions that are transparent, evaluable, and open to revision.
Methodology: This editorial adopts a conceptual, analytical, and critical approach, drawing on the literature on evidence-based knowledge management, evidence-based management and decision-making, knowledge translation, evidence-informed policymaking, information and knowledge science, organizational learning and memory, open science, and research assessment. Through a critical integration of these intellectual streams, major barriers to the effective use of knowledge are identified and a proposed architecture for EBKM is developed.
Findings: The analysis identifies person-centered decision-making, the research–practice gap, the absence of an epistemic audit trail, selective use of evidence, asymmetrical organizational memory, the illusion of data-driven decision-making, and uncritical reliance on artificial intelligence as major obstacles to translating knowledge into trustworthy decisions. To address these problems, a nine-stage EBKM architecture is proposed: defining the problem and formulating an answerable question; gathering multisource evidence; critically appraising evidence; synthesizing and contextualizing evidence; creating an evidence dossier; implementing decisions in staged and reversible forms; evaluating outcomes; feeding results back into organizational memory; and reviewing, downgrading, or retiring outdated knowledge.
Conclusion: Evidence-based knowledge management does not imply eliminating intuition, experience, or professional judgment and replacing them with data or algorithms. Rather, it requires these forms of knowledge to be subjected to appraisal, comparison, and accountability. Within this framework, trustworthy scientific research, organizational and local evidence, appraisable professional expertise, and stakeholder values and perspectives are integrated as complementary sources of evidence. Embedding EBKM in scientific, economic, policy, and social systems requires institutional infrastructures capable of translating evidence into decisions and decisions into learning. Universities and scholarly journals can contribute to this transition by strengthening evidence synthesis, transparency, reproducibility, publication of negative findings, and knowledge translation.
Value: The conceptual contribution of this editorial lies in offering an integrated view of EBKM that combines the rigor of evidence appraisal associated with evidence-based medicine, the architecture of knowledge organization and retrieval from information and knowledge science, the institutional sensitivity of public policymaking, the analytical capacity of data analytics and artificial intelligence, and the contextual and learning-oriented perspective of organizational studies. The proposed framework shifts knowledge management from a logic of knowledge accumulation and storage toward the governance of the life cycle of knowledge claims and responsible decision-making.

کلیدواژه‌ها [English]

• Evidence-Based Knowledge Management
• EBKM, Evidence-Informed Decision-Making
• Knowledge Translation
• Evidence-Based Management
• Evidence-Informed Policymaking
• Organizational Memory
• Knowledge Management