Modelos de escaneo de gestión estratégica basados en tendencias heurísticas como cuantificadores intensivos de menor información

Autores/as

  • Jiri Kriz Brno University of Technology (Czech Republic)
  • Mirko Dohnal Brno University of Technology (Czech Republic)
  • Katerina Fojtu Brno University of Technology (Czech Republic)

Palabras clave:

estratégico, escaneo, tendencia, transición, escasez de información, complejo.

Resumen

SS (Strategic Scanning) es un proceso único, parcialmente subjetivo, inconsistente, interdisciplinario, vago y multidimensional. Su descripción y optimización adolece de IS (escasez de información) y heterogeneidad. IS elimina la aplicación directa de los métodos estadísticos tradicionales. Los problemas de heterogeneidad son causados ​​por la naturaleza heterogénea de las estructuras de información escaneadas. La Inteligencia Artificial ha desarrollado algunas herramientas para resolver tales problemas. El razonamiento cualitativo es uno de ellos. Se basa en los cuantificadores que requieren menos información, es decir, las tendencias. Hay cuatro tendencias diferentes, es decir, valores cualitativos y sus derivados: más / creciente; cero / constante; negativo / decreciente; cualquier valor / cualquier tendencia. El artículo estudia los modelos SS basados ​​en ELE (heurística sin ecuaciones). Un ejemplo de ELE es: si la novedad aumenta, la confianza disminuye. La solución de un modelo cualitativo está representada por un conjunto S de escenarios y un conjunto T de transiciones de tiempo entre estos escenarios. La entrada de información clave en un modelo ELE es el conocimiento subjetivo de los expertos. A menudo no se llega a un consenso entre los expertos en SS debido a inconsistencias en el conocimiento de los expertos. El estudio de caso de SS es de 12 dimensiones (por ejemplo, Frescura, Relevancia) y se basa en 12 ELE. Hay 29 escenarios.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Cai, S., Lin, X., Xu, D., & Fu, X. (2016). Judging online peer-to-peer lending behavior: A comparison of first-time and repeated borrowing requests. Information and Management, 53(7), 857-867.

De Kleer, J., & Brown, J.S. (1984). A qualitative physics based on confluences. Artificial Intelligence, 24(1-3), 7-83.

Dohnal, M. (1988). Naive models as active expert system in bioengineering and chemical engineering. Collection of Czechoslovak Chemical Communications, 53(7), 1476-1499.

Dohnal, M. (1991). A Methodology for Common-sense Model Development. Computers in Industry, 16(2), 141-158.

Dohnal, M., Kocmanova, A., & Rašková, H. (2008). Hi tech microeconomics and information non-intensive calculi. Trendy ekonomiky a management, II, 20-26.

Garnett, K., Lickorish, F.A., Rocks, S.A., Prpich, G., Rathe, A.A., Pollard, S.J.T. (2016). Integrating horizon scanning and strategic risk prioritisation using a weight of evidence framework to inform policy decisions. Science of The Total Environment, 560-561, 82-91.

Hayes, P.J. (1985a). Naive Physics I: Ontology For Liquids. In J.R. Hobbs & B. Moore (eds), Formal Theories of the Commonsense World, Ablex (pp. 71-89). California: SRI International.

Hayes, P.J. (1985b). The Second Naive Physics Manifesto. In J.R. Hobbs & B. Moore (eds), Formal Theories of the Commonsense World, Ablex (pp. 1-36). California: SRI International.

Hendry, D.F. (1995). Dynamic Econometrics. Oxford: Oxford University Press.

Kuipers, B. (1994). Qualitative reasoning: modeling and simulation with incomplete knowledge. Cambridge: MIT Press.

Lesca, N., Caron-Fasan, M.-L., & Falcy, S. (2012). How managers interpret scanning information. Information and Management, 49(2), 126-134.

Lipmann, O., & Bogen, H. (1923). Naive Physik: Arbeiten aus dem Institut für Angewandte Psychologie in Berlin; theoretische und experimentelle Untersuchungen über die Fähigkeit zu intelligentem Handeln. Leipzig: Johann Ambrosius Barth.

Ljung, L. (1999). System Identification: Theory For the User. New Jersey: Prentice Hall.

Loève, M. (1977). Probability Theory I. New York: Springer-Verlag.

Lorenz, H.-W. (1989). Nonlinear dynamical economics and chaotic motion. Berlin: Springer.

Meluzin, T., & Zinecker, M. (2014). Research into Determinants Influencing IPO Decisions on the Polish Capital Market (Determinanten der Entscheidung für eine Börseneinführung unter den Bedingungen des polnischen Kapitalmarktes - Ergebnisse einer empirischen Untersuchung). Betriebswirtschaftliche Forschung und Praxis, 66(6), 652-671.

Michalewicz, Z., & Fogel, D.B. (2004). How to solve it: Modern Heuristics. Berlin: Springer.

Mu, E., Kirsch, L.J., & Butler, B.S. (2015). The assimilation of enterprise information system: An interpretation systems perspective. Information and Management, 52(3), 359-370.

Mueller, E.T. (2014). Commonsense Reasoning: An Event Calculus Based Approach. San Francisco: Morgan Kaufmann.

Myers, M.D., & Newman, M. (2007). The qualitative interview in IS research: Examining the craft. Information and Organization, 17(1), 2-26.

Parsons, S., Kubat, M., & Dohnal, M. (1995). A rough set approach to reasoning under uncertainty. Journal of Experimental, 7(2), 175-193.

Ramakrishnan, T., Jones, M.C., & Sidorova, A. (2012). Factors influencing business intelligence (BI) data collection strategies: An empirical investigation. Decision Support Systems, 52(2), 486-496.

Russell, B. (1948). Human knowledge: Its scope and limits, Routledge classics. London: George Allen and Unwin.

Seidl, D., & Werle, F. (2017). Inter-organizational sensemaking in the face of strategic meta-problems: Requisite variety and dynamics of participation. Strategic Management Journal, 39(3), 830-858. DOI: 10.1002/smj.2723.

Sen, P.K., & Singer, J.M. (1993). Large sample methods in statistics: an introduction with applications. New York: Chapman.

Singh, S., & Dey, L. (2005). A rough-fuzzy document grading system for customized text information retrieval. Information Processing and Management, 41(2), 195-216.

Van Wyk, R.J. (1997). Strategic technology scanning. Technological Forecasting and Social Change, 55(1), 21-38.

Vicha, T., & Dohnal, M. (2008). Qualitative identification of chaotic systems behaviours. Chaos, Solitons, 38(1), 70-78.

Walters, B.A., Jiang, J.J., & Klein, G. (2003). Strategic information and strategic decision making: the EIS/CEO interface in smaller manufacturing companies. Information and Management, 40(6), 487-495.

Young, L.F. (1987). A systems architecture for supporting senior managers' messy tasks. Information, 13(2), 85-94.

Zhang, Y.-L., Li, C.-Q., Lin, M.-L., & Lin, Y.-J. (2015). Relationships between generalized rough sets based on covering and reflexive neighborhood system. Information Sciences, 319, 56-67.

Publicado

2020-03-01

Cómo citar

Kriz, J., Dohnal, M., & Fojtu, K. (2020). Modelos de escaneo de gestión estratégica basados en tendencias heurísticas como cuantificadores intensivos de menor información. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 29, 116-130. Recuperado a partir de https://www.upo.es/revistas/index.php/RevMetCuant/article/view/3260

Número

Sección

Artículos