1. eVNUIR
  2. Фонди факультетів та підрозділів
  3. Факультет інформаційних технологій та математики
  4. Наукові роботи (FITM)
Please use this identifier to cite or link to this item: https://evnuir.vnu.edu.ua/handle/123456789/22618
Title: Поширення знаннєвого потенціалу в процесі електронного навчання
Other Titles: Dissemination of knowledge potential in the e-learning process
Authors: Пасічник, Володимир Володимирович
Юнчик, Валентина Леонідівна
Кунанець, Наталія Едуардівна
Федонюк, Анатолій Ананійович
Affiliation: Національний університет "Львівська політехніка"
Волинський національний університет імені Лесі Українки
Національний університет "Львівська політехніка"
Волинський національний університет імені Лесі Українки
Bibliographic description (Ukraine): Пасічник, В. В., Юнчик, В. Л., Кунанець, Н. Е., & Федонюк, А. А. (2023). Поширення знаннєвого потенціалу в процесі електронного навчання. Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі». 2023. № 13. С. 361-374.
Journal/Collection: Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі»
Issue: 13
Issue Date: 2023
Date of entry: 27-Jul-2023
Publisher: Національний університет "Львівська політехніка"
Country (code): UA
Place of the edition/event: Львів
Supervisor: Пасічник, Володимир Володимирович
ORCID Id: https://orcid.org/0000-0001-9434-563X
https://orcid.org/0000-0003-3500-1508
https://orcid.org/0000-0003-0942-227X
DOI: https://orcid.org/0000-0003-3007-2462
UDC: 004.82
Keywords: знання
інформація
дані
знаннєвий потенціал
електронне навчання
електронний освітній ресурс
Page range: 361-374
Abstract: Проаналізовано ключові терміни, які стосуються управління знаннями та знаннєвого потенціалу. Зазначено групи внутрішніх та зовнішніх факторів, що впливають на знаннєвий потенціал. Виокремлено фактори впливу на вибір електронних освітніх ресурсів. Схематично зображено взаємодію учасників освітнього процесу, зокрема в спільнотах електронного освітнього середовища. Подано перелік ймовірнісних правил відбору для вибору джерела та засвоєння знань. Запропоновано модель динаміки поширення знаннєвого потенціалу з урахуванням перетікання знань від джерела до агента. Описано узагальнену дифузійноподібну модель процесів перерозподілу знаннєвого потенціалу під час електронного навчання з урахуванням поповнення джерела знань. Зображено вплив електронних освітніх ресурсів на поповнення знаннєвого потенціалу викладача, який передає отримані знання студентам у межах певної спільноти. Показано загальну структуру процесу формування знаннєвого потенціалу під час електронного навчання із вказанням джерел знань, факторів впливу на учасників освітнього процесу, зазначено процеси поповнення, передавання та перерозподілу знань.
Description: The key terms in the process of knowledge management and knowledge potential are analyzed. Groups of internal and external factors affecting knowledge potential are indicated. The factors of influence on the choice of electronic educational resources are highlighted. The interaction of participants in the educational process is depicted shematically, particularly in communities of the electronic educational environment. The list of probabilistic selection rules for choosing a source of knowledge and learning is given. The model of dynamics of dissemination of knowledge potential, taking into account the flow of knowledge from source to agent, is indicated. Modeling is described in the form of a generalized diffusion model of processes of redistribution of knowledge potential during e-learning, taking into account the replenishment of the source of knowledge. The influence of electronic educational resources on the replenishment of the teacher's knowledge, which transfers knowledge to students within a certain community, is given. The general structure of the process of formation of knowledge potential during e-learning, indicating sources of knowledge, factors of influence on participants of the educational process is shown, the processes of replenishment, transfer, and redistribution of knowledge are indicated.
URI: https://evnuir.vnu.edu.ua/handle/123456789/22618
URL for reference material: https://science.lpnu.ua/sites/default/files/journal-paper/2023/jul/30933/230487maket-363-376.pdf
References (Ukraine): Сікора Я. Б. (2017). Використання методів управління знаннями для організації електронного навчання. Інформаційні технології і засоби навчання, 61(5). 162–174. https://doi.org/10.33407/itlt.v61i5.1718.
Bloodgood, J. M. & Chen, A. N. K. (2022), Preventing organizational knowledge leakage: the influence of knowledge seekers’ awareness, motivation and capability. Journal of Knowledge Management, 26(9), 2145–2176. https://doi.org/10.1108/JKM-12-2020-0894.
Shehzad, M., Zhang, J., Dost, M., Ahmad, M. S. & Alam, S. (2022). Knowledge management enablers and knowledge management processes: a direct and configurational approach to stimulate green innovation. European Journal of Innovation Management. https://doi.org/10.1108/EJIM-02-2022-0076.
Kordab, M., Raudeliūnienė, J. & Meidutė-Kavaliauskienė, I. (2020). Mediating Role of Knowledge Management in the Relationship between Organizational Learning and Sustainable Organizational Performance. Sustainability, 12(23). 10061. https://doi.org/10.3390/su122310061.
Nusrat, A., He, Y. & Luqman, A. (2022). Promoting Creativity with Social Media Knowledge Discussion Groups: Exploring the Moderating Role of Knowledge-Oriented Leadership, 51–64. https://doi.org/10.1007/978-3- 031-23012-7_4.
Marbun, D. S., Juliandi, A., & Effendi, S. (2020). The Effect of Social Media Culture and Knowledge Transfer on Performance. Budapest International Research and Critics Institute-Journal (BIRCI-Journal), 3(3), 2513– 2520. https://doi.org/10.33258/birci.v3i3.1234.
Liu, X., Li, Y., Chen, L., GengXiang, C. & Zhao, B. (2023). Multiple source partial knowledge transfer for manufacturing system modelling. Robotics and Computer-Integrated Manufacturing, 80. 102468. https://doi.org/10.1016/j.rcim.2022.102468.
Magotra, A. & Kim, J. (2020). Improvement of Heterogeneous Transfer Learning Efficiency by Using Hebbian Learning Principle. Applied Sciences. 10(16), 5631. https://doi.org/10.3390/app10165631.
Pocol, C. B., Stanca, L., Dabija, D.-C., Câmpian, V., Mișcoiu, S. & Pop, I. D. (2023). A QCA Analysis of Knowledge Co-Creation Based on University – Industry Relationships. Mathematics. 11(2):388. https://doi.org/10.3390/math11020388.
Osman, Mohamad & Mohd Noah, Shahrul Azman & Saad, Saidah. (2022). Ontology-Based Knowledge Management Tools for Knowledge Sharing in Organization – A Review. IEEE Access, 13(1), 342. https://doi.org/10.1109/ACCESS.2022.3163758.
Ferrer-Serrano, M., Fuentelsaz, L. & Latorre, P. (2021). Examining knowledge transfer and networks: an overview of the last twenty years. Journal of Knowledge Management, 26(8), 2007–2037. https://doi.org/10.1108/JKM04-2021-0265
Yang, C., Fu, L. & Gan, X. (2021). Evolving Knowledge Graph-Based Knowledge Diffusion Model. 1715, 145. https://doi.org/10.1109/WCNC49053.2021.9417427.
Jakubik, M. (2022). Comparing knowledge management and wisdom management. In Proceedings 17th International Conference on Knowledge Management, 36, 36–47.
Hao, Y., Wang, X., Lin, Y. & Zhang, C. (2022). Dynamics Modeling of Knowledge Dissemination Process in Online Social Networks. CWSN 2022. Communications in Computer and Information Science, 1715, 145–153. https://doi.org/10.1007/978-981-19-8350-4_12.
Кравчук, І., Присяжнюк, О. & Лавриненко, С. (2023). Формування знаннєвого потенціалу адміністрування у професійному розвитку менеджера. Економіка та суспільство. (47). https://doi.org/ 10.32782/2524-0072/2023-47-64.
Pasichnyk, V., Bomba, A., Nazaruk, M. & Kunanets, N. (2021). The dynamics simulation of knowledge potentials of agents including the feedback. Journal of Physics: Conference Series, 1840, 012020. https://doi.org/10.1088/1742-6596/1840/1/012020.
Bomba, A., Nazaruk, M., Kunanets, N. & Pasichnyk, V. (2020). Modeling the Dynamics of Knowledge Potential of Agents in the Educational Social and Communication Environment. Advances in Intelligent Systems and Computing IV, CSIT 2019, 1080. https://doi.org/10.1007/978-3-030-33695-0_2.
Bomba, A, Lechachenko, T. & Nazaruk, M. (2021). Modeling the Dynamics of “Knowledge Potentials” of Agents Including the Stakeholder Requests. Advances in Computer Science for Engineering and Education, 84, 75–88. https://doi.org/10.1007/978-3-030-80472-5_7.
Кунанець Н. Е., Ленько В. С., Пасічник В. В. & Щербина Ю. М. (2017). Персональні бази даних та знань віртуальних дослідницьких спільнот. Науковий вісник НЛТУ України. 27(6). 185–191. https://doi.org/10.15421/40270638.
Raudeliuniene, J. (2022). Organizational Knowledge Potential: Peculiarities of Formation Strategic Decisions. Journal of System and Management Sciences, 12(6), 548–560. https://doi.org/10.33168/JSMS.2022.0632.
Ioannidis, E., Varsakelis, N. & Antoniou, I. (2021). Intelligent Agents in Co-Evolving Knowledge Networks. Mathematics, 9(1), 103. https://doi.org/10.3390/math9010103.
Бомба, А., Назарук, М., & Пасічник, В. (2014). Побудова дифузійноподібної моделі інформаційного процесу поширення знаннєвого потенціалу. Вісник Національного університету Львівська політехніка. Комп’ютерні науки та інформаційні технології. (800). С. 35–44.
Бомба, А., Назарук, М., Кунанець, Н., & Пасічник, В. (2015). Узагальнена дифузійноподібна модель інформаційного процесу поширення знаннєвого потенціалу. Радіоелектроніка, інформатика, управління. (3 (34)). С. 64–70.
Nguyen, B., Radnejad, A. B., Verbeke, A. & Zoirou, A. (2022). ICT knowledge transfer in complex organizations: Investigating antecedents of potential absorptive capacity. Journal of Information Technology Case and Application Research, 24(3), 184–223. https://doi.org/10.1080/15228053.2022.2072162.
Li, X. & Zhang, B. (2019). Workflow-based Knowledge Flow Modeling and Research: Combination of Knowledge and Workflow. CSAE 2019: Proceedings of the 3rd International Conference on Computer Science and Application Engineering, 34, 1–6. https://doi.org/10.1145/3331453.3362051.
Yang, B. & Yang, M. (2022). Research on enterprise knowledge service based on semantic reasoning and data fusion. Neural Comput & Applic, 34, 9455–9470. https://doi.org/10.1007/s00521-021-06382-z.
Юнчик, В., Кунанець, Н., Пасічник, В. & Федонюк, А. (2021) Аналіз штучних інтелектуальних агентів для систем електронного навчання. Інформаційні системи та мережі. 10. С. 41–57. https://doi.org/ 10.23939/sisn2021.10.041
References (International): Sikora, Y. B. (2017). The use of knowledge management methods for e-learning organization. ITLT, 61(5), 162–174. https://doi.org/10.33407/itlt.v61i5.1718.
Bloodgood, J. M. & Chen, A. N. K. (2022), Preventing organizational knowledge leakage: the influence of knowledge seekers’ awareness, motivation and capability. Journal of Knowledge Management, 26(9), 2145–2176. https://doi.org/10.1108/JKM-12-2020-0894.
Shehzad, M., Zhang, J., Dost, M., Ahmad, M. S. & Alam, S. (2022). Knowledge management enablers and knowledge management processes: a direct and configurational approach to stimulate green innovation. European Journal of Innovation Management. https://doi.org/10.1108/EJIM-02-2022-0076.
Kordab, M., Raudeliūnienė, J. & Meidutė-Kavaliauskienė, I. (2020). Mediating Role of Knowledge Management in the Relationship between Organizational Learning and Sustainable Organizational Performance. Sustainability, 12(23). 10061. https://doi.org/10.3390/su122310061.
Nusrat, A., He, Y. & Luqman, A. (2022). Promoting Creativity with Social Media Knowledge Discussion Groups: Exploring the Moderating Role of Knowledge-Oriented Leadership, 51–64. https://doi.org/10.1007/978-3- 031-23012-7_4.
Marbun, D. S., Juliandi, A., & Effendi, S. (2020). The Effect of Social Media Culture and Knowledge Transfer on Performance. Budapest International Research and Critics Institute-Journal (BIRCI-Journal), 3(3), 2513– 2520. https://doi.org/10.33258/birci.v3i3.1234.
Liu, X., Li, Y., Chen, L., GengXiang, C. & Zhao, B. (2023). Multiple source partial knowledge transfer for manufacturing system modelling. Robotics and Computer-Integrated Manufacturing, 80. 102468. https://doi.org/10.1016/j.rcim.2022.102468.
Magotra, A. & Kim, J. (2020). Improvement of Heterogeneous Transfer Learning Efficiency by Using Hebbian Learning Principle. Applied Sciences. 10(16), 5631. https://doi.org/10.3390/app10165631.
Pocol, C. B., Stanca, L., Dabija, D.-C., Câmpian, V., Mișcoiu, S. & Pop, I. D. (2023). A QCA Analysis of Knowledge Co-Creation Based on University – Industry Relationships. Mathematics. 11(2):388. https://doi.org/10.3390/math11020388.
Osman, Mohamad & Mohd Noah, Shahrul Azman & Saad, Saidah. (2022). Ontology-Based Knowledge Management Tools for Knowledge Sharing in Organization – A Review. IEEE Access, 13(1), 342. https://doi.org/10.1109/ACCESS.2022.3163758.
Ferrer-Serrano, M., Fuentelsaz, L. & Latorre, P. (2021). Examining knowledge transfer and networks: an overview of the last twenty years. Journal of Knowledge Management, 26(8), 2007–2037. https://doi.org/10.1108/JKM04-2021-0265
Yang, C., Fu, L. & Gan, X. (2021). Evolving Knowledge Graph-Based Knowledge Diffusion Model. 1715, 145. https://doi.org/10.1109/WCNC49053.2021.9417427.
Jakubik, M. (2022). Comparing knowledge management and wisdom management. In Proceedings 17th International Conference on Knowledge Management, 36, 36–47.
Hao, Y., Wang, X., Lin, Y. & Zhang, C. (2022). Dynamics Modeling of Knowledge Dissemination Process in Online Social Networks. CWSN 2022. Communications in Computer and Information Science, 1715, 145–153. https://doi.org/10.1007/978-981-19-8350-4_12.
Pasichnyk, V., Bomba, A., Nazaruk, M. & Kunanets, N. (2021). The dynamics simulation of knowledge potentials of agents including the feedback. Journal of Physics: Conference Series, 1840, 012020. https://doi.org/10.1088/1742-6596/1840/1/012020.
Bomba, A., Nazaruk, M., Kunanets, N. & Pasichnyk, V. (2020). Modeling the Dynamics of Knowledge Potential of Agents in the Educational Social and Communication Environment. Advances in Intelligent Systems and Computing IV, CSIT 2019, 1080. https://doi.org/10.1007/978-3-030-33695-0_2.
Bomba, A, Lechachenko, T. & Nazaruk, M. (2021). Modeling the Dynamics of “Knowledge Potentials” of Agents Including the Stakeholder Requests. Advances in Computer Science for Engineering and Education, 84, 75–88. https://doi.org/10.1007/978-3-030-80472-5_7.
Kunanets, N. E., Lenko, V. S., Pasichnyk, V. V., & Shcherbyna, Y. M. (2017). Personal data and knowledge bases of virtual research communities. Scientific Bulletin of UNFU, 27(6), 185–191. https://doi.org/10.15421/40270638.
Raudeliuniene, J. (2022). Organizational Knowledge Potential: Peculiarities of Formation Strategic Decisions. Journal of System and Management Sciences, 12(6), 548–560. https://doi.org/10.33168/JSMS.2022.0632.
Ioannidis, E., Varsakelis, N. & Antoniou, I. (2021). Intelligent Agents in Co-Evolving Knowledge Networks. Mathematics, 9(1), 103. https://doi.org/10.3390/math9010103.
Bomba, A., Nazaruk, M., Pasichnyk V. (2014). Construction of a diffusion-like model of the information process for the dissemination of the knowledge potential. Bulletin of the Lviv Polytechnic National University. Computer Science and Information Technology, (800), 35–44.
Bomba, A., Nazaruk, M., Kunanets, N., Pasichnyk V. (2015). A generalized diffusion-like model of the information process for the dissemination of the knowledge potential. Radio Electronics, Computer Science, Control, (3 (34)), 64–70.
Nguyen, B., Radnejad, A. B., Verbeke, A. & Zoirou, A. (2022). ICT knowledge transfer in complex organizations: Investigating antecedents of potential absorptive capacity. Journal of Information Technology Case and Application Research, 24(3), 184–223. https://doi.org/10.1080/15228053.2022.2072162.
Li, X. & Zhang, B. (2019). Workflow-based Knowledge Flow Modeling and Research: Combination of Knowledge and Workflow. CSAE 2019: Proceedings of the 3rd International Conference on Computer Science and Application Engineering, 34, 1–6. https://doi.org/10.1145/3331453.3362051.
Yang, B. & Yang, M. (2022). Research on enterprise knowledge service based on semantic reasoning and data fusion. Neural Comput & Applic, 34, 9455–9470. https://doi.org/10.1007/s00521-021-06382-z.
Yunchyk, V. L., Kunanets, N. E., Pasichnyk, V. V. & Fedoniuk, A. A. (2021). Analysis of Artificial Intellectual Agents for E-Learning Systems. Information Systems and Networks, 10, 41–57. https://doi.org/ 10.23939/sisn2021.10.041.
Content type: Article
Appears in Collections:Наукові роботи (FITM)

Files in This Item:
File Description SizeFormat 
230487maket-363-376 (1).pdfStattiaISM521,82 kBAdobe PDFView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.