کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر سیستمی کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر کارگاه تخصصی کل نگری حرفه ای کل نگری حرفه ای با رویکرد تفکر سیستمی مدرس دکتر مازیار میر اردیبهشت 1402 اندیشکده سهام عدالت سرفصلهای کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر سیستمی: […]
کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر سیستمی
کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر
کارگاه تخصصی کل نگری حرفه ای
کل نگری حرفه ای با رویکرد تفکر سیستمی
مدرس دکتر مازیار میر اردیبهشت 1402 اندیشکده سهام عدالت
سرفصلهای کارگاه تخصصی کل نگری حرفه ای با رویکرد تفکر سیستمی:
-مفاهیم پایه
-کل نگری وتفکرسیستمی
-چابکی و پاسخگویی عملیاتی
-تجزیه و تحلیل تجارت برای کار
– تجزیه و تحلیل پیش بینی کننده
-بررسی تصمیم های عملیاتی که باعث موفقیت سازمان ها می شود
– جستجوی حاشیه های فزاینده کوچک و استفاده مناسب از فناوری ها
– قوانین تجاری پایه و اساس خودکار تصمیم گیری های سازمانی و اولویت بندی
– تصمیمات مدیریت و رهبری و سازمانی راه کارها و چالش های پیش رو و معایب و محاسن….
مفهوم کل‌نگری
کل‌گرایی، یا اصالت کل (Holism) به نگرش و طریقهٔ تفکری گفته می‌شود که بر اساس آن تعیین و تبیین تمامی صفات و ویژگی‌های سامانه‌ها تنها و تنها با مطالعهٔ
مؤلفه‌ها و اجزاء متشکلهٔ آنها میسر نیست.
کل گرایی در فلسفه زبان
کل‌گرایی در فلسفهٔ ذهن بیشتر در مورد محتوای گرایش‌های گزاره‌ای و نیز در مورد معانی مجعولات زبانی (linguistic constructions) بحث شده‌است. برای مثال، اگر
شما فکر می‌کنید که معنای جملهٔ خاصی در یک زبان به روابط استنتاجی یا استدلالی آن با سایر جملات در همان زبان بستگی دارد، شما دربارهٔ معنا یک کل‌گرا
هستید. یا اگر فکر می‌کنید که در یک مورد خاص، محتوای باور یک شخص به روابط استنتاجی یا استدلالی آن با سایر باورهای آن شخص بستگی دارد، شما دربارهٔ
محتوا یک کل‌گرا هستید. به علاوه، حتی این صورت‌بندی‌ها هم دقیق نیستند. دقیق کردن آنها مستلزم این است که وارد جزئیات مربوط به مفاهیم روابط “استنتاجی
(inferential)” یا “استدلالی (evidential)” شویم و همچنین باید بگوییم که این روابط تا چه اندازه باید گسترده باشند.
کل‌نگری در علوم
در نیمهٔ دوم قرن بیستم، کل‌نگری و کلان‌بینی به تفکرات سیستمی و مشتقات آن نظیر علوم بی‌نظمی و پیچیدگی انجامید. در اغلب موارد، سیستم‌های مربوط
به زیست‌شناسی، روان‌شناسی و جامعه‌شناسی چنان پیچیده‌اند که رفتارهای آنها را نمی‌توانیم تنها از روی خواص مربوط به اجزاء و المان‌ها استنتاج نماییم
شناخت‌شناسی ساخت‌گرا
از منظر شناخت‌شناسی ساخت‌گرا (Constructivist epistemology)، تمامی دانش بشر، دانشی است ساخته‌شده و بناگردیده، به جای اینکه لزوماً منعکس از
واقعیات متعالی (transcendent) بیرونی باشد.
از جملهٔ پیشگامان نظریهٔ ساخت‌گرای دانستن (knowing) ژان پیاژه است. او در ابتدا از کانت آغاز نمود، و به تدریج به نقطه نظرهای خودش در زمینه شناخت دست پیدا
کرد.
ضدتقلیل‌گرایی
مخالف تقبل گرایی یا ضدفروکاست‌گرایی (Antireductionism)
جایگاهی در علم و متافیزیک است که در مقابل تقلیل‌گرایی (ضدکل‌گرایی) قرار می‌گیرد. ضد تقلیل‌گرایی بیان دارد که همه ویژگی‌های یک سامانه را نمی‌توان بر حسب
اجزای تشکیل دهنده آن و تعاملات آنها توضیح داد.
مفهوم تقلیل گرایی و کل گرایی
نقطه مقابل تقلیل‌گرایی کل گرایی است، کلمه‌ای که یان اسماتز (Jan Smuts) در کتاب کل‌گرایی و تکامل (Holism and Evolution) ابداع کرد. او بیان داشت که درک
یک سامانه تنها به عنوان یک کل قابل انجام است. یکی از اشکال ضد تقلیل‌گرایی (معرفت‌شناختی) معتقد است که انسان‌ها به سادگی قادر به درک سامانه‌ها در
سطح اساسی‌ترین اجزای آنها نیستند، و بنابراین رویکردی تقلیل‌گرایانه باید شکست بخورد. نوع دیگر ضد تقلیل گرایی (هستی‌شناختی) معتقد است که چنین توضیح
کاملی از نظر اجزای اساسی برای برخی سامانه‌ها ابداً ممکن نیست.رابرت لافلین، به عنوان مثال، از این دیدگاه حمایت می‌کند.رشته‌هایی
مانند سایبرنتیک و نظریه سامانه‌ها دیدگاهی غیر تقلیل‌گرایانه از علم را در بر می‌گیرند و گاهی تا آنجا پیش می‌روند که پدیده‌ها را در سطح معینی از سلسله مراتب بر
حسب پدیده‌هایی در سطح بالاتر توضیح می‌دهند که برخلاف رویکرد تقلیل‌گرا است.
اگرچه شکستن پدیده‌های پیچیده به بخش‌هایی کوچک‌تر یک روش کلیدی در علم است، اما آن دسته از پدیده‌های پیچیده (مثلاً
در فیزیک، روان‌شناسی، جامعه‌شناسی، بوم‌شناسی) وجود دارند که این رویکرد در آنها کار نمی‌کند. ضد تقلیل‌گرایی همچنین در زمینه‌های دانشگاهی
مانند تاریخ، اقتصاد، انسان‌شناسی، پزشکی و زیست‌شناسی به وجود می‌آید، زیرا تلاش‌ها برای توضیح پدیده‌های پیچیده با استفاده از مدل‌های تقلیل‌گرا بینش
رضایت‌بخشی ارائه نمی‌دهد.
مفهوم پیچیدگی یا (Complexity)
همواره نقشی عمده و پراهمّیّت در همهٔ زمینه‌های علمی و فنّی بر عهده داشته‌است. هرچند بشر از آغاز تا به امروز، به صورتی پیوسته با این مشکل بزرگ دست به
گریبان بوده‌است، امروزه، ظهور و نمود پیچیدگی رشد و شیوعی چنان روزافزون و سریع به‌خود گرفته‌است، که بسیاری، قرن جدید میلادی را سدهٔ پیچیدگی نام
نهاده‌اند.
با آنکه هنوز تعریف فراگیر و عامی برای این پدیدهٔ همه‌جاگیر و عام میسر نگردیده‌است، شاید، رایج‌ترین تعریف تقریبی پیچیدگی را بتوان این‌گونه بیان کرد:
هرگاه مجموعه‌ای متشکل از عوامل متعدد و گوناگون، در مقیاس‌های متفاوت، با اتکا و وابستگی ذاتی و جدایی‌ناپذیر عوامل بر همدیگر وجود داشته باشد، و بالاتر از
همهٔ اینها، اگر نشود با حذف و قطع برخی از مؤلفه‌ها و اعضا، به کوچک‌تر ساختن آن مجموعه پرداخت، با پیچیدگی روبرو هستیم. همچنین، غیرخطی بودن رفتار
مجموعه در همهٔ مقیاس‌ها از شرایط لازم برای وجود پیچیدگی‌ست. شایان اشاره و تأکید است، که آثاری از گونهٔ حیات و زنده‌بودن نیز از ویژگی‌های بارز در بیشتر
پدیده‌های پیچیده‌است. نمونه‌های بسیار رایج این پدیده را می‌شود از بدن موجودات زنده، تا بیشه‌ای که در آن حیوانات فراوان، از خیلی کوچک، تا خیلی بزرگ، زندگی
می‌کنند، تا جریان‌های آشفته در دینامیک سیّالات و موارد مشابه دیگر شاهد آورد.
اگر چه مواجهه و رودررویی با امور و پدیده‌های پیچیده تعلّق به زمان خاصّی ندارد، تلاش انسان برای مطالعه و مدل‌سازی ریاضی آنها فصلی بلند (و همیشه ناتمام) را در
کتاب بزرگ علوم و معارف انسان می‌گشاید. اگر اعداد را نخستین مدل‌های سادهٔ ریاضی بدانیم، بدون تردید می‌شود ابداع جبر و استفاده از متغیرها[۳] برای سامان‌دادن
به محاسبات را در ردیف گام‌هایی قرارداد که اوّلین بار برای ماشینی‌کردن علوم، و مدیریّت پیچیدگی برداشته‌شده‌است.
سامانه‌های پیچیده
سامانه‌های پیچیده بخش بسیار عمده‌ای از پژوهش‌ها و مطالعات وابسته به نظریهٔ سیستم‌ها را به نحوی جدّی به‌خود اختصاص داده‌است. تنها برای نمونه، می‌شود
به سامانه‌های زیست‌شناسی، سیستم‌های اقتصادی، و شاید از همه بزرگ‌تر و پیچیده‌تر به خود اینترنت اشاره‌کرد.
پیچیدگی در داده‌ها
پدیدهٔ پیچیدگی را از امروز به‌بعد، باید در همه‌جا، هم در داشته‌ها و داده‌ها و هم در خود سامانه‌ها سراغ‌گرفت. در بیشتر پروژه‌های مهندسی امروزین، سیستم‌های
رایانه‌ای مدرن، و در اغلب موارد دیگر روشن‌ترین شیوهٔ بررسی، مدل‌سازی، و تحلیل از تعریف و تقسیم تمامی امور به دو بخش عمدهٔ داده‌ها و سیستم‌های منطقی
پرورنده و پردازش کنندهٔ داده‌ها شروع می‌شود.
همین‌جا باید اضافه شود که نقش فناوری اکس‌ام‌ال بیان و نمایش داده‌ها (و به‌ویژه داده‌های پیچیده‌تری همچون تصاویر، و متون به شیوه‌ای ست که آمادهٔ درک و
برداشت توسّط ماشین باشد، در حالی که حمل بار سنگین پیچیدگی در منطق و در پردازش بر عهدهٔ هوش ماشینی و شیوه‌های گونه گونهٔ آن نهاده می‌شود.
نظریهٔ سامانه‌ها یا نظریهٔ سیستم‌ها (به انگلیسی: Systems theory) زمینه‌ای میان‌رشته‌ای است که در پی بررسی و مطالعهٔ نظری
و ریاضی سامانه‌های گوناگون برمی‌آید. نظریه سامانه‌ها سه مرحلهٔ عمده را طی کرده‌است، ابتدا در سال‌های ۱۹۲۰ تا ۱۹۶۰ مفاهیم بنیادی آن درون و پیرامون
رشته‌های مختلف توسعه پیدا کرد. در سال‌های ۱۹۷۰ تا ۱۹۹۰ برخی روش‌های کاربردی مانند سامانه‌های نرم و روش سامانه قابل (VSM) و دیگر روش‌های
ساختاردهی پدید آمدند و اخیراً نظریهٔ پیچیدگی سامانه‌ها رخ نموده‌است. علاقه‌مندان به نظریهٔ سامانه‌ها معتقدند که نظریهٔ سامانه‌ها تقریباً در همهٔ رشته‌ها کاربرد
دارد. اما رشتهٔ سامانه‌های اطلاعاتی رشد و توسعهٔ خودش را طی می‌کند.[۱] مفاهیم بنیادی نظریهٔ سامانه‌ها (در عصر مدرن) در مطالعات اوایل قرن بیستم در
رشته‌هایی همچون زیست‌شناسی اندام‌وار (organismic biology)، بوم‌شناسی (ecology)، روان‌شناسی، سایبرنتیک، اقتصاد و مدیریت توسعه یافت.
نظریه عمومی سیستم‌ها در مورد توسعه گسترده مفاهیم و اصول قابل اجرا، در مقابل مفاهیم و اصول خاص یک حوزه دانش است و سیستم‌های پویا یا فعال را از
سیستم‌های ایستا یا غیرفعال متمایز می کند. سیستم‌های فعال ساختارها یا اجزای فعالیتی هستند که در رفتارها و فرآیندها تعامل دارند یا از طریق شرایط مرزی
متنی رسمی (جذب‌کنندگان) به هم مرتبط هستند. سیستم های غیرفعال ساختارها و اجزایی هستند که در حال پردازش هستند. به عنوان مثال، یک برنامه وقتی که
یک فایل دیسکی است غیرفعال است و وقتی که در حافظه اجرا می شود فعال است. این رشته با تفکر سیستمی، منطق ماشین و مهندسی سیستم‌ها مرتبط
است.
Views: 1
نظرات