راهبردهای مدیریت هوشمند و توسعه 3115-9052 1 پیاپی 1 2023 10 10 Knowledge Management in the Age of Machine Learning: A Review of Intelligent Approaches مدیریت دانش در عصر یادگیری ماشین: مروری بر رویکردهای هوشمند 1 10 FA سعید زارعی گروه علوم تربیتی، دانشگاه شهید باهنر کرمان، کرمان، ایران الهام خوش‌خلق گروه علوم تربیتی، دانشگاه تبریز، تبریز، ایران Journal Article 2023 04 18 <p><strong>Objective:</strong> This study aimed to systematically review and analyze emerging intelligent approaches in knowledge management during the age of machine learning, identifying transformative models in knowledge creation, storage, and transfer within organizations.</p> <p><strong>Methods and Materials:</strong> This qualitative systematic review analyzed 12 peer-reviewed articles published between 2015 and 2025, retrieved from Scopus, Web of Science, and ScienceDirect databases. Data were analyzed using thematic content analysis with NVivo version 14 through open, axial, and selective coding until theoretical saturation was reached.</p> <p><strong>Findings:</strong> The analysis revealed three dominant themes in the literature: digital transformation in knowledge infrastructures, machine-based organizational learning, and foresight and policy development in intelligent knowledge management. Machine learning enables automation of knowledge processes through big data analytics, pattern recognition, and predictive modeling, enhancing organizational learning capabilities. However, issues such as data security, algorithmic bias, and limited data literacy remain key challenges in implementation.</p> <p><strong>Conclusion:</strong> Knowledge management in the age of machine learning is evolving toward intelligent, adaptive, and human–machine collaborative models. Achieving success in this transformation requires synergy among technology, organizational culture, data governance, and AI ethics. This review provides an integrated framework for understanding and guiding the strategic development of intelligent knowledge systems in future learning organizations.</p> <p><strong>هدف: </strong>هدف این پژوهش، مرور نظام‌مند و تحلیل رویکردهای نوین مدیریت دانش در عصر یادگیری ماشین و تبیین الگوهای هوشمند تحول‌یافته در خلق، ذخیره و انتقال دانش در سازمان‌ها است.</p> <p><strong>مواد و روش‌ها:</strong> این مطالعه از نوع کیفی و مروری نظام‌مند است که با تحلیل محتوای ۱۲ مقاله علمی منتشرشده بین سال‌های ۲۰۱۵ تا ۲۰۲۵ انجام شد. داده‌ها از پایگاه‌های Scopus، Web of Science و ScienceDirect گردآوری گردید و تحلیل مضمون با استفاده از نرم‌افزار NVivo نسخه ۱۴ صورت گرفت. کدگذاری باز، محوری و انتخابی انجام و مضامین تا رسیدن به اشباع نظری استخراج شدند.</p> <p><strong>یافته‌ها:</strong> نتایج تحلیل نشان داد سه مقوله اصلی در ادبیات مدیریت دانش در عصر یادگیری ماشین غالب‌اند: تحول دیجیتال در زیرساخت‌های دانشی، یادگیری سازمانی مبتنی بر ماشین و آینده‌پژوهی و سیاست‌گذاری دانشی. یافته‌ها نشان دادند یادگیری ماشین با تحلیل کلان‌داده‌ها، کشف الگوهای پنهان و پیش‌بینی روندها موجب خودکارسازی فرایندهای دانشی و ارتقای ظرفیت یادگیری سازمانی می‌شود. همچنین چالش‌هایی همچون امنیت داده، سوگیری الگوریتمی و کمبود سواد داده‌ای به‌عنوان موانع کلیدی شناسایی شدند.</p> <p><strong>نتیجه‌گیری:</strong> مدیریت دانش در عصر یادگیری ماشین به‌سوی مدل‌های هوشمند، پویا و ترکیبی از تعامل انسان و ماشین در حال حرکت است. موفقیت این تحول نیازمند هم‌افزایی میان فناوری، فرهنگ سازمانی، سیاست‌گذاری داده و اخلاق هوش مصنوعی است. این مطالعه با شناسایی ابعاد فناورانه، انسانی و سیاستی، می‌تواند مبنایی برای طراحی راهبردهای هوشمند در سازمان‌های یادگیرنده آینده باشد.</p> https://www.jimds.com/index.php/jimds/article/download/4/4