К вопросу формирования междисциплинарной методологии научных исследований для управления на уровне предприятий
Автор: Карлик Александр Евсеевич, Платонов Владимир Владимирович, Комаров Александр Глебович
Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu
Рубрика: Теория и философия хозяйства
Статья в выпуске: 3-2 (141), 2023 года.
Бесплатный доступ
В статье обосновывается необходимость развития методологии научных исследований для решения прикладных задач управления для ответа на глобальные вызовы. Решение этой задачи предлагается путем междисциплинарной интеграции, причем акцент сделан на когнитивных технологиях и технологиях искусственного интеллекта. Особое внимание уделено методологическим подходам и методическим решениям из дисциплин, которые рассматриваются как источники для такой интеграции.
Информационное общество, промышленность, когнитивное моделирование, системный поход, междисциплинарная интеграция
Короткий адрес: https://sciup.org/148326808
IDR: 148326808
Текст научной статьи К вопросу формирования междисциплинарной методологии научных исследований для управления на уровне предприятий
На непростые, в организационно-экономическом плане, процессы информатизации и цифровизации, обусловленные революцией в информационно-коммуникационных технологиях (ИКТ) в последний год
ГРНТИ 06.01.07
EDN BLCTQV
Александр Евсеевич Карлик – доктор экономических наук, профессор, заведующий кафедрой экономики и управления предприятиями и производственными комплексами Санкт-Петербургского государственного экономического университета.
Владимир Владимирович Платонов – доктор экономических наук, профессор, профессор кафедры экономики и управления предприятиями и производственными комплексами Санкт-Петербургского государственного экономического университета.
Александр Глебович Комаров – кандидат экономических наук, доцент, доцент кафедры экономики и управления предприятиями и производственными комплексами Санкт-Петербургского государственного экономического университета.
Статья поступила в редакцию 30.04.2023.
накладывается процесс глобального переустройства мирохозяйственных связей. Война санкций, объявленная нашей стране, формирует новые вызовы и, одновременно, обуславливает необходимость использовать для ответа на эти вызовы новые ресурсы, такие как большие данные и новые технологии, когнитивные технологии и машинное обучение. Для того, чтобы все это задействовать в развитии реального сектора экономики – промышленности, строительства, сельского хозяйства и транспорта, требуется трансформация существующих методов управления, а для этого необходима новая междисциплинарная методология для исследования и разработки систем управления в реальном секторе. Без решения этой научной проблемы невозможно разработать подходы к стратегическому управлению для ответа на вызовы структурной трансформации в реальном секторе экономики, обусловленные революционными изменениями в глобальном мироустройстве, развертывающиеся параллельно с переходом к информационному обществу.
Теоретико-методологические подходы к управлению сложными системами перестают отвечать вызовам перехода к информационному обществу при возрастании общей нестабильности. Качественно усложняется объект управления (разнородность ресурсов, прежде всего нематериальных, взаимосвязи и динамика, свойственные сложным системам более высокого уровня организации).
Меняется характер действия пространственных и когнитивных факторов, сетевое взаимодействие, которое позволяет компенсировать губительные для экономики ограничения, превращается в ключевой регулятор хозяйственной, а, в более широком плане, общественной жизни. После введения санкций мы стали свидетелями того, как они вызвали процесс перестройки сетевых связей в промышленности, позволивший, во-многом, компенсировать негативное влияние подобных ограничений и создать новый потенциал роста (перестройка в направлении «Запад – Восток»). Это стало возможным из-за того, что процессы информатизации и цифровизации, обусловленные революцией в ИКТ, достигли высокой степени проникновения в промышленную организацию. Также это стало возможным благодаря профессионализму управленцев.
Как позитивным процессам может способствовать экономическая наука? Указанные процессы формируют новые ресурсы для повышения действенности методов управления, прежде всего, этому способствуют большие данные и технологии машинного обучения. Используя указанные ресурсы, экономическая наука может содействовать структурной трансформации в реальном секторе экономики путем трансформации существующих методов управления, но для этого необходима новая междисциплинарная методология системного анализа. Для исследования практики управления и разработки прикладных решений требуется методология, соответствующая комплексному характеру объекта исследования и управленческого воздействия. Указанные соображения обуславливают актуальность разработки методологии междисциплинарной интеграции для развития методов управления в реальном секторе экономики. В этой статье мы предлагаем один из подходов к решению указанной масштабной задачи, а именно: междисциплинарной интеграции на основе когнитивного моделирования.
Методологические разработки в ответ на вызовы промышленного развития и информатизации Многочисленную методологически разнородную группу составляют исследования по информатизации и цифровизации, по проблематике четвертой промышленной революции в рамках концепции Промышленность 4.0, введенной в декларативные документы, а затем в научную литературу К. Швабом [28]. Объединяет их общий объект – предмет исследования и управленческого воздействия – инновации, использующие новые технологии, например, искусственный интеллект, робототехнику, 3D-печать, которые, как принято считать, повышают производительность труда. В рамках направления Промышленность 4.0, пока, наиболее часто рассматривается проблематика преобразований в промышленности под влиянием информационных технологий.
Анализ публикационной активности за период 1998-2022 годов по информационной системе google.scholar (Академия Гугл) выявил ряд тенденций (рис. 1). Интерес к стратегическому менеджменту достиг пика в начале 2010 гг. после чего стал стремительно ослабевать, что примерно совпадает с интересом к проблемам робототехники. Общий интерес к тематике промышленности стабилен и практически не растет на протяжении последних 20 лет. Важно отметить, что по абсолютному числу публикаций промышленность превосходит все остальные предметные области примерно на порядок. На этом фоне, абсолютными лидерами, по росту интереса, в международном научном сообществе являются тематики Промышленности 4.0 и 3D-печати, рост числа публикаций по которым на два порядка превосходит динамику традиционных предметных областей (их рост показан по правой шкале).
В плане четко наметившегося, с начала войны санкций, разделения мира, интерес представляют концепции, в большей степени учитывающие разнородность и многообразие мирового хозяйства, такие как концепция «цифрового разделения» Яана Ван Дийка [11, 17]. При переходе к информационному обществу цифровое разделение происходит на всех уровнях: между индивидами, демографическими группами, организациями, регионами и странами, в зависимости от способности использовать современные ИКТ. Концепция цифрового разделения не рассматривается только черно-белой, но выделяется множество многогранных серых зон или вызовов, связанных с ее проявлением при переходе к информационному обществу [17]. Текущая тенденция состоит в более широком использовании этого термина применительно к технологическим и экономическим вызовам, связанным с использованием инноваций в ИКТ [11]. Яан Ван Дийк разработал аналитическую структуру исследования цифрового разделения, основанную на анализе цифровых компетенций. Данная методология не отвечает всем принципам системного анализа, но имеет признаки мультидисциплинарности.

Рис . 1 . Динамика публикационной активности в области промышленного развития и информатизации (количество публикаций в 1998-2002 гг. принято за единицу; источник: https://scholar.google.com )
В фокусе исследований больших вызовов, обусловленных массовым распространением информации и коммерческого контента в Интернете и новыми правилами взаимоотношений, устанавливаемыми в социальных сетях, находятся социальные институты, которые играют активную роль в установлении правил в промышленной и социальной экосистемах, а также в выработке политики, требующейся для развития цифровых компетенций в условиях информационного общества [18, 23].
В рамках этих исследований социальные институты определяются как социальные партнеры, включая органы государственной власти и управления, бизнес-ассоциации и профсоюзы, и часто ставится задача адаптации традиционных стратегий взаимодействия, устоявшихся в западном обществе, к новому контексту, в котором мобилизация ресурсов и социальный диалог переводятся в цифровой формат [23]. Методом анализа количественной информации в исследованиях по данной тематике [30] является построение индексов, а для создания измерительного инструмента в исследовании представлена модель индикатора цифрового развития [23]. При всей актуальности тематики исследований, подобный методологический подход представляется весьма ограниченным для анализа сложных организационных систем и, в частности, вызовов перехода к информационному обществу в условиях России.
Методологические разработки в ответ на вызовы промышленного развития и информатизации Другим направлением исследований, представляющим интерес для формирования междисциплинарной методологии, является взаимодействие человека и искусственного интеллекта. Интерес оно представляет в плане перспектив комбинирования человеческого и машинного интеллекта в управленческой процедуре – важного момента для интегрирования искусственного интеллекта в методологию стратегического менеджмента. Суова и соавторы [29] представили результаты исследований синергии между людьми и искусственным интеллектом в ходе реализации управленческих задач в рамках позитивистского подхода. Такие исследования построены на гипотетическом предположении, что сотрудничество человека и искусственного интеллекта повышает эффективность деятельности или производительность труда [20, 27, 29]. Они обычно оперируют большой выборкой и изучают различные виды искусственного интеллекта. Так, работа Суова и соавторов [25] включала, наряду с тестированием гипотез, сбор и обработку качественной информации путем проведения глубинных интервью с ограниченным кругом участников. Ее результаты представляют интерес, так как предлагают методический подход к исследованию сотрудничества между людьми и искусственным интеллектом при выполнении управленческих задач.
Результаты рассматриваемого исследования [25] подтвердили гипотезу авторов, в данном случае, о повышении эффективности и производительности труда за счет сотрудничества человека и искусственного интеллекта, доказав, что будущее, при выполнении управленческих задач, должно быть сосредоточено не на полной автоматизации, а на совместных подходах взаимодействия человека и машины. Впрочем, подобное подтверждение исходных позиций авторов характерно для подавляющего большинства опубликованных результатов исследований, выполненных в рамках позитивистской методологии. Следует отметить, что выводы указанных исследований относятся узко к производственному менеджменту, не включая стратегическое управление. Розенфельд и соавторы отмечают, что значительный прогресс в развитии методов глубокого обучения и обработки естественных языков позволяет осуществлять взаимодействие между человеком и машиной, по типу взаимодействия между людьми (язык, голос или жесты) [27].
Коллективом австралийских ученых в журнале по информатике опубликована статья, в которой представлен системный подход к реализации цифровой трансформации, который назван авторами «трансдисциплинарный» [16]. Увы, авторам не удалось выйти за пределы информатики, во многом повторив появившуюся несколько раньше концепцию «трансдисциплинарной инженерии» [10]. Трансдисциплинарная инженерия заявлена как методологический подход, преодолевающий границы технических дисциплин, естественных, гуманитарных и социальных наук. Рассматриваемый опыт трансдисциплинарной, а, по сути, междисциплинарной интеграции, применительно к процессам цифровизации, следует признать не вполне удачным. Причина состоит не в качестве самого исследования, а в дисциплинарной ограниченности предлагаемой модели. Между тем, изложенный авторами подход находится еще в начальной стадии развития и, в дальнейшем, в его рамках может быть реализован принцип междисциплинарности, и интегрированы технологии машинного обучения.
Другая группа публикаций развивает методологию системного анализа в условиях информационного общества. Современные исследования в рамках системного анализа можно отнести к одному из двух фундаментальных подходов к решению проблемы сложности (комплексности). Под ней понимается проблема сложных организационных систем. Первый фундаментальный, эпистемологический подход – поглощение сложности, второй – сокращение сложности [9]. Поглощение сложности реализуется путем обработки данных о сложной системе с использованием возрастающей мощности компьютерной техники [4]. Для поглощения сложности должны развиваться количественные методы экономического анализа. Использование нового ресурса, создаваемого цифровизацией больших данных, позволяет осуществлять поглощение сложности в масштабах, которые ранее были немыслимы. Эти методы используют машинное обучение, нейронные сети и другие технологии искусственного интеллекта. Проблема заключается в границах, которые имеет поглощение сложности как способ анализа сложных систем.
Когда надо выйти за их рамки, требуется альтернативный подход – сокращение сложности. Если поглощение сложности наиболее часто ассоциируется с компьютерными технологиями обработки данных, то сокращение сложности осуществляется путем абстракции [4]. Проблема заключается в том, как определить допустимый уровень абстракции для данной проблемы исследования и не упустить те аспекты, которые существенны [8, p. 406]. Новые возможности для научной абстракции с развитием искусственного интеллекта открываются с методическими решениями для осуществления абстракции путем редукции с применением программных решений, в том числе, позволяющих визуализировать данные и информацию [4].
Вместе с тем, в научном сообществе отмечается дискуссия относительно способности машины соответствовать или превосходить человека, а также о релевантности искусственного интеллекта как замены человека в принятии решений [14, 21]. Следует сделать вывод, что перспективная область приложения дисциплинарного знания экономических наук, в условиях широкого применения искусственного интеллекта, лежит между использованием информации, извлекаемой машиной, и конечной информацией, используемой при принятии управленческого решения. Экономические науки выиграют от достижений ИКТ, обеспечив новое качества экономического анализа.
При поглощении сложности, все новое знание содержится в данных и должно быть оттуда извлечено с использованием компьютерных технологий, например, машинного обучения. Это – область информатики, а не специальных дисциплин. При достигнутом, на сегодняшний день, уровне развития технологии искусственного интеллекта, в том числе машинного обучения, его использование представляет серьезный резерв для управления сложными системами, но не существует оснований для полной замены им людей, принимающих решения. Следует ставить вопрос только о комбинировании человеческих и машинных процедур.
Методологические разработки в рамках когнитивного подхода
Р. Минджерс разработал методологию и методический инструментарий для стратегического управления сложными организационными системами основываясь на эпистемологической предпосылке критического реализма Р. Бхаскара [3, 24]. Согласно данной предпосылке, сложность объективной реальности, которая находится за пределами познавательных возможностей человека, сокращается до той степени, при которой мы знаем или понимаем реальность. Невидимой причиной наблюдаемых явлений являются скрытые от нас механизмы. Необходимо сформировать систему понятий, приблизительно отражающих реальность, в условиях указанных ограничений.
Методическим инструментом, разработанным Минджерсом, является модель активного исследования 4A: признание, анализ, оценка и действие (appreciation, analysis, assessment, and action). Указанная модель регламентирует одновременные и повторяющихся действия в рамках активного исследования [25], которое можно рассматривать как форму системного анализа. Одним из ключевых элементов данного подхода является причинно-следственное картирование – техника, которая наиболее часто используется в когнитивном моделировании при выявлении ментальных моделей лиц, принимающих решения, и графическом представлении результатов исследования.
Когнитивное картирование развивается как метод исследований в области менеджмента и обоснования управленческих решений. Представляя собой формализованную причинно-следственную модель, как отмечает Н.А. Абрамова, когнитивная карта, по определению, представляет собой проблемную ситуацию с позиции одного субъекта, но не только индивидуального, а также коллективного [6, p. 516]. Она отмечает, что когнитивное картирование может являться подходом к обеспечению социальной и политической стабильности, а также делает важный вывод для разработки исследовательских процедур, включающих взаимодействие по типу «человек – машина». Вывод заключается в том, что процедура когнитивного картирования должна включать стадии, зависящие от человека. Эта процедура – важнейший из уже оформившихся элементов более широкого когнитивного подхода к моделированию и управлению слабоструктурированными системами.
Отметим, что к ним, в большинстве случаев, относятся сложные экономические системы. Согласно З.К. Авдеевой и соавторам [1], когнитивный подход направлен на разработку формальных моделей и методов интеллектуального процесса принятия решений, так как они учитывают когнитивные возможности лиц, принимающих решения – восприятие, представление, познание, понимание, объяснение [там же, с. 28]. В этом данный подход согласуется с методологией критического реализма Минджерса. Г.В. Гореловой предложен подход к интеграции в рамках интеллектуального процесса принятия решений, методов когнитивного, нейросетевого и агентного моделирования [2]. В данной статье разработана процедура совестного когнитивного картирования для обеспечения процедуры стратегического управления, подразумевающая привлечение субъектов картирования к интеллектуальному процессу принятия решений и комбинированию этапов, выполняемых машиной и человеком [5].
Когнитивное картирование как методология эмпирического исследования и обоснования принятия решений разрабатывается уже более 45 лет после публикации основополагающей работы Р. Аксельрода [7]. Среди многочисленных исследований и разработок по данной проблеме следует отметить работу Б. Коско, заложившую основы нечеткого когнитивного картирования [19]. Весьма интересными среди современных направлений исследований являются труды Ферейро и соавторов из Университетского института Лиссабона (Португалия). По сравнению с другими школами когнитивного моделирования, труды представителей этой школы направлены на реализацию задач экономической политики, обычно региональной, и их результаты регулярно публикуются в журналах первого квартиля [12, 13, 22, 26].
Особенностями этой школы является использование номотетического подхода для экспликации (выявления) когнитивных карт, а также комбинирование методов когнитивного моделирования и стратегического анализа. Прикладная тематика данной научной школы весьма разнообразна: от развития банковских услуг до зеленой экономики. Широкие перспективы открываются перед когнитивным моделированием с цифровизацией и развитием искусственного интеллекта. Появляется возможность преодолеть ограничения преимущественно экспертного метода. С применением искусственного интеллекта становится возможным проанализировать большое количество структур и вариантов поведения сложной системы, гораздо больше, чем эксперты могут обработать самостоятельно [15].
С учетом вышеизложенного, можно ставить задачу превращения когнитивного моделирования в основу междисциплинарной методологии, использующей технологии искусственного интеллекта, прежде всего, машинное обучение, для ответа на большие вызовы перехода к информационному обществу, расширению методологии для использования в процессе стратегического управления предприятиями и другими сложными организационными системами.
Перспективное решение по междисциплинарной интеграции
Рассматриваемое решение позволяет задействовать в исследованиях по экономике и управлению технологии искусственного интеллекта, прежде всего, машинное обучение, при сохранении значения человека как главного субъекта анализа и принятия решений. Подчеркнем, что оно представляет собой не только перспективный инструмент научных исследований, но также процедуру, обеспечивающую интеллектуальный процесс принятия решений на уровне предприятия и/или отрасли промышленности. Предлагаемое методическое решение использует уже имеющиеся методические инструменты, включая процедуру совместного когнитивного картирования [5] для сквозного обеспечения интеллектуального процесса принятия решений от сбора первичных данных до разработки программ мероприятий, которые трансформируют стратегию в изменения повседневной деятельности предприятий и организаций.
Сложная задача комбинирования различных дисциплин на основе сквозной процедуры совместного когнитивного картирования решается разработкой процедурной модели. Она позволяет применить в одном исследовании методы различных дисциплин: когнитивных наук; обработки естественного языка; нечеткой логики; байесовской интерпретации вероятности, семантического моделирования и моделирования структурными уравнениями, а также вписать новую исследовательскую модель в процедуру стратегического менеджмента, в том виде, в котором она реализуется крупными компаниями и рядом органов регионального управления.
На рисунке 2 показана динамика основных предметных областей предлагаемой процедуры совместного когнитивного картирования. Хотя стратегический менеджмент и инновации продолжают оставаться в центре научных исследований (почти 10 млн публикаций за рассматриваемый период), их динамика, в случае инноваций, стагнирующая, а применительно к стратегическому менеджменту мы наблюдаем указанное выше значительное сокращение результатов научных исследований. Их комбинирование с быстро набирающими популярность нечетким когнитивным картированием и обработкой естественного языка должны способствовать методологическому обновлению и приведению исследований в этой области в соответствие с возможностями и потребностями информационного общества.
Исходным пунктом является комбинирование в одной исследовательской процедуре методов: когнитивного исследования, находящихся на стыке психологии и управления; обработки естественного языка, представляющей собой пересечение лингвистики и информатики; нечеткого когнитивного картирования, которое комбинирует нечеткую логику и математическое моделирование; байесовских сетей, объединяющих теорию вероятности, в части байесовской интерпретации вероятности и сетевой анализ и, наконец, стратегического менеджмента в качестве прикладной дисциплины, интегрирующей остальные дисциплины для решения прикладных задач.

Рис . 2. Динамика публикационной активности по важнейшим предметным областям предлагаемого решения (количество публикаций в 1998-2002 гг. принято за единицу; источник: https://scholar.google.com )
Заключение
Формирование новой междисциплинарной методологии откроет принципиально другие возможности для стратегического управления, позволит лицам, принимающим решения, использовать ее для выработки и обоснования управленческих решений в высокодинамичной среде, когда глобальная перестройка хозяйственных связей и поворот на восток происходят параллельно с продолжающейся революцией в ИКТ и цифровой трансформацией. Для ученых она открывает возможности для активного исследования и формирования новых теорий из прикладных разработок, реализуя принцип: «Практика идет впереди теории» [24, p. 494].
Список литературы К вопросу формирования междисциплинарной методологии научных исследований для управления на уровне предприятий
- Авдеева З.К., Коврига С.В., Макаренко Д.И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами. 2006. № 16. С. 26-39.
- Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. Ростов н/д: Изд-во РГУ, 2006. 332 с.
- Фигура А. О. Критический реализм: методологическая альтернатива для социальных наук // Омский научный вестник. 2012. № 1 (105). С. 114-117.
- Платонов В.В. Визуализация больших данных в экономических науках в условиях информационного общества // Вопросы инновационной экономики. 2020. № 4 (10). С. 1831 -1848.
- Платонов В.В., Яковлева Е.А. Совместное когнитивное картирование как мультидисциплинарный подход к управлению сложными системами // Системный анализ в проектировании и управлении. Сб. научных трудов XXV Международной научной и учебно-практической конференции. СПб., 2021. С. 274-283.
- Abramova N., Portsev R. Reflexive Approach to Multi-Subject Situations in Cognitive Mapping // IFAC-PapersOnLine. 2018. № 51 (30). P. 516-521.
- Axelrod R. Structure of decision: The cognitive maps of political elites. Princeton: Princeton university press, 1976. 422 p.
- Biggiero L., Angelini P., Basevi M., Carbonara N. Relational Methodologies and Epistemology in Economics and Management Sciences. Hershey: IGI-Global, 2016. 485 p.
- Boisot M., Child J. Organizations as adaptive systems in complex environments: the case of China // Organization Science. 1999. № 3 (10). P. 1045-1063.
- Borsato M., Wognum N., Peruzzini M. Transdisciplinary Engineering: Crossing Boundaries // Proceedings of the 23rd ISPE Inc. International Conference on Transdisciplinary Engineering. IOS Press, Amsterdam, 2016.
- Van Dijk J. The Digital Divide. Cambridge: Polity, 2020. 208 p.
- Faria P.A.M., Ferreira F.A.F., Jalali M.S., Bento P., António N.J.S. Combining cognitive mapping and MCDA for improving quality of life in urban areas // Cities. 2018. № 78. P. 116-127.
- Ferreira N. Banaitiené R., Meiduté-Kavaliauskiené I. Developing a composite sustainability index for real estate projects using multiple criteria decision making // Operational Research. 2019. № 19 (3). P. 617-635.
- Fjelland R. Why general artificial intelligence will not be realized. [Электронный ресурс]. Режим доступа: https://www.nature.com/articles/s41599-020-0494-4 (дата обращения 16.04.2023).
- Gorelova G.V., Pankratova N.D. Scientific Foresight and Cognitive Modeling of Socio-Economic Systems // Proceedings of the 18th IFAC Conference on Technology, Culture and International Stability. IFAC Papers OnLine. Elsevier, Amsterdam, 2018. P. 145-149.
- Hashmi M.A., Mo J.P. T., Beckett R.C. Transdisciplinary systems approach to realization of digital transformation // Advanced Engineering Informatics. 2021. № 49. P. 101-116.
- Jan A., Dijk J. van. The Deepening Divide: Inequality in the Information Society. Thousand Oaks: Sage, 2005. 240 p.
- Kizgin H., Jamal A., Rana N., Dwivedi Y., Weerakkody V. The impact of social networking sites on socialization and political engagement: role of acculturation // Technological Forecasting and Social Change. 2019. № 145. P. 503512.
- Kosko B. Fuzzy cognitive maps // International journal of man-machine studies. 1986. № 1 (24). P. 65-75.
- Kruse F., Dmitriyev V., Gomez J.M. Building a connection between decision maker and data-driven decision process // European Conference on Data Analysis (ECDA). Wroclaw, 2017. P. 77-78.
- Lichtenthaler U. Substitute or Synthesis: The Interplay between Human and Artificial Intelligence // Research-Technology Management. 2018. № 5 (61). P. 12-14.
- Lousada A.L.D., Ferreira F.A.F., Meiduté-Kavaliauskiené I., Spahr R. W., Sunderman M.A., Pereira L.F. A sociotech-nical approach to causes of urban blight using fuzzy cognitive mapping and system dynamics // Cities. 2021. № 108. P. 102-163.
- Mas J.M., Gómez A. Social partners in the digital ecosystem: Will business organizations, trade unions and government organizations survive the digital revolution? // Technological Forecasting and Social Change. 2021. Vol. 162. P. 342-367.
- Mingers J., Brocklesby J. Multimethodology: Towards a framework for mixing methodologies // Omega. 1997. № 5 (25). P. 489-509.
- Mingers J. Helping business schools engage with real problems: The contribution of critical realism and systems thinking // European Journal of Operational Research. 2015. № 1 (242). P. 316-331.
- Pereira I., Ferreira F., Pereira L., Govindan K., Meiduté-Kavaliauskiené I., Correia R. A fuzzy cognitive mapping-system dynamics approach to energy-change impacts on the sustainability of small and medium-sized enterprises // Journal of Cleaner Production. 2020. Vol. 256. P. 1-17.
- Rosenfeld A., Agmon N., Maksimov O., Kraus S. Intelligent agent supporting human-multi-robot team collaboration // Artificial Intelligence. 2017. Vol. 252. Р. 211-231.
- Schwab K. The Fourth Industrial Revolution. Danvers, MA: Crown publishing, 2017. 192 p.
- Sowa K., Przegalinska A., Ciechanowski L. Cobots in knowledge work: Human - AI collaboration in managerial professions // Journal of Business Research. 2021. Vol. 125. P. 135-142.
- Zhang J., Danish M. The dynamic linkage between information and communication technology, human development index, and economic growth: evidence from Asian economies // Environmental Science and Pollution Research. 2019. Vol. 26. P. 26982-26990.