Empirical Perspectives on Learning at Work

  • In todays knowledge economy, many organizations are trying to manage their knowledge base in order to gain and maintain a competitive edge. Yet knowledge in peoples heads can hardly be managed directly, since knowledge transfer involves an active and individual learning effort. Nevertheless, organizations can support learning indirectly. Therefore this study approaches the challenge of knowledge-intensive work from another perspective: How can organizations support informal and individual on-the-job learning? To obtain a ranking of the most important organizational factors that support learning, a fully structured and dynamic survey at a German shipyard was used to measure the intensity of learning and potentially relevant driving or inhibiting factors in different working environments.
  • In der heutigen Wissensgesellschaft versuchen viele Organisationen ihre Wissenbasis besser zu verwalten, zu pflegen und zu nutzen, um einen Wettbewerbsvorteil zu erreichen oder zu sichern. Aber Wissen in den Köpfen von Mitarbeitern kann nur schwerlich durch das Unternehmen direkt verwaltet werden, weil Wissensaustausch individuelle und aktive Lernanstrengungen von den Mitarbeitern erfordert. Daher geht diese Studie die Herausforderung von wissensintensiver Arbeit von einer anderen Perspektive mit folgender Fragestellung an: Wie können Organisationen informelles und individuelles betriebliches Lernen unterstützen? Um eine Rangliste der wichtigsten organisatorischen Faktoren, die Lernen unterstützen, zu bekommen, wurde eine stark strukturierte und dynamisch funktionierende Umfrage auf einer deutschen Werft durchgeführt. Mit ihr soll die Intensität von Lernen und potentiell relevante Lern-förderlichen oder Lern-behindernden Faktoren in verschiedenen Situationen gemessen werden. Weil der Lernprozess an sich stochastisch ist und aufgrund der vielen Variablen, war es notwendig den neuartigen BOGER Algorithmus für die statistische Analyse zu entwickeln, welcher eine Funktion für automatische und robuste statistische Modellauswahl integriert hat. Interdisziplinäre Erkenntnisse aus einem breiten Literaturspektrum wie auch die empirische ermittelte Rangliste wurden zusammengefasst in dem neu entwickelten PIA-Modell. "PIA" ist die Abkürzung für "Perspektive einnehmen, Integrieren und Agieren" – siehe Abb. 2.1 auf S. 31. Einige der beschriebenen Wirkungsweisen erklären die Effektivität einiger erprobter und moderner Modelle für die industrielle Praxis, wie z.B. das Toyota Production System oder das EFQM Modell. Beide Modelle legen einen Schwerpunkt auf organisationales Lernen. Daher trägt diese Studie zu einem besseren Verständnis über die Wirkweisen der wichtigsten organisationalen Hebel für eine betriebliche Lernunterstützung bei und vereinfacht damit die Anpassung dieser Modelle in neuen industriellen Kontexten.

Download full text

Cite this publication

  • Export Bibtex
  • Export RIS

Citable URL (?):

Search for this publication

Search Google Scholar Search Catalog of German National Library Search OCLC WorldCat Search Bielefeld Academic Search Engine
Meta data
Publishing Institution:IRC-Library, Information Resource Center der Jacobs University Bremen
Granting Institution:Jacobs Univ.
Author:Jan Meyer
Referee:Werner Bergholz, Christian Roßnagel, Sven Voelpel, Adalbert Wilhelm, Utz Schäffer
Advisor:Werner Bergholz
Persistent Identifier (URN):urn:nbn:de:101:1-2013052411145
Document Type:PhD Thesis
Language:English
Date of Successful Oral Defense:2010/05/28
Year of Completion:2010
Date of First Publication:2011/05/28
PhD Degree:Electrical Engineering
School:SES School of Engineering and Science
Library of Congress Classification:H Social Sciences / HD Industries. Land use. Labor [incl. Management] / HD28-70 Management. Industrial management / HD30.19-30.29 Theory. Method. Relation to other subjects / HD30.2 Electronic data processing. Information technology Including artificial intelligence and knowledge management
Call No:Thesis 2010/47

$Rev: 13581 $