Beşinci-Dövrə Öyrənmə (Fifth-Loop Learning, 5LL), təşkilati öyrənməni tək bir müəssisə daxilində baş verən uyğunlaşma prosesindən kənara çıxararaq, qismən muxtar, lakin bir-birindən asılı təşkilatların, insanların, süni intellekt sistemlərinin, institutların, icmaların və ekoloji sistemlərin qarşılıqlı müdaxilələr vasitəsilə öyrənmə mühitinin özünü dəyişdirdiyi və bu dəyişən mühitin sonrakı öyrənmənin şərtlərini yenidən formalaşdırdığı nəzəri ekosistem öyrənmə quruluşudur.

Meir Russ-un tədqiqatı, dayanıqlı inkişaf üçün bilik idarəetmə çərçivəsi olanKnowledge Management for Sustainable Development (KMSD)ilə yeni təklif edilənFive Learning Loopsarxitekturasını birləşdirir. Model təşkilati öyrənməni iç-içə beş sahə şəklində təşkil edir: Single-Loop Learning (SLL) ilə əməliyyat səhvlərinin düzəldilməsi; Double-Loop Learning (DLL) ilə fərziyyələrin sorğulanması; Triple-Loop Learning (TLL) ilə öyrənmə qabiliyyətinin və öyrənmə arxitekturasının inkişaf etdirilməsi; Quadruple-Loop Learning (QLL) ilə təşkilati kimliyin və ekosistemdəki mövqenin yenidən müəyyənləşdirilməsi; Fifth-Loop Learning (5LL) ilə isə paylanmış aktorların bilik ekosistemini birlikdə və təkrarlanan şəkildə dəyişdirməsi.

Modelin fərqləndirici cəhəti yalnız daha çox əməkdaşlıq deyil. Müəllifin 5LL üçün qoyduğu nəzəri hədd paylanmış öyrənmənin ekosistemin münasibətlərini, bilik strukturlarını, texnologiyalarını, standartlarını, aktor rollarını, idarəetmə tənzimləmələrini və ya fürsət sahəsini dəyişdirməsi və bu dəyişikliklərin sonrakı öyrənmənin kim tərəfindən, hansı biliklə və hansı şərtlərdə aparılacağını yenidən müəyyən etməsidir. Buna görə adi tərəfdaşlıq, şəbəkə öyrənməsi, ekosistemdə iştirak və ya birtərəfli ekosistem təsiri təkbaşına 5LL sayılmır.

Tədqiqat həmçinin KMSD-nin bilik yaratma, əldə etmə, saxlama, paylaşma, tətbiq etmə, qoruma və yeniləmə proseslərini beş öyrənmə dövrəsinin inkişaf səviyyələri ilə uyğunlaşdırır və onların üzərində işləyən altı təkrarlanan idarəetmə prinsipini təklif edir: reflektiv öyrənmə və bilik inteqrasiyası; intizamlı eksperiment və etibarlı tətbiq; insan–texnologiya tamamlayıcılığı və qabiliyyət inkişafı; resurs-şüurlu və dayanıqlılıq yönümlü innovasiya; davamlılıq–dəyişiklik idarəetməsi; məsuliyyətli ekosistem nəzarəti.

Tədqiqatın mühüm məhdudiyyəti bu arxitekturanın hələ empirik şəkildə təsdiqlənməməsidir. Alpha Systems adlanan şirkət real eksperimental nümunə deyil, müəllif tərəfindən hazırlanmış hipotetik analitik nümunədir. İtalyan tikinti KOBİ-lərinə dair əvvəl dərc edilmiş hal isə yeni təsdiqləmə məlumatı kimi deyil, modelin mövcud dairəvi iqtisadiyyat kontekstini şərh edə bilmə qabiliyyətini göstərmək məqsədi ilə istifadə olunmuşdur. Nəzəri müddəalar gələcəkdə sorğu, uzunmüddətli tədqiqat, müqayisəli hal və ya çoxsəviyyəli ekosistem tədqiqatları ilə sınanmalı olan hipotez yaradan strukturlardır.

Müəllif həmçinin daha yüksək səviyyəli öyrənmənin avtomatik olaraq dayanıqlılıq yaratmadığını açıq şəkildə vurğulayır. Ekosistem daha sürətli öyrənə, daha uyğunlaşan və daha dayanıqlı ola bilər, lakin eyni zamanda sosial, iqtisadi və ya ekoloji xərcləri də artıra bilər. Buna görə dayanıqlılıq 5LL-nin avtomatik nəticəsi deyil; açıq ekoloji və bölgü meyarları ilə idarə olunmalı sərhəd şərtidir.

Tədqiqatın həll etməyə çalışdığı nəzəri problem

Bilik idarəetməsi, təşkilati öyrənmə, absorptiv qabiliyyət, dinamik qabiliyyətlər, sahibkarlıq, süni intellekt və dairəvi iqtisadiyyat üzrə geniş ədəbiyyat mövcuddur. Lakin mənbə tədqiqata görə bu ədəbiyyatların böyük hissəsi bir-birinə toxunsa da, əsasən ayrı nəzəri sahələr kimi inkişaf etmişdir. Beləliklə, müəssisələrin əməliyyat öyrənməsindən başlayaraq təşkilat sərhədlərini aşan bilik ekosistemi səviyyəsində öyrənməyə necə keçdiyini vahid inkişaf arxitekturasında izah etmək çətinləşir.

KMSD çərçivəsi dayanıqlı inkişaf üçün hansı bilik idarəetmə proseslərinin lazım olduğunu izah edir; lakin mənbə müəllifinə görə təşkilatların bu bilik idarəetmə qabiliyyətlərini əməliyyat təkmilləşdirməsindən ekosistem miqyasına doğru necə inkişaf etdirəcəyini kifayət qədər detallandırmır. Five Learning Loops modeli bu inkişaf ölçüsünü əlavə etmək məqsədilə yaradılmışdır.

Dairəvi iqtisadiyyat bu nəzəriyyədə niyə mərkəzdədir?

Dairəvi iqtisadiyyat, xətti “çıxar–istehsal et–istehlak et–at” modelindən fərqli olaraq məhsul ömrünü uzatmağı, tullantını azaltmağı, resurs dəyərini sistem daxilində qorumağı və təbii sistemlərin yenilənməsini dəstəkləməyi hədəfləyən iqtisadi yanaşmadır. Mənbəyə görə bu transformasiya yalnız yeni texnologiyadan istifadəni tələb etmir; təchizatçılar, müştərilər, dövlət qurumları, universitetlər, texnologiya təminatçıları və cəmiyyət arasında bilik istehsalı və koordinasiya tələb edir.

Buna görə dairəvi iqtisadiyyata keçid yalnız material axını və ya məhsul dizaynı problemi deyil, eyni zamanda çox-aktorlu bilik idarəetməsi və təşkilati öyrənmə problemidir. Five Learning Loops modeli dairəvi iqtisadiyyat sahibkarlığını bu baxımdan nəzərdən keçirir.

Bilik idarəetməsi ilə təşkilati öyrənmə eyni şeydirmi?

Xeyr. Mənbənin qurduğu fərqdə təşkilati öyrənmə təşkilatın davranışlarının, fərziyyələrinin, qabiliyyətlərinin və zamanla ekosistem münasibətlərinin necə dəyişdiyini izah edir. Bilik idarəetməsi isə bu dəyişikliyi mümkün edən biliyin necə yaradıldığını, əldə edildiyini, saxlanıldığını, paylaşıldığını, tətbiq edildiyini, qorunduğunu və yeniləndiyini izah edir.

Müəllif buna görə KMSD-niəməliyyat bilik idarəetmə infrastrukturu, Five Learning Loops-u isəöyrənmə qabiliyyətinin inkişaf arxitekturasıkimi mövqeləndirir.

Knowledge Management for Sustainable Development (KMSD) nədir?

KMSD bilik idarəetməsini yalnız səmərəlilik və ya korporativ yaddaş məqsədi ilə deyil, texnoloji, təşkilati, iqtisadi, sosial və ekoloji ölçüləri birlikdə nəzərə alan dayanıqlı inkişaf qabiliyyəti kimi qəbul edən çərçivədir.

Tədqiqatda istifadə olunan yeddi əsas KMSD prosesi bunlardır:

• Bilik yaratma — knowledge creation
• Bilik əldə etmə — knowledge acquisition
• Bilik saxlama — knowledge storage
• Bilik paylaşma — knowledge sharing
• Bilik tətbiq etmə — knowledge application
• Bilik qoruma — knowledge protection
• Bilik yeniləmə — knowledge renewal

Beşinci-Dövrə Öyrənmə (5LL) Nədir?

Beşinci-Dövrə Öyrənmə bir neçə qismən muxtar aktorun paylanmış öyrənməsinin ekosistemin bilik strukturlarını, münasibətlərini, texnologiyalarını, standartlarını, idarəetmə tənzimləmələrini və ya fürsət sahəsini dəyişdirdiyi və bu dəyişikliklərin sonrakı öyrənmənin şərtlərini yenidən formalaşdırdığı təkrarlanan bilik-ekosistemi birgə inkişafıdır; sadəcə əməkdaşlıq, şəbəkədə iştirak və ya ekosistemdə bilik paylaşımı 5LL üçün kifayət deyil.

Beş öyrənmə dövrəsinin əsas quruluşu

Single-Loop Learning: əməliyyat öyrənməsi

Single-Loop Learning mövcud məqsədləri və əsas fərziyyələri dəyişdirmədən gözlənilən və faktiki performans arasındakı fərqləri düzəldir. Standart prosedurlar, analitika, geribildirim sistemləri, təşkilati yaddaş və AI dəstəkli monitorinq bu səviyyədə əməliyyat performansını yaxşılaşdıra bilər.

Mənbənin Alpha Systems nümunəsində istifadə sahələri proqnozlaşdırıcı texniki xidmət, nasazlıq proqnozu, istehsal və ehtiyat optimallaşdırılması, tələb proqnozu, proses avtomatlaşdırılması, enerji monitorinqi və müştəri analitikasıdır. Əsas risk artıq etibarlılığını itirməyə başlayan bir biznes modelini çox səmərəli hala gətirib yanlış şeyi optimallaşdırmaqdır.

Double-Loop Learning: fərziyyələri sorğulamaq

Double-Loop Learning yalnız mövcud fəaliyyətin necə daha yaxşı görüləcəyini deyil, fəaliyyəti idarə edən fərziyyələrin doğru olub-olmadığını sorğulayır. Məhsul sahibliyi, məlumatın mütləq qapalı saxlanması, səmərəliliyin hər şəraitdə dayanıqlılıqdan daha vacib olması və ya AI-nin insan qərarını əvəz etməli olduğu kimi fərziyyələr yenidən qiymətləndirilə bilər.

Bu səviyyədə bilik idarəetməsi funksiyalararası öyrənmə, xarici bilik əldə etmə, absorptiv qabiliyyət, lessons learned və biliklərin yenidən birləşdirilməsi proseslərini dəstəkləyir.

Triple-Loop Learning: öyrənməyi öyrənmək

Triple-Loop Learning təşkilatın yalnız nə etdiyinə və ya hansı fərziyyələrdən istifadə etdiyinə deyil, biliyi necə yaratdığına, sübutu necə qiymətləndirdiyinə, zehni modellərini necə dəyişdirdiyinə və öyrənmə sistemini necə idarə etdiyinə fokuslanır.

Bu tədqiqatdakı TLL tərifi xüsusilə təşkilatınöyrənmə arxitekturasına və öyrənə bilmə qabiliyyətinəyönəlmişdir. AI və məlumat savadlılığı, bilik idarəetməsi, funksiyalararası insan–AI öyrənməsi, bilik paylaşma təşviqləri, communities of practice, model auditləri və psixoloji təhlükəsizlik bu səviyyədə nümunə mexanizmlərdir.

Quadruple-Loop Learning: təşkilatın ekosistemdə özünü yenidən müəyyənləşdirməsi

QLL-də əsas öyrənən hələ də təşkilatdır; lakin öyrənmənin mövzusu təşkilatın kimliyi, sərhədləri, məsuliyyətləri, strateji rolu və ekosistemdəki mövqeyidir. Təşkilat yeni platformalara daxil ola, biznes modelini dəyişə, yeni tərəfdaşlıqlar qura və ya özünü başqa bir dəyər yaratma rolunda yenidən müəyyənləşdirə bilər.

Bu səviyyədə ekosistem xəritələmə, ssenari inkişafı, maraqlı tərəf təhlili, texnologiya yol xəritələri, tənzimləmə proqnozu, dayanıqlılıq qiymətləndirilməsi və portfel sınaqları əhəmiyyət qazanır.

Dördlü-Dövrə Öyrənmə (QLL) ilə Beşinci-Dövrə Öyrənmə (5LL) Arasındakı Fərq Nədir?

QLL-də təşkilat inkişaf edən ekosistem daxilində öz kimliyini, sərhədlərini və mövqeyini yenidən müəyyən edən əsas öyrənən olaraq qalır, 5LL-də isə öyrənmənin mərkəzi paylanmış bilik ekosisteminə keçir; çoxsaylı aktorların qarşılıqlı öyrənməsi ekosistemin qurucu şərtlərini dəyişdirir və bu dəyişikliklər sonrakı öyrənmə dövrəsinin şərtlərinə geribildirim verir.

Recursive endogeneity — təkrarlanan endogenlik nə deməkdir?

Mənbənin 5LL-ni fərqləndirmək üçün istifadə etdiyi əsas anlayışlardan birirecursive endogeneity, yəni öyrənmə mühitindəki dəyişikliyin sonrakı öyrənmənin xaricindən gələn sabit şərt deyil, əvvəlki öyrənmənin nəticəsində qismən daxildən yaranmasıdır.

Mənbənin verdiyi əsas proses belədir:

Paylanmış öyrənmə → qarşılıqlı müdaxilə → ekosistemin qurucu şərtlərində dəyişiklik → sonrakı öyrənmənin şərtlərində dəyişiklik → yeni paylanmış öyrənmə.

Bu riyazi tənlik deyil. Nəzəri mexanizmin ardıcıllığını göstərən konseptual zəncirdir.

Əməkdaşlıq niyə təkbaşına 5LL deyil?

İki müəssisənin bilik paylaşması və ya ortaq layihə həyata keçirməsi interorganizational learning ola bilər. Şəbəkənin ortaq praktikalar yaratması network learning ola bilər. Müxtəlif şirkətlərin eyni innovasiya ekosistemində fəaliyyət göstərməsi ecosystem participation ola bilər. Bunların heç biri təkbaşına 5LL deyil.

5LL üçün ortaq öyrənmənin ekosistemin qurucu şərtlərini dəyişdirməsi və sonra bu dəyişən şərtlərin öyrənmə prosesinə geri qayıtması lazımdır. Məsələn, yeni ortaq məlumat standartının yaradılması sonrakı dövrdə kimin hansı məlumata çıxış edə bildiyini, hansı modellərin inkişaf etdirilə bildiyini və hansı aktorların prosesə qatıla bildiyini dəyişdirirsə, təkrarlanan geribildirim yarana bilər.

Birgə inkişaf ilə orkestrasiya eyni şey deyil

Co-development, qismən muxtar aktorların təkrarlanan qarşılıqlı təsirlər vasitəsilə bir-birlərinin qabiliyyətlərini, münasibətlərini, texnologiyalarını, institutlarını və ya bilik strukturlarını dəyişdirdiyi inkişaf prosesidir. Bu proses məqsədli, qismən koordinasiyalı və ya böyük ölçüdə öz-özünə yarana bilər.

Orchestrationisə bir və ya bir neçə aktorun resursları, münasibətləri, standartları və ya bilik axınlarını şüurlu şəkildə koordinasiya etməsidir. Tədqiqatda orkestrasiya 5LL üçün mümkün idarəetmə mexanizmidir; təyinedici zərurət deyil. Ekosistem orkestrasiya edilə bilər, lakin təkrarlanan öyrənmə geribildirimi yaratmırsa 5LL formalaşmaya bilər.

Dərin qeyri-müəyyənlik nə deməkdir?

Deep uncertainty, aktorların gələcəkdəki bütün mümkün vəziyyətləri etibarlı şəkildə sadalaya bilmədiyi, bu vəziyyətlərə əsaslandırıla bilən ehtimallar verə bilmədiyi və ya müdaxilənin bütün nəticələrini əvvəlcədən müəyyən edə bilmədiyi şərtlərdir.

Bu halda tək bir “ən ehtimal olunan gələcək” üçün optimallaşdırmaq əvəzinə variantları açıq saxlamaq, paylanmış eksperimentlər aparmaq, geri döndərilə bilən öhdəliklər yaratmaq və müxtəlif gələcək şərhlərini qorumaq əhəmiyyət qazanır.

Mənbədəki kvant bənzətməsi nə deməkdir?

Məqalə bəzi qərarların əvvəlcədən tam müəyyən edilmiş variantlar arasından sadə seçim etmək əvəzinə kontekstə, qarşılıqlı təsirə və müzakirəyə görə formalaşan qərar vəziyyətləri kimi görülə biləcəyini izah etmək üçün “quantum-inspired decision” yanaşmasına toxunur. Mənbə açıq şəkildə bunun təşkilatların kvant-mexaniki sistemlər olduğu anlamına gəlmədiyini bildirir. Bu, yalnız qeyri-müəyyənliyi və kontekstdən asılı qərar formalaşmasını izah etmək üçün nəzəri bənzətmədir.

PADKNE nədir?

Post-Accelerating Data and Knowledge Networked Economy (PADKNE), məlumatın, biliyin və şəbəkələşmiş zəkanın istehsal, koordinasiya, innovasiya və dəyər yaratmada üstün mövqeyə gəldiyi; genişmiqyaslı məlumat istehsalı, alqoritmik bilik çıxarılması və AI arasındakı geribildirimlərin texnoloji və təşkilati dəyişikliyi sürətləndirdiyi inkişaf etmiş sosial-iqtisadi mühiti təsvir etmək üçün istifadə olunan konseptual çərçivədir.

PADKNE bu tədqiqatda yeni empirik ölçülmüş iqtisadi dövr deyil. Five Learning Loops-un xüsusilə AI və şəbəkə-intensiv mühitlərdə necə tətbiq oluna biləcəyini müzakirə etmək üçün istifadə olunan nəzəri kontekstdir.

Süni intellekt niyə yalnız alət kimi görülmür?

5LL-də AI paylanmış qavrayış, nümunə müəyyənləşdirmə, simulyasiya, biliklərin yenidən birləşdirilməsi və qərar dəstəyində getdikcə daha çox iştirak etdiyi üçün ekosistem öyrənməsində təsirli aktora çevrilə bilər. Bununla belə, mənbə AI-ni müstəqil, avtonom və insan mühakiməsini əvəz edən idarəçi kimi mövqeləndirmir.

AI nəticələri insan davranışını, bilik bölgüsünü, qərar hüquqlarını və sonrakı bilik istehsalını dəyişdirə bildiyi üçün insan–AI qarşılıqlı təsirinin özü də öyrənmənin və idarəetmənin obyektinə çevrilir.

Süni İntellekt Bu Modeldə İnsan və Rəhbər Mühakiməsini Əvəz Edirmi?

Xeyr. Tədqiqat AI-ni bilik əldə etmə, təşkilati yaddaş, nümunə tanıma, proqnoz, simulyasiya və ekosistem koordinasiyasını gücləndirə bilən qabiliyyət artırıcısı kimi mövqeləndirir; strateji məqsədlərin müəyyən edilməsi, etik mübadilələrin qiymətləndirilməsi, kontekstual şərh və texnoloji inkişafın idarə olunması üçün insan mühakiməsinin əvəzolunmaz olduğunu açıq şəkildə müdafiə edir.

Alpha Systems nümunəsi real şirkət tədqiqatıdırmı?

Xeyr. Alpha Systems, tədqiqatın Five Learning Loops anlayışlarının məlumat və AI-intensiv sənaye mühitində necə işləyə biləcəyini öyrətmək üçün hazırladığı hipotetik orta ölçülü sənaye avadanlığı istehsalçısıdır. Bu nümunə empirik təsdiq deyil.

Proqnozlaşdırıcı texniki xidmət nümunəsi 5LL-ni necə izah edir?

Mənbənin hipotetik nümunəsində Alpha Systems və tərəfdaşları proqnozlaşdırıcı texniki xidmət platforması hazırlayarsa, bu platforma əvvəlcə yalnız avadanlıq nasazlıqlarını daha yaxşı proqnozlaşdıra bilər. Əgər istifadə nəticəsində müştərilər texniki xidmət müqavilələrini dəyişdirər, sığortaçılar maşın vəziyyəti məlumatını risk modellərinə daxil edər, tənzimləyicilər yeni AI təminat qaydaları tətbiq edər, təchizatçılar sensorlu komponentləri yenidən dizayn edər və işçilərin rolları dəyişərsə, ekosistemin strukturu dəyişir.

Bundan sonra Alpha Systems eyni şərtlərdə öyrənməyə davam etmir. Yeni məlumat hüquqlarını, yeni tənzimləmələri, yeni aktorları, fərqli səriştə tələblərini və yeni risk bölgülərini öyrənməli olur. Beləliklə, əvvəlki öyrənmənin yaratdığı ekosistem dəyişikliyi sonrakı öyrənmənin girdisinə çevrilir. Mənbə bu quruluşu 5LL-nin fərqləndirici nümunəsi kimi istifadə edir.

Etik və institusional refleksivlik niyə 5LL-nin bir hissəsidir?

Texnologiya və təşkilati müdaxilələr yalnız performansı deyil, risklərin kim tərəfindən daşındığını, biliyin kimə məxsus olduğunu, qərar səlahiyyətinin kimdə olduğunu və hansı aktorların sistemə çıxış edə bildiyini də dəyişdirə bilər. Buna görə etik qiymətləndirmə innovasiya tamamlandıqdan sonra aparılan son yoxlama kimi deyil, davamlı geribildirim mexanizmi kimi qəbul edilir.

Məsələn, AI dəstəkli texniki xidmət sisteminin məsuliyyəti sistematik şəkildə müştərilərə ötürdüyü və ya məlumat infrastrukturu zəif kiçik təchizatçıları əlverişsiz vəziyyətə saldığı görünərsə, məlumat hüquqları, müqavilə qaydaları və ya iştirak standartları yenidən dizayn edilə bilər. Bu tənzimləmələr daha sonra modelin təlim məlumatını və sonrakı öyrənmə proseslərini də dəyişdirir.

İtalyan tikinti KOBİ halı necə istifadə olunub?

Tədqiqat Scipioni və həmkarlarının əvvəl dərc etdiyi İtalyan tikinti KOBİ-lərində təşkilati öyrənmə və dairəvi iqtisadiyyata keçidə dair halı Five Learning Loops ilə yenidən şərh edir. Müəllif bunu modelin müstəqil təsdiqi kimi deyil, şərhedici tətbiq oluna bilmə nümunəsi kimi istifadə edir.

KMSD ilə Beş Öyrənmə Dövrəsi Necə Birləşir?

Tədqiqatda KMSD biliyin yaradılması, əldə edilməsi, saxlanılması, paylaşılması, tətbiqi, qorunması və yenilənməsi kimi bilik idarəetmə proseslərini təsvir edərkən, Five Learning Loops bu proseslərin əməliyyat səviyyəsində təşkilatdaxili istifadədən çox-aktorlu bilik-ekosistemi birgə inkişafına doğru necə genişlənə biləcəyini izah edən inkişaf arxitekturası kimi istifadə olunur; dairəvi iqtisadiyyat isə bu iki quruluşun dayanıqlı dəyər yaratmaq üçün tətbiq olunduğu strateji kontekstdir.

Dairəvi iqtisadiyyat baxımından təşkilati rollar

Altı təkrarlanan idarəetmə prinsipi

Five Learning Loops təşkilatların necə öyrəndiyini, KMSD isə hansı biliyin necə idarə olunduğunu izah edir. Mənbə bu iki qat arasındakı idarəetmə tətbiqini izah etmək üçün altı kəsişən prinsip əlavə edir.

AI-nin altı prinsip daxilində rolu

AI birinci prinsipdə nümunə kəşfini və təşkilati yaddaşı; ikinci prinsipdə proqnoz, simulyasiya və digital twin əsaslı eksperimentləri; üçüncü prinsipdə insan qabiliyyətinin tamamlanmasını; dördüncü prinsipdə həyat dövrü, texniki xidmət və resurs axını təhlillərini; beşinci prinsipdə bilik yaddaşı və ssenari təhlilini; altıncı prinsipdə isə interoperabel bilik şəbəkələri və paylanmış qərar dəstəyini gücləndirə bilər.

Lakin mənbə hər mərhələdə AI istifadəsinin insan təsdiqi, kontekstual şərh və idarəetmə ilə inteqrasiya olunmalı olduğunu müdafiə edir.

Beş dövrə “yetkinlik pillələri” kimi işləyirmi?

Qismən inkişaf xarakterli genişlənmə var, lakin mənbə beş dövrənin bir-birini istisna edən və bir dəfə keçildikdən sonra arxada qalan mərhələlər olmadığını xüsusi vurğulayır. Higher-order learning, lower-order learning-i əvəz etmir.

Təşkilat 5LL səviyyəsində ekosistem birgə inkişafına qoşularkən hələ də əməliyyat səhvlərini düzəltməlidir. Eyni zamanda SLL, DLL, TLL və QLL proseslərindən istifadə edə bilər. İnkişaf etmiş təşkilatı fərqləndirən xüsusiyyət yalnız “beşinci dövrəyə çatması” deyil, hansı problemin hansı öyrənmə səviyyəsi tələb etdiyini anlayıb dövrələri birlikdə koordinasiya edə bilməsidir.

5LL hansı şərtlərdə daha ehtimal olunur?

Mənbə 5LL-nin xüsusilə yüksək qarşılıqlı asılılıq və dərin qeyri-müəyyənliyin olduğu; heç bir tək aktorun effektiv uyğunlaşma üçün lazım olan bütün biliyi nəzarətdə saxlamadığı; aktorların tamamlayıcı bilik və qabiliyyətlərə malik olduğu ekosistemlərdə yaranmasının daha ehtimal olduğunu irəli sürür.

Bilik paylaşımına imkan verən keçirici təşkilati sərhədlər, müdaxilələrdən sonrakı nəticələrin yeni fəaliyyətlərə geribildirim verməsi, adaptiv idarəetmə tənzimləmələri və kollektiv öyrənmədə iştirakı təşviq edən motivasiyalar da vacibdir.

5LL; güc və qərar səlahiyyətinin həddindən artıq cəmləşdiyi, bilik asimmetriyasının çox yüksək olduğu, əqli mülkiyyət rejimlərinin bilik mübadiləsini ciddi şəkildə məhdudlaşdırdığı, idarəetmənin sərt olduğu və ya aktorların təşviqlərinin fundamental səviyyədə ziddiyyət təşkil etdiyi mühitlərdə yaranmaya bilər. AI mövcud tarixi fərziyyələri yalnız təkrar istehsal edib gücləndirirsə, yüksək səviyyəli öyrənməni dəstəkləmək əvəzinə məhdudlaşdıra bilər.

Tədqiqatın Metodu və Nəticələri

Tədqiqat dizaynı

Tədqiqatinteqrativ konseptual tədqiqat dizaynıistifadə edir. Məqsəd yeni empirik məlumat toplamaq deyil, daha əvvəl ayrı nəzəri sahələrdə inkişaf etdirilmiş anlayışları sistematik şəkildə birləşdirmək, uyğunlaşdırmaq və yeni nəzəri model şəklində yenidən qurmaqdır.

Tədqiqat dizaynı üç əsas konseptual fəaliyyəti birləşdirir:

1. Theory synthesis:Təşkilati öyrənmə, bilik idarəetməsi, Knowledge-Based View, absorptiv qabiliyyət, dinamik qabiliyyətlər, dairəvi iqtisadiyyat, sahibkarlıq, dayanıqlılıq və ekosistem tədqiqatlarından tamamlayıcı mexanizmlərin sintezi.
2. Theory adaptation:Təşkilatı əsas öyrənən kimi qəbul edən mövcud yanaşmaların təşkilatlar, texnologiyalar, institutlar, cəmiyyət və ekoloji sistemlər arasında baş verən birgə inkişaf formasını izah edəcək şəkildə genişləndirilməsi.
3. Conceptual model development:KMSD, Five Learning Loops, AI dəstəkli bilik prosesləri və altı idarəetmə prinsipi arasındakı münasibətlərin açıq nəzəri arxitekturaya çevrilməsi.

Ədəbiyyat icmalı sistematik icmaldırmı?

Xeyr. Mənbə açıq şəkildə bunun exhaustive systematic review və ya meta-analysis olmadığını bildirir. Ədəbiyyat nəzəri quruluşun tələb etdiyi anlayışlar və münasibətlər baxımındantheoretically purposive, yəni nəzəri məqsədlə seçilmişdir.

Ədəbiyyat üç funksional kateqoriyaya ayrılmışdır:

• Domain theories:Təşkilati öyrənmə, bilik yaratma, absorptiv qabiliyyət, qabiliyyət yenilənməsi, sensemaking və ekosistem qarşılıqlı asılılığını izah edən əsas nəzəriyyələr.
• Method theories:Nəzəri sintezi, nəzəri uyğunlaşdırmanı və konseptual model inkişafını metodoloji olaraq istiqamətləndirən mənbələr.
• Contextual and illustrative literature:Dairəvi iqtisadiyyat sahibkarlığı, AI, rəqəmsal transformasiya və PADKNE kimi kontekstlərin sərhəd şərtlərini və modelin şərhedici tətbiq oluna bilməsini izah etmək üçün istifadə olunan mənbələr.

Konseptual təhlil hansı dörd mərhələ ilə aparıldı?

1. Əsas nəzəri strukturların təhlil vahidləri, öyrənmə obyektləri, bilik prosesləri və təşkilat–mühit fərziyyələri müqayisə edildi.
2. Nəzəriyyələr arasındakı tamamlayıcılıqlar və fasilələr müəyyən edildi; xüsusilə əməliyyat öyrənməsindən ekosistem birgə inkişafına keçidin kifayət qədər inteqrasiya olunmadığı nəticəsinə gəlindi.
3. Bu nəzəri elementlər Five Learning Loops arxitekturasında sintez edildi və KMSD ilə birləşdirildi.
4. Arxitekturaya altı təkrarlanan idarəetmə prinsipi əlavə edilərək nəzəri münasibətlər gələcəkdə sınaqdan keçirilə biləcək müddəalara çevrildi.

Tədqiqatda nümunə, statistika və ya eksperiment varmı?

Xeyr. Yeni iştirakçı nümunəsi, sorğu, eksperimental qrup, nəzarət qrupu, randomizasiya, reqressiya, p-dəyəri, etibar intervalı və ya effekt ölçüsü yoxdur.

Mənbədə riyazi formula və ya kəmiyyət performans metrikası da yoxdur. Paylanmış öyrənmə → ekosistem dəyişikliyi → yeni öyrənmə şərtləri kimi ifadələr konseptual proseslərdir; riyazi bərabərlik deyil.

Alpha Systems və İtalyan KOBİ halının metodoloji statusu

Alpha Systems tamamilə hipotetik analitik nümunədir və modelin beş öyrənmə səviyyəsini izah etmək üçün hazırlanmışdır.

Scipioni və həmkarlarının dərc edilmiş İtalyan tikinti KOBİ halı isə mövcud empirik tədqiqatın Five Learning Loops perspektivindən yenidən şərh edilməsidir. Müəllif açıq şəkildə hər iki tətbiqin də modelin müstəqil empirik təsdiqi olmadığını bildirir.

Tədqiqatın əsas nəzəri töhfələri

Birinci töhfə Fifth-Loop Learning anlayışının inkişaf etdirilməsidir. Mənbə 5LL-nin yeniliyini “təşkilatların şəbəkələrdən öyrəndiyini” və ya “ekosistemlərin təkamül etdiyini” ilk dəfə deməsində görmür; bunlar ədəbiyyatda artıq mövcuddur. Orijinal təklif paylanmış öyrənmənin ekosistem şərtlərini dəyişdirdiyi və dəyişmiş şərtlərin sonrakı öyrənməyə endogen giriş olduğu quruluşun təşkilati öyrənmə nəzəriyyəsinə açıq yeni dövrə kimi əlavə edilməsidir.

İkinci töhfə KMSD-nin inkişaf ölçüsü ilə genişləndirilməsidir. KMSD hansı bilik idarəetmə proseslərinin lazım olduğunu izah edərkən Five Learning Loops bu proseslərin əhatəsinin necə genişlənə biləcəyini izah edir.

Üçüncü töhfə bilik idarəetməsi, absorptiv qabiliyyət, dinamik qabiliyyətlər, təşkilati öyrənmə və dairəvi iqtisadiyyat tədqiqatlarının ortaq arxitekturaya inteqrasiyasıdır.

Dördüncü töhfə AI və bilik idarəetməsinin sahibkar təşkilatların uyğunlaşma, dayanıqlılıq və davamlılıq yönümlü inkişafını necə dəstəkləyə biləcəyinə dair idarəetmə nəticələri və gələcəkdə sınaqdan keçirilə biləcək nəzəri müddəalardır.

Əsas əhatəli müddəa

Tədqiqatın əhatəli nəzəri müddəasına görə Five Learning Loops, KMSD-ni funksional hala gətirən dinamik və təkrarlanan ekosistem öyrənmə arxitekturası kimi düşünülə bilər; dairəvi iqtisadiyyat mühitində təşkilatların bilik idarəetmə qabiliyyətləri əməliyyat bilik istifadəsindən paylanmış ekosistem öyrənməsinə doğru genişləndikcə dinamik qabiliyyətlər, əməkdaşlıq innovasiyası və uzunmüddətli iqtisadi, ekoloji və sosial performans güclənə bilər.

Bu ifadə nəzəri müddəadır; tədqiqatın ölçülmüş nəticəsi deyil.

Yeddi nəzəri müddəa

P3 niyə xüsusilə vacibdir?

P3 yüksək səviyyəli öyrənmə ilə dayanıqlılıq arasında avtomatik müsbət əlaqə qurulmasını rədd edir. Ekosistem çox səmərəli öyrənə və dəyişə bilər, lakin fayda və xərclərin bölgüsü ədalətsiz ola və ya ekoloji zərər arta bilər.

Buna görə mənbə “daha yaxşı öyrənən ekosistem = daha dayanıqlı ekosistem” bərabərliyini qurmur.

P5 süni intellekt haqqında nə deyir?

P5 AI istifadəsinə şərti yanaşır. Alqoritmik nəticələr insan təsdiqi, bilik inteqrasiyası və idarəetmə daxilində yerləşdirildikdə AI öyrənmə dövrələrini gücləndirə bilər. Bu şərtlər yoxdursa AI mövcud fərziyyələri və yalnız əməliyyat optimallaşdırılmasını sürətləndirə bilər; təşkilat daha sürətli işləyərkən daha dərin öyrənmə həyata keçirə bilməyə bilər.

Sahibkarlıq necə yenidən müəyyən edilir?

Mənbə sahibkarlığı yalnız fürsət kəşfi, maliyyələşdirmə və ya məhsulun kommersiyalaşdırılması kimi qəbul etmək əvəzinə, öyrənmə qabiliyyətlərinin tədricən genişləndirilməsi kimi yenidən konseptuallaşdırır.

Bu çərçivədə sahibkarlıq uğuru əməliyyat təkmilləşdirməsindən strateji refleksiyaya, institusional qabiliyyət inkişafına, ekosistem əməkdaşlığına və nəhayət bilik ekosistemi birgə inkişafına uzanan bilik-mərkəzli təşkilatın yaradılmasıdır.

Praktik olaraq sahibkarın hər dövrədəki vəzifəsi

• SLL:Müştəri geribildirimi, analitika və bilik depoları ilə əsas fərziyyələri və əməliyyatları doğrulamaq.
• DLL:AI dəstəkli mühit skanı və müqayisə ilə mövcud biznes modelini və fərziyyələri sorğulamaq.
• TLL:Bilik sistemləri, AI qərar dəstəyi, əməkdaş inkişafı və standart rutinlərlə öyrənməni institusionallaşdırmaq.
• QLL:Təchizatçı inteqrasiyası, əməkdaşlıq innovasiya platformaları və ortaq bilik şəbəkələri ilə ekosistem səviyyəsində öyrənmək.
• 5LL:Ekosistem idarəetməsi, etik AI, uzaqgörənlik, standart inkişafı və çox-tərəfli əməkdaşlıqla öyrənmə mühitinin birgə inkişafında iştirak etmək.

Tədqiqatın dəstəklədiyi nəticələr

• Five Learning Loops mövcud nəzəriyyələri inteqrasiya etmək üçün hazırlanmış nəzəri inkişaf arxitekturasıdır.
• 5LL-nin fərqləndirici xüsusiyyəti ekosistem şərtlərini dəyişdirən və sonrakı öyrənməyə geribildirim verən paylanmış öyrənmədir.
• QLL ilə 5LL nəzəri olaraq eyni anlayış deyil.
• KMSD prosesləri Five Learning Loops boyunca getdikcə daha geniş təşkilati və ekosistem miqyasında şərh oluna bilər.
• AI bütün beş dövrədə öyrənmə və bilik idarəetməsini dəstəkləyə bilər, lakin insan təsdiqi və idarəetmə tələb edir.
• Altı idarəetmə prinsipi modelin idarəetmə tətbiqi qatı kimi təklif edilir.
• Dairəvi iqtisadiyyat bu nəzəriyyənin əsas tətbiq kontekstidir.

Tədqiqatın dəstəkləmədiyi nəticələr

• 5LL-nin təşkilati performansı artırdığı empirik şəkildə sübut edilməyib.
• Beş dövrənin bütün şirkətlərdə məcburi və xətti yetkinlik ardıcıllığı olduğu göstərilməyib.
• AI istifadəsinin avtomatik olaraq yüksək səviyyəli öyrənmə və ya dayanıqlılıq yaratdığı göstərilməyib.
• Daha uyğunlaşan ekosistemin mütləq daha dayanıqlı olduğu göstərilməyib.
• Alpha Systems real şirkət məlumatına əsaslanan təsdiq deyil.
• İtalyan KOBİ halının Five Learning Loops-u empirik şəkildə təsdiqlədiyi iddia edilmir.
• Model müəyyən bir firmanın maliyyə performansını proqnozlaşdıran kəmiyyət aləti deyil.
• 5LL yalnız daha çox əməkdaşlıq və ya daha geniş şəbəkə qurmaq demək deyil.

Əsas nəzəri məhdudiyyətlər

Empirik təsdiqin olmaması:Modeldəki KM prosesləri, dövrələr, idarəetmə prinsipləri, AI qabiliyyətləri və təşkilati performans arasındakı münasibətlər nəzəridir.

Təhlil səviyyəsi problemi:Dövrələr təşkilati qabiliyyət, öyrənmə prosesi, ideal tip, iç-içə öyrənmə forması və ya analitik kateqoriya kimi müxtəlif cür şərh oluna bilər. Müəllif onların ontoloji statusunun daha dəqiq müəyyənləşdirilməli olduğunu qəbul edir.

Xətti səbəbiyyət yoxdur:Model birtərəfli “öyrənmə → dəyişiklik → uğur” zənciri deyil. Təşkilati və ekosistem öyrənməsi mühiti dəyişdirərkən dəyişən mühit də sonrakı öyrənməni dəyişdirir.

Güc və idarəetmə çatışmazlığı:Çərçivə gücün əhəmiyyətini qəbul etsə də, legitim biliyi kimin müəyyən etdiyi, platforma və məlumata kimin nəzarət etdiyi, bilik mənbələrinə kimin çıxışı olduğu və iqtisadi dəyəri kimin əldə etdiyi kimi güc münasibətlərini hələ detallı nəzəri modelə çevirmir.

Uyğunlaşma dayanıqlılıq deyil:Sistem daha uyğunlaşan, innovativ və davamlı hala gələrkən eyni zamanda sosial, iqtisadi və ya ekoloji zərər yarada bilər. Dayanıqlılıq modelin avtomatik çıxışı deyil, sərhəd şərtidir.

Gələcək tədqiqatlar

Müəllif beş öyrənmə dövrəsini ölçmək üçün şkala və ölçmə vasitələrinin hazırlanmasını; təşkilatların zamanla dövrələr arasında necə hərəkət etdiyinin müqayisəli hallar və uzunmüddətli tədqiqatlarla araşdırılmasını təklif edir.

AI, rəqəmsal texnologiyalar, təşkilati mədəniyyət, liderlik və institusional şərtlərin öyrənmə dövrələrini asanlaşdıran və ya məhdudlaşdıran rolları empirik şəkildə sınaqdan keçirilməlidir. Güc və bilik asimmetriyaları, eləcə də ekosistemdə dəyərin kim tərəfindən əldə edildiyi də tədqiqat proqramına əlavə edilməlidir.

Çərçivənin sahibkar şirkətlərdən kənar dövlət qurumlarında, qeyri-kommersiya strukturlarında, çoxmillətli şirkətlərdə və transmilli innovasiya ekosistemlərində tətbiq oluna bilməsi də hələ məlum deyil.

Verianla Live / Live Figure uyğunluğu

TədqiqatLive Process və Live Architecture üçün uyğundur. SLL → DLL → TLL → QLL → 5LL quruluşu qat-qat vurğulana bilər; 5LL-dəki “paylanmış öyrənmə → müdaxilə → ekosistem dəyişikliyi → dəyişən öyrənmə şərtləri → yeni öyrənmə” geribildirimi sabit-parametrli proses animasiyası kimi göstərilə bilər.

Lakin mənbə kəmiyyət simulyasiyası, zaman sırası və ya performans əmsalı vermədiyinə görə istifadəçinin parametrləri dəyişdirdiyi “5LL simulyatoru”, uğur balı və ya proqnoz performans qrafiki yaratmaq elmi baxımdan uyğun deyil.

Mənbə və Metod Qeydi

Orijinal başlıq:Fifth-Loop Recursive Learning and Knowledge Management for Circular Economy Entrepreneurship: A Theory of Recursive Eco-System Co-Development

Azərbaycan dilində nəşr başlığı:Dairəvi İqtisadiyyat Sahibkarlığı üçün Beşinci-Dövrə Təkrarlanan Öyrənmə və Bilik İdarəetməsi: Təkrarlanan Ekosistem Birgə İnkişafı Nəzəriyyəsi

Müəllif:Meir Russ.

Bərabər töhfə:Tətbiq edilmir; tədqiqat tək müəlliflidir.

Affiliasiya 1:Austin E. Cofrin School of Business, University of Wisconsin-Green Bay, Green Bay, Wisconsin, ABŞ.

Affiliasiya 2:Department of Information Science, Stellenbosch University, Stellenbosch, Cənubi Afrika.

Corresponding author:Mənbədə tək müəllif Meir Russ üçün əlaqə məlumatı verilmişdir.

Jurnal:Sustainability.

Nəşriyyat:MDPI.

Cild / say / məqalə nömrəsi:18 / 18 / 9392.

DOI:10.3390/su18189392.

Academic Editor:Vasiliki Brinia.

Göndərilmə:5 Avqust 2026.

Reviziya:11 Sentyabr 2026.

Qəbul:11 Sentyabr 2026.

Nəşr:13 Sentyabr 2026.

Mənbə növü:Article; inteqrativ konseptual tədqiqat və nəzəri model inkişafı işidir. Yeni empirik məlumat yaratmır.

Rəyçilik statusu:Sustainability-də dərc edilmiş rəyli məqalədir. Rəsmi MDPI qeydində Review Reports bölməsi var və müəllif təşəkkür hissəsində anonim rəyçilərin töhfəsini açıq şəkildə qeyd edir.

Lisenziya:Creative Commons Attribution 4.0 (CC BY).

Açar sözlər:knowledge management; organizational learning; five learning loops; recursive ecosystem learning; entrepreneurship; circular economy; sustainable ecosystem; co-development; conceptual model.

Tədqiqat metodu:Theory synthesis + theory adaptation + conceptual model development ilə dəstəklənən integrative multidisciplinary literature review.

Ədəbiyyat seçimi:Sistematik olaraq əhatəli deyil, nəzəri məqsədlidir. Mənbələr domain theories, method theories və contextual/illustrative literature kimi funksional şəkildə təsnif edilmişdir.

Yeni məlumat:Yaradılmayıb və ya təhlil edilməyib.

Nümunə:Yeni tədqiqat nümunəsi yoxdur.

Nəzarət qrupu:Tətbiq edilmir.

Statistika:Yeni statistik təhlil, p-dəyəri, etibar intervalı və ya effekt ölçüsü yoxdur.

Riyazi formula:Mənbədə riyazi tənlik və ya kəmiyyət modeli yoxdur. Oxlarla göstərilən öyrənmə mexanizmləri konseptual proses təsvirləridir.

Alpha Systems:Hipotetik analitik nümunədir; empirik təsdiq deyil.

Scipioni və həmkarlarının İtalyan KOBİ halı:Daha əvvəl dərc edilmiş xarici hal Five Learning Loops-un şərhedici tətbiq oluna bilməsini araşdırmaq məqsədilə yenidən uyğunlaşdırılmışdır; modelin müstəqil empirik təsdiqi deyil.

Maliyyələşdirmə:Tədqiqat xarici maliyyə almamışdır.

Institutional Review Board:Tətbiq edilmir.

Informed Consent:Tətbiq edilmir.

Data Availability:Yeni məlumat yaradılmayıb və ya təhlil edilməyib; məlumat paylaşımı tətbiq edilmir.

Maraqlar toqquşması:Müəllif maraqlar toqquşmasının olmadığını bəyan etmişdir.

Müəllif töhfələri:Məqalə tək müəlliflidir; PDF-də ayrıca CRediT/Author Contributions bölməsi yoxdur.

Təşəkkür:Müəllif Otterbein University Department of Business, Accounting, & Economics-ə intellektual və logistika dəstəyi üçün; anonim rəyçilər və redaktorlarla Daniel J. Herron-a tənqid və təkliflər üçün təşəkkür edir.

Generativ AI istifadəsi:Müəllif bəzi bölmələrin ChatGPT-4o, Claude 3.7 və Otio 2.0 ilə ilkin layihəsinin hazırlandığını və ya inkişaf etdirildiyini; Grammarly-nin dil və üslub redaktəsində istifadə olunduğunu bildirir. Elmi anlayışları və analitik çərçivəni özünün inkişaf etdirdiyini qeyd edir. ChatGPT həmçinin Şəkil 1–3-ün formatlaşdırılması və vizual təqdimatının yaxşılaşdırılmasında istifadə edilmişdir. Müəllif bütün AI dəstəkli məzmunu nəzərdən keçirdiyini, redaktə və təsdiq etdiyini; yekun məzmuna görə məsuliyyəti öz üzərinə götürdüyünü bəyan edir.

Mənbədaxili redaktə qeydi:Müddəa 4 başlığı PDF-in görünən mətnində “Proposition 4: Recursive Ecosystem C as a Mediating Capability” şəklindədir; dərhal sonrakı müddəa mətni isə açıq şəkildə “recursive ecosystem coupling” ifadəsini istifadə edir. Verianla bu başlığı səssizcə mənbə başlığı kimi tamamlamamış, elmi anlayışın müddəa mətnindəki açıq formasından istifadə edərkən mənbə başlığındakı görünən çatışmazlığı qeyd etmişdir.

Əsas şərh məhdudiyyəti:Five Learning Loops və 5LL nəzəri strukturlardır. Tədqiqat təşkilatların bu dövrələrdən keçdikdə müəyyən performans artımlarının baş verəcəyini eksperimental və ya statistik şəkildə sübut etmir.

Əsas dayanıqlılıq məhdudiyyəti:Adaptasiya, innovasiya və dayanıqlılıq təkbaşına dayanıqlılıq sübutu deyil. Tədqiqat ekoloji və bölgü performans meyarlarının ayrıca lazım olduğunu müdafiə edir.