New challenges in unstructured self-learning environment: the impact of context, networking and self-organization on digital human capital

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

Digitalization, on the one hand, significantly increases the volume of opportunities and alternative resources available for learning. However, on the other hand, it leads to a complication of the environment where learning takes place.This, in turn, has a negative impact on the structure of the information, the effectiveness of the learning and the return on human capital investment. The purpose of this article is to test hypotheses about the impact of quantitative diversity in social, spatial and digital contexts, network activity and the ability to self-organize on the effectiveness of employees' self-learning in the digital environment. The methodology of contextualism, methods of factorial and regression analysis are used. The authors use data from a survey of 354 young professionals from the Sverdlovsk region under the age of 35.The novelty of the study lies in the development of an approach to the measurement of explicit variables for the evaluation of theoretical constructs such as the effectiveness of self-learning, learning context, self-organization and network activity. To measure contextual diversity, a method for determining the number and types of contexts (spatial, digital and social) in which employees self-learn is proposed.The results of the study showed that the number of spatial and numerical contexts does not affect the effectiveness of learning, whereas the social context, basic digital competences and the ability to self-organize are crucial for learning in a digital environment. The results of the study can be used by the creators and managers of educational programs to study the influence of a set of contextual variables on the effectiveness of training and the formation of human capital.

Sobre autores

Ilya Chernenko

Ural Federal University named after the first President of Russia B.N.Yeltsin

Email: i.m.chernenko@urfu.ru
доцент кафедры экономики и управления на металлургических и машиностроительных предприятиях, кандидат экономических наук

Irina Pelymskaya

Ural Federal University named after the first President of Russia B.N.Yeltsin

Email: i.s.pelymskaya@mail.ru
доцент кафедры экономики и управления на металлургических и машиностроительных предприятиях, кандидат экономических наук, доцент

Bibliografia

  1. Frey C.B., Osborne M.A. The future of employment: How susceptible are jobs to computerisation? // Technological Forecasting and Social Change. – 2017. – p. 254-280. – doi: 10.1016/j.techfore.2016.08.019.
  2. Matthess M., Kunkel S. Structural change and digitalization in developing countries: Conceptually linking the two transformations // Technology in Society. – 2020. – p. 101428. – doi: 10.1016/j.techsoc.2020.101428.
  3. Черненко И.М., Кельчевская Н.Р., Пелымская И.С., Алмусаеди Х.К.А. Возможности и угрозы цифровизации для развития человеческого капитала на индивидуальном и региональном уровнях // Экономика региона. – 2021. – № 4. – c. 1239-1255. – doi: 10.17059/ekon.reg.2021-4-14.
  4. Liu Y. et al. Predicting Labor Market Competition: Leveraging Interfirm Network and Employee Skills // Information Systems Research. – 2020. – № 4. – p. 1443-1466. – doi: 10.1287/isre.2020.0954.
  5. Ngoasong M.Z. Curriculum Adaptation for Blended Learning in Resource-Scarce Contexts // Journal of Management Education. – 2022. – № 4. – p. 622-655. – doi: 10.1177/10525629211047168.
  6. Ostmeier E., Strobel M. Building skills in the context of digital transformation: How industry digital maturity drives proactive skill development // Journal of Business Research. – 2022. – p. 718-730. – doi: 10.1016/j.jbusres.2021.09.020.
  7. Núñez-Canal M. et al. New challenges in higher education: A study of the digital competence of educators in Covid times // Technological Forecasting and Social Change. – 2022. – p. 121270. – doi: 10.1016/j.techfore.2021.121270.
  8. Becker G. Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. - New York: National Bureau of Economic Research, 1975. – 13-44 p.
  9. Becker G.S. Health as human capital: synthesis and extensions // Oxford Economic Papers. – 2007. – № 3. – p. 379-410. – doi: 10.1093/oep/gpm020.
  10. Черненко И.М., Кельчевская Н.Р. Методология формирования человеческого капитала на промышленном предприятии // Научное обозрение. – 2013. – № 1. – c. 251-257.
  11. Zaborovskaia O., Nadezhina O., Avduevskaya E. The Impact of Digitalization on the Formation of Human Capital at the Regional Level // Journal of Open Innovation: Technology, Market, and Complexity. – 2020. – № 4. – p. 1-24. – doi: 10.3390/joitmc6040184.
  12. Colombo E. et al. AI meets labor market: Exploring the link between automation and skills // Information Economics and Policy. – 2019. – p. 27-37. – doi: 10.1016/j.infoecopol.2019.05.003.
  13. Jackson M.O. The Human Network. How your Social Position Determines your Position, Beliefs and Behaviors. - New York: Pantheon Books, 2019. – 248 p.
  14. Goodwin N. et al. Principles of Economics in Context. , 2014. – 848 p.
  15. Galeznik I.A., Kelchevskaya N.R., Pelymskaya I.S., Chernenko I.M. Using Informal Networks for Human and Relational Capital Analysis: The Role of Trust and Knowledge Sharing Intention // International scientific and technical conference «far east 2020»: Proceeding of the International Science and Technology Conference «FarEastСon 2020». 2021.– doi: 10.1007/978-981-16-0953-4_103.
  16. Chen S.S. et al. Behavioral intention formation in knowledge sharing: Examining the roles of KMS quality, KMS self-efficacy, and organizational climate // Knowledge-Based Systems. – 2012. – p. 106-118. – doi: 10.1016/j.knosys.2012.02.001.
  17. Черненко И.М. Теория и методология управления социально-трудовыми изменениями в сетевых структурах на основе неформального человеческого капитала. - М.: Издательство “Креативная экономика.”, 2022. – 278 c.
  18. Ali M.M. Digitization of the emerging economy: An exploratory and explanatory case study // Journal of Governance and Regulation. – 2020. – № 4. – p. 25-36. – doi: 10.22495/jgrv9i4art2.
  19. Zemtsov S., Barinova V., Semenova R. The Risks of Digitalization and the Adaptation of Regional Labor Markets in Russia // Foresight and STI Governance. – 2019. – № 2. – p. 84-96. – doi: 10.17323/2500-2597.2019.2.84.96.
  20. Social networks, job search methods and reservation wages: Evidence for Germany // International Journal of Manpower. – 2011. – № 7. – p. 796-824. – doi: 10.1108/01437721111174767.
  21. Chen Y., Le Wang, Min Zhang Informal search, bad search?: the effects of job search method on wages among rural migrants in urban China // Journal of Population Economics. – 2018. – № 3. – p. 837-876. – doi: 10.1007/s00148-017-0672-x.
  22. Granovetter M.S. The Strength of Weak Ties // American Journal of Sociology. – 1973. – № 6. – p. 1360-1380. – doi: 10.1086/225469.
  23. Mayer A. The structure of social networks and labour market success // Applied Economics Letters. – 2012. – № 13. – p. 1271-1274. – doi: 10.1080/13504851.2011.619484.
  24. Burt R.S. Structural Holes and Good Ideas // American Journal of Sociology. – 2004. – № 2. – p. 349-399. – doi: 10.1086/421787.
  25. Carmelo Visdómine-Lozano J. A functional-contextualist account of locus of control: Generalized control expectancies as derived relational responding // Journal of Contextual Behavioral Science. – 2015. – № 4. – p. 312-323. – doi: 10.1016/j.jcbs.2015.06.005.
  26. Casella A., Hanaki N. Information channels in labor markets: On the resilience of referral hiring // Journal of Economic Behavior and Organization. – 2008. – № 3-4. – p. 492-513. – doi: 10.1016/j.jebo.2006.06.014.
  27. Schmitz S. et al. Learning culture and knowledge management processes: To what extent are they effectively related? // Revista de Psicología del Trabajo y de las Organizaciones. – 2014. – № 3. – p. 113-121. – doi: 10.1016/j.rpto.2014.11.003.
  28. Aboobaker N., KA Z. Digital learning orientation and innovative behavior in the higher education sector: effects of organizational learning culture and readiness for change // International Journal of Educational Management. – 2021. – № 5. – p. 1030-1047. – doi: 10.1108/IJEM-09-2019-0345.
  29. He T. et al. Predicting digital informal learning: an empirical study among Chinese University students // Asia Pacific Education Review. – 2018. – № 1. – p. 79-90. – doi: 10.1007/s12564-018-9517-x.
  30. Efendic A., Ledeneva A. The importance of being networked: The costs of informal networking in the Western Balkans region // Economic Systems. – 2020. – № 4. – p. 100784. – doi: 10.1016/j.ecosys.2020.100784.
  31. Sterling A.D. Friendships and Search Behavior in Labor Markets // Management Science. – 2014. – № 9. – p. 2341-2354. – doi: 10.1287/mnsc.2013.1857.
  32. Methot J.R. et al. The Network Architecture of Human Captial: A Relational Identity Perspective // Academy of Management Review. – 2018. – № 4. – p. 723-748. – doi: 10.5465/amr.2016.0338.
  33. Кауфман Н.Ю., Ширинкина Е.В. Особенности формирования управленческих инноваций в условиях развития человеческого капитала // Фундаментальные исследования. – 2017. – № 1. – c. 169-172.
  34. Rostek K., Młodzianowski D. The impact of conscious and organized change management on efficiency of functioning the network // Management and Production Engineering Review. – 2018. – № 3. – p. 49-58. – doi: 10.24425/119534.
  35. Salikhova N.R., Lynch M.F., Salikhova A.B. Psychological aspects of digital learning: A self-determination theory perspective // Contemporary Educational Technology. – 2020. – № 2. – p. 1-13. – doi: 10.30935/cedtech/8584.
  36. Van den Berg M.J. et al. An exploration of key human resource practitioner competencies in a digitally transformed organisation // SA Journal of Human Resource Management. – 2020. – № 1. – p. 1-13. – doi: 10.4102/sajhrm.v18i0.1404.
  37. Ширинкина Е.В. Влияние цифровизации на принципы управления человеческим капиталом работников промышленности // Экономика и менеджмент систем управления. – 2018. – № 4-3(30). – c. 397-402.
  38. Tejedor S. et al. Digital literacy and higher education during COVID-19 lockdown: Spain, Italy, and Ecuador // Publications. – 2020. – № 4. – p. 1-17. – doi: 10.3390/publications8040048.
  39. Le T.L.H. et al. Impact of Digital Literacy on Intention to Use Technology for Online Distribution of Higher Education in Vietnam: A Study of Covid19 Context // Journal of Distribution Science. – 2022. – № 20. – p. 75-86. – doi: 10.15722/jds.20.06.202206.75.
  40. Абдрахманова Г.И., Вишневский К.О., Гохберг Л.М. и др. Индикаторы цифровой экономики: 2021. / Статистический сборник. - М.: НИУ ВШЭ, 2021. – 380 c.
  41. Наследов А.Д. IBM SPSS Statistics 20 и AMOS: профессиональный статистический анализ данных. - СПб.: Питер, 2013. – 416 c.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Chernenko I.M., Pelymskaya I.S., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».