Управління знаннями на основі великих даних: бібліометричний аналіз тенденцій досліджень та тематичної еволюції (2010–2025)

Анотація

Використовуючи базу даних Scopus, у цьому дослідженні представлено комплексний бібліометричний аналіз управління знаннями на основі великих даних за період 2010–2025 років. Загалом було відібрано 1405 рецензованих статей, які проаналізовано за допомогою пакету biblioshiny та програми VOSviewer. Результати свідчать про значне зростання наукового виробництва після 2017 року, при цьому Китай і США є провідними країнами. Тематичний аналіз вказує на чіткий перехід від традиційних систем до інтелектуальних моделей на основі ШІ, машинного навчання та прогнозного прийняття рішень. Ці тенденції підкреслюють вирішальну роль аналітики великих даних у цифровій трансформації організаційних знань. Дослідження створює основу для подальших теоретичних та емпіричних розробок у цій галузі.

Ключові слова: управління знаннями на основі великих даних; бібліометричний аналіз; аналітика великих даних; цифрова трансформація; прийняття організаційних рішень.

DOI: 10.15276/mdt.10.3.2026.8

1. Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007 (in English).


2. Bornmann, L., & Daniel, H. (2008). What do citation counts measure? A review of studies on citing behavior. Journal of Documentation, 64(1), 45–80. https://doi.org/10.1108/00220410810844150 (in English).


3. Cobo, M. J., López-Herrera, A. G., Herrera-Viedma, E., & Herrera, F. (2011). Science mapping software tools: Review, analysis, and cooperative study among tools. Journal of the American Society for Information Science and Technology, 62(7), 1382–1402. https://doi.org/10.1002/asi.21525 (in English).


4. Côrte-Real, N., Oliveira, T., & Ruivo, P. (2017). Assessing business value of big data analytics in European firms. Journal of Business Research, 70, 379–390. https://doi.org/10.1016/j.jbusres.2016.08.011 (in English).


5. Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070 (in English).


6. Egger, M., Zellweger-Zähner, T., Schneider, M., Junker, C., Lengeler, C., & Antes, G. (1997). Language bias in randomised controlled trials published in English and German. The Lancet, 350(9074), 326–329. https://doi.org/10.1016/S0140-6736(97)02419-7 (in English).


7. Ferraris, A., Mazzoleni, A., Devalle, A., & Couturier, J. (2019). Big data analytics capabilities and knowledge management: Impact on firm performance. Management Decision, 57(8), 1923–1936. https://doi.org/10.1108/MD-07-2018-0825 (in English).


8. Glänzel, W., & Schoepflin, U. (1999). A bibliometric study of reference literature in the sciences and social sciences. Information Processing & Management, 35(1), 31–44. https://doi.org/10.1016/S0306-4573(98)00028-4 (in English).


9. Gou, J., Yu, B., Maybank, S. J., & Tao, D. (2021). Knowledge distillation: A survey. International Journal of Computer Vision, 129(6), 1789–1819. https://doi.org/10.1007/s11263-021-01453-z (in English).


10. Liang, T.-P., & Liu, Y.-H. (2018). Research landscape of business intelligence and big data analytics: A bibliometrics study. Expert Systems with Applications, 111, 2–10. https://doi.org/10.1016/j.eswa.2018.05.018 (in English).


11. Mahmood, T., & Mubarik, M. S. (2020). Balancing innovation and exploitation in the fourth industrial revolution: Role of intellectual capital and technology absorptive capacity. Technological Forecasting and Social Change, 160, Article 120248. https://doi.org/10.1016/j.techfore.2020.120248 (in English).


12. Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & The PRISMA Group. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), Article e1000097. https://doi.org/10.1371/journal.pmed.1000097 (in English).


13. Mongeon, P., & Paul-Hus, A. (2016). The journal coverage of Web of Science and Scopus: A comparative analysis. Scientometrics, 106(1), 213–228. https://doi.org/10.1007/s11192-015-1765-5 (in English).


14. Olan, F., Ogiemwonyi Arakpogun, E., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of Business Research, 145, 605–615. https://doi.org/10.1016/j.jbusres.2022.03.008 (in English).


15. Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Article n71. https://doi.org/10.1136/bmj.n71 (in English).


16. Ranjan, J., & Foropon, C. (2021). Big data analytics in building the competitive intelligence of organizations. International Journal of Information Management, 56, Article 102231. https://doi.org/10.1016/j.ijinfomgt.2020.102231 (in English).


17. Shamim, S., Zeng, J., Khan, Z., & Zia, N. U. (2020). Big data analytics capability and decision-making performance in emerging market firms: The role of contractual and relational governance mechanisms. Technological Forecasting and Social Change, 161, Article 120315. https://doi.org/10.1016/j.techfore.2020.120315 (in English).


18. Shi, W., Xia, C., & Meyer-Doyle, P. (2022). Institutional investor activism and employee safety: The role of activist and board political ideology. Organization Science, 33(6), 2404–2420. https://doi.org/10.1287/orsc.2021.1542 (in English).


19. Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 61(4), 66–83. https://doi.org/10.1177/0008125619862257 (in English).


20. Tallon, P. P., Ramirez, R. V., & Short, J. E. (2013). The information artifact in IT governance: Toward a theory of information governance. Journal of Management Information Systems, 30(3), 141–178. https://doi.org/10.2753/MIS0742-1222300306 (in English).


21. van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523–538. https://doi.org/10.1007/s11192-009-0146-3 (in English).


22. van Eck, N. J., & Waltman, L. (2014). Visualizing bibliometric networks. In Y. Ding, R. Rousseau, & D. Wolfram (Eds.), Measuring scholarly impact: Methods and practice (pp. 285–320). Springer International Publishing. https://doi.org/10.1007/978-3-319-10377-8_13 (in English).


23. Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901. https://doi.org/10.1016/j.jbusres.2019.09.022 (in English).


24. Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144. https://doi.org/10.1016/j.jsis.2019.01.003 (in English).


25. Xiang, Y. (2023). Ammonia-assisted reforming and dehydrogenation toward efficient light alkane conversion. Green Chemistry, 25(20), 7904–7915. https://doi.org/10.1039/D3GC02625F (in English).


26. Zheng, Z., Xie, S., Dai, H., Chen, X., & Wang, H. (2017). An overview of blockchain technology: Architecture, consensus, and future trends. In 2017 IEEE International Congress on Big Data (BigData Congress) (pp. 557–564). IEEE. https://doi.org/10.1109/BigDataCongress.2017.85 (in English).


27. Zhu, J., Chen, N., & Shen, C. (2021). A new multiple source domain adaptation fault diagnosis method between different rotating machines. IEEE Transactions on Industrial Informatics, 17(7), 4788–4797. https://doi.org/10.1109/TII.2020.3021406 (in English).


28. Zupic, I., & Čater, T. (2015). Bibliometric methods in management and organization. Organizational Research Methods, 18(3), 429–472. https://doi.org/10.1177/1094428114562629 (in English).