Кафедра "Менеджмент"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/7475

Офіційний сайт кафедри http://web.kpi.kharkov.ua/mto

Від грудня 2021 року кафедра має назву "Менеджмент", попередня назва – "Менеджмент та оподаткування".

Кафедра "Менеджмент та оподаткування" заснована у 1991 році, добре відомим в Україні організатором науки та освіти, доктором технічних наук, заслуженим діячем науки і техніки України, академіком Леонідом Миколайовичем Івіним та є першою в Україні кафедрою менеджменту.

Кафедра входить до складу Навчально-наукового інституту економіки, менеджменту і міжнародного бізнесу Національного технічного університету "Харківський політехнічний інститут". За понад 30-річний період кафедрою здійснено підготовку і випуск понад 2000 фахівців в області менеджменту.

У складі науково-педагогічного колективу кафедри працюють: 3 доктора економічних наук, 23 кандидата наук: 18 –економічних, 2 – технічних, 1 – фізико-математичних, 1 – педагогічних, 1 – наук з державного управління; 2 співробітника мають звання професора, 18 – доцента. Викладачі кафедри мають практичний міжнародний досвід та володіють англійською мовою, що дає змогу проводити навчання як українською, так і англійською мовами.

Переглянути

Результати пошуку

Зараз показуємо 1 - 10 з 452

Managing resistance to artificial intelligence implementation
(Teadmus OÜ, 2024) Shmatko, Nataliia; Ivchyk, Vasyl
This article looks at how to successfully bring Artificial Intelligence (AI) into organizations, something that often gets tripped up by different kinds of resistance like psychological, organizational and ethical. People often resist AI because they’re worried about losing their jobs or just don’t trust the systems. To deal with this, companies need to really focus on building trust. They can do this by being open and honest, explaining how AI works and letting users have some control over how they interact with it. On the organizational side, resistance can be tackled by making sure AI projects fit with the company’s overall strategy, creating a culture that welcomes new ideas and having good data management and ethical practices in place. Ethical issues, like bias, data privacy and who’s responsible when things go wrong, are also big factors in resistance. To handle these, you need solid ways of dealing with ethical problems, making sure things are fair and protecting people's privacy. It’s also important to remember legal stuff, like data protection and transparency laws, which can help reduce resistance. If organizations plan carefully and keep talking to the people involved, they can smooth the way for AI adoption. Plus, education and a supportive environment make everything go much easier. This article emphasizes that AI systems need to be constantly checked and improved to make sure they’re used responsibly. By taking a good look at the psychological, organizational and ethical worries, businesses can manage resistance, get the most out of AI and get everyone on board. This complete approach makes sure that putting AI in place is good for both the business and society, building trust and acceptance from everyone involved.
Corporate social responsibility in Ukraine's VUCA world
(Харківський національний автомобільно-дорожній університет, 2024) Yang, Wenlong; Brin, P. V.
Key metrics and their role in evaluating business scaling effectiveness
(Харківський національний автомобільно-дорожній університет, 2024) Volkov, Oleksii
Breaking through obstacles to AI selection in management
(International Center of Scientific Research, 2024) Ivchyk, Vasyl
The study’s purpose is to investigate the challenges organizations face in successfully implementing Artificial Intelligence (AI), with a focus on psychological, organizational, and ethical barriers. Its goal is to propose strategies that reduce resistance, build trust, and enable the smooth integration of AI technologies into business operations. Methodology. The research is grounded in a thorough review of existing literature and real-world cases, using a qualitative approach to uncover the root causes of resistance. Key areas of focus include psychological fears, organizational misalignments, and ethical concerns. The study suggests strategic frameworks and best practices to address these barriers effectively. Results. The analysis highlights that psychological resistance stems from fears of job loss and mistrust of AI, while misaligned strategies and cultural inertia drive organizational resistance. Ethical issues, such as bias, accountability, and privacy violations, further complicate adoption. Strategies like promoting transparency, aligning AI with business objectives, establishing strong governance, and tackling ethical concerns can significantly mitigate these challenges and accelerate AI adoption. Practical Implications. The study provides actionable recommendations for business leaders and policymakers to address resistance to AI. Measures such as fostering transparency, providing training, and ensuring ethical compliance are essential for building stakeholder trust. Originality. This research presents a comprehensive framework for overcoming resistance to AI adoption, integrating psychological, organizational, and ethical perspectives. By bridging theory and practice, it offers innovative insights to help organizations harness AI's transformative potential while adhering to societal and ethical standards.
Реінжиніринг бізнес-процесів в умовах Industry 5.0
(Житомирська політехніка, 2024) Лисенко, Сергій Миколайович; Маковоз, Оксана Сергіївна
Agile методології управління цифровою трансформацією бізнес-процесів
(Національний технічний університет "Харківський політехнічний інститут", 2024) Лисенко, Сергій Миколайович; Маковоз, Оксана Сергіївна
Цифрова трансформація – складова сталого розвитку
(Одеський національний економічний університет, 2024) Маковоз, Оксана Сергіївна; Лисенко, Сергій Миколайович
Siemes digital transformation case study towards organizational scale and success in electrical engineering industry
(Національний університет "Запорізька політехніка", 2024) Buriak, Mykhailo; Lysenko, Sergii; Shevchenko, Roman
This study investigates a range of scaling strategies for electrical engineering firms, with a focus on various crucial aspects such as internal innovation, strategic regional expansion, geographical proximity, and collaborative partnerships. Internal innovation is highlighted as a key driver of growth, as it allows firms to develop new technologies and processes that can differentiate them from competitors. Strategic regional expansion is discussed as a means to tap into new markets and leverage local opportunities, while geographical proximity is examined for its impact on operational efficiency and customer relationships. Collaborative partnerships are also emphasized for their role in enhancing capabilities and driving mutual benefits. The case study of Siemens AG serves as a prominent example, showcasing how digital technologies like the Internet of Things (IoT), artificial intelligence (AI), and cloud computing have significantly transformed their approach to scaling. Siemens AG's experience underscores how these technologies can support internal innovation, streamline regional expansion efforts, overcome geographical barriers, and foster effective collaborations. The article proposes a detailed framework in which digital transformation is central to driving these strategies. It argues that digital technologies are not just enablers but essential components that fuel innovation across various domains. Additionally, digital transformation is posited as a critical factor in facilitating smoother and more effective expansion into new regions, bridging geographical gaps that can otherwise impede growth, and enhancing collaborative efforts both within and outside the organization. By integrating these elements, businesses can achieve sustainable growth and maintain a competitive edge in an ever-evolving and challenging market landscape.is considered near the evaluation of efficiency of management an enterprise. Evaluation technology is realized on the basis of comparison of financial indexes, in particular to the analysis of indexes of profitability and analysis of business activity.
Сутність та особливості виробничої діяльності підприємства
(Державний біотехнологічний університет, 2024) Вінівітін, О. Ю.; Коптєва (Фадєєва), Ганна Миколаївна
Управління цифровою трансформацією бізнес-процесів у контексті Індустрії 5.0
(Державний біотехнологічний університет, 2024) Маковоз, Оксана Сергіївна; Лисенко, Сергій Миколайович

Кафедра "Менеджмент"

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку