تحلیلی بر یادگیری سازمانی و حکومتی؛ تفاوت های یادگیری سطحی و عمیق در تصمیم‌گیری
علینقی مشایخی، اقتصادان معتقد است: یادگیری در سازمان ها و حکومت ها در دو لایه سطحی (تغییر قواعد تصمیم گیری) و عمیق (تغییر پیش فرض های ذهنی) رخ می دهد. اصلاح پیش فرض‌های اشتباه کلید اصلی دستیابی به بهبود پایدار است.
یادگیری در افراد و همچنین در سازمان ها و حکومت ها در دو لایه سطحی و عمیق می تواند اتفاق بیفتد. یادگیری در سازمان ها و حکومت ها به صورت یادگیری هماهنگ در مدیران و افراد تاثیرگذار بر تصمیمات آنهاست. یادگیری در لایه عمیق متوجه تغییر در پیش فرض های ذهنی افراد است. یادگیری در لایه سطحی متوجه تغییر قواعد تصمیم گیری است که با فرض آنکه پیش فرض ها واقعیت دارد تنظیم و به کار گرفته می شوند.
افراد پیش فرض ها و باورهایی در مورد دنیای واقع در ذهن خود دارند. پیش فرض ها و باورها در گذر زمان و در نتیجه تحصیلات، تجربیات و تعاملات اجتماعی و محیط تربیتی و رشد افراد شکل می گیرد. افراد پیش فرض های موجود در ذهن خود را به منزله واقعیات دنیای بیرون تلقی می کنند. به عنوان مثال اینکه افزایش قیمت ها نتیجه گران فروشی گران فروشان است یا اینکه برخی کشورها دشمن ما هستند یا افراد موثر در گروه سیاسی X عامل دشمنان خارجی هستند یا بخش خصوصی دزد است، از جمله پیش فرض های ممکن در ذهن افراد است. این پیش فرض ها به همراه اطلاعاتی که از دنیای واقع جمع آوری می شود، مبنای تصمیم گیری قرار می گیرند. پیش فرض ها نه تنها چارچوب و محدودیت تصمیمات را تعیین می کنند، بلکه بر اطلاعاتی که از دنیای واقع برای تصمیم گیری جمع می شود نیز اثر می گذارند. به عبارت دیگر افراد با عینکی از پیش فرض ها دنیا را می بینند و اطلاعاتی از دنیای واقع مشاهده می کنند که متاثر از پیش فرض های آنها و حتی در تایید آن پیش فرض هاست.
یک مرحله از یادگیری افراد در سازمان ها این است که بدون تغییر پیش فرض ها و با فرض بر واقعی بودن آن پیش فرض ها برای بهبود وضعیت تصمیم بگیرند. چنانچه تصمیمات جدید به بهبود وضعیت منجر نشد، بدون تغییر پیش فرض ها، تصمیمات جدیدی اتخاذ و اعمال می شود. این چرخه تصمیم گیری، در چارچوب پیش فرض ها را چرخه اول یادگیری یا یادگیری سطحی برای بهبود وضعیت می نامند. در این چرخه بدون تغییر در پیش فرض ها قواعد تصمیم گیری تغییر می کند تا نتیجه مطلوب به دست آید و یادگیری در مورد قواعد بهتر تصمیم گیری بر اساس پیش فرض های موجود صورت پذیرد.
مشکل چرخه اول آن است که اگر پیش فرض ها غلط باشد، هر تصمیمی بر مبنای پیش فرض های غلط نتیجه بخش نیست. باید پیش فرض های اشتباه اصلاح شود. چنانچه بازخورد حاصل از عدم بهبود وضعیت موجب اصلاح پیش فرض ها شود، چرخه دوم یادگیری فعال شده است.
در واقع چرخه دوم یادگیری موجب یادگیری عمیق و اصلاح پیش فرض ها می شود و با اصلاح پیش فرض ها اطلاعات جدیدی جمع آوری می شود، تصمیمات بر مبنای پیش فرض های جدید اتخاذ می شود که می تواند موجب بهبود وضعیت شود. اگر با پیش فرض های جدید وضعیت بهتر نشد، با تکرار چرخه دوم و سپس تکرار چرخه اول بر مبنای پیش فرض جدید بالاخره راه بهبود وضعیت یاد گرفته می شود و وضعیت بهتر می شود.
