Technologie zarządzania wiedząsziolo/podyplomowe/edycja1/W05... · 2006-11-20 · Źródło:...

1

Technologie zarządzania wiedzą

2

2006-11-19 Technologie zarządzania wiedzą 2

Tendencje w biznesie

Źródło: Gladstone, B., From Know-How to Knowledge – The Essential Guide to Understanding and

Implementing Knowledge Management (za: Brdulak, J., Zarządzanie wiedzą – co to jest i po co to jest?,materiały dydaktyczne do przedmiotu Zarządzanie Wiedzą, Szkoła Główna Handlowa w Warszawie)

Żyjemy coraz szybciej. Cykl życia produktu i czas jego obecności na rynku zmniejszają się. Produkty stają się coraz bardziej spersonalizowane. Coraz częściej aby spełnić jakąś potrzebę klienta, trzeba ją najpierw stworzyć.

3


Modne hasło: zarządzanie wiedzą

• Wiedza – najcenniejszy zasób w organizacji.

• Zarządzanie wiedzą:– powstawanie wiedzy,

– przesyłanie wiedzy (dzielenie się wiedzą),

– wykorzystanie wiedzy.

• Robotnicy wiedzy (knowledge workers).

Powoduje to, że coraz więcej organizacji (nawet typowo produkcyjnych) musi opierać się na wiedzy. Dlatego zarządzanie wiedzą stało się w ostatnich latach modnym terminem. Powstał wręcz termin knowledge workers, oznaczający osoby, których podstawowym narzędziem pracy jest umysł, zaś materiałem –wiedza (kiedyś w Polsce używało się terminu „pracownik umysłowy”, ale to chyba jednak nie to samo).

Wiedza jest jedynym zasobem, którego ilość – gdy się go wykorzystuje – nie zmniejsza się, ale wręcz zwiększa. Tej cechy nie mają takie zasoby jak węgiel, stal czy papier do drukarki.

4


Wiedza dostępna i ukryta

• Wiedza dostępna (explicit, focal knowledge):– wiedza, którą udało się przedstawić za pomocą słów, liczb, znaków,

symboli, przez co stała się usystematyzowana i łatwa do przekazania.

• Wiedza ukryta (tacit knowledge):– wiedza, z której istnienia zdajemy sobie sprawę, i którą wykorzystujemy

w codziennym życiu, ale nie potrafimy do końca wyjaśnić jej istoty, przez co jej formalizacja i przekazanie innym jest bardzo trudne.

Źródło: Brdulak, J., Zarządzanie wiedzą – co to jest i po co to jest?, materiały dydaktycznedo przedmiotu Zarządzanie Wiedzą, Szkoła Główna Handlowa w Warszawie

Z wiedzą dostępną zwykle nie mamy problemu – zapisujemy ją w dokumentach, a jeśli mamy dużo dokumentów, możemy korzystać z systemów zarządzania dokumentami.

Cała sztuka polega na choćby częściowym opisaniu i przekazaniu wiedzy ukrytej.

5


Wiedza a kultura organizacyjna

• Psychologiczne bariery przepływu wiedzy:– „dzieląc się wiedzą oddajesz część swojej władzy”,

– „gromadzisz wiedzę – masz władzę – budujesz swój autorytet”,

– „korzystając z cudzej wiedzy przyznajesz, że jesteś niekompetentny”,

– „gdy pożyczam czyjąś wiedzę, muszę samemu sobie przyznać, że potrzebuję pomocy, muszę okazać swoją słabość”.

• Motywowanie do dzielenia się wiedzą:– ocenianie pracowników,

– udział w efektach wykorzystania wiedzy,

– tworzenie warunków do wymiany wiedzy:• czas i miejsce,

• technologia.

Na podstawie: Fazlagić, A., Jak motywować do dzielenia się wiedzą, http://www.fazlagic.egov.pl/artykul.php?artykul=48&zakladka=4

Dzielenie się wiedzą jest przede wszystkim aspektem organizacyjnym, a nie technologicznym. Sprawne dzielenie się wiedzą wymaga odpowiedniej kultury organizacyjnej, niwelującej psychologiczne bariery przepływu wiedzy. Braku takiej kultury organizacyjnej nie da się zastąpić wdrożeniem nawet najlepszego systemu zarządzania wiedzą, gdyż będzie on po prostu nieużywany. Technologia jest jedynie jednym z czynników usprawniających wymianę wiedzy, o ile ona w ogóle w organizacji występuje.

6


Rozwiązania technologiczne

• System plików (na dysku sieciowym).

• System zarządzania dokumentami/treścią:– metainformacje, workflow, wersje, uprawnienia, ...,

– Intranet – zarządzanie i publikowanie treści w jednym.

• Portal korporacyjny:– każdy jest zarówno czytelnikiem, jak i autorem,

– udostępnianie zintegrowanej informacji z:• systemów biznesowych organizacji,

• Internetu;

– jednokrotna autoryzacja dostępu do wszystkich zasobów,

– personalizacja.

• Czy to jest zarządzanie wiedzą?

Często zdarza się, że zwykłe systemy zarządzania dokumentami czy portale korporacyjne są oferowane pod etykietką system zarządzania wiedzą. Warto więc zwrócić uwagę na to, czy rzekomy system zarządzania wiedzą nie jest po prostu zwykłym portalem korporacyjnym.

7


Czym tak na prawdę jest wiedza?

• To więcej niż:– informacja,

– tekst,

– dokument.

• To sieć– powiązań,

– relacji,

– skojarzeń

między– informacjami,

– doświadczeniami,

– spostrzeżeniami.

• Tymczasem:– systemy zarządzania

dokumentami,

– systemy zarządzania treścią,

– portale korporacyjne

operują na dokumentach!

Systemy zarządzania dokumentami i portale operują bowiem na dokumentach, a wiedza to coś więcej niż tylko treść dokumentów.

8


Wiedza a technologia

• Modelowanie wiedzy:– ontologia – schemat modelowanej

dziedziny:• typy pojęć,

• typy relacji między pojęciami,

– mapa wiedzy:• abstrakcyjne pojęcia,

• powiązania między pojęciami,

• dokumenty przyczepione do pojęć.

• System zarządzania wiedzą:– budowanie ontologii,

– budowanie, rozwijanie mapy wiedzy,

– nawigacja po mapie wiedzy.

Nie da się sformalizować całej wiedzy ukrytej, ale przynajmniej jej najistotniejszą część można opisać przy pomocy mapy wiedzy, zbudowanej wg określonego schematu, specyficznego dla danej dziedziny, zwanego ontologią. Treścią takiej mapy wiedzy są pojęcia, reprezentujące rzeczywiste byty, oraz powiązania pomiędzy tymi pojęciami.

9


Ontologia

• Ontologia – dział filozofii zajmujący się ogólną teorią bytu, charakterem i strukturą rzeczywistości.Słownik wyrazów obcych i zwrotów obcojęzycznych Władysława Kopalińskiego, http://www.slownik-online.pl

• Ontologia stanowi wspólną reprezentację pewnej dziedziny działalności ludzkiej, która może być wykorzystana jako platforma porozumienia pozwalająca na spójne podejście do rozwiązywania problemów w tej dziedzinie.

• Ontologia obejmuje pewną wizję świata ograniczoną do danej dziedziny. Taka wizja zazwyczaj jest wyrażana jako zbiór pojęć, definicji tych pojęć oraz ich wzajemnych powiązań. Taką reprezentację dziedziny nazywamy często jej konceptualizacją

Źródło: Uschold, M., Artificial Intelligence Application Institute, University of EdinburghZa: Staniszkis, W., Architektura systemów zarządzania

wiedzą, Rodan Systems S.A.

Słowo ontologia ma znaczenie znacznie szersze, niż tylko w kontekście tworzenia map wiedzy. Ale w naszym rozumieniu ontologia oznacza pewien abstrakcyjny model tego wycinka rzeczywistości, który nas interesuje.

10


Mapa wiedzy – przykład

śledź

solony

śledź

ryba

danie

rybne

śledź

świeży

natka

pietruszkisuszona

pietruszka

główny składnik

główny składnik

rodzaj

rodzajrodzaj

przygotowywany z

śledzie

w śmietanie

śledzie

w oliwie

podobny do

grupa

grupa

składnik

można

zastąpić

Pojęcia w tym przykładzie reprezentują przepisy kulinarne oraz składniki tych przepisów. W powiązaniach między pojęciami jest zakodowana wiedza doświadczonego kucharza np. o tym, że jeden składnik można bez większej straty jakościowej zastąpić innym składnikiem.

11


Ontologia – przykład

• Typy pojęć:– przepis,

– grupa przepisów,

– składnik.

• Relacje:– składnik wchodzi w skład przepisu,

– składnik jest głównym składnikiem przepisu,

– składnik jest rodzaju składnik,

– składnik jest przygotowywany ze składnika,

– składnik można zastąpić składnikiem,

– przepis należy do grupy przepisów,

– przepis jest podobny do przepisu

Ontologia definiuje typy pojęć oraz dopuszczalne powiązania. W ten sposób ontologia porządkuje modelowany przez nas wycinek rzeczywistości.

12


Wiedza operacyjna a wiedza abstrakcyjna• Wiedza operacyjna:

– opisuje konkretne instancje obiektów i ich własności, np.:

• klienta Jana Kowalskiego,

• polisę nr 1234-5678/2002;

– często się zmienia,

– ma charakter relacji bazodanowych.

• Wiedza abstrakcyjna:– opisuje własności abstrakcyjnych

bytów (klas obiektów), np:• zakres ubezpieczenia terminowego

na życie;

– nie zmienia się w wyniku działalności operacyjnej,

– ma charakter luźnej sieci powiązań.

Wiedzę wykorzystywaną w organizacjach (i modelowaną w mapach wiedzy) możemy podzielić na operacyjną i abstrakcyjną. Oczywiście podział ten ma charakter akademicki – pozwala nam uzmysłowić sobie różnicę, ale tak na prawdę rzadko występuje w czystej postaci w przyrodzie. Często bowiem łączymy w mapie wiedzy elementy wiedzy abstrakcyjnej oraz operacyjnej, np. opisując w części abstrakcyjnej własności ubezpieczenia terminowego na życie, oraz dla konkretnych polis z części operacyjnej – określając ich rodzaj poprzez powiązania z obiektami części abstrakcyjnej.

Najczęściej wiedza operacyjna to po prostu zwykła baza danych. Wydaje się jednak, że nazywanie np. bazy klientów i zamówień systemem zarządzania wiedzą byłoby lekką przesadą.

13


Korzenie: sztuczna inteligencja

• Sztuczna inteligencja:– nauka o mechanizmach racjonalnego działania oraz budowaniu

algorytmów stosujących te mechanizmy,

– intensywnie rozwijana w latach 70-tych.

• Obszary zainteresowań:– przetwarzanie języka naturalnego,

– reprezentacja wiedzy,

– automatyczne wnioskowanie,

– uczenie maszynowe.

– systemy eksperckie.

• Sztuczna inteligencja a zarządzanie wiedzą:– to człowiek, a nie maszyna, wykorzystuje wiedzę,

– problemem jest efektywny dostęp do zgromadzonej wiedzy.

Każdy zapewne słyszał hasło sztuczna inteligencja. Nie każdy wie, że jest to poważna gałąź informatyki, której rozwój zaowocował opracowaniemzaawansowanych sposobów reprezentacji wiedzy (takich jak sieci semantyczne) oraz algorytmów wykorzystania tej wiedzy – np. poprzez automatyczne wnioskowanie. Mechanizmy te były i są wykorzystywane w tzw. systemach eksperckich, które zawierają zakodowaną wiedzę eksperta z danej dziedziny, dzięki czemu mogą pomóc np. w postawieniu diagnozy pacjenta na podstawie objawów, czy też określeniu ryzyka ubezpieczeniowego na podstawie charakterystyki klienta.

Uczenie maszynowe polega na reagowaniu przez algorytm na bodźce uczące (przykładowe poprawne wyniki). Algorytm dostosowuje się do nich, potrafiąc w rezultacie rozwiązać przypadki podobne do nich. Najbardziej znanym mechanizmem uczenia maszynowego są sieci neuronowe, których podstawą jest matematyczny model neuronu.

14


Mapa wiedzy a dokumenty

• Wiedza zawarta w:– pojęciach i powiązaniach

w mapie wiedzy,

– treści dokumentów.

Szekspir –

biografia

Hamletby W. Shakespeare

Szekspir „Hamlet”

napisał

autor dzieło

biografia treśćzdjęcie

Poeta

Warstwa

dokumentów

Warstwa

pojęć

Dokumenty nie należą w zasadzie do mapy wiedzy, lecz tworzą osobną warstwę dokumentów, które możemy dowiązać do pojęć mapy wiedzy, określając w ten sposób semantykę tych pojęć.

Rozdział ten jest istotny, ponieważ wiedza jest zakodowana nie tylko w samej mapie wiedzy, ale także w treści dokumentów. Aby więc móc korzystać ze zgromadzonej wiedzy w sposób pełny, musimy potrafić w łatwy sposób znaleźć dokumenty zawierające interesującą nas treść.

15


Mapy wiedzy – technologia

• Kodowanie map wiedzy:– RDF – Resource Description Framework,

– Topic Maps.

• Języki zapytań o zawartość mapy wiedzy:– RDQL – Resource Description Query Language,

– TMQL – Topic Map Query Language.

• Budowanie ontologii:– OWL Web Ontology Language.

• Automatyczne wnioskowanie (tworzenie nowych powiązań) na podstawie zawartości mapy wiedzy i określonych reguł wnioskowania.

16


Jak dotrzeć do wiedzy zawartej w dokumentach?• Znajdowanie właściwych dokumentów:

– nawigacja po mapie wiedzy,

– wyszukiwanie pełnotekstowe:• często wystarczy odnaleźć rozwiązanie podobne,

• na czym polega „podobieństwo”? jak je wyrazić?

• Wyszukując w treści dokumentów, powinniśmy uwzględnić:– wiedzę zakodowaną w mapie wiedzy o zależnościach

między pojęciami,

– wiedzę ukrytą.

• Rozwiązanie:– wyszukiwanie wsparte modelem wiedzy.

Komplementarną do nawigacji po mapie wiedzy metodą dotarcia do właściwej informacji jest wyszukiwanie w treści dokumentów. Jednak zwykłe wyszukiwanie pełnotekstowe nie rozwiązuje problemu, ponieważ nie uwzględnia wiedzy, którą zawarliśmy w mapie wiedzy. Nie uwzględnia także wiedzy ukrytej, którą każdy ekspert posiada i na co dzień z niej korzysta, lecz z oczywistych powodów nie posiada jej system komputerowy. Chodzi tu np. o wiedzę o synonimach, terminach bliskoznacznych, czy też podobieństwach między podstawowymi terminami (np. o tym,że śledź jest rodzajem ryby).

Mechanizm wyszukiwania wspartego modelem wiedzy pozwala wykorzystać tego typu wiedzę podczas wyszukiwania, skutkiem czego w wyniku wyszukiwania otrzymujemy nie tylko dokumenty zawierające szukany termin, ale też terminy podobne czy synonimy.

17


Wyszukiwanie a wiedza

• Wyszukiwanie wsparte modelem wiedzy:

– konfrontuje zapytanie z modelem wiedzy,

– znajduje dokumenty semantycznie odpowiadające zapytaniu.

baza wiedzy

wiedza dane i dokumenty

zapytanie

inteligentne odpowiedzi

Każda wyszukiwarka przeszukuje zawartość danych i dokumentów. Wyszukiwarka wsparta modelem wiedzy dodatkowo wykorzystuje podczas budowania indeksu oraz wyszukiwania informacje zawarte w modelu wiedzy. Dzięki temu wyniki wyszukiwania uwzględniają pewną wiedzę na temat podobieństw pojęć.

18


Model wiedzy – przykład

• Typ: składnik.

• Wartości i podobieństwa:

2020000koperek

2080000suszona pietruszka

2090000natka pietruszki

0006080śledź solony

00090100śledź świeży

000100100śledź

koperek

suszona pietruszka

natka pietruszki

śledź solony

śledź świeży

śledź

Model wiedzy dla wyszukiwarki różni się od mapy wiedzy, po której można nawigować, i jest oparty na podobieństwach pojęć. Typy pojęć, pojęcia oraz podobieństwa pomiędzy nimi trzeba określić metodą ekspercką.

Tabela podobieństw nie musi być symetryczna – podobieństwo może być inne, gdy szukamy pojęcia śledź solony, a w dokumencie znajduje się śledź świeży, a inne w sytuacji odwrotnej.

19


Model wiedzy – przykład

• Typ: kaloryczność

• Funkcja podobieństwa:

szukana wartość

100%

Wiedzę na temat wielkości liczbowych można zapisywać w postaci funkcji podobieństwa. Dzięki temu poszukiwanie potraw o podanej kaloryczności zwróci także potrawy o kaloryczności niższej oraz nieznacznie wyższej.

20


Semantic Web

• The Semantic Web will bring structure to the meaningful content of

Web pages, creating an environment where software agents roaming

from page to page can readily carry out sophisticated tasks for users.

Tim Berners-Lee, Scientific American, May 2001

• Internetowa infrastruktura publikacji danych:– neutralna (niezależna od aplikacji),

– umożliwiająca przetwarzanie informacji przez programy w celu:• automatyzacji,

• agregacji,

• wielokrotnego użycia.

• To jest ciągle wizja:– zdania nie oznaczają faktów,

– potrzebna jest kodyfikacja wiedzy codziennej,

– pojawiają się problemy związane z etyką oraz bezpieczeństwem.

• Pojawiają się pierwsze technologie.

Sformułowana w 2001 roku przez twórcę Internetu Tima Bernersa-Lee wizja Semantic Web to sieć, w której informacje są nie tylko czytane przez ludzi na stronach internetowych, ale także wykorzystywane przez komunikujące się ze sobą „inteligentne” agenty pomagające nam w prostych zadaniach, takich jak umówienie się do lekarza czy zorganizowanie spotkania. Aby było to możliwe, informacje publikowane i wymieniane w sieci muszą mieć zamiast formy tekstowej – postać strukturalną, nadającą się do automatycznego przetworzenia. Co więcej, musi być określone znaczenie wymienianych w te sposób danych (np. danych o wolnych terminach lekarza).

Jest to ciągle wizja przyszłości, choć pierwsze prototypowe rozwiązania już powstają.

21


Gdzie szukać dalej

• eGov.pl – Forum Nowoczesnej Administracji Publicznej� www.egov.pl → Opracowania → Zarządzanie wiedzą

• Fazlagić, A., publikacje n/t zarządzania wiedzą� www.fazlagic.egov.pl

• e-Mentor – czasopismo internetowe Szkoły Głównej Handlowej w Warszawie� e-mentor.edu.pl/archiwum.php?id_kategorii=2

• Gotcha! – On target for the needs of the knowledge management community� www.sims.berkeley.edu/courses/is213/s99/Projects/P9/web_site

22


Gdzie szukać dalej

• Bray. T., What Is RDF?� www.xml.com/pub/a/2001/01/24/rdf.html

• topicmap.com – Hand-crafted Machine-generated Knowledge Interchange� www.topicmap.com

• Learn more about Topic Maps� www.ontopia.net/topicmaps/learn_more.html

• Berners-Lee, T., Lassila, O., Hendler, J., Semantic Web

� Scientific American, May 2001

� www.kbs.uni-hannover.de/Lehre/KI1/WS02/trails/skript/modul4/rawdata/Article.html

Technologie zarządzania wiedząsziolo/podyplomowe/edycja1/W05... · 2006-11-20 · Źródło:...

Documents

Transcript of Technologie zarządzania wiedząsziolo/podyplomowe/edycja1/W05... · 2006-11-20 · Źródło:...