UPRAVLJANJE ZNANJEM

1. UPRAVLJANJE ZNANJEM (KNOWLEDGE MANAGEMENT)

2. Što je KM Knowledge Management sadrži skup aktivnosti za: • identifikaciju • prikupljanje • kreiranje • predstavljanje i distribuciju znanja za njegovu ponovnu upotrebu učenje i informiranost

3. Zašto KM • Pojava tehnologija koje omogućavaju KM i protok znanja u okviru organizacijskih sustava (ekspertni sustavi, baze znanja, upravljanje dokumentima...) • Pojava Interneta i na njemu temeljenih tehnologija (e-learning, web konferencije, content managemnet, Žute stranice, wikies, blogs, kolaboracijski alati....) • Organizacijske aktivnosti kao što su Communities of Practice, sustavizauvježbavanje i mentoriranje i sl. KM podupire strateške ciljeve poslovnog sustava u svrhu: • Dijeljenja zajedničke inteligencije • Poboljšanja performanci poslovnog sustava • Podizanja strateških prednosti • Podizanje inovativnih sposobnosti Tehnološki motiviran KM Ciljevi PS-a i KM

4. Pokretači KM-a • Znanja iz razvoja mnogobrojnih proizvoda i usluga postaju sve više dostupna • Potreba za sve kraćim životnim ciklusom proizvoda i upravljanje organizacijskim inovacijama • Utjecaj ekspertize i eksprata u organizacijama • Iskorištavanje mrežnog efekta kao produktivnih veza međuzaposlenima što je omogućilo dijeljenje znanja među ljudima u organizaciji • Upravljanje rastućim posjedovanjem podatka i informacija u kompleksnom poslovnom okruženju i omogućavanje zaposlenima brzog znanju i resursima “najbolje prakse” što omogućava organizacijsko učenje • Upravljanje intelektualnim kapitalom i intelektualnom imovinom zaposlenih u (vrhunskih stručnjaka koji imaju ta znanja i sposobni su ga prenijeti na druge) • Povećanje sposobnosti organizacije za odgovore na organizacijske promjene u okruženju.

5. Što je znanje Znanje (modificirano prema Oxford English Dictionary) definira kao: • Sposobnost za prepoznavanje činjenica, informacije i vještine postignute kroz iskustvo i/ili obrazovanje; teorijsko i praktično razumijevanje nekog subjekta • Ono što netko zna u nekom posebnom području ili u ukupnosti • Informiranost i svijest ili bliskost činjenicama i situaciji postignuto iskustvom

6. Vrste znanja i način objašnjenja • Proceduralno znanje – znanje o tome kako nešto uraditi • Deklarativno znanje - opisuje ono što je poznato u vezi s problemom koji se istražuje • Metaznanja – znanje o znanju; koristi se u izboru znanja potrebnog za rješavanje problema iz neke domene (problemskog prostora) • Heurističko znanje – pravila dobrog promišljanja temeljena na iskustvu, intuiciji i stečenim vještinama – empirijsko znanje • Procedure • Proceduralna pravila • Strategije • Programi • Koncepti, • Objekti • Činjenice • Određenje problemskog prostora i shvaćanje potrebnog znanja • Empirija – znanje temeljeno na probi i pogrešci; ne mora imati uvijek kvalitetno objašnjenje Vrste znanja Objašnjenja /tipovi

7. Vrste znanja i način objašnjenja • Strukturno znanje – opisuje mentalne modele i organizaciju problemskog prostora • Neegzaktna i neizvjesna znanja – nekompletni i nepouzdani podatci, nedostatne informacije, nejasne, metode, nejasni opis problemskog prostora • Ustaljena znanja (Commonsense) – znanja koja se ne oslanjaju na strogo dokazane teorije, neprecizna i nekompletna; teško je unaprijed znati iskoristivost tih znanja; oslanjaju se dobrim dijelom na aproksimacije, intuiciju i analogije • ONTOLOŠKA znanja opisuju kategorije stvari u nekoj domeni i pojmove koji se koriste u opisu tih stvari • Definiranje skupa pravila i aksioma • Konceptualizacija odnosa • Odnosi koncept – objekt • Uvođenje vjerojatnosti, • Procijenjene pripadnosti skupu(Fuzzy skupovi i fuzzy analize) • Uobičajene (zadane) pretpostavke • Aproksimativni koncepti • Generalne hijerarhije i analogije • Koncepti • Relacije među konceptima • Aksiomi • Ograničenja Vrste znanja Objašnjenja /tipovi

8. Opća menadžmentska paradigma • Management se sastoji od usmjeravanja i kontrole grupe ljudi ili entiteta s ciljemkoordiniranosti i usklađivanja aktivnosti za postizanje cilja; • Obuhvaća zapošljavanje i manipulaciju nad ljudskim, financijskim, tehnološkim, prirodnim i njima pripadajućim informacijskim resursima Izvor: SOPHOCLO PROJECT: TOGA Paradigm on Distributed Intelligence: A functional clusterof the subjective roles of personoids in the POF approach. This is also the TOGA genericmanagement model. Menadžment Uloga menadžera

9. Pristup KM-u – KM koncept • KM je usvojio, otkrio, inovirao i rafinirao koncepte iz različitih disciplina i prakse. • KM KONCEPT: to je sve ono što bi netko trebao znati da bi bio savjetodavac iliknowledge worker 1. Tehnocentrični pristup: • fokus je na tehnologiji; prikladan u slučaju kada se želi proširiti dijeljenje i rast znanja (omogućen tehnološkim rješenjima kao što su ekspertni sustavi, NN, semantički web) 2. Organizacijski pristup: • kako uspostaviti organizaciju koja će omogućiti proces prikupljanja, stvaranja i dijeljenja znanja 3. Ekološki pristup: • promatra interakciju ljudi, osobnosti, znanja i čimbenika okruženja kao adaptivni sustav Koncept Pristup

10. KM koncepti

11. Otkrivanje znanja Otkrivanje znanja je koncept u području informacijskih i računalnih znanosti koji opisuje automatsko pretraživanje velikih volumena podataka za uzorke koji se mogu smatrati znanjem o podatcima (najpoznatiji među njima je danas data mining – otkrivanjeznanja u velikim bazama podataka) • Otkrivanje znanja u softverskim rješenjima (reverzno inžinjerstvo)

12. Prikupljanje i usvajanje znanja Usvajanje znanja obuhvaća iznošenje znanja, prikupljnaje, analizu, modeliranje i vrednovanje znanja u procesu KM-a Problemi i pitanja za usvajanje znanja : • Većina je znanja u glavama eksperata • Eksperti imaju ogromnu količinu “tacitovog” znanja • Oni ne znaju što sve znaju i koriste iskustvo • Tacitovo znanje je teško (nemoguće ?) za opisati • Eksperti su teško dostupni i u pravilu prezaposleni • Jedan ekspert ne zna sve • Znanje ima svoj rok trajanja Izvor: Knowledge Acquisition, http://www.epistemics.co.uk/Notes/63-0-0.htm

13. Tehnike prikupljanja znanja 1. Tehnike generiranja protokola – • različiti tipovi intervjua (strukturirani, nestrukturirani polustrukturirani), tehnike stvaranja izvješća 2. Tehnike analize protokola – • analize intervjua i ostalih tekstualnih izvora da se identificiraju različita znanja, ciljevi, odluke, odnosi i atributi uz upotrebu različitih metoda observacije 3. Tehnike generiranja hijerarhijskih odnosa kao što je • skaliranje (metoda niza ljestvica), • taksonomije i druge hijerarhijske strukture kao što su • stabla ciljeva i • mreže odluka

14. Tehnike prikupljanja znanja 4. Matrične tehnike – uključuju • konstrukciju matrica (mreža) koje pokazuju odnose između problema i mogućih rješenja. Važan tip su okviri (frames) za prikaz koncepata i tehnike otkrivanja, analize i kategorizacije svojstava koncepata 5. Tehnike sortiranja – • koriste se da se uoči kako pojedinci stvaraju koncepte što može dovesti do novih otkrića između klasa, svojstava i prioriteta 6. Tehnike ograničenih informacija i izvršenje zadataka u datim ograničenjima – • promatra se ekspert u ograničenom vremenu ili s ograničenim informacijama da se uoče ključna pitanja i utvrde prioriteti 7. Tehnike bazirane na dijagramima –konceptne mape, mreže prijelaznih stanja, dijagrami događaja i procesne mape. Korisniza odgovore na pitanja “što, kako, kada, tko i zašto” vezanih uz procese i događaje. Izvor: http://www.epistemics.co.uk/Notes/63-0-0.htm

15. Usporedba tehnika za prikupljanjeznanja Izvor: Knowledge Acquisition, http://www.epistemics.co.uk/Notes/63-0-0.htm

16. Predstavljanje znanja • Forme za reprezentaciju znanja dobivene kroz otkrivanje znanja su: • Model podataka • Metapodatci • Metamodeli • Ontologije • Poslovna pravila • Metamodeli za otkrivanje znanja (KDM) • Zabilješke o poslovnim pravilima (BPMN) • Intermediarna reprezentacija • Okviri za opis resursa (RDF) • Softverske metrike • Izvor:"http://en.wikipedia.org/wiki/Knowledge_discovery" • U kognitivim znanostima razmatra se s aspekta kako čovjek pohranjuje i obrađuje znanje • U domeni umjetne inteligencije i strojnog učenja promatra se s spekta pohrane i programa koji ga može koristiti i postići simuliranu ljudsku inteligenciju Predstavljanje znanja Aspekti relevantni za predstavljanje

17. Predstavljanje znanja u računalu podesnoj formi • KR se u području umjetne inteligencije koristi • za reprezentaciju eksplicitnih objekata (klasa), njihovih svojstava i tvrdnji (činjenica) vezanih za njihove odnose; • Takva reprezentacija omogućuje računalu odnosno programu da iz nje izvuče zaključke i primijeni ga na druge slučajeve • KR metode uvedene 1970-ih i 1980-ih: • Heurističko pretraživanje ( question-answering, ) • Neuronske mreže, • Dokazi teorema, • Ekspertni sustavi • Programski jezici za reprezentaciju znanja ( Prolog • developed in 1972, KL-ONE (1980s) • Jezici za eksplicitno predstavljanje strukture • dokumenata ( SGML iz kojeg se razvio XML • Danas na web-u: Semantic Web, u kojem KR • bazirana na XML-u ( RDF, Topic Maps i slično)

18. Predstavljanje (reprezentacija) znanja • Linkovi i strukture • Hyperlink-ovi (1980. ih) • Semantički linkovi (1990. ih) • Matematičke tablice • Tablice istinitosti iz Boole-ove algebre • Proračunske tablice (Excel, Lotus123) • Vizualna reprezentacija • Umjetni jezici i obilježavanje (notacije) ; bazirani na logici, matematici i s gramatičkim analizatorima (parser) za strojnu obradu; • pripadaju širokoj domeni ontologija; • Ideja: znanje = teorija + informacija (L. Ballard ) • jezik ne mora nužno biti verbalni jezik; Alati Jezici

19. Pohrana i manipulacija znanjem • Pohrana i manipulacija znanjem; kako pohraniti znanje za ponovnu upotrebu i automatsko kotrištenje • od strane stroja; • Ekspertni sustavi • Strojno učenje • Strojno prevođenje • Strojno održavanje • Semantičke mreže; čvorovi predstavljaju koncepte alukovi se koriste za definiranje relacija među konceptima • Od 1960-ih izučavaju se okviri za predstavljnaje • znanja (li samo okviri ) Okviri imaju ime skup atributa ili slotova koji sadrže vrijednosti (npr. Okvir kuća ima slotove boja, stolarija, etaža...)

20. Baze znanja • BAZE ZNANJA • Načelno je to centralizirani repozitorij informacija; javna biblioteka, baza podataka o relevantnom području; u odnosu na ICT to je strojno čitljivi resurs za diseminaciju informacija (načelno online) • To nije statička kolekcija informacija već dinamički resurs koji ima sposobnost učenja (kao u ekspertnom sustavu ili semantičkom webu); ona daje smisao računalnoj kolekciji, organizaciji, pretraživanju i upotrebi znanja http://searchcrm.techtarget.com/sDefinition/0,,sid11_gci753399,00.html

21. Baze znanja • Strojno (računalno) čitljive baze znanja –baze su pohranjene u stroju čitljivom obliku; imaju automatsko deduktivno rezoniranje primjenjivo na baze uz upotrebu logičkih operatora; mogu imati aktivnu AI komponentu koja može sugerirati rješenje za neke probleme i mogu učiti iz iskustva Čovjeku čitljive baze znanja – omogućuju ljudima da koriste znanje koje je u njima pohranjeno; članci, pomoć za rješavanje problema, tutoriali, priručnici... Na semantičkom webu bazirane • Opća enciklopedija http://www.wikipedia.org • Enciklopedija astronomije • http://www.site.uottawa.ca:4321/astronomy/in dex.html • Agrovoc- enciklopedija poljoprivrede

22. Organizacija baza znanja • Mnoštvo baza znanja na internetu koje omogućuju: • •Kreiranje znanja • •Upravljanje znanjem • •Isporuku znanja • •Izvješčivanje Primjer: http://www.knowledgebase.net/