Ülesanne 1. Teadmusjuhtimise süsteemid ja tehnoloogid...
1. Mis on teadmusjuhtimise süsteemid ja tehnoloogiad?
2. Kuidas on teadmusjuhtimise protsessid, süsteemid, mehhanismid ja tehnoloogiad omavahel seotud?
Teadmusjuhtimine sõltub kolmest komponendist:
* teadmusjuhtimise infrastruktuur,
* teadmusjuhtimise mehhanismid,
* teadmusjuhtimise tehnoloogiad.
Süsteemid ja tehnoloogiad on teadmusjuhtimise olulised komponendid.
Teadmusjuhtimise süsteemid jaotatakse rühmadesse, lähtudes teadmusjuhtimise protsessidest:
1. teadmushõive ja teadmusloome (teadmushõive ja kogumise süsteemid),
2. teadmuse jagamine (teadmuse jagamise süsteemid),
3. teadmuse rakendamine (teadmuse rakendamise süsteemid.
Teadmusjuhtimise süsteemid on seotud organisatsiooni eesmärkidega, milledeks on informatsiooni ja teadmiste loomise ja jagamise parendamine, organisatsiooni enda toimimise parandamine informatsiooni ja teadmiste parema loomise, jagamise ja kasutamise kaudu. Samuti võib eesmärgiks lugeda ka konkurentsieelise või innovatsiooni tagamist.
Teadmusjuhtimise tehnoloogiatena käsitletakse infotehnoloogiaid, mis soodustavad teadmusjuhtimist. Oma olemuselt on see sarnane infotehnoloogiale. Erinevus seiseneb vaid selles, et keskendutakse teadmusjuhtimisele mitte infojuhtimisele. Teadmusjuhtimise tehnoloogiatena võib vaadelda ka sotsiaalse tarkvara vahendeid.
Teadmushõive ja kogumise süsteemid...
... toetavad uue vaike- või väljendatud teadmuse loomise protsessi või sünteesi eelnevatest teadmistest. Need võimaldavad hankida teadmist, kas organisastioonis või siis väljaspool seda (nt konsultatntidelt, konsulentidelt, klientidelt, tarbijatelt jne). Teadmushõive ja kogumise süteemid toetavad teadmusjuhtimise kombineerimist ja sotsialiseerumist.
Kombineerimine võimaldab uue väljendatud teadmuse loomist, mida võib teadmiste laiendamise etapiks pidada. Olemasolev väljendatud teadmus kasutatakse uue väljendatud teadmuse loomiseks. Toimub väljendatud teadmuse võimendumine läbi erinevate tegevuste ja kombineerimiste. Sotsialiseerumise kaudu soodustatakse vaiketeadmuse sünteesi. See võimaldab uue vaiketeadmuse loomist ühiste tegevuste kaudu. Üheks teadmushõive ja -kogumise mehhanismideks on storytelling ehk loo jutustamine. Varasemalt kasutati seda mehhanismi vanemate põlvkondade kogemuste edasiandmist noorematele. Tänapäeval hakatakse seda mehhanismi uuesti üha enam kasutama.
Sotsialiseerumine on iseloomulik paljudele organisatsioonidele. See võib toimuda eesmärgipäraselt või ka juhuslikult. Sotsaialiseerumist soodustavad töötajate rotatsioon erinevates osakondades, samuti teaduskonverentsid, koostööprojektid, ajurünnakud, muud rühmatööd jm.
Teadmushõive protsessideks on andmete eeltöötlemine, teadmiste hankimine ning järelanalüüs.
Andmete eeltöötlemine:
* andmete puhastamine (nt müra eemaldamine) ja nende ühtlustamine,
* andmete kombineerimine (erinevate andmeallkiate koondamine),
* andmete alamosadeks jaotamine (vajalike andmete hankimine ja valimine edasiseks analüüsiks),
* andmete muundamine ja normeerimine (muutujate koondamine üheks).
Teadmiste hankimine on seotud andmekaevega. Andmekaeve eesmärgiks on kasulike mustrite avastamine suurtest andmehulkadest ning andmete muutmine kasulikeks teadmisteks. Andmekaeve on mahukate andmete analüüs, leidmaks uusi seaduspärasusi ja seoseid. Andmed summeeritakse sellisel viisil, et need oleksid samaaegselt arusaadavad ja kasulikud. Andmekaeve hõlmab väga erinevaid teadusharusid ja metoodikaid - andmebaasitehnoloogiad, tehisintellekt, masinõppimine, statistika, mustrite äratundmine, teadmuspõhised süsteemid, teadmiste omandamine, informatsiooni ammutamine ning andmete visualiseerimine. Andmekaeve võib olla prognoosiv analüüs ja/või kirjeldav analüüs. Prognoosiva analüüsi eesmärgiks on olemasolevate andmete põhjal tuleviku või tundmatute väärtuste hindamine. Kirjeldava analüüsi ülesandeks on andmete omaduste kirjeldamine.
Andmekaevel on mitmeid rakendusvaldkondi (nt turundus, finants- ja kindlustusteenused, veeb). Siinkohal vaatlen veebi andmekaevet.
Veebi andmekaeve võib jagada kolmeks osaks:
1. veebi struktuuri andmekaeve - uuritakse, kuidas veebidokumendid on struktureeritud, vajalik veebilehtede kategooriatesse paigutamiseks ning seoste ja sarnasuste leidmiseks;
2. veebi kasutamise andmekaeve - üritatatakse leida veebi kasutajate käitumismustreid teatud valdkonna veebilehtede navigeerimisel, analüüsitakse nt päringute tegemist, hiireklõpse jmt;
3. veebisisu andmekaeve - kasutatakse veebilehtede sisu määratlemiseks ja uue teadmuse loomiseks.
Video 1. What is Data Mining?
Teadmushõives kasutatakse ekpertteadmnuse hankimiseks mõistekaarti. See on visuaaliseerimise tehnika, mille abil saab väga hästi teadmust struktureeridaja mõistetevahelisi seoseid välja tuua (esitada). Mõistekaarti kohta võib rohkem lugeda minu blogist, kus olen täienduskoolituskursuse kodutööna välja toonud mõiste- ja ideekaarti tähenduse, erinevused ja sarnasused.
Video 2. Maximise the Power of Your Brain - Tony Buzan Mind Mapping.
Video 3. How can you use Mind Maps to solve problems?
Järelanalüüs:
* tulemuste hindamine, testandmete rakendamine - hinnatakse leitud mustri huviväärsust, selleks peab leitud tulemus olema kergesti tõlgendatav, püsiv, kasulik ning informatiivne,* teadmiste rakendamine - tulemuste rakendamine ülesannetes või info lisamine ekspertsüsteemidesse.
Teadmuse jagamise süsteemid...
... toetavad protsesse, mille käigus vaike- ja väljendatud teadmus edastayakse ühelt isikult teis(t)ele. Taolisi protsesse nimetatakse ka teadmusrepositooriumiteks.
Teadmuse jagamise süsteemid:
* kasulikud õppetunnid (lessons learned),
* teadmiste lokaatorsüsteemid (expertise locator systems).
Vaiketeadmiste jagamise süsteemiks peetakse praktikakogukondi. Praktikakogukonna mõiste võeti kasutusse 1991. aastal. Selle all mõeldi inimeste rühma, kellel on ühised huvid ja/või elukutse. Sellised rühmad arenevad, kuna neil on ühised huvid, ühised eesmärgid. Sellisetes kogukondades jagatakse teadmisi ja kogemusi, liikmed õpivad üksteiselt ja arenevad isiklikult ja professionaalselt. Praktikakogukonnad toimivad nii reaalselt kui ka virtuaalselt. Nad võivad olla väiksed või suured, koosneda tuumikust ja perifeersetest liikmetest. Kogukonnad võivad olla lokaalsed või globaalsed. Kogunemised võivad toimuda nii reaalselt kui ka veebipõhiselt. Praktikakogukonnad eksisteerivad ajast, mil inimesed hakkasid koos õppima.
Praktikakogukonna arenguetapid:
* potentsiaal/lubavused - inimestel on sarnased probleemid, nad otsivad üksteist, sarnaseid rühmi ning valmistuvad suhtelmiseks;
* ühendamine - inimesed tulevad kokku ja käivitavad kogukonna, avastatakse seotus, määratletakse ühistegevused, peetakse läbirääkimisi kogukonnasiseselt;
* aktiivne tegevus - liikmed võtavad osa kogukonna tegevusest, kogutakse fakte, kohanetakse muutuvate asjaoludega, uuendatakse huvisid ja suhteid;
* hajumine - liikmed ei tegele enam nii aktiivselt, samas kogukond veel eksisteerib kui kogutud teadmiste tuum, inimesed peavad sidet, suhtlevad ja küsivad üksteiselt nõu;
* mälestus - kogukonna tegevus on täielikult lõppenud, samas liikmed mäletavad seda kui olulist osa oma identiteedist, toimub ümberjutustamine, faktide säilitamine, mälestuste kogumine.
Koos tehnoloogia arenguga on toimunud kogukondade pidev laienemine. Tekkinud on n-ö nišši-kogukonnad, sest samade huvidega inimesed otsivad üle kogu maailma kontakte. Põhjuseks on mõnes huvivaldkonnas oma oskuste ja teadmiste arendamine.
Virtuaalset praktikakogukonda tõlgendatakse kui ühist huvivaldkonda omavatest üksikisikutest koosnevat võrgustikku. Suhtlemine toimub veebipõhiselt antud valdkonna raames. Kogukonna liikmed jagavad omavahel nt kogemusi, probleeme a lahendusi, meetodeid jne. Sellise suhtlemise tagajärjeks on iga kogukonna liikme teadmiste suurenemine. See aitab kaasa valdkonnasiseste teadmiste paranemisele. Praktikoakogukonnad leiaksid rakendust hariduses, õpetajate koolituses. Tulevikus mõjutavad praktikakogukonnad haridust järgmiselt:
* sisemiselt - õpikogemusi organiseeritakse tegevuste kaudu ja kindla teema raames,
* väliselt - õpilaste õpikogemusi laiendatakse tegevuste kaudu väljaspool koolimaja,
* elukestva õppe kaudu - täidetakse õpilaste vajadus ka pärast põhiõppe läbimist.
Aspektid, mis on iseloomulikud kogukondlikule õppimisele:
* õppimise situatiivsus - õpe toimub samas situatsioonis, mis hilisem rakendaminegi,
* vaiketeadmus - lepitakse sellega, et osa teadmusest jääbki sõnades väljendamata, õpitakse meistrit matkides,
* kaudne osalus - osalejad, kes pole lõplikult otsustanud, kas pühenduda sellele kogukonnale või mitte, kogukonna tuumik aktsepteerib selliste liikmete passiivsust, jälgides neid. Vajadusel juhendavad neid passiivseid liikmeid, kes soovivad kogukonnaga liituda.
Teadmuse jagamise süsteeme klassifitseeritakse ka vastavalt nende iseloomulikele omadustele:
* juhtumi aruandebaasid - kasutatakse, et edastada infot teatud juhtumite menetlemise kohta, kirjeldavad teatud juhtumeid ja annavad nende kohta selgitusi ja ei pruugi sisaldada soovitusi;
* hoiatussüsteemid - kasutatakse info edastamiseks negatiivsete kogemuste kohta, toimub probleemidest teavitamine;
* parima kogemuse või hea praktika andmebaasid - kasutatakse äriprotsessides õnnestunud eesmärkide saavutamise kohta info edastamiseks, sisaldavad hea praktika kirjeldusi ja näiteid;
* kasulike õppetundide süsteemid - kasutatakse kogetud juhtumite kirjeldamiseks, mis võivad olla kasulikud juhul kui töötajad satuvad sarnastesse situatsioonidesse;
* teadmiste lokaatorsüsteemid - kasutatakse spetsiifilisi teadmisi omavate ekspertide teadmuse organiseerimiseks, nt repositooriumid, teatmikud, sõnastikud jmt.
Teadmuse rakendamise süsteemid...
... toetavad protsesse, milles teatud isikud rakendavad teiste inimeste teadmisi, aga nad pole ise neid õppinud ega omandanud. Siia kuuluvad:
* ekspertsüsteemid,
* otsuse vastuvõtmise süsteemid,
* nõuandvad süsteemid,
* vigade diagnoosimise süsteemid,
* tehnoabi süsteemid.
Ekspertsüsteemi mõistet kasutatakse juhul kui teadmussüsteem jäljendab eksperdi otsustusprotsessi ja "vestleb" kasutajatega sellise eksperdi kombel. Ekspertsüsteemide arengut mõjutavad faktorid:
* pidev evolutsioon kontseptuaalsel ja operatsioonilisel tasandil,
* tehisintellekt,
* infotehnoloogiaga seotud projektid,
* ekspertsüsteem kui tuluartikkel ja kulutuste säästja äris.
Ekspertsüsteeme on defineeritud mitmeti. Erinevaid termineid kasutatakse sarnaste süsteemide nimetamiseks:
* ekspertsüsteemid,
* intelligentsel teabel põhinevad süsteemid,
* teabel põhinevad süsteemid,
* tootmissüsteemid,
* järeldussüsteemid,
* reeglitel põhinevad süsteemid,
* mudelile suunatud süsteemid.
Ekspertsüsteemidel on ka ühiseid jooni:
* nad sisaldavad organiseeritud teadmust,
* organiseeritud teave on seotud kindla valdkonna ekspertiisiga,
* nad lahendavad probleeme sama hästi või paremini kui inimekspert,
* teadmus, mis sisaldub süsteemis, hoitakse kontrollmehhanismist lahus.
Samas ekspertsüsteemid ei ole universaalsed probleeme lahendavad süsteemid, sest nende ekspertiis on piiratud kitsa või spetsiifilise valdkonnaga. Samuti pole nad oraaklid.
Ekspertsüsteem koosneb neljast peamisest osast:
* teadmusbaas,
* tööruum,
* kontrollstruktuur,
* kasutajaliides.
Teadmusbaas koosneb süsteemi teadmusest teatud probleemi või valdkonna kohta. See koosneb faktidest, seostest ja heuristikast (avastamisõpetus, mis annab probleemi lahendamisele reegli või meetodi kuid ei paku valmislahendusi). Teadmusbaas võib koosneda ka järeldusreeglitest, mille abil suudetakse teadaolevatest faktidest järeldada uusi fakte.
Tihti kasutatakse teabeesitlust vormis "kui...siis...", kuid eriviisidel:
* lihtne: üksik tingimus või üksik järeldus (näide konspektist: "Kui ilm on külm, siis pane selga soojad riided"),
* liitunud: mitmed tingimused ja järeldused (näide konspektist: "Kui ma tõusen ülesse hilja ja tuleb jõuda kohtumisele siis ma helistan osakonda ja ma võtan takso"),
* fokuseeritud: paljud tingimused ja mäned järeldused (näide konspektist: "Kui ma kaotan rahatasku või oma tsekiraamatu siis ma informeerin panka"),
* lahknevad: mitmed järeldused ja mõned tingimused (näide konspektist: "Kui rong on tühistatud siis ma võtan bussi või ma võtan takso").
Suuremate teadmussüsteemide korral kasutatakse üldise teadmuse esitamise toena freime ehk raamistikke. Nende abil saab teadmust klassifitseerida ja seeläbi välditakse samade andmete korduvat esitamist.
Suuri teadmussüsteeme võidakse jagada erinevateks osadeks, milledest igaüks valdab mingit piiratud alamvaldkonda.
Ekspertsüsteemides püütakse tegelik järeldusmehhanism võimalikult täielikult eraldada oskamise eelduseks olevast teadmusest, mis on salvestatud teadmusbaasi. Järeldusmehhanism võtab kasutusele teadmusbaasis oleva teadmuse ja teeb järelduse selle järgi, kuidas ilmneb teadmuse tarve. Mida paremini õnnestub eraldada järeldusmehhanism teadmusbaasist, seda paindlikumaks muutub järelduste tegemine. Samuti muutub kergemaks teadmuse n-ö kodeerimine ja käigushoidmine.
Lisaks teadmusbaasile ja järeldusmehhanismile kuulub ekspertsüsteemi interaktiivne kasutajaliides. Selle abil annab kasutaja süsteemile mingisuguse probleemiga seotud andmed ning saab enda käsutusse süsteemi poolt järeldatud tulemused.
Eksperttulemus salvestatakse teadmusbaasi teadmushõive mehhanismi abil. Ekspertsüsteemi kasutamisel salvestatakse konkreetse juhtumiga seotud andmed ja järeldused töömällu. Seletusmehhanismi abil suudab ekspertsüsteem põhjendada otsuseid. Need põhinevad teadmusbaasi faktidel, reeglitel ja töömälu sisul.
Kuidas siis on teadmusjuhtimise protsessid, süsteemid, mehhanismid ja tehnoloogiad omavahel seotud?
Teadmusjuhtimise protsessid olid:
* teadmuse hankimine,
* teadmushõive,
* teadmuse jagamine,
* teadmuse rakendamine.
Teadmuse hankimine toimub läbi koosolekute, (telefoni)vestluste, konverentisde, rühmatööde, diskussioonide ja arutelude, ajurünnakute jm viisidel. Tehnoloogiatena kasutatakse andmebaase, andmekaevet, inforepositooriume, veebilehekülgi ja -portaale, häid praktikaid, kogetud õppetunde. Kasutusel on ka videokonverentsid, e-mail, Skype-vestlused jne.
Teadmushõive toimub läbi teadmushõive süsteemide, milleks kasutatakse prototüüpe, mudeleid, häid praktikaid, kogetud õppetunde, õppimist praktika kaudu, väljaõpet töökohal jne. Tehnoloogiatena tulevad kasutusse ekspertsüsteemid, vestlusgrupid, andmebaasid, arvutipõhine kommunikatsioon, tehisintellektipõhine teadmiste omandamine, arvutisimulatsioonid jne.
Teadmuse jagamine toimub läbi teadmuse jagamise süsteemide, kasutades rotatsiooni, konverentse, ajurünnakut, projekte, memosid, juhendmaterjale, ettekandeid jne. Teadmuse jagamiseks kasutatakse videokonverentse, e-kirju, Skype-diskussioone (ka gruppidena), rühmatöövahendeid, andmebaase, repositooriume, teadmiste lokaatorsüsteeme jne.
Teadmuse rakendamisel kasutatakse teadmuse raksendamise süsteeme nt hierarhilised seosed organisatsioonis, tugikeskused, standardid, tööpraktikad jne. Teadmuse raksendamise tehnoloogiad on nt ekspertteadmuse hõive ja ülekanne, juhtumipõhised arutlussüsteemid, otsuste vastuvõtusüsteemid, ettevõtete ressursi planeerimissüsteemid jne.
Teadmusjuhtimise protsessid, süsteemid, mehhanismid ja tehnoloogiad on tugevalt omavahel seotud. Selleks, et saaks toimuda teadmusjuhtimine, on tarvis selleks luua soodne keskkond, vajalikud on süsteemid ja mehhanismid ning tehnoloogilised tingimused. Nt teadmust ei ole võimalik hankida kui ei ole võimalik ruumipuuduse tõttu pidada koosolekuid ja nõupidamisi. Tänapäeval on üha enam tähtsustatud vajalike tehnoloogiate olemasolu. Kunagi rahuldas vajadusi kooli õpetajatetoa seinal olev infotahvel. Tänapäeval on mõeldamatu jagada/saada infot, kui pole koostatud õpetajate maili-liste.
Joonis 3. Teadmusjuhtimise protsessid, süsteemid, mehhanismid ja tehnoloogiad.
Kasutatud materjalid:
Vikipeedia vaba entsüklopeedia. Heuristika. Loetud aadressil: http://et.wikipedia.org/wiki/Heuristika 12.10.2013
Virkus, S., 2013. III Moodul: Teadmusjuhtimise süsteemid ja tehnoloogiad, teadmiste võrgustikud ja virtuaalsed organisatsioonid. Tallinna Ülikool. Loengukonspekt teadmusjuhtimises.
Virkus, S., Machin, J., 2011. Technologies for Information and Knowledge Management.
Maximise the Power of Your Brain - Tony Buzan Mind Mapping. https://www.youtube.com/watch?v=MlabrWv25qQ
No comments:
Post a Comment