Методическое пособие управление проектами

ОГЛАВЛЕНИЕ Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1. Основы управления интеллектуальным капиталом . .

1.1. Теория управления знаниями . . . . . . . . . . . . . . . . . . . . .

1.2. Концептуальные основы управления знаниями . . . . .

1.3. Знание как стратегический ресурс фирмы . . . . . . . . .

2. Методология управления знаниями . . . . . . . . . . . . . . . .

2.1. Системы баз знаний . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2. Создание интеллектуальных компьютерных систем.

2.3. Технологии управления знаниями . . . . . . . . . . . . . . .

2.4. Эффективность управления знаниями . . . . . . . . . . . .

3. Модели и методы управления знаниями . . . . . . . . . . . .

3.1. Модели знаний и данных . . . . . . . . . . . . . . . . . . . . . . .

3.2. Информационный процесс представления знаний . .

3.3. Модели и методы интеллектуального контроля знаний . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4. Построение модели знаний организации . . . . . . . . . .

3.5. Семантическая модель знаний для целей организации по контролю знаний в учебной системе . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4. Организация управления знаниями . . . . . . . . . . . . . . . .

4.1. Организация информации знаний . . . . . . . . . . . . . . . .

4.2. Управление знаниями в управлении проектами . . . .

5. Обучающие средства управления знаниями . . . . . . . . .

5.1. Системы дистанционного обучения . . . . . . . . . . . . . .

5.2. Электронный бизнес и управление знаниями . . . . . .

5.3. Программа обеспечения управления знаниями . . . . .

5.4. Концепция Российского портала открытого образования . . . . . . . . . . . . . . . . . . . . . . . . .

123

Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4 5 5 7 12 21 21 29 34 36 40 40 48 50 61 73 93 93 10 6 11 0 11 0 11 3 11 6 12 2

Библиографический список . . . . . . . . . . . . . . . . . . . . . . . . . .

12 7 12 8

ВВЕДЕНИЕ Экономическое развитие в значительной степени определяется эффективностью использования знаний в области управления производственных систем. Формирование технологии и систем управления знаниями обусловлено необходимостью целенаправленного использования возможностей предприятия на основе методов организации знаний, управления моделями знаний бизнес-процессов и образования. Актуальность темы заключается в необходимости разработки новых подходов к управлению знаниями, объектом которых является организационный механизм взаимодействия информационных систем и бизнес-процессов производственных систем. При этом согласование решений в документах – это основа для целенаправленного управления знаниями производственных систем. Целью учебного пособия является разработка методологии организационного механизма системы управления знаниями с включением моделей, методов и технологий, обеспечивающих повышение эффективности экономических объектов. В пособии приведены: теоретические основы управления интеллектуальным капиталом, методология и организация управления знаниями, обучающие средства управления знаниями. Пособие рекомендуется для использования студентами специальности 080502 "Экономика и управление на 124

предприятии (в строительстве)", а также магистрантами направления 270100 "Строительство".

1. ОСНОВЫ УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫМ КАПИТАЛОМ 1.1. Теория управления знаниями Управление знаниями – методики, организующие процесс коммуникаций (целевого общения) в корпоративных сообществах. Направлены на извлечение новых и обновление существующих знаний, помощь сотрудникам компании в решении задач, принятие решений и необходимых мер для получения нужных знаний в нужное время. Такие методики на 80 % используют гуманитарные технологии и на 20 % – решения информационных технологий (ИТ). Применение методик управления знаниями делает возможным использование коллективного опыта и знаний и превращение их в корпоративный капитал [1–3]. Роль сообществ. Каждая компания имеет миссию, в которой формулируются цели и задачи, отражающие ее позиционирование на рынке. Штат компании составляют сотрудники, совокупность знаний которых позволяет следовать миссии. Опыт и знания конкретного сотрудника, перед которым поставлена задача, могут оказаться недостаточными для ее решения, но в правильно организованной фирме совокупность знаний персонала обеспечивает достижение цели. В компаниях, где не применяются методики управления знаниями, решение задач и принятие решений регулярно осуществляется в условиях недостаточной информированности 123

сотрудников, которые используют только собственный опыт и знания, не всегда соответствующие необходимой для решения новых задач компетенции. Носители знаний. Носителями знаний являются люди. Именно ценность накопленных ими знаний и опыта конвертируется в конечном итоге в прибыль компании. Передача знаний. Передача знаний происходит во время общения между людьми, направленного на получение необходимых знаний для решения задач или принятия решений. Коммуникации могут быть персональными и групповыми, непосредственными или заочными. Персональные коммуникации (общение) используются в повседневной жизни. Для обеспечения эффективности групповых коммуникаций применяются гуманитарные мероприятия, организующие процесс общения в группах, направляющие его на извлечение нужных знаний из умов сотрудников и передачу их коллегам, которым они необходимы для решения актуальных задач. К таким мероприятиям относятся совещания, семинары, конференции, съезды и т.д. Заочные коммуникации могут происходить посредством бумажных или электронных документов и посланий. Роль гуманитарных технологий. Роль гуманитарных технологий заключается в создании специальных условий, при которых обмен знаниями происходит не хаотично, а целенаправленно. Существует некоторая разница между информацией и знаниями. Информация сама по себе может оказаться бесполезной, если не возникает понимание, где искать необходимую информацию, как ее использовать и к кому обратиться за помощью. Знания находятся в умах людей и обнаруживают себя в момент взаимодействия между ними. В процессе общения сотрудники обмениваются знаниями, которые невозможно почерпнуть из документации и других источников информации. Необходимо направлять это взаимодействие на достижение цели, генерацию новых идей и обновление существующих знаний.

124

Поскольку передача знаний происходит только во время взаимодействия между конкретными людьми, формирование сообщества как среды людей, объединенных общим профессиональным интересом или общей целью, позволяющей установить контакт между теми, кто ищет знания, и источником знаний, является важнейшей задачей. Препятствием на пути внедрения методик управления знаниями может стать внутренняя конкуренция. Роль ИТ-решений. ИТ-решения поддерживают правила, сопровождающие процесс управления знаниями, помогают снять барьеры на пути решения задач формирования единой рабочей среды, реализации механизма отчуждения, накапливания, использования и модификации знаний, поддержки инноваций и доведения сведений о них всем заинтересованным в них сотрудникам. Однако ИТ-решения не играют доминирующую роль в методиках управления знаниями: если в фирме не будут проводиться мероприятия по формированию культуры совместной работы и общего доступа к данным, то никакие ИТрешения не позволят получить ощутимые результаты. Равно как и использование только лишь гуманитарных технологий без привлечения ИТ не приведет к эффективному управлению знаниями. Форма представления знаний должна делать возможным их поиск и освоение с целью последующего использования. Это означает, что знания, формализованные в явном виде, будучи освоенными, могут стать частью опыта сотрудника и быть использованы им для решения задач и принятия решений.

1.2. Концептуальные основы управления знаниями Концепция управления знаниями включает задачи, решаемые с использованием ИТ-решений для управления знаниями [4–7]: • система управления знаниями сохраняет знания в контексте решения задач, выполнения проектов и отношений между людьми. Контекст отражает деловой процесс, который 123

привел к желаемому результату. Контекст раскрывает и фоновую информацию, альтернативы, которые были испробованы, а также причины, по которым они не принесли желаемых результатов. Знания, которые могут быть использованы для совершенствования делового процесса, перенесены в новые продукты и услуги; • система управления знаниями направляет действия пользователей с целью размещения информации по определенным правилам, позволяющим в будущем успешно ее находить и использовать; • становится возможным использование хранящихся в системе связей "люди – содержание". Даже если система не содержит знаний, которые идеально подходят для решения новой задачи, можно использовать связь "человек – содержание" и найти таким образом человека, являющегося носителем необходимых знаний; • уменьшение зависимости знаний от владеющих ими людей. Можно почувствовать это, вводя в курс дела новых сотрудников. Кроме того, сводятся к минимуму потери, связанные с уходом сотрудников в другие компании (потери знаний, важных для ведения бизнеса; потери связей с ключевыми клиентами/поставщиками); • заочные коммуникации не только уменьшают необходимость тратить время на личные встречи. Знания, полученные в процессе персональных заочных консультаций, будут сохранены в системе вместе с контекстом и могут быть использованы затем всем сообществом или группой; • доступ в любое время, в любом месте не создает ограничений на продолжительность заочных коммуникаций и гарантирует, что можно получить накопленные компанией знания в нужное время, а не только в момент персонального общения или мероприятий, обеспечивающих групповые коммуникации. Основные циклы технологий управления знаниями. Процессу управления знаниями обычно предшествует процедура формализации деятельности предприятия методом 124

онтологического анализа, которая сводится к описанию типовых сущностей и выявлению обоснованных взаимосвязей между ними. Система управления знаниями автоматически направляет действия пользователей в соответствии с онтологией, которая была получена на этапе формализации. Это выражается в том, например, что при наполнении системы не создается бессмысленных структур, поскольку в онтологии описаны правила связывания объектов. Двумя основными процессами, которые находятся в постоянном цикле и поддерживаются ИТ-системой, являются: – процесс накопления и использования знаний; – процесс постоянного совершенствования формальных описаний (онтологии). Эти два процесса взаимосвязаны между собой, поэтому в системе предусмотрена возможность модификации онтологического описания в процессе эксплуатации системы без необходимости ее перепрограммирования. Основные компоненты системы: • Решение. Система управления знаниями – это не просто отдельно взятый продукт. Речь, скорее, идет о всеохватывающей стратегии предприятия, цель которой – выявить и обратить на пользу фирме всю имеющуюся у нее информацию, опыт и квалификацию сотрудников, с тем чтобы повысить качество обслуживания клиентов и сократить время реакции на меняющиеся рыночные условия. Управление знаниями – это организация управленческих действий на базе всех информационных ресурсов фирмы. Тем не менее для использования этих ресурсов требуется набор специализированных продуктов и платформ.

• Разведка среди своих. Для изучения внешних и внутренних факторов, оказывающих воздействие на деятельность компании, требуется тщательный и глубокий анализ на основе использования информационно-аналитической системы бизнеса. Эта система содержит необходимые данные для подготовки отчетов разной степени детализации. С помощью средств 123

системы можно тщательно перерабатывать основные корпоративные источники информации в поисках нужных сведений. Этот процесс известен также и под названиями "добыча данных" и "компьютерный логический анализ". Выявление главных тенденций в области информации о продажах является общим принципом действия. Основой для любой аналитической системы является комплекс мощных баз данных с хорошо организованной структурой. Эти комплексы представляют собой семейства баз данных, содержащих взаимосвязанную информацию. В арсенале средств анализа коммерческой информации содержатся программы подготовки отчетов и специализированные средства формирования нерегламентированных запросов, реализованных на основе технологии OLAP (OnLine Analytical Processing). Управление документами, контентом и электронной почтой. Для анализа важны не только показатели в виде окончательных цифр, взятые из отчетов о продажах, но и так называемая "размытая" информация, разбросанная по текстовым документам, электронным таблицам, страницам web и сообщениям электронной почты. Чтобы обеспечить управление подобными файлами и извлечь максимум пользы из содержащейся в них информации, используется ряд решений. Основное из этого – система документооборота. Эти пакеты применяются в отраслях, производящих огромное количество документов и, соответственно, требующих организации хранилищ для регистрации патентов и заявлений о выплате страхового возмещения. Системы документооборота имеют трехуровневую архитектуру, а их главное назначение – обеспечить целостность документов и их четкую классификацию; все это требуется для того, чтобы пользователь мог без труда найти нужный документ. Первый уровень такой системы представляет собой файловый сервер, содержащий документы и классификаторы. Второй уровень состоит из клиентского программного обеспечения (ПО), осуществляющего доступ к системе. Третий уровень архитектуры систем управления документами содержит бизнес-логику, 124

определяющую систему формирования документов и маршруты их доставки конкретным сотрудникам для внесения изменений и утверждения. Пакеты программ предназначены не для организации хранения и маршрутизации документов, а для подготовки webконтента и организации доступа к нему. Для этого предусмотрен обширный пользовательский инструментарий, в том числе текстовые процессоры и авторские инструменты web. Как и пакеты управления документами, они выполняют свои задачи, не требуя от пользователей ни навыков программирования, ни даже самых поверхностных представлений о языке HTML. Для построения полнофункциональной системы управления знаниями компании вынуждены приобретать оба пакета. Еще один источник информации – электронная почта. Из многочисленных посланий, которыми обмениваются сотрудники организации, можно почерпнуть массу ценнейших сведений. С помощью таких программ можно сортировать и архивировать сообщения электронной почты по категориям в соответствии с ключевыми словами, содержащимися в них. Платформы управления знаниями. Крупнейшие фирмы отрасли, Lotus и Microsoft, разрабатывают платформы управления знаниями, в которые могут встраиваться решения. Пакет Microsoft SQL Server 7.0 обеспечивает работу с хранилищем данных и анализ коммерческой информации, сервер Microsoft Exchange "отвечает" за организацию совместной работы и связи, а пакет Microsoft Office 2000 содержит встроенные базовые функции управления контентом и документами. Кроме того, в конце 1999 г. корпорация Microsoft выступила со стратегической инициативой DigИТal Dashboard и начала производство одноименного пакета. Программы DigИТal Dashboards, работающие "поверх" клиента Microsoft Outlook, обеспечивают унифицированный доступ к различным источникам данных и реализуют, таким образом, корпоративный портал – один из элементов решения, предлагаемого компанией Microsoft.

123

Разработанное фирмой FileNET семейство продуктов Panagon тоже базируется на единой платформе и предоставляет в распоряжение пользователей обширный набор функций управления знаниями. Реализованные в системе Panagon службы Image и Content обеспечивают выполнение стандартных функций управления знаниями, а также сохранение и поиск информации в отсканированных документах. Недавно FileNET объявила о разработке приложения для публикации материалов в web, с помощью которого сотрудники корпораций смогут размещать в архивах интрасетей и на общедоступных web-узлах информацию, содержащуюся в репозитариях служб Image и Content. Компания FileNET сумела вывести свою технологию управления потоком работ на новый уровень, соответствующий требованиям эпохи электронного бизнеса. Последняя версия разработанного FileNET процессора управления потоком работ предназначена для автоматизации процессов взаимодействия между предприятиями. Платформа Raven фирмы Lotus находится в стадии бетатестирования. Пакет Raven можно уподобить связующему элементу, интегрирующему в единое целое все представительное семейство разработанных фирмой Lotus систем управления знаниями и организации совместной работы. В это семейство входят такие пакеты, как Notes R5, содержащий средства извлечения данных из текстов, мгновенной пересылки сообщений и совместной работы в Web; программа управления документами и контентом Domino.Doc и пакет Domino Workflow. В составе системы Raven – специальный сервер, анализирующий различные источники информации и строящий схему, на которой тематически связанные файлы объединяются в группы. Кроме того, этот сервер отслеживает работу с информацией различных пользователей и составляет профили специалистов. Корпоративные порталы. Корпоративный портал можно рассматривать как "персональный" портал web, в котором контент и ссылки, размещенные в корпоративном портале, имеют отношение к конкретной компании. Главная страница может содержать извещения о поступившей электронной почте, на ней 124

может отображаться календарь с пометками пользователя, новости, а также последние корпоративные циркуляры. На ней могут размещаться ссылки на часто используемые приложения и базы данных, например, на корпоративную систему закупок через Интернет или на пакет CRM (Customer Relationship Management – управление взаимодействием с потребителем). Руководство компании может до некоторой степени стандартизировать главную страницу, но каждый сотрудник имеет возможность настроить страницу таким образом, чтобы она содержала наиболее важные для него элементы. Но самое главное состоит в том, что корпоративный портал может выполнять функцию шлюза, обеспечивающего быстрый доступ ко всем применяемым в компании системам управления знаниями.

1.3. Знание как стратегический ресурс фирмы Обладание доступом к важнейшему ресурсу – возможный путь создания конкурентного преимущества фирмы. Однако конкуренты могут имитировать его и разработать методы замены этого ресурса [8, 9]. Компании, которые обладают суперзнаниями, способны координировать использование своих традиционных ресурсов или комбинировать их новыми и особыми путями, обеспечивая большую выгоду для потребителей, чем конкуренты. Так, имея интеллектуальные сверхресурсы, ограничения, можно понять, как их использовать совместно со своими традиционными ресурсами. Следовательно, знания могут составлять наиболее важный ресурс, а способность получать, интегрировать, накапливать, сохранять и применять их есть наиболее важный способ создания конкурентного преимущества. Знания, особенно полученные в результате специфического опыта фирмы, имеют тенденцию к уникальности и трудны для имитации. Однако, в отличие от многих традиционных ресурсов, нелегко выйти на рынок со знаниями в "готовой для использования" форме. Для того, чтобы получить аналогичные знания, конкуренты должны обладать 123

аналогичным опытом, они ограничены в возможностях ускорить свое обучение даже при больших инвестициях. Конкурентное преимущество, основанное на знании, устойчиво, так как чем больше фирма знает, тем больше она может узнать. Устойчивость в конкурентном преимуществе может приходить к фирме, знающей что-то, что обеспечивает возможность синергизма знаний, недоступную конкурентам. Новые знания интегрируются с существующими в организации для разработки уникального видения и создания новых, более значимых знаний. Организации должны осуществлять мониторинг тех областей обучения и экспериментирования, где потенциальный конкурент может увеличить свои знания. Следовательно, существенность знания как основы конкурентного преимущества идет от знания большего, чем у конкурентов, при наличии временных ограничений для конкурентов в достижении такого же уровня знаний. В отличие от физических ресурсов, знания увеличивают свой экономический потенциал возврата при использовании, т.е. возникает самовоспроизводящийся цикл. Если организация может идентифицировать те области деятельности, где ее знания дают ей преимущество в конкуренции, и если эти уникальные знания способны обеспечить прибыль, то может возникнуть мощное и существенное конкурентное преимущество фирмы в выделенных областях. Организации должны стремиться использовать свои возможности обучения для создания или укрепления своих конкурентных позиций, что обеспечит им преимущество в будущей конкурентной борьбе. Систематический мониторинг, категоризация и бенчмаркинг знаний не только обеспечат доступность знаний для организации, но и текущее использование карты знаний для оценки приоритетов и организации обучения. Такой рычаг позволит соединить усилия по обучению в оптимальный массив в частных стратегически важных областях знания. Когда преимущество в знаниях может быть устойчивым, создание защищенной конкурентной позиции дает 124

долговременный эффект и действия в конкуренции на основе этой позиции требуют соответствующего прогнозирования и планирования. Долговременное лидерство в конкуренции может основываться на создании стратегических альянсов и других форм объединения (например, венчурных), потенциально ускоряющих приобретение знания. Это также объясняет то, почему угроза технической нестабильности часто приходит извне отрасли или с ее периферии. Стратегический шанс для фирмы в нестабильной отрасли состоит в разработке достаточного знания для обеспечения сдвига к новым технологиям и рынкам. Все это подчеркивает важность бенчмаркинга и оценки сильных и слабых сторон, благоприятных возможностей и угроз при текущем состоянии платформы знаний фирмы, а также того, насколько эта платформа обеспечивает (или ограничивает) первичную благоприятную возможность для фирмы в конкурентной борьбе. С другой стороны, такая оценка должна сбалансировать долговременные цели фирмы с развитием платформы ее знаний. Связь "знания – стратегия". Традиционная схема SWOTанализа отражает соотношение сегодняшнего знания и интенсивных сторон внешней среды, обеспечивая базу для описания стратегии знания. По существу, фирма нуждается в превращении SWOTанализа в карту ресурсов знания и способностей относительно благоприятных возможностей и угроз для лучшего понимания своих конкретных преимуществ и слабостей. Можно использовать эту карту в качестве стратегического руководства управления знаниями, укрепляя преимущества в знании и защищая или снижая уровень своих слабых сторон. Стратегия знаний, следовательно, может пониматься как баланс основанных на знании ресурсов и способностей относительно знаний, необходимых для получения продуктов или услуг, способных превзойти таковые у конкурентов. Идентификация того, какие основанные на знании ресурсы и способности значимы, уникальны и не поддаются имитации, насколько эти ресурсы и способности обеспечивают продукцию 123

фирмы и ее рыночные позиции, является существенным элементом стратегии знаний. Чтобы отразить связь между стратегией и знанием, организация должна выявить его стратегическое содержание, идентифицируя знания, требуемые для реализации этой стратегии, и сравнить их с действительным состоянием своего знания, обнаруживая таким образом недостатки в стратегическом знании. Каждая фирма конкурирует своим путем, оперируя в некоторой отрасли и занимая в ней конкретную конкурентную позицию. Каждая стратегическая позиция связана с определенным рядом интеллектуальных ресурсов и способностей. Это то, что фирма предполагает использовать в конкуренции, это определенные вещи, которые следует знать, и знания, что надо делать. Стратегический выбор компании (относительно технологии, продуктов, услуг, рынков) оказывает влияние на требуемые знания и компетенции, необходимые в конкуренции. Оценки позиции в знаниях фирмы требуют классификации существующих интеллектуальных ресурсов для создания того, что обычно называется картой знаний. Знания могут классифицироваться: – на декларативные (знание – ноль); – процедурные (знаю – как); – причинные (знаю – почему); – условий (знаю – когда); – отношений (знаю с). Эти различия полезны для картографирования и управления знаниями в процессе формирования стратегии знаний. Нужды требуют таксономии знаний, ориентированной непосредственно на стратегию и отражающей конкурентные особенности каждой организации. Классификацию или описание того, что фирма знает и должна знать о своей отрасли или конкурентной позиции, нелегко выполнить. Хотя фирмы в той же самой отрасли, занимающие сходные конкурентные позиции или использующие 124

сходные технологии и другие ресурсы, обычно используют стандартный набор знаний, нет простых ответов на вопрос, что фирмы должны знать относительно конкуренции. Каждая компания разрабатывает собственные подходы к описанию и классификации стратегических и конкурентных знаний. Фирменное общее мировоззрение и ориентация во взаимосвязях знаний и стратегий могут быть уникальными и представлять собой конкурентное преимущество. Знания могут классифицироваться на коренные, обеспечивающие успех, или инновационные. Коренные знания представляют минимум, и их уровень обеспечивает "участие в игре". Обладание ими не может обеспечить долговременную конкурентную значимость фирмы, но создает определенный барьер входу в отрасль. Коренные знания обычно имеют все участники отрасли и, следовательно, они обеспечивают определенное преимущество перед фирмами, желающими войти в отрасль. Знания, обеспечивающие успех, снабжают фирму конкурентным потенциалом. Фирма может иметь тот же самый уровень, кругозор или качество знаний, как и ее конкуренты, хотя специфические знания могут помочь ей использовать стратегию дифференциации. Эти фирмы могут выбрать конкуренцию по знаниям в сходной конкурентной позиции, надеясь, что они знают больше конкурентов. Инновационные знания дают фирме возможность лидировать в отрасли. Они часто предоставляют фирме возможность изменить "правила игры". Знания не статичны, и то, что сегодня является инновационным знанием, завтра неотвратимо станет коренным. Таким образом, защита и улучшение конкурентной позиции требуют постоянного обучения и восприятия знаний. Способность фирмы обучаться, аккумулировать знания из опыта может обеспечить ей стратегическое преимущество. Хотя знания динамичны, схема стратегического знания дает возможность сделать моментальный снимок того, где фирма находится сегодня, ее желательный стратегический профиль и 123

профили конкурентов. Дополнительно она может использоваться для воссоздания исторической и прогнозной траекторий фирменных знаний применительно к области конкуренции, продуктовой линии, функции или рыночной позиции. Имея отраженную на карте конкурентную позицию фирмы по знаниям, она может приступить к анализу. Разница в том, что фирма должна делать в конкуренции, и в том, что она действительно делает, представляет собой стратегический недостаток. Адресатом информации об этом недостатке является штаб традиционного стратегического менеджмента. Как следует из схемы SWOT-анализа, сильные и слабые стороны фирмы дают возможность судить о том, что она может делать. Благоприятные возможности и угрозы диктуют то, что она должна сделать. Стратегия представляет собой метод балансирования фирмой своих конкурентных возможностей в целях разработки и защиты своих стратегических ниш. В то же время выявление стратегических недостатков определяет и потенциальный недостаток знаний. Основываясь на карте стратегического знания и способностей, фирма может идентифицировать, в каких категориях существующее знание фирмы находится в соответствии со стратегическими требованиями. Результатом такого анализа является выявление ряда потенциальных недостатков знания. В некоторых случаях организация может знать даже больше, чем требуется для поддержки конкурентной позиции. Тем не менее стратегия знаний должна рассматривать любые возможные рассогласования. Чем больше число, изменения, размеры текущих и будущих недостатков знаний и больше непостоянство базы знаний из-за динамики и неопределенности конкурентного окружения, тем более агрессивная стратегия знаний требуется. Фирма, которая не может реализовать требуемую стратегию, должна или подогнать свою стратегию под свои возможности, или овладеть способностями выполнять нужную стратегию. Имея усовершенствованную стратегическую эволюцию ресурсов и способностей на основе знаний, организация может определить, какие знания следует разработать или получить.

124

Чтобы учесть стратегический аспект менеджмента знаний, управление знаниями в фирме должно быть прямо ориентировано на закрытие стратегических недостатков. Это непрерывное согласование стратегии и знаний представляет собой критический момент фирменной стратегии знаний. Во многих фирмах эффективность управления знаниями зависит от степени разрыва между стратегическим планированием и практикой. Схема стратегии знания. Стратегия знания параллельно традиционному SWOT-анализу описывает подход организации к согласованию своих ресурсов и способностей с интеллектуальными требованиями к своей стратегии. Он может быть описан в двух измерениях в зависимости от степени его агрессивности: степени, в которой организация нуждается в своих знаниях, и расположения первичного источника знаний вне или внутри организации. Вместе с тем эти характеристики помогают фирме описать и оценить текущую и желательную стратегии знаний. Для реализации своей стратегии или для защиты своей позиции требуется повысить уровень знаний фирмы путем ликвидации внутренних недостатков знаний. Многие конкуренты в отрасли оперируют при более высоких уровнях знания на многих более интеллектуальных насыщенных позициях, поэтому от фирмы требуется деятельность с высоким уровнем знаний для закрытия внешних недостатков конкурентного знания. Учитывая быстрое изменение знаний в отрасли, фирме могут понадобиться новые знания для поддержки своего положения. В этих ситуациях фирме требуется исследователь – создатель или аккумулятор знаний, требуемых для движения вперед или защиты имеющейся конкурентной позиции. Эксплуатация и исследования не являются взаимно исключающими. Организация может нуждаться в развитии одной области знаний и одновременно эксплуатировать другие. Идеалом в этом случае является некоторый баланс между исследованиями и эксплуатацией во всех областях стратегического знания. Исследования обеспечивают капитал знаний для проникновения фирмы в новые ниши рынка, 123

эксплуатация этих знаний – финансовый капитал для инноваций и исследований. Исследования без эксплуатации не могут экономически существовать, если они не субсидируются целевым образом или на их основе осуществляется многовариантный бизнес. Фирмы, эффективные в эксплуатации таких знаний, могут иметь определенный успех на рынке. Однако при передаче знаний могут возникать трудности из-за недостаточной научной квалификации персонала, что исключается, если фирма проводит собственные исследования. Исследования и эксплуатация обычно происходят в различных частях организации, разделенных организационно, культурно и во времени. Передача знания и интеграция возможностей имеют в этой связи стратегическое значение. Источники знаний могут лежать вне или внутри фирмы. Внутренние источники могут быть в головах людей, базах данных, онлайновых носителях, научной документации. Внешние источники обычно включают публикации, личные отношения, профессиональные учреждения и т.д. Знания, генерированные внутри фирмы, особенно значимы, так как они имеют большую степень уникальности и закрытости. Знания извне фирмы обычно более абстрактны, дороги и доступны, в том числе и конкурентам. Комбинация эксплуатации знаний и исследований с ориентацией фирмы на внутренние или внешние источники первичной информации дает более полную картину характера стратегии знаний фирмы. Фирмы, ориентированные на эксплуатацию внутреннего знания, исповедуют наиболее консервативную стратегию знаний, в то время как те, кто полно интегрирует исследования знаний и их эксплуатацию вне зависимости от текущих задач и рамок организации (безграничные инноваторы), представляют собой пример наиболее агрессивной стратегии знаний. В наукоемких отраслях последние обычно превосходят конкурентов, придерживающихся более консервативной стратегии. Агрессивная стратегия обычно требуется и при отставании фирмы в конкурентной борьбе.

124

Стратегия знания не может формироваться в изоляции от происходящего в отрасли. Фирмы с консервативной стратегией знания рассматривают знания как актив, который следует защищать. Агрессивные фирмы рассматривают знания как выход процесса разрушения устаревшего знания. Они не ожидают, когда конкурент разрушит значимость знаний фирмы. Агрессивные фирмы меньше внимания обращают на создание барьеров диффузии знания или их передачи. Они защищают свои ресурсы знаний путем набора и воспитания интеллигентных, лояльных и компетентных работников и поддержки общей культуры обучения, согласия и сотрудничества. В отраслях, где большинство фирм использует консервативную стратегию знаний, знания медленно растекаются по отрасли и возможности обучения во многом ограничены. В отраслях, где много агрессивных фирм, знания перетекают относительно быстро, а фирменное преимущество основывается на способности абсорбировать внешние знания и агрегировать их с внутренними с целью разработки нового видения быстрее, чем это делают конкуренты. Знания – фундаментальная основа конкуренции. Конкурентный успех требует или согласования стратегии с тем, что организация знает, или разработки знаний и способностей, требуемых для поддержки нужной стратегии. Таким образом, организации должны стратегически оценивать свои стратегические ресурсы и способности, а они нуждаются в широкой концептуализации их стратегических знаний для выявления любых недостатков. Стратегия знаний организации должна затем транслироваться в организационную и техническую архитектуру для поддержки разработки знаний, менеджмента и процессов утилизации целью закрытия недостатков. Это может сопровождаться обоснованием управления знаниями в контексте стратегии бизнеса как рода искусства в управлении знаниями. Фирмы должны строить инфраструктуру менеджмента знаний. При точных стратегических прогнозах они будут способны фокусировать и 123

ранжировать приоритеты своих инвестиций в управление знаниями и превосходить конкурентов, которые не строят свою стратегию на этих основах.

2. МЕТОДОЛОГИЯ УПРАВЛЕНИЯ ЗНАНИЯМИ 2.1. Системы баз знаний Системы баз знаний являются разновидностью прикладного искусственного интеллекта (ИИ). Эта область привлекает все большее внимание и подразумевает наличие разнообразных навыков. Хотя до сих пор не существует официальных учебных программ и не выдается дипломов по инженерии знаний, ожидается, что скоро "индустрия знаний" приобретет то же значение, что и "информационная индустрия" [10–12]. Системы баз знаний в какой-либо области разрабатываются специалистами по инженерии знаний. Разработчики систем и специалисты в области поведенческой теории и информатики изучают способы решения человеком задач с целью имитации знаний, полученных от экспертов в какой-либо области. Они систематизируют эти знания в виде базы знаний. База знаний похожа на структуру данных. Это систематизированный набор знаний в какой-либо конкретной области, который постоянно дополняется и расширяется. Самые важные и распространенные системы баз знаний – экспертные системы. Это компьютерные программы, которые используют знания и методы рассуждений для решения задач, обычно требующих знаний эксперта. Другими видами систем с базой знаний являются системы гипермедиа, системы автоматизированной разработки ПО (CASE – Computer-Aided/-Assisted Software Engineering), интеллектуальные обучающие системы и гибридные системы. В основе гипермедиа лежит интеграция текста, звука, изображений, данных и знаний в виде мультимедийного гипертекста. Используя CD-ROM, видеодиски или жесткие диски в сочетании с ПО для поиска информации, гипермедиа позволяет вести поиск в свободной форме на основе знаний по соответствующим ссылкам. Гипермедиа является 124

лучшим кандидатом на роль структуры баз данных компьютерных систем будущего. Технология CASE сочетает в себе интегрированные программные инструменты и методики, которые дают возможность автоматизировать жизненный цикл ПО (анализ, разработку, программирование, тестирование и поддержку ПО). Интеллектуальные обучающие системы являются приложением ИИ в сфере образования. Они имеют много общего с учебными системами баз знаний, которые обычно связаны с более крупными базами данных. Наряду с этим существуют гибридные системы, созданные на основе частичного наложения различных систем баз знаний. В большинстве компаний системы баз знаний используются на постоянной основе. Область их применения широка – от медицинских диагностических систем до интеллектуальных систем для проведения мультимедийных презентаций, от планировки новых заводов до систем обеспечения безопасности объектов атомной энергетики. Интеллект человека и искусственный интеллект. В основе систем баз знаний лежат принципы работы человеческого интеллекта. Интеллектом называется способность подходить к решению какой-либо задачи с учетом имеющегося опыта. Для человеческого интеллекта характерны следующие свойства: способность обучаться; способность находить аналоги; способность создавать новые понятия на основе известных понятий; эффективность обработки неоднозначных и противоречивых сообщений; способность определять относительную важность различных составных частей задачи; гибкость подхода к решению задачи; способность разбиения сложной задачи на составные части; способность моделирования воспринимаемого мира; понимание и способность использования символических средств. Машинные знания – это то же, что ИИ. ИИ – это одна из ветвей информатики. Он связан с компьютерами, которые стимулируют процесс решения задачи путем дублирования функций человеческого мозга. ИИ включает в себя совокупность программного и аппаратного обеспечения и методов имитации 123

свойственной человеку деятельности – как умственной (мышление, принятие решений, рассуждения, решение задач, обучение и поиск данных), так и физической (сенсорные и моторные навыки). Комплексное решения задач моделируется с помощью представления когнитивного процесса человека, а когнитивное моделирование решает задачи, оценивая знания как человек. Когнитивное моделирование и ИИ – родственные, но разные дисциплины. Когнитивное моделирование – это методика моделирования человеческого процесса познания, на котором строятся осмысленные рассуждения, а ИИ – методика моделирования разумного поведения, в котором рассуждение не обязательно. Правда, различия между двумя этими методиками постепенно стираются. Машинное решение задач. Разработчики систем баз знаний должны изучать и применять человеческие и машинные методы и возможности решения задач. Решение задач машиной, как и человеком, построено на стратегиях поиска. Цель состоит в том, чтобы найти наиболее целесообразный путь через базу знаний, ведущий к решению задачи. В основе машинного решения задач лежат три основных понятия: первоначальное состояние; целевое состояние; операторы. Теория проектирования систем баз знаний основана на иерархии "данные – мудрость". Данные представляют собой факты и цифры, необработанную информацию и концепции, сформированные путем изложения фактов. Обработанные данные представляют собой информацию. Информация образуется при выяснении смысла данных с помощью анализа, в результате которого большой объем исходного материала преобразуется в совокупность небольших взаимосвязанных частей. Знания являются синтетической информацией. В результате синтеза формируются более сложные структуры, основанные на моделях, правильно описывающих процесс или объект, и приводятся примеры возможных действий. Люди, группы и целые культуры собирают и обрабатывают информацию и формируют знания. Их сравнивают с другими знаниями, чтобы достичь понимания и получить направляющие решения. Затем собранные знания 124

оцениваются в соответствии с ценностями, законами, суждениями и другими (профессиональными) стандартами, и появляется мудрость. В то время как знания считаются пределом для интеллектуальных машин, мудрость является уделом человечества. Знания можно определить как набор моделей, которые используются для интерпретации, прогнозирования и управления внешним миром. Они представляют собой совокупность декларативных (факты) и процедурных (методы) утверждений. Знания имеют разные уровни: есть вещи, которые легко изучить и объяснить, а есть вещи, которые изучить и объяснить трудно. Низший уровень знаний – это факты, которые можно констатировать, приводить в виде таблиц, перечней, диаграмм, иллюстраций и графиков. Следующий уровень знаний – это понятия, которые суть обобщения. Они поясняют группы объектов, символов, процессов и событий с общими атрибутами. Это означает, что классификация, по сути своей, искусственна. Понятия бывают конкретными и абстрактными. Следующий уровень знаний – правила, которые вырабатываются путем анализа фактов и понятий. Правила представляют собой наборы операций и шагов, направленных на решение задачи, достижение цели или получение какого-либо продукта. Правила представляют знания в виде операторов или алгоритмов типа "если, то…" и используются при разработке стратегий решения задач. Высшим уровнем знаний являются правила высокого порядка и эвристическое решение задач. Эвристические знания основаны на создании правил и их применении в нестандартных ситуациях, что дает возможность выхода за пределы знаний, основанных на правилах и алгоритмах. Это синтез новых фактов и понятий на основе ранее изученных правил. Факты из какойлибо предметной области могут быть взяты из банка фактов. Наборы фактов могут объединяться в понятия. Понятия получают определение, "очищаются" и преобразуются в правила. Затем факты, понятия и правила синтезируются, а их границы расширяются с целью создания эвристических знаний.

123

Эвристические знания уникальны для каждого человека. Они основываются на индивидуальных "эмпирических" правилах или "систематических догадках". В то время как для решения стандартных и четко определенных задач применяются алгоритмы, эвристические правила относятся к задачам, возможные исходы и решения которых не определены. Эвристические знания основаны большей частью на методах и правилах открытий и инноваций. Декларативные и процедурные знания. Инженерия знаний определяет их как набор фактов, понятий, правил и эвристики, направленных на решение задач. Знания о каком-либо предмете могут быть разделены на две группы: декларативные и процедурные. Декларативные знания – это описательное представление в какой-либо предметной области. Это поверхностные знания о том, что собой представляет предмет, как он выглядит и что он означает. Например, знание того, "что" представляет собой отчет о прибылях и убытках, является примером декларативного знания – знания фактов. Процедурные знания являются набором интеллектуальных способностей, направленных на знание того, "как" сделать что-либо. Процедурные знания являются предписывающими: они используют процедурные знания для определения образа действий. Применение знаний. Мышление, решение задач и рассуждения – это пути развития и применения человеческих знаний. Как гласят различные определения, мышление – это направленная, ориентированная на цель деятельность, сконцентрированная на решении задач. Это также активный мыслительный процесс, направленный на разработку и изменение ментальных моделей. Ментальные модели – это структуры знаний, которые создаются во время изучения или выполнения различных задач. Мышление подразумевает активную интеграцию новых знаний с существующими знаниями и навыками. Это основа обучения, процесса разработки новых и более совершенных ментальных моделей и когнитивных навыков. Наиболее эффективное приобретение новых знаний – это "обучение на 124

деле". Результат решения – это переход из первоначального состояния в желаемое (целевое) состояние. Источники знаний. Для разработчиков систем источник знаний – это, в первую очередь, его преподаватели и учителя, исследователи, работающие в этой области, работники, которые применяют знания в этой области, и эксперты. В качестве других источников можно назвать книги, руководства, научные труды, записки, материалы исследований, физические записи – видео- и аудиозаписи, диски CD-ROM, фильмы, слайды и т.д. и компьютерные ресурсы – базы данных, электронные доски объявлений и т.д. При разработке базы знаний надо учитывать ее размер, степень сложности, стабильность и форму знаний. Эти вопросы определяют выбор методологии, а также программного и аппаратного обеспечения, которое планируется использовать при создании базы знаний. Экспертные системы. В контексте развития коммерческой обработки информации обычно рассматривают три понятия: информационные системы (ИС); системы поддержки принятия решений; системы с базой знаний. Основными элементами любой ИС являются: пользователь (тот, кто хочет удовлетворить свою потребность в информации); база данных (совокупность доступных данных и информации) и коммуникационный интерфейс (пути и способы, с помощью которых пользователь извлекает информацию из базы данных). Традиционные ИС независимо от доступных средств или применяемых технологий обеспечивают пользователя "сырой" информацией без каких-либо дополнительных пояснений. Они просто обрабатывают и распространяют данные, хранящиеся в базе данных. Системы поддержки принятия решений состоят не только из базы данных, но также из базы, содержащей техники, методы, прогнозы и статистику, что делает возможным комплексную обработку доступной информации. Они дают возможность "индивидуализированного" вывода информации, соответствующего потребностям пользователя. Основной возможностью систем поддержки принятия решений является их способность предоставления ответов на вопросы типа "что, если".

123

Экспертные системы – это специализированные системы, которые могут заменить эксперта в определенных областях знаний. Они имитируют рассуждения экспертов по определенным предметам и иногда называются интеллектуальными помощниками. Экспертная система: полностью заменяет эксперта; охватывает узкую, специфичную область знаний; поясняет цепочку заключений (разъясняет, каким путем она пришла к какому-либо выводу); при работе со стохастической задачей для каждой альтернативы предоставляет степень ее вероятности. Компоненты. В основе современных экспертных систем лежат различные подходы, технологии и компьютерные конфигурации, поэтому не существует каких-либо стандартных решений. Большинство экспертных систем имеют три общих компонента: базу знаний; управляющую программу; механизм выработки решений. Классификация. Экспертные системы также классифицируются по областям их применения: • производственные экспертные системы предназначены для повышения эффективности различных стадий производственного процесса (планирования, проектирования, производства, контроля); • финансовые экспертные системы используются при управлении денежными средствами (в банковском деле, бухгалтерском учете, страховании); • образовательные экспертные системы предназначены для разработки и непосредственного осуществления процесса обучения (обучения в школе, профессионального обучения, медиа); • медицинские экспертные системы используются при диагностике, анализе симптомов, выписке лекарств и определении методов терапии; • научные экспертные системы используются во всех областях науки, вплоть до анатомии и зоологии; • военные экспертные системы используются для разработки стратегии и тактики военных действий и для других военных целей; 124

• общественные экспертные системы предоставляют разнообразные интеллектуальные услуги – от игр и домашнего бюджета до юридических консультаций и прогноза погоды. Различают десять видов предназначения экспертных систем: • интерпретация, или формирование описаний на базе сенсорных данных; • прогнозирование, или определение последствий каких-либо ситуаций; • диагностика, или определение причин неисправностей по видимым проявлениям; • проектирование, или создание объектов в соответствии с заданными характеристиками; • планирование, или определение последовательности действий; • мониторинг, или сравнение результатов наблюдений с ожидаемыми результатами; • отладка, или определение способов устранения неисправностей; • ремонт, или устранение неисправностей по предписанному плану; • инструкции, или постановка диагноза и предписание определенных действий; • контроль, или управление поведением всей системы. Разработка. Процесс создания экспертной системы начинается с постановки задачи и определения перспектив. Когда задача определена, начинается процесс создания прототипа. Создание прототипа – наиболее трудоемкая стадия процесса, подразумевает интервьюирование экспертов в интересующей области и изучение других источников знаний с целью сбора материала, необходимого для создания базы знаний. Когда определена методика (методики) представления знаний, создается код системы и ее первый рабочий прототип. Средства разработки. Экспертные системы могут разрабатываться на любом языке программирования, в котором реализовано условие "ЕСЛИ". Исследования показали, что при разработке коммерческих систем с базой знаний используется 123

множество языков программирования, начиная Basic, COBOL, LISP, PROLOG, Pascal и FORTRAN и заканчивая OPS5, Nexpert, EPIТOOL и GKS (Graphical Kernel System). В 90 % случаев для создания экспертной системы используется более одного языка. Однако некоторые языки не подходят для программирования, в основе которого лежат правила и фреймы. Наиболее широко используемым языком создания ИИ является LISP (List Processor), за ним идет PROLOG (PROgramming in LOGic), язык программирования, основанный на исчислении предикатов, который используется преимущественно в Европе.

2.2. Создание интеллектуальных компьютерных систем Основные проблемы. Методы и средства, созданные и разрабатываемые в рамках направления "распознавание образов, обработка и понимание изображений и сцен", предназначены для решения интеллектуальных задач принятия решений, диагностики, идентификации и прогнозирования [13–17]. Отличительной и принципиальной особенностью этих задач является невозможность использования классических математических (аналитических) моделей для формализации и представления исходных данных, которые могут задаваться в форме числовых массивов, изображений, сигналов, вербальных описаний или смесью различных способов представления информации. Основные цели и ожидаемые результаты. Основные цели исследований связаны с решением следующих фундаментальных проблем: создание единого комплекса математических и вычислительных методов и средств, обеспечивающих: автоматизацию, регуляризацию и оптимизацию выбора алгоритмического и ПО при решении задач распознавания образов, анализа и понимания изображений и речи; автоматизацию разработки, исследования и реализации автоматизированных вычислительных систем, предназначенных для преобразования и оценивания информации, представленной в виде изображений, сигналов, символьных и числовых массивов 124

данных и их комбинаций; создание комплекса инструментальных и прикладных программных средств для реализации ИТ на основе систем, включающих вычислительный полигон, алгоритмическую базу знаний и специализированные базы данных. Распознавание речи. Распознавание речи как чисто научная проблема давно привлекает внимание исследователей, и сегодня накоплен большой арсенал методов, которые могут способствовать ее решению. Эти методы основаны на "инженерии знаний" – содержательном исследовании процесса генерации речи и процесса ее восприятия. Однако попытки создания на этой основе практических распознающих систем дают совершенно неудовлетворительные результаты. Основные цели и ожидаемые результаты. Основная цель – разработка дикторо-независимых методов и систем распознавания слитной речи с большим словарем. Промежуточные цели: создание дикторо-зависимых систем распознавания дискретной речи со словарем ограниченного объема (15000–20000 слов); создание адаптивных систем распознавания дискретной речи с большим словарем (более 20000 слов); создание дикторо-независимых систем распознавания слитной речи со словарем 200–300 слов для использования в системах речевого управления. Моделирование мышления Основные исследования в данном направлении можно разделить на две группы: создание "машинного разума"; создание человеко-машинных систем, где компьютер играет роль "усилителя интеллекта" человека.

• Разработка компьютерных обучающихся систем Ситуация в мире. Автоматическое обучение (АО) – одно из центральных направлений ИИ, методы которого используются при доказательстве теорем, немонотонных рассуждениях, анализе речи и текстов на естественном языке, экспертных системах. Основные цели и ожидаемые результаты. Фундаментальными научными проблемами направления являются создание теории автоматизированных рассуждений с 123

использованием бесконечнозначной логики степеней правдоподобия и разработка средств автоматизированной аргументации для областей знаний со слабой формализованностью (науки о жизни, социология и социальная психология, лингвистика, ИС).

• Моделирование мышления, экспертных знаний, интуиции Основные научные проблемы: построение компьютерных моделей, точно имитирующих когнитивные процессы человека; определение критерия тождественности искусственного и естественного интеллекта; экспериментальное определение структуры хранения знаний в долговременной памяти человека; моделирование научных открытий и интуиции; построение баз знаний, адекватных знаниям экспертов; методы машинного представления знаний; методы эффективного поиска в базах знаний.

• Семиотические модели и системы управления Основные проблемы. Переход к изучению открытых и развивающихся систем требует новых моделей и методов, позволяющих отразить особенности систем такого типа. Главной их особенностью является наличие так называемых НЕ-факторов, возникающих из неполноты знаний о развитии процессов в объекте управления. Выражается это в нарушении свойства монотонности получения новых знаний, являющегося основным для традиционных формальных логических систем. Преодоление ограничений, налагаемых формальными системами, становится возможным при переходе к семиотическим системам, для которых формальные логические системы могут рассматриваться в качестве состояний динамической системы, описываемой данной семиотической системой. Основные цели и ожидаемые результаты. Цели – создание эффективных средств для управления открытыми и развивающимися системами, для систем интеллектуального поиска систем коммуникации на высоком уровне.

• Компьютерное обучение знаниям 124

Основные проблемы. В современном мире все более важной становится проблема обучения. Люди тратят много лет на приобретение знаний, объем которых постоянно увеличивается. В связи с этим всеобщее внимание привлекает проблема переноса знаний от обучающего к обучаемому при помощи компьютера. Основные цели и ожидаемые результаты. Основные цели: обучение мастерству экспертов за несколько месяцев, что существенно меньше 10–15 лет, необходимых самому эксперту для достижения высот профессионального мастерства; воспитание людей, являющихся одновременно экспертами во многих профессиональных областях; полная перестройка существующих университетов; построение обучающих центров будущего, где компьютеры эффективно проводят процесс обучения с учетом индивидуальных особенностей обучаемого.

• Автоматизированное проектирование Основные проблемы. Современные достижения в информатике, вычислительной технике, программных средствах САПР коренным образом изменили традиционные методы проектирования промышленной продукции и позволили перейти от автоматизации рутинных проектных работ к автоматизации интеллектуальных задач проектирования, связанных с анализом вариантов, моделированием создаваемого продукта, выбором и отбраковкой альтернативных проектных решений. Наиболее перспективно применение интеллектуальных компьютерных систем в области виртуального проектирования, позволяющего имитировать процесс проектной разработки в полном объеме на компьютерных моделях, включая не только разработку проекта или документации, но и создание реально воспринимаемых кибернетических прототипов, проведение компьютерного макетирования, испытаний и доводки систем с помощью таких прототипов. Основные цели и ожидаемые результаты. Основными целями являются: автоматизация интеллектуальных форм труда человека в процессах проектирования и разработки; формирование в системах САПР и CAD/CAE/CAM интеллектуальных функций "понимания" намерений 123

проектировщика в сложных и неопределенных условиях; создание интеллектуальной модельной среды проектирования, адекватной реальным условиям проектной разработки; создание интеллектуальных и программных интерфейсов, обеспечивающих эффективное взаимодействие проектировщика с компьютерными системами и другими разработчиками; развитие математической теории агрегатно-декомпозиционного и комбинаторного проектирования; развитие параметрических моделей и методов в теории принятия решений и их применение к задачам проектирования: исследование проблем извлечения и структуризации знаний и инженерного опыта в системах проектирования; разработка интеллектуальных методов компьютерного моделирования и виртуального проектирования на основе достижений в области компьютерной графики, мультимедиа, виртуальной реальности, быстрого прототипирования, реижиниринга.

• Системы поддержки принятия решений Основные проблемы. Проблематика принятия решений при многих критериях признана в мире как отражающая основные проблемы в этой области. Общепризнанным является разрыв между требованиями нормативных методов принятия решений и возможностями человеческой системы переработки информации. Основные цели и ожидаемые результаты. Основные цели: создание методов, позволяющих адекватно описывать и учитывать факторы неопределенности и риска; создание методов структуризации ситуаций; создание методов оценки последствий принимаемых решений, объединяющих компьютерное моделирование и экспертные сценарии; оценка степени эффективности решающих правил; аксиоматическое обоснование решающих правил; создание средств для управления базами данных и знаний различного типа; разработка средств для генерации моделей, для трансляции данных и знаний в модели; разработка методов и средств представления и отображения входной и выходной информации; создание систем, изучающих 124

пользователя и приспосабливающихся к его стилю принятия решений.

• Интеллектуальные системы управления Основные проблемы. Научно-исследовательские программы, комплексные проекты и отдельные работы по интеллектуальному управлению группируются по нескольким разделам: интеллектуальное управление промышленными объектами и производственными системами; создание систем интеллектуального управления подвижными объектами различного назначения и транспортными средствами наземного базирования; разработка средств и методов управления интеллектуальными роботами специального, промышленного, медицинского, бытового и других применений; разработка и создание специализированных аппаратных средств для систем интеллектуального управления. Основные цели и ожидаемые результаты. Основными целями являются: поиск путей обеспечения высокой степени автономности, адаптивности, надежности и качества функционирования сложных технических устройств и систем на основе современных технологий обработки знаний в условиях неопределенной среды при наличии широкого диапазона внешних возмущений случайного характера; разработка принципов формирования знаний для конкретных предметных областей прикладного применения технологий интеллектуального управления; синтез интеллектуальных регуляторов и систем управления для быстродействующих объектов, устройств и процессов; исследование динамики интеллектуальных систем управления; разработка принципов построения аппаратных и программных средств интеллектуальных систем управления.

2.3. Технологии управления знаниями Компьютерные технологии обеспечивают работу концепции управления знаниями. Именно они лежат в основе решений, позволяющих автоматизировать и централизовать процесс обмена 123

знаниями, а также способствовать модернизации бизнес-процесса. При выборе технологических компонентов, на основе которых будет строиться система управления знаниями, необходимо учесть ряд важных вопросов [18–20]. Прежде всего, не следует без крайней необходимости заставлять пользователей обучаться новым методам работы с программными средствами. Чем теснее интегрированы программные решения и инфраструктура с существующим ПО, тем меньше придется отказываться от привычных для пользователя инструментов. Успех внедрения системы управления знаниями определяется удобством взаимодействия отдельных сотрудников с корпоративной информацией. Если для того, чтобы работать в соответствии с принципами управления знаниями, пользователям придется забыть все, чему они учились раньше, затраты на переобучение будут огромными, а заинтересованность в новой системе – минимальной. Программная платформа для работы с информацией.

Microsoft и ее партнеры предлагают обширный комплекс программных продуктов и решений, позволяющих внедрить на практике принципы управления знаниями. При их разработке основное внимание обращалось на то, чтобы технологические элементы платформы не являлись сдерживающим фактором в процессе управления информацией. Платформа, предлагаемая Microsoft для организации управления знаниями, состоит из семи основных компонентов: • Офисный пакет для работы с информацией.

Microsoft Office представляет собой интегрированный, интерактивный портал для всех информационных ресурсов компании. Средства динамического доступа к хранилищам данных, серверам обмена сообщений и системам документооборота позволяют Microsoft Office 2000 работать со всеми видами корпоративной информации, в том числе и через Интернет. Кроме того, результаты работы можно легко передать коллегам благодаря интегрированным в Microsoft Office web-сервисам.

124

• Сервисные средства работы с информацией. Сервисы, ориентированные на работу с информацией, предоставляют централизованные возможности управления информационными ресурсами, а также обеспечивают передачу и отслеживание нужных данных.

• Средства совместной работы – обмен неявными знаниями. Средства совместной работы, поддерживаемые в Microsoft Office и Microsoft Exchange Server, дают пользователям возможность применить новые информационные стратегии, используя привычные программные инструменты.

• Организация работы с исходными материалами – сбор и обработка явной информации.

• Анализ – превращение данных в знания. Возможность выявить тенденции рынка на основе финансовой и прочей бизнес-информации позволяет повысить эффективность стратегического планирования деятельности компании.

• Поиск и передача информации группам пользователей. Работа с группами пользователей внутри организаций с разрозненной структурой становится возможной благодаря порталам, основанным на технологии настраиваемого поиска и передачи информации внутри предприятия.

• Отслеживание операций и организация бизнеспроцесса – выявление и дальнейшее распространение эффективных методик работы. Операционная система. Microsoft Windows NT Server обеспечивает надежную основу для реализации автоматизированных систем за счет наличия расширяемого набора сервисов, регулирующих работу основных элементов любого программного решения. Компоненты Microsoft Windows NT Directory Services позволяют организовать стандартную структуру для работы с информацией о навыках и квалификации сотрудников, напрямую интегрированную с системой защиты данных. Кроме того, в Windows NT реализована универсальная система управления приложениями с помощью Microsoft Management Console, обеспечивающая 123

крайне низкие затраты на эксплуатацию для всего семейства серверных программных продуктов Microsoft. Подключаемые устройства. Благодаря партнерству с телекоммуникационными компаниями, продвижению ориентированной на мобильные устройства операционной системы Microsoft Windows CE и разработок в области естественных интерфейсов, Microsoft обеспечивает для сотрудников, работающих с бизнесданными, полный доступ к информационным ресурсам их предприятия именно там и именно тогда, когда эта информация необходима. Программные решения партнеров. Поскольку деятельность каждого предприятия имеет свои характерные особенности, компания Microsoft организовала одну из широчайших партнерских сетей в технологической индустрии, чтобы обеспечить своим корпоративным клиентам выбор программного решения, наиболее полно соответствующего конкретным задачам предприятия.

2.4. Эффективность управления знаниями Управление совокупными знаниями компании и управление знаниями о клиентах. На практике управление взаимоотношениями с клиентами означает эффективное использование знаний о них. Совокупные знания компании включают знания о клиентах. Управление совокупными знаниями компании – это создание условий для того, чтобы все знания и информация в компании сохранялись, структурировались, анализировались для эффективного их использования в настоящем и будущем. Другими словами, это организация управленческих действий для максимального использования всех имеющихся информационных ресурсов [21, 22]. Налаживание взаимодействий между подразделениями компании. Управление этими взаимодействиями позволяет охватить все каналы контактов с клиентами и обслуживать клиента одинаково эффективно по всем каналам. При этом 124

налаживаются взаимодействия между подразделениями в компании. Сохранение знаний и информации. При сохранении знаний и информации появляется возможность не повторять прошлых ошибок. Объединение ресурсов в одном месте. Объединение и централизованный доступ ко всем знаниям о клиенте позволяют существенно сократить время на поиск нужной информации. Обеспечение доступа к ресурсам для всех сотрудников. Когда сотрудники всех подразделений компании имеют доступ к базе знаний о клиентах, то часто появляется возможность для продажи дополнительных продуктов или услуг. Кастомизация знаний и информации. Разным подразделениям может быть нужна различная информация о клиентах. Если все знания и информация сосредоточены в одной базе, каждое подразделение компании может кастомизировать эти знания в соответствии с необходимостью. Возможность анализа и прогнозирования. Сохранение всей информации и знаний о клиентах в одной базе знаний дает возможность анализировать эффективность взаимодействий с ними и планировать на перспективу направления дальнейшей работы. Совместная с клиентом работа. Чтобы лучше понимать требования клиента, иногда можно работать вместе с ним, например, через внешний интерфейс продукта группы CRM. Вопросы мотивации сотрудников. Социально-психологические аспекты (например, вопросы мотивации) так же важны для управления взаимоотношениями с клиентами, как и для управления совокупными знаниями всей компании. Основными мотивационными факторами могут стать производственная необходимость, материальная заинтересованность и нематериальная мотивация. Три источника и три составные части совокупных знаний компании. Знания о клиентах компании являются информационным ресурсом, составным элементом совокупных знаний компании. Знания сотрудников. Знания сотрудников – это их профессиональные навыки и опыт решения производственных 123

проблем, способ взаимодействия с коллегами и клиентами, деловые контакты, связанные с бизнес-процессами, впечатления и мнения. Внешние информационные потоки. Входящие (внешние) информационные потоки обычно состоят из новостей, финансовой информации, аналитических отчетов, обзоров определенных секторов рынка, а также специальной информации (которая подготавливается по непосредственному заказу), например справок по отдельным компаниям или лицам. Соотношение трех составляющих. Для разных сфер бизнеса и даже для различных компаний в пределах одного вида деятельности соотношение трех составляющих часто бывает различным, например: внешние информационные потоки представляют большее значение для инвестиционных и консалтинговых компаний, квалификация и умения сотрудников могут составлять основу бизнеса производственных компаний. Знания, получаемые от клиентов, и опыт взаимоотношений с ними важны для бизнеса любой компании, поскольку целью любого бизнес-процесса на рынке является получение прибыли от производимой продукции или оказываемых услуг в результате удовлетворения чьих-то (клиентов) потребностей в этих продуктах или услугах. Управление знаниями о клиентах Формализованные и неформальные знания. Формализованные знания сотрудников остаются в компании, даже если сотрудники ее покидают, поэтому хозяином формализованных знаний является компания. Уходя из компании, сотрудники уносят свои неформализованные знания с собой (часто даже к конкуренту), потому что хозяином своих неформальных знаний остается сам сотрудник. Управление знаниями и обмен знаниями. Существуют два основных подхода к управлению знаниями: кодификация (сохранение формализованных знаний) и персонификация (обмен неформальными знаниями). При использовании первого подхода обмен знаниями во многом опирается на технологические инструменты, т.е. технологии, позволяющие формализовать знания, помещать их в базы данных (знаний), анализировать и затем находить и эффективно использовать. Управление 124

взаимоотношениями с клиентами чаще всего осуществляется с использованием технологических инструментов (продуктов группы CRM), которых на российском рынке около 20 видов. Различия между ними определяются ценой, странойразработчиком, спектром предоставляемых услуг (аналитические функции). Основное предназначение таких продуктов – возможность сохранения и использования всех знаний и информации о клиенте, получаемых от всех сотрудников из всех подразделений компании. Управление знаниями о клиентах. Для определения правильного подхода к клиенту и разработки стратегии и тактики эффективных взаимоотношений с ним часто важными оказываются даже несущественные на первый взгляд информация и знания. Эффективность управления взаимоотношениями с клиентами можно значительно повысить, если сопровождать процесс кастомизированными информационными продуктами и новостными линками. Например, в числе кастомизированных информационных продуктов можно отметить так называемые пакеты знаний (Knowledge Packs) и карты знаний (Knowledge Maps). Первые из них обычно представляют собой коллекцию линков к информации (чаще всего внешней), в определенной последовательности отражающей основные показатели развития отрасли клиента, историю развития и финансовые показатели деятельности его компании, основные проблемы компании клиента, контактную информацию, а также сведения персонального характера о ключевых фигурах компании и т.д. Карты знаний – это чаще всего графическое изображение источников знаний и ресурсов информации, содержащих те или иные сведения. Как пакеты знаний, так и карты знаний обычно изготавливаются в соответствии с потребностями, т.е. оба этих продукта могут быть кастомизированы.

3. МОДЕЛИ И МЕТОДЫ УПРАВЛЕНИЯ ЗНАНИЯМИ 3.1. Модели знаний и данных 123

Особенности знаний. Особенности, присущие различным формам представления знаний в ЭВМ, имеют следующие характеристики [23–25]: • Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому ИС находит её, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памяти, были лишены имен, то отсутствовала возможность их идентификации системой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скрывается за тем или иным двоичным кодом машинного слова, системе было неизвестно.

• Структурированность. Информационные единицы должны были обладать гибкой структурой. Для них должен выполняться "принцип матрешки", т.е. рекурсивная вложенность одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой единицы можно выделить некоторые её составляющие. Другими словами должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа "часть – целое", "род – вид" или "элемент – класс".

• Связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Прежде всего, эти связи могут характеризовать отношения между информационными единицами. Например: две или более информационные единицы могут быть связаны отношением "одновременно", две информационные единицы – отношением "причина – следствие" или отношением "быть рядом". Приведенные отношения характеризуют декларативные знания. Если между двумя информационными единицами установлено отношение "аргумент – функция", то он характеризует процедурное знание, связанное с вычислением определенных функций. Существуют отношения структуризации, функциональные отношения, каузальные отношения и 124

семантические отношения. С помощью первых задаются иерархии информационных единиц, вторые несут процедурную информацию, позволяющие вычислять (находить) одни информационные единицы через другие, третьи задают причинно следственные связи, четвертые соответствуют всем остальным отношениям. Перечисленные три особенности знаний позволяют ввести общую модель представления знаний, которую можно назвать семантической сетью, представляющей собой иерархическую сеть, в вершинах которой находятся информационные единицы.

• Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее информационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например "покупка", "регулирование движения"). Отношение релевантности при работе с информационными единицами позволяет находить знания близкие к уже найденным.

• Активность. С момента появления ЭВМ и разделения используемых в ней информационных единиц на данные и команды создалась ситуация, при которой данные пассивны а команды активны. Все процессы, протекающие в ЭВМ, инициируются командами, а данные используются этими командами лишь в случае необходимости. Для ИС эта ситуация неприемлема. Как и у человека, в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов или описание событий, установление связей может стать источником активности системы. Перечисленные пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний (БЗ). Совокупность 123

средств, обеспечивающих работу со знаниями, образуют систему управления базой знаний (СУБЗ). В настоящее время не существует баз знаний, в которых в полной мере были бы реализованы перечисленные вше особенности. Модели представления знаний. Во многих случаях для принятия решений в той или иной области человеческой деятельности неизвестен алгоритм решения, т.е. отсутствует четкая последовательность действий, заведомо приводящих к необходимому результату. Например: – проектирование развития тяжелой промышленности; – оптимальное размещение персонала внутри здания; – лечение больного человека. При принятии решения в таких случаях необходимо иметь некоторую сумму знаний о самой этой области. Например: при выборе наилучшего хода в конкретной шахматной позиции необходимы знания о правилах игры, силе шахматных фигур, стратегии и тактике и многое другое. Под знаниями понимается то, что стало известно после изучения. Совокупность знаний нужных для принятия решений, принято называть предметной областью или знаниями о предметной области. В любой предметной области есть свои понятия и связи между ними, своя терминология, свои законы, связывающие между собой объекты данных предметной области, свои процессы и события. Кроме того, каждая предметная область имеет свои методы решения задач. Решая задачи такого вида на ЭВМ, используют ИС, ядром которых являются базы знаний, содержащие основные характеристики предметных областей. При построении баз знаний традиционные языки, основанные на численном представлении данных, являются неэффективными. Для этого используются специальные языки представления знаний, основанные на символьном представлении данных. Они делятся на типы по формальным моделям представления знаний. Различные авторы по-разному эти модели классифицируют. Их четыре: – продукционные модели; 124

– логические модели; – сетевые модели; – фреймовые модели. Кто-то объединяет продукционные и логические, а кто-то сетевые и фреймовые. Продукционные и логические модели: Знания в таких моделях представляются в следующей форме: "Если А, то В". Вместо А и В могут стоять некоторые утверждения, факты, приказы и т.д. Например: "Если диагонали четырехугольника пересекаются под прямым углом, то этот четырехугольник ромб", "Если сделаешь работу, то получишь зарплату" и т.д. Из примеров видно, что правило состоит из двух частей: посылки (условия) и следствия (заключения). Если А (посылка) имеет место, то В (следствие) также реализуется или может быть реализовано. Посылка может состоять и из нескольких частей т.е: "Если А1, А2, …, АN , то В". Запись правила означает, что "Если все посылки от А1 до АN истинны, то следствие В также истинно". Посылки А1…АN есть простые посылки они соединяются с помощью союзов: и, или и могут содержать отрицание не. При реализации правил такого вида из одной или нескольких посылок (знаний) могут быть получены новые знания, поэтому они называются продукционными. Сетевые модели. В основе представления знаний лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. В отличие от продукционных эти модели более наглядны, поскольку любой пример можно представить в виде ориентированного (направленного) графа. В основе моделей этого типа лежит конструкция, названная семантической сетью. Сетевые модели формально можно задать в виде Н = [I, C1, C2, …, CN, G]. Здесь I – множество информационных единиц; С1, …, СN – множество типов связей между информационными единицами. Отображение G задает между информационными единицами, входящими в I связи из заданного набора типов связей.

123

В зависимости от типов связей, используемых в модели, различают классифицирующие сети, функциональные сети и сценарии. Фреймовые и сетевые модели Семантические сети. Понятия, входящие в сеть, описываются в виде фреймов. Фрейм – это минимально возможное описание сущности какого-либо события, ситуации, процесса или объекта. Существует и другое понимание фрейма – это ассоциативный список атрибутов. Понятие минимально возможное означает, что при дальнейшем упрощении описания теряется его полнота, и оно перестает определять ту единицу знаний, для которой было предназначено. Представление знаний с помощью фреймов понимается как один из способов представления знаний о ситуациях. Фрейм имеет имя (название) и состоит из слотов. Слоты – это незаполненные (нулевые) позиции фрейма. Если у фрейма все слоты заполнены – это описание конкретной ситуации. В переводе с английского слово "фрейм" означает "рамка", а слово "слот" – "щель". В отличие от моделей других типов во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется протофреймом. В общем виде структура информационных единиц выглядит следующим образом: (Имя фрейма: имя слота1 (значение слота1); имя слота2 (значение слота2); .......................... имя слотаК (значение слотаК)). Значением слота может быть практически что угодно (числа, математические соотношения, тексты на естественном языке или на языке программ, ссылки на другие слоты данного фрейма). Значением слота может выступать и отдельный фрейм, что является очень удобным для упорядочивания знаний по степени общности. Исключение из фрейма любого слота делает его неполным, а иногда и бессмысленным. При конкретизации фрейма ему и слотам приписываются конкретные имена и 124

происходит заполнение слотов. Таким образом, из протофреймов получаются фреймы – экземпляры. Переход от исходного протофрейма к фрейму – экземпляру может быть многошаговым, за счет постепенного уточнения значений слотов. Представление знаний в системе распределенных баз знаний и данных Internet / Intranet. В настоящее время в основном три изобретения в области информатики определяют пути ее развития; экспертные системы, системы управления базами данных, сеть Internet. В последние два десятилетия широкое распространение в различных областях деятельности получили экспертные системы. Отличительной чертой компьютерных программ, называемых экспертными системами, является их способность накапливать знания и опыт высоко квалифицированных специалистов в какойлибо узкой предметной области. Затем с помощью этих знаний пользователи экспертных систем, имеющие не очень высокую квалификацию, могут решать свои текущие задачи столь же успешно, как это сделали бы сами эксперты. На данный момент экспертные системы должны удовлетворять следующим требованиям: • Необходимо использовать в них не поверхностные знания в виде эвристических правил, а глубинные, представляющие собой теории предметных областей и общие стратегии решения проблем.

• Знания должны быть организованы в виде составных иерархических представлений, включающих сети фреймов, продукции и логические модели.

• Экспертная система должна решать задачи из динамических предметных областей, то есть областей, знания о которых могут изменяться непосредственно в процессе вывода.

• Одним из компонентов экспертной системы должна являться база данных с неполной информацией.

• Система должна быть способна анализировать имеющиеся у нее знания, обнаруживая 123

противоречия между старыми знаниями и вновь полученными от эксперта, устанавливать факт их неполноты или ошибочности. В большинстве случаев современные экспертные системы не удовлетворяют этим требованиям. Следует сказать о таком важном, недостатке экспертных систем, как отсутствие возможности хранить большие объемы данных. В принципе, база знаний экспертной системы может хранить любое количество данных в виде правил-продукций или просто фактов. Но механизм ее работы в общем виде таков, что при работе с большими объемами похожих фактов или правил скорость работы резко падает. Язык представления данных и знаний IRL. В качестве модели представления данных и знаний была выбрана сеть фреймов. Понятие фрейма широко используется в областях, связанных с искусственным интеллектом. Фрейм позволяет описывать как абстрактные объекты и понятия, так и конкретные объекты, имеющие точные числовые характеристики. Также представляется очень существенной возможность представления в виде фреймов иерархических объектов. Фрейм, как известно, состоит из слотов, описывающих конкретные свойства понятия или объекта. Для работы с фреймами был разработан специальный язык /Intelligent Request Language/, или сокращенно IRL. Грамматика этого языка представлена ниже. Она относится классу Q-грамматик, так как содержит правила вида N:empty. Грамматики того типа допускают нисходящий грамматический разбор. Достоинством языка IRL можно считать возможность описания двух таких важных сущностей, как наследование и включение. По нашему мнению, машинный язык может адекватно представлять устройство мира с человеческой точки зрения только в том случае, если он отображает эти понятия. Как видно из грамматики, в частном случае фрейм языка IRL может иметь только имя, и ничего больше. В этом случае он является описанием базового понятия, то есть, понятия, не имеющего предка. В качестве базовых понятий используются: • Действие (Action).

124

• • •

Свойство (Property). Отношение (Relation). Объект (Object). Некоторые из базовых понятий имеют свойства (слоты), другие – нет. К числу первых относятся действие и отношение, к числу вторых – свойство и объект. Базовое действие имеет следующие слоты: • Название.

• Объект действия.

• Субъект действия.

• Время действия.

• Место действия.

• Что имеется в начале действия.

• Что имеется в конце действия. Последние два слота предназначены для того, чтобы система могла анализировать действие не только по названию, но и по сути. Базовое отношение в свою очередь имеет слоты: • Объект.

• Субъект. При описании конкретного действия или отношения каждый слот получает соответствующее значение. Все остальные понятия наследуются из базовых. По умолчанию фрейм-потомок наследует все слоты фрейма-предка, а к ним уже может добавлять любое количество своих слотов. Кроме наследования, грамматика языка IRL позволяет реализовать такую важную вещь, как понятие включения. Для этого введен специальный слот "Состоит". Объект может состоять из любого числа других объектов, которые, в свою очередь, могут быть составными. Если характеристика объекта может быть выражена с помощью чисел, то язык предоставляет следующие возможности: использование единиц измерения по усмотрению пользователя. Единицы измерения, используемые пользователем, с помощью таблиц преобразования приводятся к унифицированным. Использование числовых диапазонов. Для них предусмотрен специальный синтаксис. Кроме понятий и объектов система может хранить отдельные факты и правила-продукции, или, говоря другими 123

словами, каждый фрейм является своего рода правиломпродукцией. Остановимся для начала на фактах. Факт любого рода может быть представлен в виде фрейма, описывающего конкретное действие. Фреймов с одинаковым названием в системе может храниться сколь угодно много. Нужно лишь, чтобы они отличались друг от друга. Благодаря уникальной конструкции файловой системы поиск нужного фрейма происходит очень быстро. Обратимся вновь к грамматике языка IRL. Слот "Источник" может присутствовать в любом фрейме, но он не является обязательным. Это значит, что если данные хранятся в конкретной базе данных, то мы ее указываем, а если нет – это будет факт общего вида, пример которого и был приведен выше. В реальной практике довольно редко встречаются обособленные файлы баз данных. Как правило, для увеличения быстродействия систем обработки данных информация хранится во множестве различных файлов, связанных между собой. Язык IRL позволяет описывать связанные базы данных. Мы не будем касаться конкретного синтаксиса. Приведем лишь общий вид некоторого факта, а именно: описание объекта "Фирма", данные о котором хранятся в одной базе данных, а данные о продукции, выпускаемой фирмой, – в другой базе данных. Естественно, что эти базы должны быть связаны между собой.

3.2. Информационный процесс представления знаний Одним из основных путей повышения качества управления сложными организационными системами является создание интеллектуальных информационных технологий (ИИТ) [26–28]. Создание ИИТ связано с решением комплекса проблем синтеза базы знаний (БЗ) в экспертных системах (ЭС). Синтез БЗ является не только сложной научной проблемой, но и длительным, трудоемким и слабоструктурированным процессом. До 90 % времени при создании систем с базой знаний расходуется на процесс приобретения и формализации знаний. Эффектность экспертных систем в значительной степени определяется знаниями, 124

введенными в БЗ. Экспертная система – это средство информационной технологии, автоматизирующее процесс представления знаний и его процедур – получения и генерации (вывода) знаний. Создание и модификация базы знаний осуществляются совместными усилиями эксперта и инженера по знаниям. Для этой цели создается интеллектуальный редактор БЗ, представляющий собой программу диалогового взаимодействия, облегчающую работу с базой знаний. Решатель (блок логического вывода) производит вывод (генерацию) нового знания, т.е. решает поставленную задачу на основе имеющихся в базе знаний. При желании пользователь ЭС может получить объяснение того, как была решена задача. Для этого в ЭС включают блок объяснений. Взаимодействие с экспертной системой пользователя происходит при помощи интерфейса пользователя. Центральным блоком экспертной системы является база знаний. Логические модели представляют знания в виде формул, которые состоят из констант, переменных, функций, предикатов, логических связок и кванторов. Каждая логическая формула дает частичное описание состояния предметной области. В основе всех логических моделей представления знаний лежит понятие формальной системы М, задаваемой четверкой: М = < Т, Р, А, F > , где Т – множество базовых элементов (алфавит формальной системы); Р – множество синтаксических правил, позволяющих строить синтаксически правильные выражения А из Т; А – множество априорно истинных аксиом (любое множество синтаксически правильных выражений); F – правила вывода, позволяющие расширять множество аксиом. Среди реализаций логических моделей представления знаний различают системы дедуктивного типа (имеют фиксированную систему правил вывода) и индуктивного типа (правила вывода порождаются системой на основе конечного числа обучающих примеров). В логических моделях синтаксис задается набором правил построения правильных синтаксических выражений, а семантика – набором правил преобразования выражений и разрешающей 123

процедурой, позволяющей однозначным образом и за конечное число шагов определить, является ли данное выражение семантически правильным. Преимуществами логических схем представления знаний являются: высокий уровень модульности знаний, лаконичность представления, наличие тела анализа и определение понятия логического вывода, позволяющее получить формальным путем новые знания. Однако им свойственны и недостатки: чрезмерный уро вень формализации знаний; слабая наглядность, трудность прочтения логических формул и сложность их понимания; низкая производительность СИИ при обработке знаний и большая требуемая память; отсутствие выразительных средств для отражения особенностей ПрО и структурирования знаний; громоздкость при описании больших объемов знаний. Логические модели в силу присущих им недостатков самостоятельно применяются в СИИ крайне редко. Обычно они используются в сочетании с другими МПЗ.

3.3. Модели и методы интеллектуального контроля знаний Контроль знаний является неотъемлемой частью учебного процесса. Существует несколько методов контроля. Рассмотрим основные из них [29–34]. Методы контроля знаний Устная проверка. Устная проверка организуется по-разному, в зависимости от ее цели и от содержания проверяемого материала. Среди целевых установок проверки можно выделить следующие: проверить выполнение домашнего задания, выявить подготовленность учащихся к изучению нового материала, проверить степень понимания и усвоения новых знаний. В зависимости от содержания она проводится по материалу предшествующего урока или по отдельным разделам и темам курса. Методика устной проверки включает в себя две основные части: • составление проверочных вопросов и их задание; 124

•

ответ учащихся на поставленные вопросы. Составление проверочных вопросов и заданий – важный элемент устной проверки. Качество вопросов определяется их содержанием, характером выполняемых учащимися при ответе на вопросы умственных действий, а также словесной формулировкой. Второй составной частью устной проверки является ответ учащегося на вопросы. В дидактической литературе выделяются два условия качественного выявления знаний учащегося: • ученику никто не мешает (преподаватель и аудитория комментируют ответ потом); • создается обстановка, которая обеспечивает наилучшую работу его интеллектуальных сил. Средства контроля. В настоящее время создаются и распространяются такие средства, которые не требуют больших затрат времени на подготовку, проведение и обработку результатов. Среди них выделяют машинные и безмашинные средства проверки. Интеллектуальное тестирование В понятие "искусственный интеллект" вкладывается различный смысл – от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осуществляемых человеком, или еще более широкую их совокупность. Можно выделить две основные линии работ по искусственному интеллекту (ИИ). Первая связана с совершенствованием самих машин, с повышением "интеллектуальности" искусственных систем. Вторая связана с задачей оптимизации совместной работы "искусственного интеллекта" и собственно интеллектуальных возможностей человека. Идея создания мыслящих машин "человеческого типа", которые, казалось бы, думают, двигаются, слышат, говорят, и вообще ведут себя как живые люди, уходит корнями в глубокое прошлое. Еще древние египтяне и римляне испытывали благоговейный ужас перед культовыми статуями, которые жестикулировали и изрекали пророчества (разумеется, не без 123

помощи жрецов). В средние века и даже позднее ходили слухи о том, что у кого-то из мудрецов есть гомункулы (маленькие искусственные человечки) – настоящие живые, способные чувствовать существа. В настоящее время роботы, системы распознавания образов, экспертные системы и т.д. вызывают у непосвященного тот же трепет и восторг перед "думающей" машиной. Модели и методы интеллектуального тестирования Интеллектуальное тестирование предполагает наличие модели знаний, модели самого процесса тестирования и оценивания. Так можно охарактеризовать в общем все разработки в этой области. Рассмотрим некоторые из них более подробно. Модели распознавания образа уровня знаний. Традиционная Российская система оценивания знаний обучаемых основана на лингвистических оценках, по которым устанавливается стипендия, производится учет успеваемости, проставляются записи в зачетных книжках за период обучения и др. Вместе с тем такая новая образовательная процедура, как образовательное тестирование по альтернативному признаку, предполагает оценивание уровня знаний в диапазоне от нуля до ста, что порождает проблему распознавания лингвистического образа знаний по результатам такого образовательного тестирования. Под образом уровня знаний понимаются обучаемые, принадлежащие к множеству (группе), знания которых по "эталону уровня знаний" отнесены к лингвистическим оценкам неудовлетворительно (D), удовлетворительно (C), хорошо (B), отлично (A). Под распознаванием образа уровня знаний понимается процедура принятия решения о принадлежности конкретного обучаемого к одному из указанных образов на основании сравнения его образовательных достижений при тестировании с характеристиками образа. При тестировании по альтернативному признаку используется закрытая форма теста, характеристиками которой являются: функция плотности распределения неправильных 124

ответов f(d), приемлемый уровень неправильных ответов q0, неприемлемый уровень неправильных ответов q1, риск заниженной оценки знаний a, риск завышенной оценки знаний b, функция оценивания знаний f(Q), объем образовательной информации N, объем выборки заданий теста n и критерий принятия решений в виде предельного числа неправильных ответов K. Предметно-критериальная методика составления тестов. В каждом курсе есть ключевые моменты, особенно важные темы, без знания которых невозможно усвоение более сложного материала в процессе учебы или которые будут необходимы в работе по специальности. На устном экзамене при личном контакте со студентом преподаватель обязательно оценивает понимание студентом этих тем. При автоматизированном тестировании можно учесть важность каких-либо разделов курса, увеличив долю вопросов по этим разделам в общем количестве вопросов. Но это не всегда удобно для составителя теста, потому что не всегда наиболее важные разделы содержат больше всего материала. Предлагаемая методика предусматривает учет таких параметров, как степень важности и объем изучаемого материала в разделах курса. Метод определения количества образовательной информации. Теория образовательного тестирования должна формироваться на частных законах и закономерностях таких научных направлений как информациология, общая статистика, статистический приемочный контроль, квалиметрия, педагогика, психология, исследование операций, теория принятия решений и др. Прямое применение теоретических разработок из указанных научных направлений не дает заметных практических результатов по оцениванию знаний по причине нематериальности знаний, как объекта исследований. Задачу формирования теории образовательного тестирования можно сформулировать как задачу поиска оптимальной структуры специфических законов и закономерностей тестологии, позволяющую оценить знания с заданной погрешностью.

123

Для решения задач подобного класса наиболее успешно используются генетические методы, основанные на реализации генетических алгоритмов, позволяющих осуществить направленный перебор частных законов и закономерностей по наиболее приемлемым направлениям для формирования отечественной теории образовательного тестирования. В отличие от традиционного случайного поиска приемлемых решений, алгоритмы генетического поиска используют аналоги или близость имеющихся решений во многих областях знаний к поиску оптимального набора специфических законов, обеспечивающих объективность, достоверность и точность оценивания уровня знаний, воспроизведенных обучаемыми в процедурах тестирования. Такой направленный перебор частных законов является эволюционным и имеет очень много сходств с операторами, применяемыми в генетических алгоритмах и процедурах, происходящих с живыми организмами в природе. Информационно-генетические алгоритмы. Основные свойства образовательных тестов предлагается формировать на популяциях частных законов таких научных отраслей как: информациология; психология, педагогика и психодиагностика; логика; теория вероятностей; теория поиска; теория нечетких множеств; теория игр; теория статистических решений; приемочный выборочный контроль. Эти популяции позволяют реализовать информационногенетический алгоритм и получить новое поколение специфических законов теории тестирования о (об): первичности образовательной информации; "образе знаний", воссозданном по первичной информации; "образе уровня воспроизведенных знаний"; количестве и энтропии образовательной информации; единстве количества образовательной информации; минимально допустимом соотношении между количеством образовательной информации в "образе знаний" и в выборке заданий теста; условной единице образовательной информации; энтропии нормальной образовательной услуги; не материальности знаний, как объекта исследований; соответствии формы теста и признака оценивания; формах существования функции оценивания знаний; 124

характеристиках доверия к результатам тестирования; правах тестируемых на получение объективной оценки уровня знаний; защите прав тестируемых при воспроизведении ими знаний по образовательным тестам; переходе количественных результатов тестирования в качество "уровня знаний". Модель Раша. Система тестирования на основе модели Раша обладает важными достоинствами, среди которых, прежде всего, необходимо отметить следующие. Модель Раша превращает измерения, сделанные в дихотомических и порядковых шкалах в линейные измерения, в результате качественные данные анализируются с помощью количественных методов. Это позволяет использовать широкий спектр статистических процедур. Оценка трудности тестовых заданий не зависит от выборки испытуемых, на которых была получена и, аналогично, оценка уровня знаний испытуемых не зависит от используемого набора тестовых заданий. Пропуск данных для некоторых комбинаций (испытуемый – тестовое задание) не является критическим. Сама система тестирования достаточно проста, по сравнению с другими аналогичными системами она характеризуется наименьшим числом параметров – только один параметр уровня знаний для каждого испытуемого и только один параметр трудности для каждого задания. Модель Раша опирается на четкие и конструктивные понятия "трудность задания" и "уровень знаний". Так, одно задание считается более трудным, чем другое, если вероятность правильного ответа на первое задание меньше, чем на второе, независимо от того, кто их выполняет. Аналогично, более подготовленный студент имеет большую вероятность правильно ответить на все задания, чем менее подготовленный. Благодаря простой структуре модели существуют удобные вычислительные процедуры для многоаспектной проверки адекватности модели: для всего набора тестовых результатов, для каждого испытуемого, для каждого задания и для каждого конкретного ответа.

123

"Остатки", получаемые при аппроксимации результатов тестирования моделью можно использовать для выделения различных типов испытуемых. Однако, несмотря на 40-летний опыт применения этой системы тестирования за рубежом во многих областях знания, прежде всего в образовании, медицине и психологии, до сих пор продолжаются дискуссии об истинной ценности и эффективности системы тестирования на основе модели Раша. До сих пор существуют две крайние точки зрения на эту модель тестирования. Наиболее убежденные сторонники модели Раша утверждают следующее: "Можно ли собрать или построить или сформулировать данные так, чтобы они соответствовали определению измерения (модели Раша)? Если нет, то такие данные бесполезны". Их наиболее последовательные оппоненты утверждают следующее: "Данные – это данные, а модель – это конструкция исследователя, которая подвержена ошибкам". Например, при построении регрессии, выбрасывая те или иные данные, можно получить любую зависимость, но мы тем самым ограничиваем реальный мир данных. Таким образом, мы создаем искусственную переменную, о которой мало что знаем. Для практики одним из наиболее важных критериев является точность оценивания. Поэтому выбор темы в значительной степени обусловлен противоречивой информацией относительно точности системы тестирования на основе модели Раша. Кроме того, не удалось найти работы, в которых проведен всесторонний анализ точности модели Раша. В известных работах только даются те или иные общие рекомендации по использованию этих моделей. Чем больше точность, тем лучше работает модель. В случае отсутствия ошибок измерения любая модель в смысле точности измерения работает идеально. Но на практике ошибки всегда есть и поэтому важно знать, насколько точные оценки позволяет получать та или иная модель. На основе имитационного моделирования исследуются точность оценивания уровней знаний и трудностей заданий, а 124

также число итераций, требуемых для вычисления этих оценок (методом наибольшего правдоподобия) в многофакторной ситуации в зависимости от: – диапазона уровней знаний испытуемых; – диапазона трудностей заданий; – степени соответствия диапазонов уровней знаний испытуемых и трудностей заданий; – числа испытуемых; – числа заданий; – степени соответствия данных модели; – доли пропущенных данных. Для статистической обработки результатов моделирования используется многофакторный дисперсионный анализ. Абсолютная временная шкала измерения знаний. Знания являются абсолютной субстанцией: они либо есть, либо их нет. По крайней мере, так считается в любой форме традиционного оценивания знаний – как на выпускных экзаменах в школах, так и на вступительных экзаменах в вузы. Поэтому интересно проанализировать возможности абсолютных шкал оценки и при переходе к измерению знаний на основе тестов. В данных исследованиях изучаются возможности так называемой "абсолютной временной шкалы оценивания знаний". Формулируются ее принципы. Формулируются этапы последовательного перехода от традиционной формы экзаменов к тестовой форме этого подхода, на их основе – требования к созданию тестовых материалов этого подхода. Анализируется опыт использования данного подхода на вступительных экзаменах в Тверском государственном университете на протяжении 4-х лет. Изучается диагностический потенциал данного подхода. Формулируется принцип "трехуровнего абстрагирования" для диагностических тестирований. Ниже показана "диаграмма знаний" по математике, полученная в результате обработки данных тестирования выпускников одной из школ г. Твери (75 учащихся).

123

Здесь цифры по окружности – номера тем по математике, по радиусам отложена "успешность ответов" учащихся по той или иной теме. Как видно, тестирование с использованием абсолютной шкалы оценки имеет ценность диагностическую даже более, чем для итоговых экзаменов. Изучается уровень достоверности результатов компьютерного тестирования в данном подходе и соотношение "случайного" и "достоверного" в итоговой оценке. На рисунках приведена зависимость (в данном подходе) итоговой оценки по математике от времени тестирования: Методика статистического анализа качества обучения. Предлагаемая методика основывается на том, что учебный процесс является частным случаем технологического процесса и ему должны быть свойственны такие же методы анализа, какие приняты для производственных процессов. Однако слепо перенести подобные методики нельзя, особенно это касается содержательного анализа процесса. Для того чтобы проанализировать учебный процесс нужно иметь, во-первых, критерий качества обучения, а во-вторых, проследить его изменение во времени. В качестве наиболее информативного критерия качества обучения следует использовать степень обученности учащихся (СОУ). Этот критерий основан на статистике полученных учащимися оценок за выполнение отдельных заданий или контрольных работ. Оценки входят в СОУ с "весом", равным интегралу вероятности получения данной оценки для некоторого "типового" распределения оценок. В качестве такого "типового" распределения используется стандартное распределение Гаусса с параметрами: среднее значение оценки – 4 и стандартное отклонение – 1,39. Такое распределение обладает одним особым свойством: для этого распределения значения СОУ и качественной успеваемости совпадают и составляют 0,64. Это свойство выделяет "типовое" распределение среди других распределений со средней оценкой 4.

124

Модель адаптивного тестового контроля. Процедура тестирования предполагает анализ ответов на последовательность тестовых заданий определенной сложности. Проведем аналогию с поведением поискового алгоритма оптимизации для некоторой гипотетической функция Y, максимум которой необходимо найти. В задачах оценивания по тестированию – это максимум функции уровня знаний. Реализация поискового алгоритма сводится к последовательному анализу локальной окрестности функционала Y, оценки градиента и выбора очередной области исследования. Если при оценке градиента имеют место помехи, то нельзя говорить о сходимости алгоритма. В обычном смысле он сходиться вообще не будет, а будет "блуждать" вокруг области экстремума. Аналогично можно поступить в случае тестового контроля. Если ответ правильный, то предполагается, что уровень подготовки студента выше сложности предъявленной задачи, и он способен решать задачи заданной сложности, в противном случае – неспособен. Это подобно оценке градиента некоторой гипотетической функции регрессии, в которой градиент сам является случайной величиной. Концептуальная модель адаптивного тестового контроля знаний Была предложена концептуальная модель, состоящая из следующих блоков: Блок целей обучения Блок содержания Блок измерения Блок адаптивного обучения, включает: 1) Модели обучения. Информационные технологии оказывают решающее влияние на все этапы процесса обучения: от предоставления учащимся знаний, умений и навыков до контроля их усвоения, при этом обеспечиваются такие важнейшие характеристики обучения, как качество, избирательность материала, учет индивидуальности, постоянный контроль и самоконтроль усвояемости материала, 123

высокий эффект использования ресурсов учителей. Конгресс ЮНЕСКО подтвердил это положение и предложил рассмотреть различные модели использования информационных технологий в компьютерных приложениях и способы организации работы учащихся такие, как классно-урочная модель, проектная и индивидуальная.

2) Педагогические технологии. Технологический подход к учебному процессу гарантирует достижение поставленных целей обучения. Оперативная обратная связь, которая пронизывает весь учебный процесс, является основой последовательной ориентации обучения на цели. Таким образом, отличительными особенностями технологического конструирования учебного процесса являются: • конкретизация целей обучения в когнитивной области, разработка учебных единиц как эталонов усвоения учебного материала всеми учениками в классе; • создание системы проверочных работ (диагностических тестов, адаптивных тестов); • выбор быстрых способов проверки тестов (компьютерные программы); • подготовка специальных методов корректирующей методики (краткие конкретные тексты, содержащие необходимые теоретические сведения, тренажеры); • дополнительные задания, повторные тесты. Весь учебный процесс пронизан возможностями адаптации к индивидуальным особенностям обучающихся в условиях коллективного обучения. Переход к развивающему обучению без адаптации к индивидуальным особенностям учащихся практически невозможен. Именно во время индивидуального контакта учителя с учеником важно иметь инструмент для контрольного тестирования уровней обученности. Контроль проводится учителем и не влияет на оценку, он позволяет увидеть состояние обученности каждого и внести соответствующие коррекции в учебный процесс. Блок системы мониторинга.

124

Технология рейтинговых исследований качества образования с применением нейронных сетей. Автоматизированный контроль знаний по методике уточняющих вопросов. Алгоритмы прямого тестирования в интеллектуальной автоматизированной системе контроля знаний. Метод адаптивного автоматизированного тестирования знаний. Адаптивным тестированием знаний будем называть способ экзаменационного контроля уровня подготовки обучаемого, при котором процедура выбора и предъявления ему очередного тестового задания на (t + 1)-м шаге тестирования определяется ответами обучаемого на предыдущих t шагах теста. Математическую основу такого учета составляет модель объединения тестовых заданий в тематические последовательности со взвешенным ранжированием как отдельных заданий, так и целых последовательностей и выведением итоговой оценки за тест с учетом нормированной суммы баллов, накапливаемой за выбранные обучаемым варианты ответов.

3.4. Построение модели знаний организации Причины отсутствия целостности знаний Суть проблемы интеграции знаний – в существовании противоречия: Вселенная целостностью обладает, а совокупность знаний о ней такой целостностью не обладает ни в масштабах человека, ни в масштабах общества в целом [35–38]. Можно выделить три группы причин отсутствия целостности знаний человека: 1. Отсутствие целостности знаний в масштабах общества как следствие эволюционирования науки. Процесс развития научных знаний подробно проанализирован в монографии Т. Куна "Структура научных революций", где на обширном фактическом материале показана закономерность смены ведущих парадигм в различных отраслях науки. Под "парадигмой" 123

понимается принятая модель (образец) построения знаний, т.е. внутренне непротиворечива система понятий, концепций, теорий, практических исследований и их результатов. При этом свойством целостности обладает каждая отдельна парадигма, но не их совокупность. Отсутствие целостности, упорядоченности знаний существенно снижает эффективность интеллектуальной деятельности по следующим причинам: • противоречивость отдельных элементов знаний по конкретным вопросам; • трудность отыскания в памяти нужной информации из-за "лишних" ассоциативных связей; • трудность определения возможности или невозможности применения имеющейся информации для конкретного случая и т.д. Методология интеграции знания – это тот инструмент, который позволит сделать процесс интеграции более эффективным. Требования к методологии познания Интеграцию знаний можно определить как часть более общего процесса "интеграции опыта", который имеет место почти во всех психологических (духовных) практиках, применяемых как в древних эзотерических школах, так и в современной психологии (например, в нейролингвистическом программировании). Знание – это интеллектуальная часть опыта, которая является доступной дл сознания. Интеграция знания подразумевает несколько процессов: • систематизация имеющегося знания; • получение нового знания и присоединение его к имеющейся системе; • планирование будущего процесса получения знаний. Анализ требований к методологии этих процессов показывает, что в соответствие с их познавательной природой, такая методологи должна учитывать трихотомичность, т.е. трехчастность процесса познании и всего, что с ним связано.

124

Действительно, процесс познания немыслим без выделения трех частей: познаваемое, познающий и познание как результат процесса. Эту трихотомичность можно экстраполировать на всю Вселенную, и тогда получим "Три мира К. Поппера": "мир объектов и явлений", "мир субъектов" и "мир объективных знаний". Даже диалектика, всегда оперирующая с парными категориями, делает в этом случае исключение, – она констатирует трихотомичность понятий в соответствии с тремя категориями: единичное, особенное и всеобщее. Этот аспект трихотомичности познания проявляется в любом понятии, например, в понятии "стол": • как единичное – это конкретный материальный объект; • как особенное – это мое восприятие стола; • как всеобщее – это "идея стола", как части "идеи мебели". Еще один из аспектов этой же трихотомичности познания выражается в виде так называемого "закона трех сил", известного по некоторым эзотерическим учениям. Этот закон гласит, что любое явление можно рассматривать, как результат действия трех сил: активной, пассивной и нейтрализующей (формообразующей). Основы общесистемной методологии Принципы и атрибуты систем. Системный подход предполагает следующий способ разрешения вышеуказанного противоречивого требования: 1. Элементарный инструмент познания, который называется "система" (или "модель") содержит внутри себя эту трихотомичность в виде трех основных принципов (или трех свойств), соответствующих каждому из элементов трихотомии.

2. Сам же этот инструмент (система) является целостным. Отметим определяющие принципы и атрибуты системы.

1. "Целостность" – это центральная идея "мира объективных знаний", которая является "формообразующей" для любого результата познания. Этот принцип обусловливает наличие особого "системного свойства", которое присуще только системе в целом, но не ее отдельным частям. Это свойство обычно 123

называют "эмерджентностью", чтобы подчеркнуть несводимость свойств системы к свойствам ее частей.

2. "Причинность" – это центральная идея "мира объектов и явлений", выражающая всеобщность связей в этом мире. Полное отсутствие причинных связей в каком-либо месте Вселенной привело бы к нарушению принципа ее целостности. Принцип причинности обусловливает наличие в каждой системе так называемого "системообразующего фактора", т.е. такой внутренней совокупности причин, которая обеспечивает целостность системы, не давая ей "развалиться" на части.

3. "Познаваемость" (относительная) мира – является центральной идеей познающего субъекта (ее отрицание делает познание бессмысленным). Этот принцип связан с двум предыдущими и может быть "раскрыт" как "познаваемость целостности при наличии ее внешних и внутренних причинноследственных связей". В системном подходе познаваемость имеет специфическую форму, выражаемую свойством "моделируемости". "Моделируемость" означает, что какому-либо свойству одной системы можно поставить в соответствие некоторое свойство другой системы; т.е. модель – это соответствие между двумя системами по некоторому критерию. Вышеупомянутые три принципа и три свойства системы являются минимальным критерием системности: если объект им удовлетворяет, то его можно рассматривать как систему и применять к нему системную методологию. Другими словами, эти принципы показывают границы применимости системной методологии, которые необходимо знать для адекватного ее использования. Границы применимости, естественно, надо знать при использовании любой методологии, например, для арифметики границы применимости определяются ее аксиомами: • все объекты одинаковы до неразличимости; • объекты не могут появляться и исчезать. В реальной жизни эти аксиомы часто не выполняются, о чем следует помнить, пытаясь использовать арифметику.

124

Любая конструктивна методология должна содержать два набора методов, различающихся по направленности (от объекта к субъекту или наоборот): • методы исследования (т.е. получения знаний); • методы реализации знаний. Системная методологи предлагает, соответственно: • "моделирование"; • "алгоритм решения системных проблем". Для интегрирования знаний нужны оба этих набора методов, поэтому перечислим их основные концепции. Базовые концепции моделирования Моделирование – это построение моделей систем (как реальных, так и абстрактных). Оно включает три группы методов, на основе которых строится итерационная процедура исследования.

1. "Контроль системности" – проверка наличия у исследуемого объекта трех системных свойств (или соответствия его трем системным принципам). Такой же проверке периодически должна подвергаться и строящаяся модель.

2. "Анализ системных представлений" – выявление отдельных членений (или "проекций"), которые достаточно легко описываются простыми формальными моделями. В таблице приведены пять наиболее общих системных представления, соответствующие им формальные модели и наиболее существенные характеристики системы, которые эти представления отражают.

3. Все системные представления относительны, и на разных уровнях анализа могут переходить одно в другое. Например, физиологические процессы являются функциональными по отношению к анатомической структуре, но, в то же время, они являются структурой, в которой функционируют психические явления.

4. "Синтез системных представлений" – это группа методов построения обобщенной модели системы на основе выявленных системных представлений. Хотя все системные представления, естественно, взаимосвязаны, поскольку являются только 123

различными "проекциями" одной системы; однако синтез системных представлений – процедура не формальная и потому не всегда однозначная. На практике эта процедура представляет собой итерационный процесс, включающий возвраты к первым двум группам методов, а также обращение к алгоритму решения системных проблем, которые возникают на разных этапах исследования. Основные этапы алгоритма решения системных проблем. Алгоритм решения системных проблем (задач) в строгом смысле не является алгоритмом, а представляет собой набор рекомендаций, из которого в каждом конкретном случае строится своя итерационная процедура решения проблемы. Некоторые принципы построения такой процедуры будут рассмотрены ниже на примере решения проблемы интеграции знаний; здесь лишь перечислим основные этапы "алгоритма".

1. Структурирование и формулирование проблемы.

2. Выявление и декомпозиция целей.

3. Формулирование критериев и ограничений.

4. Генерирование альтернатив (альтернативных подходов к решению).

5. Анализ альтернатив и принятие решения.

6. Реализация решения. Этапы решения проблемы интеграции знаний Проблему следует рассматривать не как одиночную, а как систему проблем – проблематику, предполагающую наличие следующих подсистем: • субъекта (в рассматриваемом случае – это человек, достигший понимания необходимости интеграции); • проблемосодержащей системы – 1) внутренний мир человека и 2) формы представления внешних знаний; • проблеморазрешающей системы – тот же внутренний мир при наличии уровней интеллекта и самосознания); • существенной среды – прочие личные проблемы, цели, интересы, желания, а также воздействия внешнего мира. Помимо проблемосодержащей системы необходимо также учитывать ее над- и подсистемы.

124

При структурировании проблемы необходимо учитывать ее динамику, т.е. изменение во времени всех вышеупомянутых систем, а также возможную динамику процесса решения. В этом плане очевидно, что слишком малая длительность человеческой жизни по сравнению с жизнью Вселенной не позволит нам получить сколько-нибудь полную ее модель. Придется ограничиться "усеченной" моделью, включающей лишь доступные знания и связи между ними. Модель проблемы Структурирование проблемы предполагает ее представление в виде полной модели, состоящей из элементов всех системных представлений и всех "языков", необходимых для описания самой проблемы, ее решения и результата. В качестве основы такой модели может служить "модель внутреннего мира человека". Она является процессуальноструктурным представлением внутреннего мира, отражая три его уровня, а также способ представления знаний во времени. Основной элемент для такой модели – фрейм – предложил Мартин Мински в книге "Фреймы для представления знаний". Фрейм – это минимально необходимая структурированная информация, которая однозначно определяет данный класс объектов (в данном случае – интеллектуальную часть элементов опыта). Фреймы бывают статические и динамические (сценарии). Они связаны между собой ассоциативными связями, а также "подшиты" к некоторой репрезентации временной оси (t). В момент настоящего ("0") происходит запись воспринимаемой информации в текущий фрейм. В том месте временной оси, которая репрезентирует будущее, помещены сконструированные на уровне интеллекта фреймы планов, ценностей, целей. На этом уровне производится построение моделей ситуаций и алгоритмов поведения, которые реализуются с помощью специальных "механизмов", генерируемых на верхнем уровне волей. Верхний уровень осознает некоторые мысли из нижних уровней и воздействует на них путем выбора соответствующего механизма реализации алгоритмов, а также 123

путем перераспределения ресурсов времени и энергии. Уровень интеллекта имеет возможность "читать" содержимое любых фреймов, "записывать" в них другую информацию, а также устанавливать новые ассоциативные связи между фреймами. Выявление и декомпозиция целей Структурированная таким образом проблема должна быть приведена к виду задачи выбора подходящих средств для достижения некоторых целей. Цель в системном анализе понимается как антипод проблемы: это то, что надо сделать для снятия проблемы (а решение – то, как это сделать). Очевидно, что идеальная цель интеграции знаний – создание целостной и полной модели Вселенной и себя в ней. Однако, ввиду вышеупомянутых ограничений, реальной целью является построение системы имеющихся и доступных в будущем знаний. Декомпозиция этой глобальной цели может быть произведена на основе предложенной модели проблемы. Если учесть, что проблемосодержащей системой является внутренний мир и воспринимаемая им информация, проблеморазрешающей – тот же внутренний мир, то можно предложить следующую последовательность решения проблемы: 1. если проблема интеграции выявлена на уровне интеллекта и "дошла" до уровня самосознания, 2. то самосознание (воля) может изыскать ресурсы в виде "свободного времени" и "свободной энергии" (т.е. изыскать свободный фрейм) 3. для построения моделей знаний, алгоритмов их обработки, механизмов реализации алгоритмов, 4. которые в дальнейшем будут использоваться для интеграции прошлого, настоящего и будущего знаний, 5. а также для эффективного использования интегрированной системы знаний в будущих действиях. Заметим, что выполнение первых двух пунктов предполагает наличие определенного уровня развития интеллекта и самосознания и относится к проблеме духовного развития 124

человека. Последние 3 пункта составляют основное содержание проблемы интеграции знаний, т.е. ее подпроблемами являются: 1. модели знаний, 2. алгоритмы интеграции, 3. механизмы их реализации дл прошлого, настоящего и будущего знаний. Формулирование критериев и ограничений. Под критерием в системном анализе подразумевается способ сравнения альтернатив, т.е. любой их признак, значение которого можно зафиксировать количественно или качественно. В идеале построение критериев требует создания четкой иерархии целей с определением всех соотношений между ними; реально же может использоваться несколько критериев, описывающих одну цель по-разному и дополняющих друг друга. При интеграции знаний наиболее существенны, на наш взгляд, два критерия "хорошей" ("правильной") интеграции: • интегрировать любую информацию; • исключать внутренние противоречия. При моделировании помимо этих критериев следует использовать специфические критерии "хорошей" модели: • универсальность – возможность описывать любое знание от отдельного факта до философского обобщения; • связность – наличие закономерных причинных связей между событиями, процессами, явлениями; • активность – возможность порождения нового знания, например, по схеме: факт – обобщенный факт – эмпирический закон – теоретический закон – новые факты. Генерирование альтернатив (альтернативных подходов к решению). Рассмотрим основные принципы решения выделенных подпроблем. Принципы построения моделей знаний. Поскольку внешние и внутренние знания могут быть структурированы по-разному, потребуется три типа моделей знаний.

1. Модели элементов знаний (МЭЗ) – могут быть весьма различны и должны строиться по общесистемным принципам моделирования.

123

2. Модели парадигм (МП) – в общем случае имеют гетероиерархическую структуру, в узлах верхнего уровня которой находятся основные концепции, соединенные между собой теориями ("концептуальный каркас" парадигмы), а на самом нижнем уровне – эмпирические факты, соединенные причинными связями.

3. Модель интегрированного знания (МИЗ) – тоже должна представлять собой гетеро-иерархическую причинную сеть, причем ее иерархические уровни должны разделяться по степени общности входящих элементов, например, следующим образом ("снизу-вверх"): факт (явление) – обобщенный факт (статистический) – эмпирический закон – теоретический закон – философское обобщение. Каждый из гетерархических уровней МИЗ строится в виде распределенной причинной сети. Вопрос о том, как должен выглядеть самый верхний гетерархический уровень МИЗ, соединяющий самые общие концепции, на наш взгляд, не так уж важен. Желательно, конечно, чтобы там нашлось место для общесистемной методологии, как инструмента развития системы знаний. Что действительно важно, так это то, чтобы МИЗ любым способом обеспечивала саморазвитие, и тогда ее подсистемы автоматически скорректируются в процессе интеграции. Можно предложить и более "правильное" но более трудоемкое решение для верхнего уровня МИЗ – использовать принципы, которые положены в основу интегрирования научного знания путем создания "Базы знаний энциклопедического искусственного интеллекта". Эти принципы изложены в книге И.Б. Новика и А.Ш. Абдуллаева "Введение в информационный мир". Суть их сводится к следующему.

1. Каждый из гетерархических уровней строится в виде распределенной причинной сети со всевозможными отношениями (горизонтальными, вертикальными, диагональными) четырех категорий: бытие, познание, ценность, практика.

124

2. Причинные связи (онтологические) предпочтительнее логических (когнитивных).

3. "Все связано со всем". Каждый узел представляет собой подсистему наук, которая обладает как внутренними связями, так и связями (прямыми и обратными) с соответствующими близкородственными философскими дисциплинами (онтологией, гносеологией, аксиологией и праксеологией). Альтернативные принципы интегрирования знаний. Существует несколько пар альтернативных принципов интегрирования знаний.

1. "Естественная" и "искусственная" интеграция. "Естественная" интеграция в науке действует только до уровня парадигм. "Естественная" интеграция парадигм тоже иногда происходит, как результат разработки более общей парадигмы, включающей исходные как частные случаи. Так, например, упомянутые парадигмы о волновой и корпускулярной природе света стало возможным объединить на основе "теории суперструн". "Искусственная" (намеренная) интеграция знаний является результатом целенаправленной деятельности личности.

2. Анализ и синтез при интеграции. Анализ (дедукция) подразумевает движение от общего к частному, от верхнего уровня модели – к ее подсистемам и элементам, т.е. к частным явлениям и конкретным опытам. Синтез (индукция) – обобщение частных элементов опыта (причинных связей) в эмпирические законы, и, далее, в теоретические обобщения, вплоть до верхнего уровня модели.

3. Гносеологические и онтологические принципы представления знаний. Гносеологические принципы представления знаний ориентированы на теоретикопознавательный аспект знания, на механизмы сознания и памяти. На таких принципах строятся логические модели, исчисления высказываний или предикатов, продукционные системы и алгоритмы. Онтологические (сущностные) принципы представления знаний направлены на поиск причинных отношений и связей.

123

Анализ альтернатив и принятие решения. Содержательная сторона этого процесса сводится к согласованию ресурсов проблеморазрешающей системы с потребностью проблемосодержащей при ограничениях, накладываемых существенной средой. В рассматриваемом случае интеграции знаний и проблемосодержащей и проблеморазрешающей системой является внутренний мир человека, а необходимые ресурсы уже были обозначены выше как подпроблемы: модели знаний, алгоритмы интеграции и механизмы их реализации. На основании сформулированных выше критериев) и сгенерированных альтернатив можно конкретизировать требования к этим необходимым ресурсам (на уровне основных принципов). Принципы построения моделей знаний введены были выше безальтернативно, и в таком виде и могут использоваться (особенно, если учесть, что создаваемые модели будут корректироваться в процессе интеграции). Использование альтернативных принципов интеграции. Анализ возможности использования альтернативных принципов интеграции, приведенных выше, позволяет сделать следующие выводы.

1. "Естественная" и "искусственная" интеграция. Этот принцип разделения весьма условен, и потому не должен ничего ограничивать. И хотя в данном контексте речь идет об "искусственной" интеграции, можно "подгонять" ее под "естественную", например, путем введения фиктивной более общей парадигмы и последующего ее отыскания в области более общих теорий.

2. Анализ – синтез. Интеграция, собственно, является синтезом; анализ используется как способ контроля для выявления "пробелов" и "противоречий". Под "пробелом" в данном контексте понимается отсутствие некоторых необходимых элементов или связей. Иногда на месте "пробела" полезно ставить фиктивный элемент или связь, чтобы не упустить факт отсутствия. Заметим, что "противоречие" – тоже 124

может оказаться "пробелом" в части неучтенных влияющих факторов.

3. Гносеологические и онтологические принципы представления знаний. Поскольку МИЗ должна быть моделью реальной действительности, в спорных случаях предпочтение следует отдавать онтологическим представлениям, т.е. при синтезе МИЗ желательно использовать именно их. Гносеологические представления более удобны и продуктивны при анализе МИЗ. Базовые принципы построения алгоритмов интеграции Конкретные алгоритмы интегрирования знаний строятся с учетом: • вышеприведенных принципов; • общесистемной методологии; • конкретного вида интегрируемых моделей. Отметим лишь две специфических и весьма существенных для данного контекста особенности.

1. Анализ моделей элементов знаний (МЭЗ). Прежде всего нужно убедиться, что конкретная МЭЗ не является смесью двух или более парадигм. Для этого МЭЗ анализируется на всех своих уровнях в отдельности и совместно. Но вначале следует уточнить смысл встречающихся терминов в конкретном контексте, для чего выявить этот контекст ("сверху-вниз"). Особое внимание надо обратить на обобщенные понятия: к какому именно иерархическому уровню МЭЗ они относятся и в каком смысле употребляются. Например, слово "информация" имеет около сотни разных определений, т.е. входит в большое число разных парадигм. Прояснив значения всех терминов ("сверху-вниз"), нужно выявить связи на уровне фактов и процессов. Синтезируя эти связи ("снизу-вверх"), нужно дойти до обобщений и выявить наличие или отсутствие противоречий на этом уровне.

2. Синтез двух моделей парадигм. Если МЭЗ не "входит" ни в одну из "внутренних" парадигм МИЗ, то, фактически, необходимо интегрировать две разные парадигмы. Такой синтез лучше проводить "снизу-вверх", т.е. от уровня причинных связей и фактов к уровню теоретических законов, т.к. на уровне фактов 123

проще установить их соответствие или несоответствие; в теориях соответствие установить труднее, из-за вышеупомянутых терминологических трудностей. Механизмы интеграции. В зависимости от того, какое по времени знание требуется интегрировать, используются три различных механизма реализации алгоритмов интегрирования знаний.

1. Для прошлых знаний необходима их систематизация, которая бы выявила "противоречия" и "пробелы", а затем обеспечила бы возможность их устранения за счет имеющихся внутренних знаний или будущих внешних. Очевидно, что дл этого потребуется многократное поочередное применение процедур анализа и синтеза. Процесс этот в принципе бесконечен, но практически ограничивается "внутренними ресурсами", "существенной средой" и "уровнем самосознания".

2. Для текущего момента "собственно интеграция" подразумевает построение модели принимаемого внешнего элемента знания (МЭЗ) и синтез ее с моделью интегрированного знания (МИЗ).

3.5. Семантическая модель знаний для целей организации по контролю знаний в учебной системе В учебном пособии предлагается модель знаний организации, описанная в виде системы дополняющих друг друга онтологий. В систему входит базовая онтология организации и набор онтологий областей знаний. Описан подход к построению модели знаний и предложена структура системы управления знаниями на ее основе [39, 40]. Управление знаниями Начиная с середины 90-х годов знания начали рассматриваться в промышленных компаниях в качестве важнейшего ресурса, ключевого фактора успеха и нового источника дохода. Хотя компании управляли своими людскими и интеллектуальными активами задолго до этого, научная дисциплина "Управление знаниями" (УЗ) была сформирована в 124

это время для решения новых специфических задач бизнеса. К сожалению, не существует общепринятого определения понятия "управление знаниями", что в основном связано с различными точками зрения практиков на понимание термина "знание". В пособии под управлением знаниями понимается комплексный набор мероприятий направленных на поддержание в организации системного порядка работы с информационно-знаниевыми ресурсами и специалистами для поиска, накопления и облегчения доступа к знаниям, повторного или многократного их использования. Как показывает опыт ведущих компаний, это позволяет организациям обучаться более эффективно и максимизировать получаемый эффект от индивидуальных и коллективных источников информации и знаний. В момент появления в сфере бизнеса дисциплины "Управление знаниями" множество исследований в области искусственного интеллекта были направлены на решение проблем представления знаний (Knowledge Representation) и выполнения логического вывода на знаниях, которые объединяли ранний опыт концептуального моделирования с использованием формальных логик. Центральным элементом этих исследований являлось понятия "онтология", которое представляет собой совместно используемое, формальное описание некоторой предметной области. Термин "совместно используемое" опирается на соглашение сообщества экспертов по конкретному описанию их предметной области, а термин "формальное" указывает на представление этого соглашения в некотором, понимаемом компьютером, формате. Исследователи онтологий рассматривают управление знаниями как одну из наиболее важных областей применения онтологий. Использование онтологий Для пояснения выгоды от использования онтологий в управление знаниями требуется поиск таких процессов и сценариев работы со знаниями, которые могут напрямую выиграть от применения онтологий. Для этого рассмотрим более тщательно основные свойства онтологий. Онтология, исходя из 123

наиболее часто цитируемого определения в области искусственного интеллекта, является совместно используемой, формальной классификацией предметной области. Онтологии являются моделями данных, обладающих двумя специфическими особенностями, которые ведут к понятию совместного понимания или семантике: 1) Онтологии строятся на основе совместного понимания предметной области в рамках сообщества. Это понимание представляется соглашением экспертов по поводу понятий и отношений, которые имеются в предметной области (человеческий фактор в управлении знаниями, основанном на онтологиях).

2) Онтологии используют способ представления, который может обрабатываться компьютером (т.е. записываются с использованием формальных языков, таких как RDFS или OWL, что дает возможность компьютерам работать с онтологиями). К таким действиям относятся передача онтологий между компьютерами, хранение онтологий, проверка согласованности онтологий, выполнение логического вывода на онтологиях и с помощью онтологий (компьютерный фактор в управлении знаниями, основанном на онтологиях). Эти факторы дают возможность поднять уровень интеллектуальности программных систем, путем включения в них знаний о предметной области в форме онтологий. Отметим, что эти два фактора имеют различную важность. В то время как компьютеры могут манипулировать и выполнять логический вывод на знаниях о предметной области с помощью онтологии, понимание того, что обозначают эти символы и правила, остается функцией человека. Поэтому онтология не может существовать без сообщества, которое ее поддерживает (онтология сплетает понимание предметной области человеком и компьютером). Онтологии являются более чем простыми словарями точно определенных понятий: их истинная сила заключается в описании связей между сущностями предметной области. Можно рассматривать словарь, как хранилище смысла, но он определяет слова только по их отношению к другим словам. Элемент 124

информации в действительности определен только тем, с чем он связан и как он связан. Вряд ли есть что-то еще, что может описать смысл. Структура связей является наиболее важным элементом (рис. 1). Полноценные онтологии имеют больше возможностей для описания отношений, чем простые таксономические иерархии, которые имеются в современных решениях по УЗ. Отношения (связи между понятиями) значительно увеличивают количество способов осуществлять навигацию и поиск по предметной области, выполнять анализ, классификацию и визуализацию знаний.

Рис. 1. Отношения между экземплярами онтологии

Для того чтобы использовать эту богатую паутину понятий для интеграции информации, разнородные объекты, содержащие знания, должны быть размечены с помощью терминов онтологии.

123

Этот процесс, также называемый семантической нормализацией, позволяет интегрировать концептуально связанные элементы информации, независимо от их форматов и представлений. Хотя эти действия подобны присоединению ключевых слов или классификационных кодов к информации, результирующие описания имеют точную интерпретацию, предоставляемую онтологией. Модель знаний организации Для управления знаниями внутри современной организации должна быть создана технологическая инфраструктура – информационно-программная система управления знаниями (СУЗ). СУЗ, основанная на Интернет/Интранет и webтехнологиях (портал СУЗ), позволяет преодолевать коммуникационные и пространственно-географические барьеры на пути совместного использования знаний. Преимущество webсреды в том, что она обеспечивает удобный доступ к разнородным информационным ресурсам как внутри компании, так и к информационным ресурсам всей сети Интернет. К сожалению, разнородность затрудняет обнаружение взаимосвязей ("знание о том, что мы знаем"), а неструктурированные форматы (спроектированные для чтения людьми) не позволяют выполнять поиск программно. Очевидно, что онтология занимает центральное место в портале СУЗ. Представляя собой не что иное, как единую модель знаний организации, она способствует интеграции разнородных ресурсов в рамках портала СУЗ на концептуальном уровне, обеспечивая единый подход к описанию их семантики. Модель знаний используется для составления описаний объектов СУЗ и построения поисковых запросов с учетом смысла понятий. Кроме того, она играет важную роль в формировании профессионального языка общения специалистов, помогает ориентироваться в предметной области при обучении. Создание единой онтологии для детального описания модели знаний организации является весьма трудоемкой задачей. Речь идет о длительном проекте с привлечением коллектива 124

экспертов, знания которых должны охватывать все направления деятельности исследуемой компании. Решением проблемы может быть отказ от глубокой декомпозиции системы и включение в онтологию только наиболее значимых понятий из рассматриваемых предметных областей. Другим решением является выделение одного из направлений деятельности организации и создание для этого направления детальной, но узко специализированной онтологии. Очевидно, что оба подхода имеют свои недостатки. Первый подход дает слишком грубую и обобщенную модель, а второй не позволяет использовать модель для взаимодействия между всеми подразделениями компании. Как правило, в пространстве знаний любой организации можно выделить несколько подобластей, которые используются её специалистами. Для каждой из подобластей знаний может быть разработана собственная онтология. Ограничение масштабов модели рамками конкретной подобласти приводит к упрощению модели, позволяет задействовать экспертов узкой специализации. Таким образом, может быть существенно снижена трудоемкость разработки. Согласование этих относительно небольших онтологий может быть обеспечено разработкой онтологии верхнего уровня и программных средств для ее сопровождения. Для достижения гибкости и масштабируемости модели знаний при ее формировании целесообразно использовать модульный принцип. Авторами предлагается структура модели знаний организации показанная на рис. 2.

123

Модель знаний организации

Иерархия областей знаний организации

Онтология Организации включает все объекты, содержащие знания

Метаописания всех объектов, содержащих знания

может быть описана в Онтологии Организации

Онтология области знаний Онтология области знаний Онтология Области Знаний

Рис. 2. Структура модели знаний организации

Онтология организации описывает основные понятия компании (организационную структуру, сотрудников, внешних агентов, процессы и т.д.), а также объекты, служащие источниками знаний для компании (рис. 3). Онтология организации также содержит понятия и отношения, необходимые для формирования иерархии областей знаний и последующего использования этой иерархии приложениями СУЗ. Эта иерархия отражает предметные области, связанные с коммерческой, научной или иной деятельностью компании, т.е. те области, знания в которых представляют интерес для компании.

124

Объект Область знаний

Документ

Агент

автор

относится к проекту Проект

Группа Человек

Подразделение

исполнитель Продукт

работает в

Организация

производитель

Рис. 3. Пример онтологии организации

Онтологии областей знаний (ОЗ) связаны с иерархией областей знаний из онтологии организации. Состав и структура онтологий ОЗ не фиксированы и могут меняться по ходу использования модели знаний в СУЗ. Онтологии ОЗ обеспечивают определенный уровень гибкости модели знаний и возможность её постепенного наращивания. Для объектов, обладающих знаниями, которые описаны в онтологии организации: документам, специалистам, проектам, продуктам и т.д., создаются метаописания, которые используются при работе СУЗ. Метаописание объекта i имеет следующий вид: Mi = {Mik, Mic}, где Mik – набор метаданных, соответствующих свойствам понятия онтологии, экземпляром которого является описываемый объект. Структура этих метаданных (свойства понятий) описана в онтологии организации. Значениями элементов этих метаданных являются либо ссылки на другие экземпляры понятий, либо литералы. Таким образом, эти метаданные связывают экземпляр объекта – источника знаний с другими экземплярами объектов, описанными в онтологии, в связи с чем, эта составляющая может быть названа "контекстными метаданными". Контекстные 123

метаданные описывают внешние атрибуты объекта и среду, в которой он существует в пределах организации и ее непосредственного окружения. Вторая составляющая метаописания Mic непосредственно описывает знания, которые в явной или неявной форме заключены в объекте. Эта часть метаописания связывает объект с экземплярами понятий из онтологий областей знаний и может быть названа "контентными метаданными". Контентные метаданные для объекта i могут быть описаны следующим образом: Mi = {(tri1, ki1), …, (trif, kif)}, где trij = <sij, pij, oij> – триплет; sij – некоторое понятие из онтологии предметной области, знания о которой содержатся в описываемом объекте; pij – отношение, определенное в онтологии предметной области; oij – ссылка на экземпляр понятия в онтологии предметной области; kij ∈ (0,1] – коэффициент, обозначающий релевантность триплета trij объекту i. При описании триплета метаданных элементы pij и oij могут отсутствовать. Процесс составления таких метаописаний называется аннотированием объектов и выполняется с использованием специальных редакторов. Система управления знаниями Структура СУЗ, основанной на единой модели знаний организации представлена на рис. 4. Модель знаний представляет собой концептуальную основу СУЗ: определяет множество понятий и отношений, а также правила их совместного использования. База знаний СУЗ (экземпляры понятий) формируется из метаописаний всех объектов, которые могут содержать знания. Подсистема поиска знаний обрабатывает метаданные объектов и отбирает те из них, которые удовлетворяют запросу пользователя. Возможности подсистемы поиска знаний используются функциональными подсистемами Портала СУЗ, которые предоставляют пользователям различные сервисы 124

(навигация по элементам базы знаний и репозитарию документов). Работа различных подсистем портала (поиск, категоризация знаний) связана с оценкой семантической близости пар объектов, а точнее, их метаописаний. Для выполнения логического вывода используются дескриптивные логики. Дескриптивные логики описывают знания в терминах понятий и ограничений ролей, которые используются для автоматического вывода классификационных таксономий. Эти логики имеют сильное влияние на современные языки онтологий. Все языки, начиная с OIL, DAML+OIL и OWL получили их формальную семантику от дескриптивных логик.

интеллектуальное пространство, в котором размещены все объекты организации, содержащие знания. Схема такого интеллектуального пространства показана на рис. 5.

Онтология Организации

Единая модель знаний организации

Иерархия областей знаний

Метаописания всех объектов, относительно модели знаний

Онтология области знаний Онтология области знаний Онтология Области Знаний

Подсистема поиска Знаний (оценка семантической близости метаданных)

Функциональные подсистемы (поиск документов, поиск экспертов, интеллектуальная поддержка бизнес-процессов)

Объекты - контейнеры Знаний -

Специалисты Книги / Документы Файлы / Электронные документы Гиперссылки Организации Каталоги

Рис. 4. Структура системы управления знаниями на основе единой модели знаний организации

Определение меры подобия между документами сводится к поиску подобия между наборами взвешенных терминов онтологий. Использование понятий онтологий и оценок семантической близости позволяет создать единое 123

Рис. 5. Схема интеллектуального пространства

Данный подход использовался при разработке проекта и базовых элементов системы управления знаниями компании "ЭлеСи" (г. Томск), основной деятельностью которой является разработка средств автоматизации. Совместно со специалистами компании была создана онтология организации и выполнено онтологическое описание одной предметной области. Онтология организации содержит основные объекты – контейнеры знаний организации и ключевые понятия, связанные с ними (Документ, Специалист, Организация, Проект, Процесс, Продукт и т.д.). Разработанная модель знаний компании включает 24 области знаний, разделенных на три группы: • Приборы и средства автоматизации; • Системы и комплексы АСУ ТП; 124

• Теория, методы и программное обеспечение для создания

средств и систем автоматизации. Детально была разработана онтология "Автоматизация", которая описывается с помощью 578 понятий и 15 отношений. В качестве основной предметной областью была выбрана "Знания по управляемым электроприводам", в которой было выделено 375 понятий, что составляет около 65 % от общего количества понятий онтологии. Разработанная онтология используется в составе семантического портала управления знаниями для решения следующих задач: • в качестве терминологической базы для описания источников знаний; • для семантического поиска источников знаний (сотрудников, документов, организаций); • для категоризации всех объектов компании, содержащих знания. Обязательным элементом, определяющим эффективность функционирования любой системы искусственного интеллекта (СИИ), являются знания. В таких системах, в частности в области интеллектуальных автоматизированных информационных технологий, нет общепризнанного формального определения понятия "знания". Наиболее близко к рассматриваемой проблеме приобретения и представления знаний находится следующее определение: знания – это специальная форма представления информации, позволяющая человеческому мозгу хранить, воспроизводить и понимать ее. Однако далеко не вся информация выступает в виде знания, которое рассматривается как ее высшая и притом совершенно особая форма. Знания – это информация, зафиксированная и выраженная в языке. Поэтому основные типы отношений, определяющие связь знаний с внеязыковым миром, друг с другом и системой человеческих действий, должны подчиняться особым закономерностям (правилам) семантики, синтаксиса и прагматики.

123

Таким образом, знания – это не только особая форма информации, но и особая система отношений. В качестве рабочего можно принять следующее определение: знания – это особая форма информации, представляющая собой совокупность структурированных теоретических и эмпирических положений предметной области, которые представлены в различной форме, обладают определенными свойствами, связаны синтаксическими, семантическими и прагматическими отношениями и позволяют решать прикладные задачи. Грань, отделяющая информацию от знаний, условна. Общепризнано, что знания имеют пять важных свойств, позволяющих считать их таковыми: внутреннюю интерпретируемость, рекурсивную структурируемость, взаимосвязь единиц, наличие семантического пространства с метрикой и активность. Сущность этих свойств знаний заключается в следующем. Внутренняя интерпретируемость. Вместе с информационной единицей, представляющей собственно элемент данных, в памяти ЭВМ стало возможным хранить систему имен, связанную с такой информационной единицей. Наличие системы имен позволяет системе "знать", что хранится в ее памяти, и, следовательно, уметь отвечать на запросы о содержании памяти, которые могут порождаться в процессе выполнения программ в самой системе или поступать извне от пользователей либо других систем. Рекурсивная структурируемость. Информационные единицы могут при необходимости расчленяться на более мелкие и объединяться в более крупные по принципу матрешки. Для этих операций могут использоваться родовидовые отношения и принадлежность элементов к классу. В действительности число структурообразующих отношений насчитывает более 200. Взаимосвязь единиц. Между единицами возможно установление самых разнообразных отношений, отражающих семантику и прагматику связей явлений и фактов. Когда между информационными единицами в памяти системы возникает система отношений, фрагментами этой структуры начинают определяться новые информационные единицы.

124

Наличие семантического пространства с метрикой. Оно характеризует близость-удаленность информационных единиц. Специалисты в области когнитивной психологии (психологии познания) считают, что знания не могут быть бессистемным "сборищем" отдельных информационных единиц, а должны быть взаимосвязанными и взаимозависимыми в некотором общем для них когнитивном семантическом пространстве. Активность. В программировании процедурам всегда отводилась роль активизирующего начала. Они отражали способ решения задачи, активизировали необходимые данные, пассивно лежащие в памяти системы. Эта "безгласность" данных в ЭВМ не находит аналогов у человека. Для когнитивных структур в нашей памяти характерна внутренняя активность: мы используем те или иные процедуры при возникновении определенной ситуации. То или иное соотношение между информационными единицами побуждает нас к тем или иным действиям, для реализации которых должны быть выполнены определенные процедуры. Активность базы знаний позволяет СИИ формировать мотивы, ставить цели и строить процедуры для их выполнения. В настоящее время не создано баз знаний СИИ, в которых в полной мере были бы реализованы все свойства знаний. Основными причинами этого являются: ограниченные возможности используемых моделей представления знаний, неполнота знаний предметных областей, несовершенство методов приобретения знаний и несоответствие типов используемых знаний и моделей их представления. Справедливость этого вывода подтверждается практикой создания СИИ, в частности экспертных систем. Знания существуют в различных формах: в памяти человека (эксперта); материализованные (канонизированные) знания (учебники, монографии и т.п.); полуформализованная структурированная модель (поле) знаний; формализованное знание на некотором языке представления; в базе знаний. Знания в СИИ представлены на внешнем, логическом и физическом уровнях.

123

Существуют различные подходы к классификации знаний. Предлагаемые классификации носят открытый характер. Так, выделяют декларативные и процедурные знания, глубинные, поверхностные и мягкие знания. Рассматривают теоретические и эмпирические знания в зависимости от уровня их осмысления. Содержание знаний служит основой для выбора структуры их представления. В практике разработки СИИ обозначилась тенденция перехода от использования поверхностных знаний к глубинным и мягким. Глубинные знания образуются как результат обобщения первичных понятий в некоторые абстрактные структуры, которые могут и не иметь вербального описания. Мягкие знания допускают множественные, расплывчатые решения и приводят к различным вариантам рекомендаций. Использование глубинных и мягких знаний позволяет создать БЗ большой мощности. Глубинные знания обладают такими важными особенностями, как гибкость и аддитивность (лат. additio – прибавление; получаемый путем сложения). Ведущие научные работники области дистанционной учебы сосредоточены на применении всего могущества современных высоких технологий для интеллектуализации систем дистанционной учебы. Возникают новые научные направления на стыке разных наук – искусственный интеллект в образовании, семантический Веб-пространство и тому подобное. Создаются научные содружества по исследованию применения технологий искусственного интеллекта в образовании. Учебные компьютерные системы должны содержать автоматизированную функцию контроля знаний и анализа результатов учебы. В то время, как много исследований в области компьютерного контроля знаний сосредоточенные на вопросах валидности и надежности тестов, справедливо отшлифовывая технику контроля знаний, вопроса формирования самого банка заданий, в большинстве случаев остается исключительно прерогативой преподавателя, который работает с курсом, без предложений автоматизации данного процесса. Действительно попытка автоматизации формирования заданий для теста 124

наталкивается на область искусственного интеллекта и вопроса формализации знаний для последующего их использования при составлении контрольных заданий для теста. Поэтому появляется задание создания модели падания знаний, на основе которой станет возможным построение современной учебной системы. Концепция сжатия или формализации учебной информации опирается на ведущие теоретические положения молодой специальной отрасли информационной технологии, которая очень бурно развивается, – инженерии знаний. Она направлена на исследование проблем приобретения, представления и практического использования знаний. В эпоху информационной насыщенности проблемы компоновки знания и мобильного ее использования приобретают колоссальную значимость. С этой целью создаются всевозможные типы моделей представления знаний в сжатом, компактном, удобном для использования виде (логические модели, семантические сети продукционные модели и др.). Рядом с этим эффективные способы сжатия учебной информации содержатся в известных психолого-педагогических теориях содержательного обобщения, укрупнения дидактичных единиц, формирования системности знаний. В разработке применена интеллектуальная технология из области представления знаний для обеспечения автоматизации процесса формирования тестов и всего процесса контроля знаний в учебной системе. При этом среди обязательных требований к технологии стоит ее способность к реальному приложению в условиях экономических и кадровых ограничений современной системы образования, понятность и дружественность интерфейса системы и тестовых заданий, которые продуцируются. На основе разработанной семантической модели создан соответствующий программный продукт, где реализована предложенная технология. Модель знаний находится в процессе развития и углубления. Постановка задачи В рамках работы ставится задание разработки технологии автоматизации контроля знаний студентов в системе учебы. Это включает автоматизацию процесса создания базы знаний и 123

автоматизацию продуцирования тестов. При решении данного задания работа распределяется на такие составляющие: В рамках выполняемой работы относятся такие задачи: • разработка семантической модели для представления знаний предметной области для формирования тестов; • создание структуры базы знаний в соответствии с семантической моделью знаний; • проектирование и реализация системы сопровождения базы знаний с удобным интерфейсом пользователя; • разработка алгоритмов использования базы знаний учебного материала для автоматического продуцирования средств контроля знаний. При этом относительно контролирующих средств относятся такие требования: • лексическая понятность тестовых заданий; • возможность использования разных типов вопросов. Концепция модели Семантическая модель знаний и ее воплощения в базе знаний – это сердце разработанной системы. В ходе анализа учебных материалов было решено разрабатывать предметно ориентированную (понятийно-ориентировочную) модель знаний. Это значит, что краеугольным камнем структуры модели является такая сущность как понятие, предмет обсуждения, некоторый объект из предметной области, о котором в учебном материале есть знание. Для представления знаний о понятии в модели существуют структурные элементы – сведения об объекте (тезисы о понятии). С каждым понятием в модели связывается множественное число сведений о нем. Изложенная идея и является основой концепции семантической модели знаний, которая разрабатывается и используется в этой работе. Понятие указывает на некоторый объект из области знаний, о котором идет язык. Понятие указывает на предмет, который представляется для изучения студенту. Например, в курсе "Алгоритмические языки программирования " можно выделить 124

такие понятия: "процедура", "цикл", "программа", "переменная", "жизненный цикл программы" и т.п. Для курса "Программирования в среде Delphi" можно было бы выделить такие понятия: "объект", "событие", "класс", "форма", "компонент Tedit" но другое. Тезис – это некоторая ведомость о понятии. Тезис можно сравнить с признаком, характеристикой понятия или с любым утверждением, которое является истиной для данного понятия. Приведем примеры: тезис о понятии "процедура" – "позволяет разбить программу на подпрограммы", тезис о понятии "класс" – "может иметь в своей структуре не только поля-свойства, но и методы, то есть функции и процедуры ". Понятия и их классификация Как уже отмечалось, в концепции модели понятия выражает предмет знаний, который обсуждается в том или другом фрагменте учебного материала. Понятие – это одна из основных сущностей базы знаний понятийно-тезисной семантической модели. Фактически понятие – это, как правило, одно-два слова, которые текстовый выражают предмет рассмотрения. Следующим этапом развития концепции является классификация понятий с целью расширения базы знаний. Классификация понятия относит его к определенной предварительно очерченной группе понятий. Эта группа владеет определенным набором характеристик и может иметь очерченное поведение. Таким образом, относя понятие к определенному классу, мы предоставляем ему все свойства и поведение, которое уже имеет данный класс понятий. Здесь существует прямая аналогия с объектно-ориентированным подходом в программировании, а именно с принципом наследования. Порожден дочерний класс, подражает всем признакам и поведению родительского класса. Под признаками и поведением понятия данного класса понятий понимаем как соответствующие знания предметной области, так и совокупность, методико-организационных 123

возможностей, которые могут применяться к данному понятию (в первую очередь при формировании контролирующих средств). Рядом с описанной классификацией, для каждого из понятий отмечается уровень важности, которая указывает на приоритетность понятия в структуре понятий курса, уровень важности его усвоения для понимания предмета, который изучается. Тезисы но их классификация Тезис – некоторая ведомость или утверждение о понятии. Можно сказать, что тезисы являются основным наполнителем знаний, как таких, в базе учебного материала. Если понятия указывают предмет курса, то тезисы являют собой смысловое наполнение базы знаний. От полноты наборов утверждений, т.е. тезисов о понятии зависит полнота базы знаний, а следовательно, и возможность учебной системы строить эффективные контролирующие объекты. Фактически тезис являет собой одно или несколько предложений, в которых язык идет непосредственно о соответствующем понятии, однако именно понятие здесь словарный не фигурирует. Между понятием и ее тезисами устанавливается соответствующая связь. Вместе с классификацией понятий концепция предусматривает классификацию тезисов, что позволяет расширить возможности применения базы знаний. Структура классификации является аналогичной описанной относительно понятий. Тезис можно отнести к определенному классу тезисов, и вместе с этим данный тезис приобретает все свойства и признаки этого класса. Это в дальнейшем позволяет использовать эти знания при построении контролирующих объектов. Среди типов тезисов особенным чином выделим несколько. Прежде всего, это тезис-определение. Этот тип, или класс, тезисов содержит определение понятия, то есть отвечает на вопрос "Что это?". Здесь содержится фрагмент материала, который определяет, что есть данное понятие. Тезис-назначение указывает для чего назначенное данное понятие. Фрагмент текста в тезисе описывает, для чего служит соответствующее понятие. Информация тезиса содержит ответы 124

на вопросы "Для чего служит понятие?", "Какая цель этого понятия?", "Для чего назначенное понятие?" Так же, как и для понятий, для тезисов указывается уровень их важности, которая указывает на приоритетность данного утверждения в структуре знаний курса, уровень важности его усвоения для понимания предмета, который изучается. Методология построения контролирующих средств. Процесс контролю знаний занимает важное место в структуре дистанционной образования. Вид его эффективности зависит успеваемость применение этого виду учеба. В то же время современный подход к дистанционному образованию ставит задание автоматизировать процесс контролю знаний. Прежде всего, отметим самые распространенные типы заданий, которые могут применяться при контроле знаний путем тестирования, но имеют перспективное значение для разработанной семантической модели: – самым простым типом является вопрос, который предусматривает ответ типа "истина/недостаток"; – самым распространенным видом заданий в тестах есть задание множественного выбора "один из нескольких", "несколько из нескольких"; – сложнее является задание со свободной формой ответа: ответ на вопрос студент должен ввести собственноручно; – еще один вариант – задание сопоставление. Студенту подается два наборы некоторых элементов, и он имеют сопоставить каждый вариант одного набора из соответствующим на его мысль вариантом из другого набору элементов; – отдельно выделим еще один достаточно специфический тип заданий – задание по определению приоритетности. Суть задания заключается в том, чтобы расставить определенные элементы в правильном порядке или порядку их приоритетности. Алгоритмы построения вышеотмеченных типов заданий на основе базы знаний включают варианты: – вопрос первого типа, что требуют ответа типа "истина/недостаток"; 123

– тесты второго типа "вопрос – варианты ответов"; – задание третьего типа: вопрос – текстовый, ответ вводится студентом; – четвертый вариант – задание-сопоставление; – пятый достаточно специфический тип заданий – задание по определению приоритетности. По типу структуры такое задание временами пересекается с заданиями, описанными выше. Вопросы строятся на базе вторичных знаний, полученных из БЗ на основе использование сведений о степень важности элементов. Как отмечалось выше, каждый элемент семантической модели имеют свой уровень важности, что указывается на этапе формирования БЗ. Понимание некоторых понятий абсолютно необходимо для усвоения курса, другие же играют вспомогательную роль. Таким образом, задание этого типу содержит аналитический характер и требует вид студента обстоятельного понимание предмету. Приведем подход к построению современной системы учебы, который основывается на создании модели представления знаний. Смысловая составляющая формализируется с помощью понятийно-тезисной семантической модели. На ее основе формируется аппарат автоматизированного контроля знаний в системе. Модель знаний имеет перспективу к развитию, углублению и совершенствованию, и нуждается в последующих теоретических и практических исследованиях.

124

4. ОРГАНИЗАЦИЯ УПРАВЛЕНИЯ ЗНАНИЯМИ 4.1. Организация информации знаний Организационное знание формируется тогда, когда индивидуальное знание формализуется и хранится в определенном формате. Такое знание должно затем распространиться в пределах организации, а вне ее – в ограниченном объеме. Знание и его использование должны быть скоординированы, чтобы обеспечить соответствующий результат. Это – организационный контекст, который определяет эффективность управления знанием и процессов обучения в отдельно взятой организации. Этот контекст включает в себя культуру организации, ее структуру и инфраструктуру. Интеллектуальная организация обязана иметь контекст, который стимулирует и поддерживает формирование знания и управление им [41–43]. Понятие знания. Организационное знание может быть определено как распределенный набор принципов, фактов, навыков, правил, которые информационно обеспечивают процессы принятия решений, поведение и действия в организации. Организационное знание развивается на основе знаний каждого в этой организации. Превосходное знание при соответствующем управлении должно приводить к превосходной деятельности и результату. Поэтому знание может рассматриваться как наиболее важный источник отличительных способностей организации. Знание может быть явным или неявным. Явное знание – это знание, содержание которого выражено четко, детали которого могут быть записаны и сохранены. Неявное или мысленное знание чаще всего не выражается и основано на индивидуальном опыте, что делает его трудным для записи и хранения. Обе формы знания возникают изначально как индивидуальное знание, но для того, чтобы быть использованными для существенного улучшения деятельности организации, они должны быть преобразованы в организационное знание. Для неявного знания 123

сделать это особенно трудно. Роль системы управления знаниями в организации состоит в том, чтобы обеспечить превращение индивидуального обучения в организационное. Классификация организационных знаний включает три категории знания: "знать как" (практическое знание), "знать почему" (теоретическое знание) и "знать что" (стратегическое знание); три типа знания: закодированное ("знать что"), привычное ("знать как"), научное ("знать почему"); три вида коммерческого знания, которое является развитой и управляемой сетью императивов, образцов, правил и сценариев, включенных в некоторые аспекты фирмы и распределенных повсюду на фирме, что обеспечивает результативность ее действий на рынке. Знание может быть специфическим и типичным. Специфическое знание является наиболее вероятным источником конкурентного преимущества и основой отличительных способностей организации. Типичное знание необходимо для любого бизнеса, но маловероятно, чтобы на его основе возникло конкурентное преимущество. Любое знание основано на определенной информации и ее наличии. Вместе с тем необходимо обладать способностью к рассуждению и логическому выводу, чтобы уметь извлекать знания из имеющейся информации. Для того, чтобы выстроить новое знание, организация должна предпринять определенные действия, направленные на стимулирование приобретения информации и преобразования ее в знание. Эффективность бизнеса может быть повышена, если знание используется в любом месте этого бизнеса. Распределение знания является жизненно важным для организации. Еще одной уникальной особенностью знания является то, что это один из немногих активов организации, который возрастает, как правило, по экспоненциальному закону, когда им делятся. Разделение знания в организации увеличивает его качество, что добавляет стоимость к товару. Управление организационным обучением и знанием нацелено на развитие организационного знания путем формализации содержания, структуры и процедур, которые стимулируют создание и разделение знания.

124

Интеллект и обучение. Интеллектуальная организация строится на интеллекте и обучении. Интеллект основан на наборе информации, рассуждении и скорости понимания. Интеллект, с точки зрения организации, зависит от способности извлекать информацию, манипулировать ею, анализировать и интерпретировать ее с тем, чтобы выстраивать умозаключения, обучаться и генерировать новые знания. Эти знания должны затем использоваться для развития новых отличительных способностей и усиления уже существующих. Цель интеллекта – развивать такие способности, которые способны добавить новую стоимость производимым изделиям и услугам (с точки зрения потребителя). Интеллект и знания поэтому не являются статическими, но их развитие зависит от способности обучаться. Обучение – это постоянный и непрерывный процесс, нацеленный на приобретение новых навыков и знаний. Обучение может быть результатом практического опыта, деятельности, изучения, анализа, размышлений, экспериментирования, преподавания или тренировки. Обучение имеет место как на уровне индивидуума, так и на уровне организации. Существуют две фундаментальные и противоречащие друг другу теории обучения: бихевиористская теория, или теория ответа на раздражитель, и познавательная теория, или теория обработки информации. В то время как бихевиористская теория подразумевает, что мы обучаемся в ответ на изменяющиеся раздражители в нашем окружении, более сложная познавательная теория подразумевает, что имеет место "обдуманный" подход к процессу изучения. Обучение не является ни пассивным, ни автоматическим. Оно одновременно и активное, и сознательное. Благодаря сосредоточению на ключевых элементах процесса обучения, компании могут чрезвычайно усиливать свой интеллект. Обучение поэтому должно быть разумным и размеренным процессом. Обучение предполагает не просто изучение того, как решить конкретную проблему, а должно быть нацелено на развитие принципов, которые создадут информационное обеспечение для 123

определения будущего поведения. Это также становится возможным благодаря способности делать вывод из конкретного исследования. Такое обучение имеет место тогда, когда найденные частные решения обобщаются, чтобы ими можно было воспользоваться в иных обстоятельствах. В организациях используется два типа обучения: адаптивное обучение и порождающее обучение. Адаптивное обучение сосредоточивается на изменении в ответ на развитие среды бизнеса. Такая адаптация необходима для выживания организации. Порождающее обучение связано с развитием у организации новых отличительных способностей и определением или созданием у нее новых возможностей для усиления имеющихся способностей в новых конкурентных областях. Процесс обучения. Организационное обучение может быть разделено на две отличные друг от друга, но связанные между собой части цикла обучения: индивидуальное обучение и организационное обучение. Каждая из них зависит от другой и связана с ней организационным контекстом. Индивидуальное обучение будет сильно зависеть от организационного контекста, в котором оно имеет место. Организационный контекст может ускорять или замедлять процессы индивидуального и организационного обучения. Обучение оказывается наиболее эффективным тогда, когда оно осуществляется в рамках познавательного подхода, где обучающиеся могут видеть отношения между всеми элементами ситуации; обучение проходит по принципу "от частного к общему"; обучение предполагает скорее понимание, чем запоминание; обучение предполагает проверку предположений; имеются ясные цели обучения, которые упорядочивают его процесс; стимулируется как нисходящее, так и восходящее рассуждение, обеспечивающие достижение правильного ответа как через догадку, так и посредством логики. Индивидуальное обучение строится на основе любознательности, разрешении проблем, готовности рискнуть, оспаривании существующего поведения и понимании того, как следует строить новое знание и использовать существующее.

124

Обучение основывается на конкретном опыте, наблюдении, отражении, формировании концепций и обобщений, проверке концепций, ведущих к последующим действиям. Процесс индивидуального обучения ускоряется за счет обмена информацией и знаниями и открытости, которые стимулируют появление вопросов, возникновение споров и дискуссий. Индивидуальное обучение поддерживается и ускоряется обменом мнений в группах. Обмен мнений в группах используется для проверки идей и убеждений индивидуумов прежде, чем они будут преобразованы в организационное знание в процессе организационного обучения. Только организация может создать контекст – культуру, структуру и инфраструктуру, который будет как способствовать, так и стимулировать обучение индивидуумов и их групп. Организационное обучение, как и индивидуальное, связано с созданием нового и использованием уже имеющегося знания. Оно, кроме того, связано с сохранением, распределением, передачей и координацией знаний. Способность организации разрабатывать и улучшать базу знаний зависит от ее системы управления знаниями. Управление знаниями связано не просто с организацией обучения и созданием организационных знаний. Оно также связано с управлением существующими запасами знаний. Существует несколько препятствий для эффективного управления знаниями: препятствия создания знаний; трудности в сохранении и распределении знаний; трудности в оценке ценности и измерении количества знаний. Создание знаний сдерживается невозможностью активного поиска информации, проведения наблюдений, концептуализации и адекватного тестирования знаний. Проблемы сохранения и распределения знаний, главным образом, имеют отношение к неявно выраженным знаниям. Такие знания, являющиеся в значительной степени индивидуальными, очень плохо поддаются преобразованию в формат, который может храниться и распределяться между всеми членами организации. Иногда знания могут теряться в процессе пересылки. Отдельные люди могут препятствовать процессу распределения знаний. Это может 123

происходить потому, что они рассматривают свое знание как источник персональной или организационной власти, или потому, что они боятся возникновения ошибок. Наконец, существует проблема обмена знаниями с сотрудничающими организациями, если необходимо предотвратить утечку знаний к конкурентам. Эта потребность в контроле знаний – важный аспект управления. Создание интеллектуальной организации. Интеллектуальная организация стремится управлять своей базой знаний эффективно и продуктивно, со своими человеческими, финансовыми и другими ресурсами. Управление знаниями, прежде всего, связано со следующими процессами: с генерацией знаний – индивидуальным или организационным обучением; с формализацией знаний – разработкой принципов, правил и процедур; с сохранением знаний – определением подходящего типа носителей для сохранения, которые допускают распределение знаний; с диффузией знаний – распределением знаний в пределах организации и в ограниченном варианте за ее пределами; с координацией и контролем знаний – обеспечением того, что организационное знание точно и постоянно используется. Организационный контекст данных действий жизненно важен для эффективного управления знаниями и включает в себя: организационную культуру; организационную структуру; организационную инфраструктуру и коммуникации. Создание организационного контекста интеллектуальной организации требует, чтобы организация училась не только вести свой бизнес относительно бизнеса, но и осуществлять сам процесс такого обучения. Она должна постоянно стремиться улучшать свою культуру, структуру и инфраструктуру, если хочет улучшить процессы индивидуального и организационного обучения. Создание культуры обучения. Организационная культура формируется на базе системы ценностей, отношений и верований, которая управляет действиями и поведением отдельных людей, составляющих организацию. Чтобы способствовать обучению, культура организации должна 124

порождать такой климат, в котором как индивидуальное, так и организационное обучение и знание ценятся очень высоко. Эта культура должна побуждать людей постоянно подвергать сомнению существующую практику в поисках улучшений для развития способностей их организации. Кроме того, люди должны поощряться за попытки ведения бизнеса новыми методами. Культура должна стимулировать развитие знаний. Полномочия индивидуумов – критическая цель культуры обучения. Лидерство – важная часть культуры обучения, причем лидеры должны быть одновременно конструкторами, преподавателями и стюардами. Они должны формировать атмосферу доверия, в которой стимулируется экспериментирование и обмен знаниями. Эксперты и специалисты должны быть заинтересованы делиться своими неявными знаниями с другими сотрудниками. Распространение неявного знания в организации может оказаться непростым делом, учитывая трудности с сохранением и распространением такого знания. Работая вместе с экспертами, менее опытные члены организации оказываются под их влиянием и могут впитать неявное знание, носителями которого являются данные эксперты. Создание культуры обучения предполагает: придание знаниям высокой ценности; стимулирование сомнений и экспериментирования через делегирование полномочий индивидуумам; создание атмосферы доверия для стимулирования обмена знаниями; практическое обучение с целью обмена неявными знаниями. Культура обучения должна выходить за пределы организации и распространяться на систему организационной кооперации и сотрудничества. Это делает возможным обучение и обмен знаниями и способностями на межорганизационном уровне. Такой обмен ускоряет процесс обучения, порождая синергию между способностями и знанием взаимосвязанных организаций. Знание должно оберегаться от конкурентов настолько, насколько это возможно. В этом случае жизненно важным элементом управления в организации становится контроль знаний. Проблема при развитии своих способностей в организации состоит в достижении 123

баланса между доступностью и конфиденциальностью информации. Развитие культуры обучения, в частности, зависит от структуры и инфраструктуры организации. Структурирование с целью обучения. Создание организационной структуры, которая бы стимулировала обучение, чрезвычайно сложно и трудоемко. Прежде всего, необходимо разрешить важную дилемму. С одной стороны, развитие знаний подталкивается обменом идей между специалистами и экспертами в одной специальной области. Это подразумевает, что организация должна сохранять функциональные группировки определенного рода с тем, чтобы эксперты взаимодействовали и обменивались идеями с целью развития нового специального знания. С другой стороны, организационное знание должно быть целостно, и знание специалистов из одной области по поводу какой-то идеи должно соотноситься с соответствующим знанием из другой области. Создание целостного организационного знания, его координация и распространение поддерживается межфункциональными отношениями. Дилемма, таким образом, состоит в том, чтобы сформировать организационную структуру, которая соединяла бы в себе межфункциональную и узкоспециализированную группировки. Идеального решения этой дилеммы нет, но такое сочетание может быть достигнуто посредством применения матричной структуры. Это может размывать границы ответственности, но вместе с тем определенно будет стимулировать целостное представление знания. В качестве альтернативы можно также рассмотреть вариант создания функциональных проектных или целевых групп в рамках обычной организационной структуры. Чем большее число уровней иерархии в организации, тем труднее будет создавать культуру обучения, развивать знание, делиться им, координировать его и управлять им. Чем больше уровней иерархии проходят идеи и знания, тем больше они искажаются. К тому же иерархия препятствует межфункциональным и горизонтальным связям. По этим соображениям плоские организационные структуры больше 124

подходят для организации эффективного управления знаниями. Плоские структуры организации также помогают в координации и контроле знаний. Сетевые организационные структуры, вероятно, являются самыми подходящими для формирования культуры обучения. Такие организации имеют незначительную иерархию и могут принимать разнообразные формы. Они основаны на общей вере в эффективность индивидуальных полномочий, которая является фундаментальной при создании культуры обучения в организации. Не существует единственной структуры, которая уникально способствовала бы обучению, однако сетевые структуры, которые являются плоскими с низкими функциональными барьерами, способствующими развитию функциональных связей, следует признать наиболее эффективными. Сетевые структуры "размывают" границы организаций и часто включают в себя сотрудничающие формы бизнеса. Такое сотрудничество допускает обмен организационным знанием и способствует возникновению нового знания. Способность развивать и управлять знанием в сетевых организациях зависит от развития инфраструктуры и систем коммуникаций, которые поддерживают создание, сохранение и обмен знаниями как в рамках отдельных организаций, так и между ними. Инфраструктура и коммуникации. Достижения в технологии и особенно в области ИТ и технологий телекоммуникаций сыграли главную роль в возникновении инфраструктуры, необходимой для поддержки сетевых структур и организационного обучения. Информационные носители и каналы, помогающие создавать, хранить, обмениваться и передавать знания, имеют огромное значение для создания интеллектуальной организации. Роль технологии в создании, сохранении, распространении и управлении знаниями существенна. Однако сама по себе технология не в состоянии формировать обучающий контекст. Скорее всего, управление знаниями больше зависит от культуры и структуры организации. Вместе с тем технологические достижения делают возможным 123

появление таких организационных форм, которые раньше было трудно представить. Инфраструктура организации, включающая ее системы и технологии, поддерживает все ее процессы, в том числе и управление знаниями. Информационная и телекоммуникационная технологии меняют способности как отдельных людей, так и организаций наращивать свой интеллектуальный потенциал путем ускорения обучения. Информационная и телекоммуникационная технологии также увеличивают возможности обмена знаниями между сотрудничающими организациями. Базы данных стали интеллектуальными, так что они могут теперь не только хранить информацию, но и помогать в создании и обмене знаниями. Базы данных – это только один образец того, как информационная и телекоммуникационная технологии становятся интеллектуальными. Нейронные сети позволяют компьютерам самообучаться по мере накопления опыта работы. Они копируют процесс обучения человека. Развитие элементной базы и ПО компьютеров позволяет предположить, что возможности такого их обучения вскоре существенно возрастут и окажут значительную помощь в создании знаний и их распределении. В быстро изменяющемся мире именно те предприятия, которые смогут управлять своими знаниями наиболее эффективно, справятся с задачей развития и поддержания конкурентного преимущества. Средства хранения и передачи информации могут явиться причиной искажения знаний. Искажение может наступить также вследствие особого восприятия, интерпретации, отношения или побуждений человека, получающего знания. Важно знать и то, как знания могут храниться и передаваться. Каждый информационный носитель полезен лишь при определенных обстоятельствах. Явное знание сравнительно легко можно хранить и передавать. Для этих целей могут быть использованы практически любые средства. Абстрактный и неосязаемый характер неявного знания делает данные задачи гораздо более 124

трудными. Однако новейшие технологические достижения создают для этого определенные возможности, главным образом благодаря использованию средств мультимедиа и компьютерных сетей. Средства мультимедиа позволяют извлекать неявное знание через интерактивное обучение. Локальные и глобальные сети дают возможность эффективно обмениваться знаниями. Хотя ни средства мультимедиа, ни сети не являются совершенным решением проблем хранения неявных знаний и обмена ими, они обеспечивают серьезный прогресс в этом отношении. Эти трудности с хранением и передачей знаний предопределяют то, где лучше всего сосредоточивать знания в организации. Местонахождение особенно важно в отношении неявно выражаемых знаний. Явное знание может храниться централизованно и передаваться через ИС, а те решения, которые нуждаются в неявно выражаемом знании, должны приниматься там, где такое знание сосредоточивается. Иными словами, принятие подобных решений должно быть делегировано отдельным сотрудникам организации, которые и обладают требуемым неявным знанием, или же все решения, требующие данного знания, должны приниматься с помощью экспертов. Системы и инфраструктура идут дальше той технологии, на которой они основаны. Активные методы обучения (тренинг) играют чрезвычайно важную роль в процессе распространения знаний, однако традиционная подготовка пока имеет тенденцию строиться на базе пассивного обучения. Обучение, скорее, должно быть интерактивным процессом, основанным на приобретении и накоплении личного опыта, поэтому система обучения должна включать методы, базирующиеся именно на таких принципах. Организационная культура очень важна с точки зрения построения менее формальных систем для создания и распространения знаний. Знание и отличительные способности. 1990-е годы были отмечены возникновением ресурсного подхода к стратегическому менеджменту или, как его еще называют, подхода, основанного на разборе способностей. Предполагается, что конкурентное преимущество основывается на определенных 123

устойчивых базовых способностях или отличительных способностях. Базовые способности или отличительные способности – это комбинации ресурсов и внутреннего потенциала, которые являются уникальными у конкретной фирмы и которые порождают ее конкурентное преимущество, создавая уникальную стоимость, оцениваемую клиентом. Знание неразрывно связано с базовыми способностями. Базовые способности должны быть отличительны, сложны, трудны для подражания, устойчивы и приспосабливаемы, чтобы быть источником устойчивого превосходства и эффективности. С этой точки зрения знание, особенно то, которое не поддается явному выражению, является как сложным, так и трудным для подражания. Вместе с тем организационное обучение, как это можно видеть в интеллектуальных организациях, делает способности, основанные на знаниях, одновременно и устойчивыми, и приспосабливаемыми. Знания играют уникальную роль в создании и сохранении базовых способностей. Базовые способности могут быть основаны на знании клиентов и их потребностей, знании технологии и того, как использовать ее особым образом, знании продуктов, процессов и т.д. Знание делового окружения, конкурентов и их поведения, стран и их культур также помогает при формировании способностей, которые являются как отличительными, так и превосходящими аналогичные способности конкурентов. Имеются многочисленные примеры способов использования знаний для создания и усиления отличительных способностей. Отличительные способности Microsoft, очевидно, основаны на знании того, как создавать и продавать операционные системы и другое ПО для персональных компьютеров. Кроме того, конкурентное преимущество Microsoft основано и на знании элементной базы компьютеров и их сетей, на знании фирм, производящих компьютеры и сетевое оборудование. Microsoft развил свои способности в создании операционных систем и другого ПО для персональных компьютеров и вместе с тем смог обеспечить появление новых, связанных с базовыми, способностей для достижения конкурентного преимущества в ПО 124

компьютерных сетей и Интернет. Создание и усиление таких способностей основано преимущественно на знаниях. Подход, основанный на разборе способностей, также обращает внимание на использование потенциала сотрудничества для формирования конкурентного преимущества. Сеть сотрудничающих организаций позволяет каждому члену этой сети сосредоточиваться на создании высокоспециализированных знаний и отличительных способностей, которые затем могут быть распределены в пределах сети. Такие знания и способности чрезвычайно сложны и намного более трудны для копирования конкурентами. Сосредоточение на узко определенных областях знаний позволяет фирмам в составе сетей очень сильно ускорять процесс своего обучения. Кроме того, очень вероятно, что от соединения баз знаний сотрудничающих фирм возникает синергетический эффект. Организации, которые пытаются формировать знания широкого профиля, подвергают себя серьезному риску замедления процесса обучения. Интеллектуальная организация – это та, которая способна достичь жизненно важного конкурентного преимущества путем быстрого обучения тому, как развивать свой интеллект и знания, необходимые для формирования устойчивых и гибких отличительных способностей. Сети знаний увеличивают гибкость и чувствительность бизнеса. Кроме того, новые знания и способности могут быть достаточно легко получены в рамках сети. За каждым членом сети сохраняется ответственность за контроль его собственной базы знаний, однако общий фонд доступных при этом знаний превосходит простую сумму знаний всех членов сети. Интеллектуальная организация. Наиболее успешные предприятия сегодня могут рассматриваться как интеллектуальные предприятия. Интеллектуальная организация – это та, которая способна развивать у себя базовые способности, основанные на знаниях. Развитие таких способностей зависит от эффективного и продуктивного управления знаниями. Управление знаниями связано с генерацией знаний (как у отдельных сотрудников, так и у организации в целом), 123

формализацией и сохранением знаний, распространением знаний, их координацией и контролем. Эффективное управление знаниями зависит от организационной культуры, структуры, инфраструктуры и коммуникаций. Есть много примеров интеллектуальных организаций. Так, базовая способность корпорации Као основана на интегрированной способности к обучению. Ключевыми элементами культуры обучения Као являются принципы равенства, личной инициативы и отрицания авторитетов. Эта культура подкрепляется плоской организационной структурой, в рамках которой сняты все организационные границы и должностная субординация. Информационная и коммуникационная системы фирмы рассматривались как неотъемлемая часть обучающей среды и использовались как средства, позволяющие сделать информацию и знания доступными всем служащим. Здесь имеется открытый доступ к информации, из которой не делается никакого секрета для многих больших корпораций. Интеллектуальные организации – это также и организации, которые умеют учиться тому, как лучше обучаться. Иными словами, они не просто стремятся учиться, как лучше вести свой бизнес, а пытаются понять процессы индивидуального и организационного обучения. Поняв природу своего обучения, они оказываются в состоянии улучшить и ускорить процессы создания и использования своих знаний. В таких организациях стимулируются сомнения и творчество, доверие, групповой стиль работы и обмен опытом. В то же время в них имеется особая инфраструктура, способствующая обучению, помогающая сохранять и управлять распространением знаний, которая координирует применение знаний для создания и развития отличительных способностей этих организаций. В процессе обмена индивидуальными и организационными знаниями они неизбежно подвергаются сомнению, модифицируются, улучшаются и усиливаются, производя новую, более развитую базу знаний для следующего цикла роста. Способности, основанные на знаниях, более устойчивы и 124

длительны, поскольку они более трудны для конкурентов с точки зрения их определения, понимания и копирования. Способности, основанные на знаниях, легко приспосабливаемы, что существенно повышает чувствительность организации к изменениям во внешней среде. Преобразование знаний в базовые способности и конкурентные преимущества зависит от того, как осуществляется обмен и управление знаниями в рамках организации и в рамках сотрудничества с другими компаниями. Интеллектуальные организации из-за своей выдающейся способности обучаться также более способны понимать и даже создавать новые потребности своих клиентов, таким образом создавая новые источники своего конкурентного преимущества.

4.2. Управление знаниями в управлении проектами Управление знаниями – это способ извлекать прибыль из общения людей. Для извлечения прибыли нужно, чтобы общение было целенаправленным и интенсивным. Для достижения этого используют 20 % ИТ и 80 % гуманитарных технологий. Управление проектами – это способ извлекать прибыль из организации деятельности людей. Очевидно, что при организации деятельности важнейшим условием является качественный и интенсивный обмен информацией. Для этой цели в управлении проектами применяется управление знаниями. Основная цель гуманитарных технологий – заставить людей охотно делиться информацией, а не скрывать ее. Лучшим секретом фирмы становится секрет, как не иметь секретов от коллег. Если обратиться к ИТ, то выяснится, что система управления знаниями не сводятся к обеспечению "дискуссионных форумов" для сотрудников предприятия и сотрудников партнеров предприятия. Основа – это обеспечение целенаправленности и оперативности обсуждений. Поэтому информация в системе управления знаниями высокоструктурирована. Управление проектами предлагает свое структурирование для информации о проектах: документы и ресурсы, зависимости 123

и вехи. Очевидно, что система управления знаниями должна структурировать информацию согласно этой онтологии (набор понятий и связей между ними) управления проектами. Органайзер управления проектами позволяет отображать средствами ИС достигнутое людьми в ходе их общения взаимопонимание. Коммуникатор (модуль для Интернетподдержки управления знаниями в проектах) создан для помощи сообществам и плоским корпорациям с большим числом горизонтальных связей для выполнения проектов и не предназначен для использования административно-командных методов и предварительного ресурсного планирования больших проектов. Коммуникатор подходит для поддержки взаимопонимания по текущим планам в разнородных множествах рабочих групп и обеспечения координации в ситуации с ежедневно меняющимися планами. Еще одно отличие Коммуникатора как системы управления знаниями о проекте заключается в том, что он специально настроен на ежедневно меняющиеся планы, поэтому в нем сознательно не реализован блок долгосрочного планирования, включая выражение временных зависимостей между работами в смысле управления проектами. Коммуникатор не умеет вычислять критический путь, суммировать потребные ресурсы и т.д. Наоборот, Коммуникатор помогает своим пользователям выжить в ситуации множества полузависимых мелких проектов, которые планируются и выполняются в многочисленных рабочих группах. Именно так устроены многие корпорации, в которых различные рабочие группы работают над множеством различных клиентских заказов, в которых потребности клиентов меняются чуть ли не ежедневно в ходе работ. Именно так работает РАО "ЕЭС России" над реформированием отрасли, где многочисленные проектные группы едва успевают развернуть свои проекты в зависимости от текущей политической ситуации как внутри РАО, так и вовне его. Такие системы также отличаются тем, что в них участвует много внешних людей, находящихся в самых разных географических местах и имеющих самое разное 124

административное подчинение. Всем этим непрерывно прибывающим людям нужно быстро входить в курс дела, поэтому Коммуникатор намеренно был оставлен максимально простой системой, не включающей многочисленных функций как систем управления проектами (Project Management Systems), так и систем управления работами (Workflow Management Systems) и даже систем электронного документооборота (Document Management Systems). В основу Коммуникатора положена метафора "плана как пачки карточек с работами", взятая из методологии экстремального программирования (Extreme Programming). Заказчики заполняют бумажные карточки на каждую элементарную работу, после чего менеджеры раскладывают эти карточки на отдельные группы (пачки, кучки, пакеты работ), сообразуясь с наличными ресурсами и текущими производственными приоритетами. Работники выполняют эти работы и сдают их заказчикам. На всех карточках пачки работ появляются отметки об их приемке заказчиками. Менеджеры определяют круг участников, занимающихся каждой конкретной пачкой работ. Усиление этой метафоры понятно: "электронная карточка работы" одновременно может находиться в нескольких группах (стопках, пачках) карточек. Коммуникатор ничего не делает автоматически, он просто позволяет людям фиксировать результаты их деятельности (договоренности, факты взятия обязательств, схемы разграничения полномочий и т.д.) в реальном мире. Пользователи следят, чтобы информация в Коммуникаторе максимально соответствовала реальному положению дел, и ориентируются на эту информацию в своей работе. Таким образом, Коммуникатор является средством координации их деятельности, т.е. коллективным органайзером, средством управления знаниями об организации работ. Коммуникатор позволяет людям в ходе работ по проекту фиксировать договоренности, а затем обмениваться знаниями об их выполнении. Таким образом, Коммуникатор 123

представляет собой систему управления знаниями в управлении проектами. Для этого Коммуникатор поддерживает не только "дискуссионный форум". Основными сущностями Коммуникатора являются: – работы (задачи, задания, операции и т.д. – листья в дереве направлений работ, карточки); – направления работ (проекты, этапы, релизы и т.д. – узлы в дереве направлений работ, стопки карточек); – материалы (тексты, файлы, ссылки, книги); – комментарии (реплики в дискуссиях); – пользователи (в ролях Участник, Менеджер, Оператор, Администратор, Заказчик, Исполнитель); – Рабочие группы (группы пользователей с одинаковыми полномочиями – бригады, отделы, проектные группы, правление и т.д.). Этот набор понятий и связей между ними, который поддерживается Коммуникатором, позволяет обсуждать онтологию управления знаниями в управлении проектами, а сам Коммуникатор классифицировать как систему представления знаний.

5. ОБУЧАЮЩИЕ СРЕДСТВА УПРАВЛЕНИЯ ЗНАНИЯМИ 5.1. Системы дистанционного обучения Дистанционное обучение (ДО) – это прежде всего возможность учиться в индивидуальном режиме, независимо от места и времени. Спрос на подобную форму обучения диктуется реалиями современной жизни, когда в жестких условиях цейтнота для специалиста очень важно получение не только того 124

или иного специализированного образования, но и определенного багажа дополнительных знаний подтвержденного, общепризнанными сертификатами [44, 45]. Технологии ДО. Главный принцип, заложенный в основу ДО, сводится к тому, что обучаемый и обучающий должны быть географически разделены. Любое взаимодействие преподавателя с учеником через расстояния есть форма ДО. Современное образование – это интеграция содержания и технологий обучения. Среди средств технологической поддержки ДО выделяют три основные группы: кейс-технология, ТВ-технология и ИТ. При использовании кейс-технологии учебно-методические материалы комплектуются в специальный набор (кейс). Этот набор пересылается учащемуся для самостоятельного изучения с периодическим обращением к преподавателям-консультантам (тьюторам) в созданные для этих целей учебные центры. В частности, к данной группе относится традиционная технология заочного обучения.

TV-технология, как следует из ее названия, основана на использовании телевизионных лекций. Это направление на сегодняшний день не так актуально в силу бурного развития ИТ. ИТ подразумевают использование в ДО богатых возможностей Интернет-технологий и мультимедиа. Интернет используется для обеспечения обучаемых учебно-методическими материалами, а также для интерактивного взаимодействия между преподавателями и студентами. В этом случае возможно обучение по индивидуальному расписанию, постоянный контакт с преподавателем, другими обучаемыми и администрацией учебного центра. Возможность связи "многих со многими" является принципиальным отличием ИТ от других технологий ДО, создается эффект присутствия и порождается явление под названием "виртуальный университет". Российские системы дистанционного обучения. В современной системе образования огромную роль приобретают информационные и педагогические технологии обучения, раскрывающие творческий потенциал, индивидуальность, талант 123

личности. К ним относятся различного рода тренинги, контролирующие программы, лабораторные практикумы, тренажеры, игровые программы, предметно-ориентированные среды, учебное моделирование, деловые игры, групповые семинары (тьюториалы), разбор ситуаций, психологическое тестирование и т.д. Еще несколько лет назад на российском рынке, в основном, были представлены западные системы дистанционного обучения (СДО). Сегодня СДО только российских производителей насчитывается уже почти десяток: eLearning 3000 (ГиперМетод), Прометей (Институт виртуальных технологий в образовании), СТ Курс (Cognitive Technologies Ltd.), Батисфера (Информпроект), Интразнание (Город-Инфо), Доцент (Униар), СДО (Гипер Медиа), WebTutor (Вэбсофт). Практически все представленные СДО являются клиент/серверными решениями (web-сайтами), нацеленными на решение задач в области ДО. В этом смысле выделяются продукты Батисфера (Информпроект) и eLearning Office 3000, входящий в состав СДО eLearning 3000 (ГиперМетод). Фактически компания Информпроект реализует только одну составляющую ДО: самостоятельное обучение. С помощью пакета Батисфера преподаватель создает мультимедийные обучающие материалы, а затем пересылает их своим ученикам для самостоятельного обучения по электронной почте или на магнитных носителях. Таким же способом организуется и обратная связь "обучаемый – преподаватель": результаты прохождения тестов ученик пересылает учителю по электронной почте или на магнитных носителях. Объективно Батисфера не является полноценной современной СДО в силу отсутствия реализации интерактивного взаимодействия преподавателя со студентом. Однако с точки зрения разработки дистанционных курсов, безусловно, заслуживает определенного внимания. В состав eLearning Office 3000 входит программная компонента eAuthor – конструктор мультимедийных дистанционных курсов. В режиме конструктора самый неискушенный пользователь ПК может создать полноценный 124

мультимедиа курс, состоящий из разделов Лекции, Словарь и Тесты. Далее созданные материалы записываются на CD-диск и пересылаются обучаемому. Таким образом, решается задача самостоятельного обучения: ученик получает современные высококачественные обучающие материалы, способствующие получению новых знаний. Тесты в этом случае служат исключительно для самопроверки усвоения пройденного материала. А принципиальным отличием от пакета Батисфера является возможность интерактивного взаимодействия преподавателя со студентом. Каждый официальный пользователь (преподаватель дистанционных курсов) пакета eLearning Office 3000 получает доступ на уровне Преподавателя к интерактивному учебному центру www.elearn.ru, созданному с помощью клиент/серверного решения eLearning Server 3000, и в полной мере реализует собственное дистанционное обучение. Подобная технология называется web-CD. Программный пакет eLearning Server 3000 компании ГиперМетод – это клиент/серверное решение, которое позволяет создавать собственные интерактивные учебные центры в Интернет/Интранет и организовывать полный цикл ДО. Продукт обладает интуитивно понятным и легко настраиваемым webинтерфейсом, что делает его доступным для использования не только ИТ-специалистами, занимающимися проблемами ДО, но и преподавателями высших, средних и школьных учебных заведений. К созданному с помощью eLearning Server 3000 учебному Центру предоставляется пять уровней доступа: • Администратор: настройка сервера – управление дизайном с помощью специального web-интерфейса; управление персоналом – сотрудниками деканата, преподавателями, обучаемыми и администрацией; работа с архивом – доступ к базе данных персонала сервера; определение типов занятий – по заказу преподавателей или деканата имеет возможность создавать новые виды занятий.

• Деканат: публикация новостей на сервере с помощью специального web-интерфейса; управление курсами обучения; 123

управление преподавательским составом сервера; управление студентами, абитуриентами, выпускниками.

• Преподаватель: создание и проведение различных видов занятий; онлайн-семинары, конференции, лекции; онлайнтренинги; контрольные, самостоятельные и домашние работы; онлайн-тестирование и сертификация; управление ведомостью успеваемости и зачетками; управление расписанием работ и занятий.

• Обучаемый: доступ к расписанию занятий; доступ к электронной зачетке; участие в занятиях и выполнение назначенных преподавателем заданий.

• Абитуриент: информация о курсах, предназначенная для принятия решения о прохождении обучения; регистрация – возможность записи на тот или иной курс обучения; помощь – правила пользования сервером. Функциональность сервера легко расширяема несколькими нажатиями клавиш за счет легкой интеграции с любым ПО. Поддержка стандарта XML позволяет пользователю уровня Администратор и Преподаватель внедрять в собственный учебный центр новые уникальные возможности, необходимые для организации процесса обучения по каким-либо специфическим дисциплинам.

5.2. Электронный бизнес и управление знаниями Электронный бизнес – это непрерывная оптимизация продуктов и услуг организации, а также производственных связей через применение цифровых технологий и использование Интернет в качестве первичного средства коммуникаций [44, 45]. Электронная коммерция, под которой понимается использование ИТ для поддержки процессов покупки и продаж, является всего лишь небольшой частью более широкого понятия электронного бизнеса. Хотя в уже устойчивом словосочетании "электронный бизнес" присутствует слово "бизнес", концепция применима не только к коммерческим организациям, поскольку 124

государственные структуры вовлечены в сложные производственные цепочки в такой же степени, как банки или промышленные организации. Системный подход. Понять место решений электронного бизнеса и их тесную связь с системами совместной работы и управления знаниями позволяет так называемая архитектура решений Lotus, разработанная консалтинговой службой Lotus. Кроме того, эта концепция обеспечивает систематизированный и целостный подход к классификации решений на основе коммуникационных технологий и технологий совместной работы. С точки зрения такого подхода выбранная коммуникационная платформа должна обладать следующими возможностями: – поддерживать весь спектр технологий создания корпоративной системы: электронную почту, базы данных коллективного доступа, средства автоматизации деловых процедур; – решения, основанные на этой платформе, должны эффективно функционировать на трех уровнях организационной сложности (они отложены по вертикальной оси): уровень отделов и подразделений; уровень интегрированной организации; уровень расширенной организации (включает в себя все связи с внешним миром – партнерами, заказчиками, поставщиками услуг и пр.). В этом смысле Lotus Domino и Notes обеспечивают полноценное решение в области систем коллективной работы и позволяют решать задачи любой технологической сложности на любом организационном уровне. Lotus Domino – это одновременно сервер электронной почты, сервер приложений для работы с документами и для создания систем автоматизации деловых процедур, web-сервер, дополненный широкими возможностями интеграции с реляционными СУБД и системами управления ресурсами предприятий Lotus Notes – это интегрированный почтовый клиент, средство работы с документами, обеспечивающее возможности мобильной работы пользователей.

123

Технологии электронного бизнеса включают в себя способы организации информации, обеспечивающие средства совместной работы и координации действия различных организаций, вовлеченных в общие производственные процессы. Взаимодействие технологий и потоки информации можно представить с помощью матрицы, включающей средства информирования внешних участников, потенциально заинтересованных организаций и людей через корпоративный web-узел (возможность чтения, "скачивания" информации, заполнения электронных форм и т.д.) и обеспечения совместной работы таких сообществ людей и организаций. Могут быть задействованы интегрированные с web средства электронной почты для уведомления и пересылки информации сотрудникам и организациям. Информирование участников производственных связей и их совместная работа основаны на использовании интеллектуального капитала подразделений и организации в целом: создание, хранение, индексация, категоризация, распространение, оценка и архивирование информации и интеллектуальных ценностей средствами коллективной работы с документами. Средства управления и использования знаний требуют взаимодействия с корпоративными бизнес-процессами и внутренними транзакционными системами, а также часто модификации этих деловых процедур. Для охвата всех бизнес-процессов организации технологическая инфраструктура должна обеспечивать средства интеграции, доступ на чтение и обновление данных на корпоративных серверах и в корпоративных системах управления ресурсами. И только когда есть все эти элементы, организация готова поддерживать внешние транзакционные процессы через web, что означает открытие пути к электронному бизнесу. Внешние транзакционные процессы, при всей своей критической важности и непосредственной связи с большими денежными потоками, представляют всего 5–10 % всех 124

информационных потоков. Они не будут эффективно выполняться без тесной интеграции и взаимодействия с другой частью технологий электронного бизнеса, которые обеспечивают обмен динамическими данными и средства для совместной работы, объединения и использования интеллектуального капитала всех организаций и людей, вовлеченных в сложные производственные связи. Эффективность электронного бизнеса. Таким образом, внешне технологии электронного бизнеса и управления корпоративными знаниями имеют разную направленность: электронный бизнес имеет внешний фокус – это взаимодействие между организациями, а управление знаниями сфокусировано на внутреннем взаимодействии между подразделениями и сотрудниками. Они тесно связаны между собой, и управление знаниями – более эффективное использование экспертизы, инновации, лучшая совместная работа, обмен опытом и знаниями – может быть ключевым фактором успеха проектов электронного бизнеса. Процессы электронного бизнеса полагаются на интеллектуальный капитал отдельных участников производственной цепочки, поэтому управление знаниями важно для поддержки изменений, инициируемых электронным бизнесом. При этом предполагается, что неэффективное управление знаниями будет представлять существенную конкурентную проблему при реализации 30 % стратегических инициатив в области электронного бизнеса.

5.3. Программа обеспечения управления знаниями В компании Delphi разработана структура эффективного управления знаниями, названная цепь знаний. Эта модель должна облегчить предприятиям определение основных проблем в их бизнесе и средств, которые позволяют с помощью знаний получить преимущество в конкурентной борьбе [46, 47]. В основу теории цепи знаний положены два принципа: 1. Организации должны сохранять баланс между своей внутренней и внешней деятельностью. Должен происходить 123

двусторонний обмен знаниями между клиентами, партнерами и лицами, ответственными за принятие решений.

2. Любая организация должна оперативно реагировать на ситуацию на рынке, поэтому сотрудникам организации должен быть предоставлен доступ ко всей важной информации, как внутренней, так и внешней. Используя цепь знаний в качестве средства оценки и определения потребностей организации, можно констатировать, что многие существующие технологии представляют собой эффективные, но частные, локальные решения. Цепь знаний позволяет объединить эти частные решения в единую систему, и называется системой управления знаниями. Основная технология Microsoft для поддержки коллективной работы – Exchange Server. В начале 2001 г. он получил мощное подкрепление в борьбе за рынок корпоративных клиентов в виде нового серверного продукта – Microsoft SharePoint Portal Server 2001 (MS SPP Server). Это универсальный корпоративный портал, средство управления документами и мощная поисковая машина. В нем реализованы практически все функции Exchange Server, кроме почтового сервера, так что эти два продукта в определенном смысле конкурируют между собой, но новый пакет позиционируется Microsoft именно как сервер управления знаниями. Основные функции SharePoint Portal. MS SPP Server рассчитан в первую очередь на крупные корпорации. Этот сервер представляет собой универсальное решение, которое призвано решать большинство поставленных задач по управлению знаниями. Коротко охарактеризуем его основные функции. Средства поиска. Извлечение текста проводится с применением новейших приемов вероятностного ранжирования. Средства поиска обеспечивают предоставление наиболее подходящих документов, поиск по свойствам и автоматическое распределение просматриваемых информационных ресурсов по категориям. Доступ к данным и функции индексирования. Поиск и сбор данных для индексирования на файловых и web-серверах, 124

серверах Lotus Notes, удаленных серверах и в общих папках Microsoft Exchange для SharePoint Portal Server. Подписки. Возможность подписки на документ, папку, категорию или запрос поиска позволяет получать оповещения о происшедших изменениях по электронной почте или непосредственно через портал. Категории. Информационные ресурсы классифицируются в соответствии с набором категорий, определяемых заказчиком. Благодаря этому упрощается переход к необходимой информации. Индексирование с низкой задержкой. Возможность вручную или по расписанию запускать процесс сбора информации для индексирования, а также поддержка системы адаптивного и добавочного сбора данных для индексирования обеспечивают получение самой свежей информации при выполнении поиска. Интеграция с Windows и Office. Все функции управления документами доступны непосредственно из Панели инструментов Microsoft Office 2000 и из Windows Explorer. Благодаря этому пользователи могут применять знакомые средства для управления документами. Расширяемость системы поиска. Интерфейсы обработчика протоколов поиска позволяют подключаться к пользовательским источникам данных. Поддержка пользовательских типов источников данных обеспечивается через интерфейс IFilter. Извлечение и возврат документов. Расширяет возможности web-папок, позволяя пользователям резервировать документы для обновления. Создание версий документов. Возможность отслеживания изменений в документах, в том числе в метаданных (например, в ключевых словах), и присвоения версиям различных номеров для последующего аудита и выполнения отката. Профили документов. Профили содержат обязательные и дополнительные метаданные о пользовательских типах документов. Совместная работа над документами. Возможность выполнять совместную проверку и просмотр материалов с 123

помощью имеющихся в Office средств организации обсуждений, а также документов в формате HTML. Безопасность. Применение ролей, основанных на системе безопасности Microsoft Windows NT, гарантирует, что доступ к документу получат только пользователи, имеющие соответствующие полномочия. Управление жизненным циклом. Сначала создаются наброски, они проходят проверку и редактирование и затем публикуются (возможно, с включением маршрута для утверждения). Портал на базе электронной инструментальной панели. Гибкие порталы на основе web-компонентов создаются с применением электронной инструментальной панели и интерфейсов информационных ресурсов, а также webкомпонентов, разработанных независимыми поставщиками или самой компанией.

Web-хранилище. Наличие встроенных служб создания webприложений для совместной работы. Создание web-узла с помощью MS SPP Server не требует специальных знаний, и решения на его базе можно достаточно быстро реализовать без специальных навыков программирования. Хотя при этом имеются возможности разработки специальных модулей с помощью разнообразного инструментария. Управление документами. Безусловно, одна из наиболее важных функций ПО коллективной работы – хорошо организованное хранение общих документов и файлов. MS SPP Server обеспечивает хранение корпоративных документов в общих папках. Можно создать любое число папок и хранить в них любое количество документов. Для контроля версий используется встроенный механизм, но при желании можно применять и внешний, например Microsoft SourceSafe. Причем команды взять/вернуть документ доступны прямо из меню Файл приложений Office, т.е. для работы с документом даже не придется запускать браузер и посещать сайт. Версии документов помечаются как черновые, т.е. не предназначенные для 124

публикации, и чистовые, которые публикуются на сервере и индексируются поисковой машиной. При необходимости можно просмотреть всю историю работы над документом – кто и когда его открывал, какие изменения вносил – и вернуться к любому прошлому варианту. Очень важная функция MS SPP Server – маршрутизация документов. К примеру, в компании существует правило, по которому все коммерческие предложения, подготовленные менеджерами по продажам, должны проверяться коммерческим директором. Координатор рабочей области коммерческого отдела организует папку для предложений и задает для всех менеджеров по продажам роль Автор, чтобы они могли создавать в ней новые документы. Затем определяет маршрут документов в этой папке, указав, что все чистовые версии должны отсылаться на ревизию коммерческому директору и публиковаться на сервере лишь после его утверждения. Маршруты могут также разбиваться на несколько этапов, а ревизии допускаются как индивидуальные, так и групповые. Благодаря таким возможностям сервера, на его основе легко построить автоматизированную систему документооборота без программирования. Еще одна полезная функция – возможность указать шаблон для каждой папки (библиотеки), на основе которого должны создаваться документы. Многие компании сталкиваются с проблемой, когда однотипные документы, подготовленные их сотрудниками, оказываются по-разному оформленными. Это не так уж критично, но все-таки партнерам, скорее всего, будет приятнее получать, скажем, все пресс-релизы на стандартных бланках, содержащих логотип и контактную информацию. Чтобы этого добиться, достаточно указать для папки, в которой будут располагаться все пресс-релизы, необходимый шаблон документа. После этого работнику, готовящему очередной прессрелиз, потребуется либо зайти на сервер MS SPP Server и нажать в нужной папке кнопку Создать новый документ, либо просто в Word выбрать опцию Создать по шаблону и указать шаблон прямо на сервере.

123

Поиск документов по их содержимому – одна из ключевых функций MS SPP Server. Индексировать можно не только документы, хранящиеся на сервере, но и файлы в папках Microsoft Exchange, Lotus Notes, библиотеках SharePoint Team Services и даже произвольные сайты, в том числе из Интернета. Поисковая система на базе MS SPP Server может охватить практически всю доступную компании информацию, а возможность автоматического выполнения заранее определенных поисковых запросов по заданному расписанию позволит, например, оперативно отслеживать все действия конкурирующих фирм. Безопасность и распределение ролей. Сервер использует фиксированный набор ролей, которые можно назначать для узла рабочей области, т.е. на верхнем уровне, но обычно они используются на уровне папок рабочей области. Кроме того, можно полностью запретить пользователю или целой группе доступ к конкретному документу. В настоящее время реализованы три роли: 1. Координатор рабочей области управляет документами в папке верхнего уровня и выполняет ряд административных задач, касающихся всей рабочей области: управляет источниками информации, профилями документов, категориями и подписками, настраивает электронные панели и распределяет роли. Роль координатора присваивается автоматически администратору, создавшему рабочую область.

2. Автор создает и редактирует документы в папке. Он может создавать, переименовывать и удалять папки, но не имеет права изменять роли или политику утверждения для созданных им папок.

3. Читатель может искать и читать документы, но не может добавлять их в рабочую область с узла электронных панелей. Он не может извлекать, редактировать и удалять документы и не имеет права просматривать черновики.

124

Электронные инструментальные панели. Web-cайты MS SPP Server реализованы в виде узлов электронных инструментальных панелей, созданных с помощью технологии Microsoft SharePoint DashBoard, что позволяет свести необходимую информацию воедино, сделать ее более доступной в одном месте и в одно время. Большинство операций пользователя реализуются через web-компоненты DDB (Web Parts), которые могут компоноваться на экране произвольным образом. Электронные инструментальные панели можно формировать непосредственно, путем сохранения офисных документов (чаще всего в формате Excel) в виде интерактивных web-страниц. Для создания более сложных панелей или собственных web-компонентов существуют средства разработки, входящие в состав выпуска Office XP Developer Edition (создание проектов типа DashBoard Project).

5.4. Концепция Российского портала открытого образования Концепция определяет цели создания и принципы организации, построения и функционирования специализированного портала системы образования Российской Федерации, сопряженного с федеральным горизонтальным порталом "Российское образование". Концепция соответствует основным положениям современной философии образования, Национальной доктрины образования в Российской Федерации, Федеральной программы развития образования и интегрирует ряд направлений исследований и разработок, проводимых в рамках различных межвузовских и межведомственных программ, отраслевых научно-технических и федеральных целевых программ. На базе анализа решений, положенных в основу создания аналогичных сред в различных странах мира, Концепция определяет основные направления реализации системообразующих принципов открытого образования, гибкого, модульного и распределенного обучения, формирования 123

соответствующей информационно-образовательной среды открытого образования, ее роли и места в системе образования Российской Федерации. Создание Российского портала открытого образования (РПОО) и ввод его в эксплуатацию позволит осуществить реальный выход образовательных учреждений и организаций Российской Федерации (общеобразовательных школ, колледжей, училищ и техникумов, институтов, академий и университетов, независимо от форм собственности) на отечественный и мировой рынки образовательных услуг на основе всемерного использования новых информационных и педагогических технологий ДО. Открытое образование – гибкая система получения образования, доступная любому желающему, без анализа его образовательного ценза и регламентации периодичности и длительности изучения отдельного курса, программы, развивающаяся на основе формализации знаний, их передачи и контроля с использованием информационных и педагогических технологий дистанционного обучения. Классические формы получения образования, включая очное обучение, в той или иной степени переживают кризис во всех странах мира. К основным факторам этого процесса, например, в сфере высшего профессионального образования, можно отнести: – неспособность обеспечить всем желающим возможность получения необходимого им образования (территориальность); – отставание получаемых знаний от уровня развития информатизации и технологий (консерватизм); – низкая адаптивность систем образования к различным социально-экономическим условиям (инерционность); – специфичность образования, получаемого в отдельном учебном заведении (локальность); 124

– невозможность предоставления всего перечня специальностей желающим обучаться на конкретной территории региональными вузами (ограниченность). Создание перспективной системы образования, способной подготовить российское общество в целом и каждого человека в отдельности к жизни в условиях конкурентоспособной экономики, – одна из важных и актуальных проблем, решение которой возможно лишь на уровне государственной политики. Развитие системы образования в нынешних условиях определяется необходимостью непрерывного, гибкого, модульного, самостоятельного, опережающего, распределенного образования, т.е. реализацией принципов открытого образования. Новым принципом образования становится управление знаниями, а новыми технологиями – формализация создания знаний, передачи (распространения) знаний (доступа к знаниям) и контроля знаний. Равноправный доступ к таким технологиям следует обеспечить на всех уровнях систем образования. В мире идут глубинные и объективные процессы формирования единого открытого образовательного пространства. Образовательные учреждения распределенного типа, или гиперпровайдеры ДО, могут стать такими социальными институтами, которые были бы способны предоставлять человеку разнообразные наборы образовательных услуг, позволяющих учиться непрерывно и получать современные профессиональные знания. Для этого необходимо дать возможность каждому обучаемому выстроить ту образовательную траекторию, которая наиболее полно соответствовала бы его образовательным и профессиональным способностям и потребностям, независимо от его местонахождения. В итоге может быть сформирована такая сеть (консорциум) связанных друг с другом учебных учреждений, которая предполагала бы наличие информационнопедагогического пространства образовательных услуг, обеспечивающих взаимосвязь и преемственность программ 123

(способных удовлетворять запросы и потребности населения), возможность многомерного движения специалиста в образовательно-профессиональном пространстве и создания для него оптимальных условий развития через обучение и образовательный профессиональный консалтинг. Перспективный портал – это программно-телекоммуникационный комплекс, обеспечивающий едиными технологическими средствами ведение учебного процесса, его информационную поддержку и документирование в среде Интернет любому количеству учебных заведений, независимо от их профессиональной специализации, уровня предлагаемого образования и форм собственности. Он организует сбор, хранение и представление статистических и иных показателей в разрезе учебного заведения, региона и на федеральном уровне. Концепция создания РПОО определяет: цели и задачи создания локальных, региональных и специализированных порталов открытого образования, объединенных в единый федеральный портал в российской системе образования (РПОО); основные принципы построения РПОО на различных уровнях; базовые нормативно-правовые и экономические механизмы взаимосвязи учебных заведений и служб технической поддержки РПОО; принципы формирования и использования ресурсов РПОО; этапы формирования РПОО, а также пути его развития и совершенствования. Общие принципы организации ИОС 00 РФ. Создание масштабной распределенной системы федерального уровня должно вестись на основе единых универсальных технологий работы и форматов данных, корпоративных стандартов, нормативных и экономических механизмов при обеспечении учебным заведениям, региональным и отраслевым структурам максимальной самостоятельности в реализации образовательных 124

функций, а также в проведении методической, экономической и кадровой политики. В процессе реализации программных средств РПОО как территориального и специализированного распределенного мегапортала должны быть предусмотрены средства интеграции в его состав уже имеющегося учебно-методического и иного обеспечения учебного процесса. В качестве таких средств могут выступить конверторы для экспорта и импорта ресурсов в/из РПОО. Для ресурсов распределенной электронной библиотеки мега-портала таким механизмом должен стать конвертор в форматы семейства библиотечных стандартов MARC, для механизмов электронного деканата – конвертор с рекомендациями (корпоративными стандартами) международного консорциума IMS и ряд других средств. Все программные средства РПОО должны разрабатываться с учетом требований международных стандартов серии ISO 9000 и их отечественных аналогов, быть обеспечены документацией (в соответствии с требованиями ЕСПД) и пройти сертификационную экспертизу в Подсистеме сертификации средств информатизации учебного назначения Системы "Росинфосерт". При создании программных средств среды и ее наполнении должны использоваться лицензионно чистые программные средства, а в процессе развертывания системы в учебных заведениях последние должны обеспечиваться такими средствами через уполномоченную Министерством образования Российской Федерации подведомственную организацию. Региональные и специализированные структуры РПОО должны организовываться на базе ведущих университетов, обладающих хорошими каналами в Интернет, мощной внутренней телекоммуникационной инфраструктурой и опытом внедрения ИТ в учебный процесс.

123

124

ЗАКЛЮЧЕНИЕ Механизм управления знаниями обеспечивает наилучшие возможности использования информационного потенциала производственных систем за счет эффективного взаимодействия всех участников бизнес-процессов на основе управления знаниями. Использование механизма в качестве объекта управления позволяет формировать потоки знаний в документах с включением в них эффективных управленческих решений. Управление механизмом позволяет поддерживать оптимальный баланс системы производственных ресурсов, максимизировать возможности и снизить риски производственной деятельности. Методология и методические основы организационного механизма управления знаниями основаны на использовании современных подходов и требуют дальнейших методологических разработок, к которым относятся: разработка эффективных технологий, методов и критериев формирования управленческих решений за счет повышения качества корпоративного знания предприятия. Это может достигаться путем специального обучения и ротации управленческого персонала с ориентацией их знаний на решение производственных задач. Для последующего изучения данной темы могут быть использованы литературные источники, приведенные в библиографическом списке учебного пособия. БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1.

2.

3.

4.

Букович У. Управление знаниями / У. Букович, Р. Уильямс. − М. : ИНФРА-М, 2002. – 503 с. Романов А. Н. Советующие информационные системы в экономике / А. Н. Романов, Б. Е. Одинцов. − М. : ЮНИТИ, 2000. – 485 с. Колесников С. Н. Инструментарий бизнеса / С. Н. Колесников. − М. : СТАТУС-КВО, 2001. – 203 с. Информационные технологии в бизнесе / под ред. М. Желены. − СПб. : Питер, 2002. – 1120 с.

123

5.

Системы управления знаниями [Электронный ресурс]. – Режим доступа: http://www.pcmag.ru 6. Системы управления бизнес-процессами и корпоративная культура [Электронный ресурс]. – Режим доступа: http://www.bigspb.ru 7. Гаврилова Т. А. Извлечение и структурирование знаний для экономических систем / Т. А. Гаврилова. − М., 1992. − 213 с.

8. Чавкин А. Л. Методы и модели рационального управления в рыночной экономике / А. Л. Чавкин. − М. : Финансы и статистика, 2001. – 303 с.

9. Зиновьев А. А. На пути к сверхобществу [Электронный ресурс] / А. А. Зиновьев. – Режим доступа: http://www.rusidiotboom.ru 10. Касьянова Н. В. Создание системы компьютерного контроля как результат новых информационных технологий в обучении / Н. В. Касьянова ; Восточноукраинский национальный университет (ВНУ), Украина, г. Луганск // материалы конференции ИТО-2001.

11. Бренич С. Г. Проблема искусственного интеллекта. Кибернетика : реферат / С. Г. Бренич.

12. Иващенко А. И. Контроль знаний и умений учащихся по математике в школе : дипломная работа / А. И. Иващенко.

13. Ваньков Е. А. Технологии компьютерного тестирования : реферат / Е. А. Ваньков.

14. Кузнецов А. А. Универсальная автоматизированная обучающая система. Подсистема контроля знаний : дипломный проект / А. А. Кузнецов.

15. Соловей Е. В. Автоматизированная система контроля знаний "Цепь знаний". Сетевая версия : дипломный проект / Е. В. Соловей.

16. Качанова Т.Л., Фомин Б.Ф. Основания системологии феноменального: СПб: Изд-во СПбГЭТУ «ЛЭТИ», 1999. 180 с.

17. Моисеев В. Б. Информационный подход к выбору решений в системах адаптивного тестирования / В. Б. Моисеев, Л. Г. Пятирублевый, К. Р. Таранцева // Анализ качества образования и тестирование : материалы конф., Москва, 22 марта 2001 г.

124

18. Моисеев В. Б. Распознавание образа обучаемых по уровням их знаний в компьютерном тестировании / В. Б. Моисеев, Л. Г. Пятирублевый, К. Р. Таранцева // Проблемы перехода классических университетов в систему открытого образования : материалы Интернет-конф., Москва, 2001 г.

19. Качанова Т.Л., Фомин Б.Ф. Самоорганизация в системах// Синергетика в философии, науке и технике: Доклады и тезисы науч. конф., СПб., 26-27 января 1999/ СПбГЭТУ. СПб., 1999. С. 17-25.

20. Качанова Т.Л., Фомин Б.Ф. Доктринальная модель системологии феноменального// Проблемы научного и технического творчества и системы культуры: Доклады и тезисы науч. конф., СПб., 26-27 января 2000/ СПбГЭТУ. СПб., 2000. С. 49-53.

21. Оценивание результатов тестирования на основе экспертноаналитических методов / В. Б. Моисеев [и др.] // Открытое образование. – 2001. – № 3. – С. 32–36.

22. Качанова Т.Л., Фомин Б.Ф. Методология познания сущности феномена системы//Философия идеологии постнеклассической науки: V Всероссийская конф., СПб., 30-31 января 2001/ СПбГЭТУ. СПб., 2001.

23. Качанова Т.Л., Фомин Б.Ф. Метатехнология системных реконструкций: СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2001. 336 с.

24. Качанова Т.Л., Фомин Б.Ф. Реконструктивный анализ поведения сложных систем по эмпирическим данным/ Издательско-полиграфический центр СПбГЭТУ. СПб., 1997.

68 с. (Препринт №1).

25. Качанова Т.Л., Фомин Б.Ф. Симметрии, взаимодействия в локальностях, компоненты поведения сложных систем/ Издательско-полиграфический центр СПбГЭТУ. СПб., 1998.

126 с. (Препринт №2).

26. Аванесов B. C. Композиция тестовых заданий : учеб. книга для преподавателей вузов, учителей школ, аспирантов и студентов пед. вузов / В. С. Аванесов. – 2 изд., испр. и доп. – М. : Адепт.

123

27. Границкая А. С. Научить думать и действовать: Адаптивная система обучения в школе : кн. для учителя / А. С. Границкая. – М. : Просвещение.

28. Казаринов А. С. Технология адаптивной валидности тестовых заданий : учеб. пособие / А. С. Казаринов, А. Ю. Култышева, А. А. Мирошниченко. – Глазов : ГГПИ, 1999.

29. Майоров А. Н. Тесты школьных достижений: конструирование, проведение, использование / А. Н. Майоров. – 2 изд. – СПб. : Образование и культура, 1997.

30. Кальней В. А. Технология мониторинга качества обучения в системе "учитель-ученик" : метод. пособие для учителя / В. А. Кальней, С. Е. Шишов. – М. : Педагогическое общество России, 1999.

31. Челышкова М. Б. Разработка педагогических тестов на основе современных математических моделей : учеб. пособие / М. Б. Челышкова. – М. : Исследовательский центр проблем качества подготовки специалистов, 1995.

32. Шалимов П. Ю. Технология рейтинговых исследований качества образования с применением нейронных сетей / П. Ю. Шалимов, В. И. Попоков.

33. Рудинский И. Д. Автоматизированный контроль знаний по методике уточняющих вопросов / И. Д. Рудинский, Е. В. Соловей // Сб. материалов конф., 2001.

34. Рудинский И. Д. Реализация алгоритмов прямого тестирования в интеллектуальной автоматизированной системе контроля знаний / И. Д. Рудинский, Е. В. Соловей // Сб. материалов конф., 2001.

35. Рудинский И. Д. Метод адаптивного автоматизированного контроля знаний / И. Д. Рудинский // Сб. материалов конф., 2001.

36. Davenport T. Working Knowledge / T. Davenport, L. Prusak. – Boston : Harvard Business School Press, 1998.

124

37. Тузовский А. Ф. Системы управления знаниями (методы и технологии) / А. Ф. Тузовский, С. В. Чириков, В. З. Ямпольский. – Томск : Изд-во НТЛ, 2005.

38. Gruber T. A. Translation Approach to Portable Ontology Specifications / T. A. Gruber // Knowledge Acquisition. – 1993.

– № 5(2). – P. 199–220.

39. W3C, RDF/XML Syntax Specification (Revised) [Электронный ресурс]. – Режим доступа: http://www.w3.org/TR/rdf-syntaxgrammar/ 40. Web Ontology Language. Overview [Электронный ресурс]. – Режим доступа: http://www.w3.org/TR/owl-features/ 41. Тузовский А. Ф. Программная реализация основных компонент информационно-программного обеспечения Свойства и типы знаний / А. Ф. Тузовский, И. А. Васильев, М. В. Усов.

42. Весть – метатехнология [Электронный ресурс]. – Режим доступа: http://www.workflow.ru 43. Основы экономических знаний [Электронный ресурс]. – Режим доступа: http://www.neo.nov.mega.ru 44. Синицин Е. С. Теория творчества, структурный анализ мышления, теория интегрированного обучения / Е. С. Синицин. − Новосибирск : СО РАСХН, 2001. – 448 с.

45. Информационные технологии управления знаниями [Электронный ресурс]. – Режим доступа: http://www.nlgroup.noolab.ru 46. Качанова Т.Л., Фомин Б.Ф. COMOD-технология: Системология феноменального / Издательско-полиграфический центр СПбГЭТУ. СПб., 1998. 40 с. (Препринт №4).

47. Качанова Т.Л., Фомин Б.Ф. COMOD. Инструментальная база системных реконструкций/ Издательско-полиграфический центр СПбГЭТУ. СПб., 1998. 60 с. (Препринт №5).

123

124