برخی سامانه‌های مدیریت دانش

اگر به مدلهای معتبر ارزیابی مدیریت دانش مانند مدل APQC , APO و مدل MAKE توجه فرمایید به نوعی بر خلق ارزش و تحقق زنجیره ارزش دانش استوار هستند.

 اگر قرار باشد که 🧋🥤کافه دانش و یا هر ابراز دیگر در سازمان بکار گرفته شود باید مبتنی بر ایجاد ارزش و یا مسئله محور باشد، تا با برشماری مزیت های خلق شده، رفتار دانشی را در اخلاق حرفه ای سازمان قرار گیرد.

 سامانه ها

🔴 اینترانت

بسیاری از افراد اینترانت را یکی از فناوری‌های مدیریت دانش می‌دانند. اما اینترانت در زمره سامانه‌های مدیریت دانش قرار نمی‌گیرد، بلکه به عنوان یک فناوری اصلی با کارائی بالا قادر است که همه زیرساخت مرتبط به دانش را در یک سازمان تأمین کند.

🟠 پورتال‌های دانش

پورتال‌ها نشان دهنده چهره مدیریت دانش بوده و به خلق محیط کاری بر اساس نیاز تک تک افراد سازمان کمک می‌کنند. همچنین پورتال‌های دانش نیز به عنوان یک سامانه مدیریت دانش در نظر گرفته می‌شود. پورتال‌ها در حوزه مدیریت اطلاعات به عنوان ابزارهای مدیریت محتوا عمل می‌کنند که از طریق آن‌ها می‌توان به انواع منابع اطلاعاتی و خدماتی در داخل و خارج از سازمان دسترسی پیدا نمود. پورتال‌ها همانند سایر ابزارهای مدیریت محتوا مثل رده‌بندی مدارک، خلاصه نویسی‌های مدارک، 📝 گزارش نویسی‌ها و نقشه‌های دانش- این‌ها همه ابزارهای مدیریت اطلاعات هستند که در مدیریت دانش مورد استفاده قرار می‌گیرند، -دسترسی به منابع را فراهم و تسهیل می‌کنند.

 مثالی از پورتال دانش: Price Waterhouse Cooper’s Knowledge Curve

 🟡گروه افزارها

گروه افزارها مجموعه دیگری از کاربردهای مرتبط با مدیریت دانش به نشان می‌دهد. گروه افزارها نرم‌افزارهایی هستند که به گروه‌هایی که از لحاظ🌎 جغرافیایی پراکنده‌اند امکان می‌دهند تا دانش خود را به اشتراک بگذارند و با هم کار کنند.

 مثلاً نرم‌افزارهای رایج ذیل: IBM Lotus Notes, CollabraShare and Microsoft Outlook/Exchange که امکانات مشارکتی مثل زمان‌بندی پیوسته و اشتراک مدارک را نیز دربردارند.

گروه افزارها علاوه بر گزینه‌های ارتباطی ناهمزمان مثل📧 پست الکترونیک، فهرست‌های پست و گروه‌های مباحثه موضوعی، شامل ابزارهای هم‌زمان یا لحظه‌ای مثل 📡کنفرانس از راه دور، 🔭ویدئو کنفرانس، ویدئو کنفرانس رومیزی و کنفرانس مبتنی بر متن مثل مایکروسافت نت میتینگ نیز هستند.

 بخش‌های پراکنده سازمان از این ابزارها به عنوان ارتباطات رو در رو استفاده می‌کنند که افراد از طریق آن‌ها افکار و تجربیات ( دانش ضمنی ) را به اشتراک می‌گذارند. البته قابل ذکر است که هیچ‌کدام از این ابزارها به اندازه 👤🦻🗣️گفت و شنودهای رودررو کارکنان کارایی ندارند. در واقع ابزارهایی مانند پورتال‌های دانش و گروه افزارها نیز به عنوان پشتیبان تیم‌های مجازی و جوامع آنلاین شناخته شده‌اند. استفاده از این سامانه‌ها به خصوص در سازمان‌های بزرگ، دسترسی به متخصصان سازمان را تسهیل نموده‌است. در گذشته با ابزارهای دستی فهرست‌های ساختار بندی شده (مثلاً برخی کتابخانه‌ها فهرستی از افرادی با مهارت‌های زبان خارجی گردآوری می‌کردند) به متخصصان سازمان دسترسی پیدا می‌کردند. اما واضح است که نگهداری از این فایل‌ها ناکارآمد است. بدین ترتیب فناوریهایی که به‌طور اتوماتیک پروفایل دانش را ایجاد می‌کنند گسترش یافت، که عمدتاً بر اساس دانش صریح مثل مدارکی که افراد از طریق آن‌ها بهم پیوند داده می شوند و … واقع شده‌است.

 🟢 کارگزاران

کاربرد دیگر هوش مصنوعی کارگزاران هستند که ممکن است با عناوین متفاوت مثل کارگزاران ای. آی یا کارگزار هوشمند، یا کارگزاران خودکار نام برده شوند. این کاربردها به استفاده‌کننده کمک می‌کند تا با دنبال کردن مجموعه‌ای از قوانین از پیش تعریف شده، بر اساس حافظه خود و ارتباط قبلی با محیط و در نتیجه یادگیری از محیط و استنتاج‌های گذشته، استنتاج کند.

🔵 سامانه‌های گردش کار

سامانه‌های گردش کار، همانند سامانه‌های خبره تلاش می‌کند دانشی را که در فرایندهای سازمان وجود دارد به دانش صریح و کدبندی شده تبدیل کند. این سامانه‌ها در جهت خودکارسازی بخش‌هایی از فرایندهای سازمان عمل می‌کنند. مثلاً در یک 🏦بانک، در گذشته ارزیابی وام توسط مدیران بانک و با تکیه بر دانش ضمنی آنان صورت می گرفت، با تشریح فرایندهای مرتبط با ارزیابی 💳وام و قالب بندی و کدبندی بخش‌های مهم آن، به دانش صریح تبدیل می‌شود.

🟣 گروه‌های مباحثه موضوعی

برخی از کاربردهای گروه افزارها که ذکر شد به روش مشابهی عمل می‌کنند: برای مثال استفاده از گروه‌های مباحثه موضوعی به اشتراک‌گذاری دانش و حل مسئله تسریع می‌بخشد و شامل اطلاعات کدبندی شده (دانش صریح) نیز هستند که بعداً مورد استفاده دیگران قرار گیرد. برای مثال شیرمن و استرلینگ به یک شرکت حقوقی اشاره می‌کند که از سامانه اکتشاف دانش لوتوس برای جمع‌آوری و سازماندهی تصمیمات و افکار سازمان استفاده می‌کند و آن‌ها را در اختیار بیش از هزار نمایندگی اش قرار می‌دهد.

 🟤مدیریت محتوا

بخش اصلی مدیریت دانش مدیریت محتوا است که با ابزارهای مدیریت اطلاعات مثل:

■          سامانه‌های خودکار سازی اداری از جمله مایکروسافت آفیس و لوتوس اسمارت سویت (که ایجاد، مدیریت و توزیع خودکار مدارک را پشتیبانی می‌کنند)

■          سامانه‌های مدیریت مدارک الکترونیکی (که ذخیره و دسترس پذیری طیفی از مدارک رسمی سازمانی را انجام می‌دهند)

■          و سامانه‌های مدیریت پایگاه داده سنتی (مثل اوراکل)

بخوبی تحت پوشش قرار گرفته‌است.

سرانجام برخی سامانه‌های مدیریت دانش هستند که ابزاری برای افراد در افزایش دانش ضمنی خود فراهم می‌آورند. ابزارهای پشتیبان خلاقیت هم در این دسته‌بندی؛ که در آن دانش صریح درون دانش ضمنی می‌پرورد، جای می‌گیرند. این‌ها به عنوان ابزارهای نرم‌افزاری تعریف می‌شوند که باید در تولید دانش در طول فرایند طراحی محصول با ایجاد یک محیط مجازی که دستکاری بینش‌ها را به ویژه در حوزه تحقیق و توسعه برمی انگیزد و خصیصه هائی نظیر پایگاه‌های اطلاعاتی فنی و خصیصه شبیه‌سازی گرافیکی را در بر می‌گیرد؛ مشارکت داشته باشند.

 ⚪ سامانه‌های تصمیم‌گیر DSS

بر اساس تعاریف سنتی از سامانه‌های تصمیم‌گیر، هدف DSSها کمک به تصمیم گیران برای در نظر گرفتن تصمیمات ساختاری و نیمه ساختاری است.

 سامانه‌های تصمیم گر به‌طور کلی به چهار دسته تقسیم می‌شوند ؛

🔰• صافی سازی تجمعی CF

در رویکرد الگوریتم‌های CF یا صافی سازی تجمعی، از نظرات و رتبه‌بندی‌های انجام شده توسط کاربران و استفاده کنندگان برای ارائه پیشنهاد، استفاده می‌شود. در واقع لیست اقلام پیشنهادی، بر اساس رضایت کاربران مشابه با کاربر فعال تهیه می‌شود. از این رو واضح است که در این روش تمرکز روی یافتن شباهت بین کاربران است بدین ترتیب پیشنهادات در CF، بر اساس تشابه رفتاری کاربرفعال با کاربران دیگر صورت می‌گیرد.

🔰•       محتوا محور CB

در این روش، اقلام پیشنهادی بر اساس شباهت با اقلامی که کاربر فعال نسبت به آن‌ها ابراز علاقه کرده‌است، به کاربر توصیه می‌شوند. از این رو واضح است که در روش محتوا محور، تمرکز بر روی یافتن شباهت بین اقلام است؛ بدین ترتیب پیشنهادات در CB، بر اساس تشابه ویژگی کالاهای پیشنهادی با ویژگی‌های کالاهای مورد علاقه کاربر فعال صورت می‌گیرد.

🔰•       دانش محور KB

سامانه‌های دانش محور براساس درک و شناختی که از نیازهای مشتری و ویژگی‌های کالاها پیدا کرده‌اند، توصیه‌هایی را پیشنهاد می‌دهند. در این گونه از سامانه‌های توصیه‌گر برای تولید📃 لیست اقلام پیشنهادی براساس شباهت مواد اولیه مورد استفاده، با ویژگی‌های مورد نظر مشتری و کالا است. سامانه‌های دانش محور از متدهای مختلفی برای تحلیل دانش بهره می‌برند. الگوریتم‌های🧬 ژنتیک ، فازی ، شبکه‌های عصبی و … از جمله متدهای رایج است. یکی از رایج‌ترین متدهای تحلیل دانش درسامانه‌های توصیه‌گر دانش محور ،CBR یا روش استدلال نمونه‌محور ( استدلال موردی ) است.

🔰• سامانه‌های ترکیبی

گونه چهارم، سامانه‌های ترکیبی هستند؛ که دو یا چند گونه از انواع سه‌گانه مذکور را غالباً به دو منظور با هم ترکیب می‌کنند؛

 ۱- افزایش عملکرد سامانه

 ۲- کاهش اثر نقاط ضعفی که آن سامانه‌ها وقتی به تنهایی به کار گرفته شوند، دارند.

از میان سه روش موجود (CF و CB و KB)، غالباً روش CF یک پای ثابت این ترکیبات است.

 فناوری اطلاعات در حمایت از مدیریت دانش ضمنی

جی لیبوویتس اشاره می‌کند که ریشه‌های مدیریت دانش عمدتاً در دو حوزه سامانه‌های خبره و هوش مصنوعی واقع شده‌اند.

 هوش مصنوعی (AI ) تلاش می‌کند تا رفتار هوشمندانه‌ای از خود به نمایش بگذارد که این امر، ساختن ماشین‌هایی همچون کامپیوتر را محقق می‌سازد. چندین تکنیک AI وجود دارد که می‌توان در جهت توسعه (KBS) به کار گرفت. سامانه‌های خبره و سامانه‌های استدلال مبتنی بر مورد (CBR ) به‌طور گسترده‌ای در کنترل دانش ضمنی مورد استفاده قرار می‌گیرند. بعلاوه استفاده از فناوری هوشمند در جهت توسعه فعالیت‌های انسان-کامپیوتر و انتشار اطلاعات در سراسرسازمان در حال توسعه‌است.

 🟤 سامانه‌های مبتنی بر دانش یا (KBS* )

سامانه‌هایی هستند که برای حل مسائل، از تکنیک‌های هوش مصنوعی استفاده می‌کند و قادر به ارائه نتایج کارشناسی شده پیرامون موضوعی مشخص هستند. این نتایج عموماً با استفاده از احتمالات و تکنیک‌های قانون محور اسنتاج می‌شود.

 🟠 سامانه‌های خبره

سامانه‌های خبره ESS به بررسی انواع روش‌ها وتکنیک‌های ساخت سامانه‌های انسان-ماشین می-پردازد و مشکلات این سامانه‌ها را با مهارت‌های تخصصی حل می‌کند. عملکرد سامانه‌های هوشمند با تکیه بر متخصصانی است که در زمینه‌های به خصوصی مهارت و دانش دارند و مشکلات را به خوبی درک و حل می‌کنند. در سامانه خبره دانش ضمنی به شکل یک سری قواعد معین تصمیم‌گیری از متخصصان فراخوانده می‌شود؛ مثلاً به شکل قواعد THEN,IF. بعلاوه فرض می‌شود که این قوانین تصمیم‌گیری نسبتاً ثابت هستند یعنی موارد مهمی در طی زمان تغییر نمی‌کند. هدف سامانه‌های ES فرایند کسب دانش است یعنی فرایندهای جستجو و قوانین تجربی که مورد استفاده کارشناس قرار می‌گیرند را محاسبه می‌کند.

نقایص سامانه‌های قاعده‌ای باعث توسعه روش‌های دیگر برای حمایت از تصمیم‌گیری شده‌اند. نتیجه چنین تلاشی الگوی استدلال موردی است.

 🔴 سامانه‌های استدلالی موردی*

یک سامانه استدلالی موردی CBR یک نوع روش تصمیم‌گیری است که بر پایه انتقاد از راه حل‌ها و توضیح موقعیت‌ها از تجربه‌های گذشته عمل می‌کند. الگوی CBR بر اساس این فرضیه‌است که اشخاص ماهر و با تجربه در حل مشکلات جدید تصمیم‌گیری، تجربه خود که در موقعیت‌های مشابهی بدست آورده‌اند در اختیار تصمیم گیران قرار می‌دهند تا بر اساس تصمیم‌گیری کنند.

 مثلاً هنگام طراحی یک شی پیچیده مانند یک🏎️ اتومبیل، طراحان به طرح‌های مشابه قبلی رجوع می‌کنند. یک طرح درگذشته اجرا شده‌است به عنوان یک طرح پایه برای یک مشخصه به کار می‌رود؛ در این مشخصه تغییراتی اعمال می‌شود، به نحوی که نقایص طرح پایه حذف و مزیت‌های آن چند برابر گردد. طرحی که این‌گونه ایجاد می‌شود قبل از اینکه به یک نمونه عملی تبدیل شود آزمایش می‌گردد. یک سامانه CBR را می‌توان به عنوان یک DSS بکار برد تا به طرح‌های گذشته دسترسی پیدا کرد و از فواید طراحی کنونی پشتیبانی کرد.

 فرایند دنبال شده در یک سامانه CBR به صورت زیر است .

•           مورد یا موارد قبلی مشابه با مشکل تصمیم‌گیری جدید (مورد جدید) احیا می‌شوند.

•           مورد قبل به عنوان طرح پایه در نظر گرفته می‌شود.

•           طرح پایه برای به حساب آوردن تفاوت‌هایی بین موارد جدید و قبلی تطبیق داده می‌شود.

•           طرح تطبیق یافته از جنبه‌های مختلف به عنوان مثال در برابر موفقیت‌های فرضی ارزیابی می گردد.

•           در این مرحله در مورد راه حل ارزیابی شده تصمیم‌گیری قطعی انجام خواهد شد.

بدین ترتیب CBR امکان کسب و استفاده مجدد از دانش ضمنی را به شکل مدیریت موردی فراهم می‌آورد. سامانه‌های CBR در حمایت از مشکلات تصمیم‌گیری پیچیده در چندین محیط تصمیم‌گیری مورد قبول واقع شده‌اند.

برای مثال : یک سامانه CBR به نام CASELINE توسط شرکت هواپیمایی بریتانیا برای کمک به مهندسان پشتیبان تکنیکی 🛫✈️🛬بویینگ ۷۴۷ در تشخیص نقص هواپیما و تعمیر بین عزیمت و رسیدن هواپیما استفاده می‌شود.

 این سامانه بر اساس نقص‌های گذشته و روش‌های تعمیر و بازیابی موفق شناخته شده نقوص جدید را آگاهی و در صورت امکان راه حل مناسب آن را پیشنهاد می‌دهد. شرکتهای دلویت و تاچ یک سامانه CBR به نام ابزار تشخیص تقلب مدیریت ارشد به کار می‌برند بدین صورت که به💰 حسابرسان کمک می‌کند تا احتمال تقلب مدیریت ارشد را در شرکت ارزیابی کنند.