![](/user_photo/2706_HbeT2.jpg)
- •В.В. Литвин технології менеджменту знань
- •Розділ 1 основні поняття менеджменту знань
- •1.1. Основні означення менеджменту знань
- •1.1.1. Структура менеджменту знань
- •Маркетинґ Проектування Підготовка виробництва Виробництво Збут
- •1.1.2. Формування знань
- •1.1.3. Введення даних
- •1.1.4. Адміністрування
- •1.1.5. Мотивація
- •1.1.6. Особливості впровадження мз
- •1.2. Менеджмент знань
- •1.3. Базові поняття менеджменту знань
- •1.3.1. Видобування знань
- •1.3.2. Системи пізнання
- •1.3.3. Організація доступу до знань
- •1.3.4. Інновації в області автоматизації
- •1.3.5. Менеджмент знань та інформації
- •1.3.6. Менеджмент знань та Інтернет
- •1.4. Онтологічний інжиніринг
- •1.4.1. Системи керування знаннями
- •1.4.2. Онтологія
- •1.5. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 2 теоретичні аспекти менеджменту та інженерії знань
- •2.1. Поле знань
- •2.1.1. Мова опису поля знань
- •2.1.2. Семіотична модель поля знань
- •2.1.3. “Піраміда” знань
- •2.2. Стратегії одержання знань
- •2.3. Теоретичні аспекти видобування знань
- •2.3.1. Психологічний аспект
- •2.3.2. Лінгвістичний аспект
- •2.3.3. Гносеологічний аспект видобування знань
- •2.4. Теоретичні аспекти структурування знань
- •2.4.1. Історична довідка
- •2.4.2. Ієрархічний підхід
- •2.4.3. Традиційні методології структуризації
- •2.4.4. Об’єктно-структурний підхід (осп)
- •Стратифікація знань предметної області
- •Матриця об’єктно-структурного аналізу
- •Запитання для повторення та контролю знань
- •Розділ 3 технології менеджменту та інженерії знань
- •3.1. Класифікація методів практичного видобування знань
- •3.2. Комунікативні методи
- •3.2.1. Пасивні методи
- •Порівняльні характеристики пасивних методів видобування знань
- •3.2.2. Активні індивідуальні методи
- •Порівняльні характеристики активних індивідуальних методів видобування
- •3.2.3. Активні групові методи
- •3.3. Текстологічні методи
- •3.3.1. Методи структурування
- •Дані концептуалізації
- •3.3.2. Еволюція систем одержання знань
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Розділ 4 прикладні аспекти менеджменту та інженерії знань
- •4.1. Латентні структури знань і психосемантика
- •4.1.1. Семантичні простори і психологічне градуювання
- •Опис зв’язку між поняттями
- •4.1.2. Методи багатовимірного градуювання
- •4.1.3. Використання метафор для виявлення “прихованих” структур знань
- •4.2. Метод репертуарних решіток
- •4.2.1. Основні поняття
- •4.2.2. Методи виявлення конструктів. Метод мінімального контексту
- •4.2.3. Аналіз репертуарних решіток
- •4.2.4. Автоматизовані методи
- •4.3. Керування знаннями
- •4.3.1. Що таке “керування знаннями”?
- •4.3.2. Керування знаннями і корпоративна пам’ять
- •4.3.3. Системи omis
- •4.3.4. Особливості розроблення омis
- •4.4. Візуальне проектування баз знань як інструмент пізнання
- •4.4.1. Від понятійних карт до семантичних мереж
- •4.4.2. База знань як пізнавальний інструмент
- •4.5. Проектування гіпермедіа бд і адаптивних навчальних систем
- •4.5.1. Гіпертекстові системи
- •4.5.2. Від мультимедіа до гіпермедіа
- •4.5.3. На шляху до адаптивних навчальних систем
- •Запитання для повторення та контролю знань
- •Розділ 5 Класифікація даних та знань
- •5.1. Важливість правильної класифікації
- •5.1.1. Класифікація й об’єктно-орієнтовне проектування
- •5.1.2. Труднощі класифікації
- •5.2. Ідентифікація класів і об’єктів
- •5.2.1. Класичний і сучасний підходи
- •5.2.2. Об’єктно-орієнтований аналіз
- •5.3. Ключові абстракції й механізми
- •5.3.1. Ключові абстракції
- •5.3.2. Ідентифікація механізмів
- •5.4. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 6 онтології й онтологічні системи
- •6.1. Поняття онтології
- •6.2. Моделі онтології й онтологічної системи
- •Класифікація моделей онтології
- •6.3. Методології створення і “життєвий цикл”онтології
- •6.4. Мови опису онтологій
- •6.4.1. Види owl
- •6.4.2. Структура онтологій
- •Запитання для повторення та контролю знань
- •Розділ 7 Програмні засоби побудови онтологій
- •7.1. Онтологія як засіб формалізації та алгоритмізації знань в інтелектуальній системі
- •7.1.1. Аналіз підходів до навчання онтологій
- •7.1.2. Загальні принципи проектування онтологій
- •7.1.3. Формати та стандарти подання інформації
- •7.1.4. Засоби для створення онтології
- •7.2. Технологія розроблення онтологій в редакторі Protégé
- •7.2.1. Еволюція Protégé
- •7.2.2. Protégé-owl. Мова Web онтологій owl
- •7.2.3. Основні терміни та поняття у Protégé-owl
- •Терміни та їх синоніми
- •7.2.4. Методика розроблення онтології засобами Protégé
- •Створення й експлуатація онтології
- •7.2.5. Створення онтології
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Література
- •Литвин Василь Володимирович технології менеджменту знань
- •V lp.Com.Ua, ел. Пошта: vmr@vlp.Com.Ua
4.1.3. Використання метафор для виявлення “прихованих” структур знань
Незважаючи на згадану близькість завдань, інженерія знань і психосемантика істотно відрізняються як у теоретичних підвалинах, на яких вони ґрунтуються, так і в практичних методиках. Але головна відмінність полягає в тому, що інженерія знань спрямована на виявлення – як остаточного результату – моделі міркувань, динамічної або операційної складової ментального простору (або функціональної структури поля знань Sf), тоді як психосемантика, намагаючись подати ментальний простір у вигляді евклідового простору, дає змогу робити видимою статичну структуру взаємного “розташування” об’єктів у пам’яті у вигляді проекцій скупчень об’єктів (концептуальна структура Sk).
Крім цього, зазначимо низку недоліків методів психосемантики з погляду практичної інженерії знань.
1. Оскільки в основі психосемантичного експерименту лежить процедура вимірювання суб’єктивних відстаней між пропонованими стимулами, то й результати опрацювання такого експерименту, як правило, використовують геометричну інтерпретацію – евклідів простір невеликого числа вимірів (найчастіше – двовимірний). Таке сильне спрощення моделі пам’яті може призвести до неадекватних баз знань.
2. Природність ієрархії як глобальної моделі понятійних структур свідомості слугує методологічною базою ОСП. Крім того, і в природній мові поняття явно тяжіють до різних рівнів узагальнення. Однак у більшості прикладних пакетів не передбачено поділу семантичного простору на рівні, що характеризують різні ступені спільності понять, введених в експериментальний план. У результаті одержувані кластери понять, просторово ізольовані в геометричній моделі градуювання, мають таксономічно неоднорідний характер і важко піддаються інтерпретації.
3. Єдині відносини, які виявляють процедури психосемантики, – це “далеко – близько” за деякою шкалою. Для проектування й побудови баз знань виявлення відношень є на порядок складнішим завданням, ніж виявлення понять. Тому семантичні простори, отримані в результаті градуювання й кластеризації, треба піддавати подальшому опрацюванню на предмет визначення відношень, особливо функціональних і каузальних.
Не варто очікувати, що ці протиріччя можуть бути вирішені швидко й безболісно, у силу того, що математичний апарат, покладений в основу всіх пакетів прикладних програм зі психосемантики, має певні межі застосування. Однак одним з можливих шляхів зближення без порушення чистоти процедури є розширення простору конкретних об’єктів-стимулів предметної області внаслідок додавання деяких абстрактних об’єктів зі світу метафор, які змусять випробуваного експерта вийти за рамки об’єктивності у світ суб’єктивних уявлень, які найчастіше більшою мірою впливають на його міркування й модель прийняття рішень, ніж традиційні правильні погляди.
Нижче описано підхід, що дає змогу вивести експерта за межі традиційної установки і тим самим виявити суб’єктивні, часто приховувані або приховані структури його професійного досвіду.
Більшість результатів, отриманих у когнітивній психології, підтверджують, що в людини (зокрема й в експерта) формальні знання про світ (зокрема, про ту предметну область, де він є експертом) і його особистий поведінковий досвід не можуть існувати ізольовано, вони утворюють цілісну, стабільну структуру. У західній літературі за цією структурою закріпилася назва “модель (або картина) світу”. Принциповою властивістю моделі світу є те, що її структура не дана людині – її носію – в інтроспекції, вона працює на істотно латентному, неусвідомлюваному рівні, найчастіше взагалі нічим не відзначеному (у символічній формі) на поверхні вербальної свідомості.
Вивчення моделі світу людини є завданням когнітивної психології, психосемантики й інших споріднених дисциплін. Що ж стосується експерта як об’єкта спостережень інженерії знань, то тут одна із проблем, у вирішенні яких може допомогти психосемантика, пов’язана з необхідністю (і неминучістю) відділення досвіду експерта від його об’єктивних знань у процесі формалізації та структурування останніх для експертних систем.
Строго кажучи, неможливо вказати ту грань, за якою знання (які можна формалізувати й видобувати) переходять у досвід (тобто в те, що залишається унікальною, невідчужуваною власністю експерта). Коректніше, очевидно, говорити про деякий континуум, детальність градації якого може залежати від конкретного завдання.
Наприклад, можна виділити такі три рівні:
1) знання, призначені для викладу або доказу (аргументації), наприклад, на міждисциплінарному рівні або для популярної лекції (вербальні);
2) знання, які застосовують в реальній практиці, – знання ще вербалізовані, але вже такі, що не рефлектують;
3) власне досвід, тобто знання, що лежать на найглибшому, неусвідомлюваному рівні, відповідальні за ті рішення експерта, які зовні (зокрема й для нього самого) виглядають як миттєве осяяння або “інсайт”, інтуїтивний творчий акт (інтуїтивні).
Класична методика психосемантичного експерименту також не дає змоги виділити з його результатів інтуїтивний рівень. Це видно з самої тестової процедури. Чи просять випробувану особу оцінити подібність-розходження стимулів прямо або ж пропонують оцінити їхню відповідність деяким “конструктам” – у будь-якому разі випробуваний вільно або мимоволі налаштовується на необхідність доказовості своєї відповіді в термінах об’єктивних властивостей стимулів.
Більшість методів видобування знань орієнтовані на верхні – вербальні або вербалізовані – рівні знання. Необхідний непрямий метод, орієнтований на виявлення прихованих переваг практичного досвіду або операційних складових досвіду. Таким методом може слугувати метафоричний підхід. Метафоричний підхід, уперше описаний з суто лінгвістичних позицій, а також з позицій практичної психології, був видозмінений для потреб інженерії знань. Наприклад, в експериментах з об’єктивного порівняння мов програмування між собою були також використані два метафоричні “світи” – світ тварин і світ транспорту.
У межах цього підходу вдалося експериментально довести такі тези:
метафора функціонує як фільтр, що виділяє за допомогою підбору адекватного об’єкта порівняння певні властивості основного об’єкта (тобто того, про який йдеться); виділені властивості мають суто операційний характер, що проявляється на рівні поліморфіз- му методів, тому що метафора за своєю суттю унеможливлює порівняння об’єктів за їх внутрішніми об’єктивними властивос- тями;
метафора має на меті скоріше не повідомити що-небудь про певний об’єкт (тобто відповісти на запитання “що це?”), а спонукати до певного ставлення до нього, вказати на якусь парадигму, що говорить про те, як варто поводитися стосовно заданого об’єкта;
суб’єктивному зрушенню у ставленні до основного об’єкта (наприклад, до мови програмування) сприяє також і зрушення у сприйнятті об’єкта порівняння (наприклад, до конкретної тварини) у силу вищевказаної специфіки властивостей, які фільтрують метафорою; тому об’єкт порівняння виступає в метафорі не за своїм прямим призначенням, тобто це не просто “лев” як представник фауни, а втілення сили, спритності й могутності;
у тому разі, коли метафора зіставляє не одиничні об’єкти, а деякі їхні множини, у яких об’єкти зв’язані осмисленими відношеннями, простір об’єктів порівняння повинен бути ізоморфним щодо простору основних об’єктів за системою зазначених відношень.
На ці тези спирається запропонована модифікація класичної методики зіставлення об’єктів, застосована, наприклад, в оцінних решітках Келлі. Під час здійснення експерименту використано систему MEDIS. Ця система дає змогу планувати, здійснювати експеримент і опрацьовувати дані довільного психосемантичного експерименту. Крім класичної парадигми багатовимірного градуювання, система MEDIS містить у собі деякі можливості тесту репертуарних решіток. Зокрема вона дає змогу працювати зі стимулами двох видів – елементами й конструктами (з єдиним винятком: конструкти в системі MEDIS – на відміну від класичного тесту репертуарних решіток – монополярні). Природно, вибір базового інструментарію істотно вплинув на описувану експериментальну реалізацію методики. Як предметна область був обраний світ мов програмування. У простір базових понять ( що виступали в методиці як елементи) було внесено декілька більш-менш популярних мов програмування, що належать до таких класів:
мови штучного інтелекту;
традиційні процедурні мови;
так звані “макромови”, зазвичай реалізовані в оболонках операційних систем, текстових редакторах тощо.
Як метафоричні простори обрані світ тварин і світ транспорту. Об’єкти цих світів виступали в методиці як монополярні конструкти. На першому етапі експерименту кожний з респондентів виконував класичне попарне суб’єктивне градуювання елементів. На запитання “Чи є що-небудь спільне між даними мовами програмування?”, респондентові пропонувалося відповісти однією з таких альтернатив:
ТАК! |
1 |
Об’єкти дуже близькі |
Так |
2 |
Між об’єктами є щось спільне |
??? |
3 |
Невизначена відповідь |
Ні |
4 |
Об’єкти різні |
НІ! |
5 |
Об’єкти зовсім несумісні |
Дані цього етапу (окремо для кожного з респондентів) піддавалися опрацюванню методами багатовимірного градуювання (див. вище).
Результатом такого опрацювання є деякий евклідів простір невеликого числа вимірів, у якому вихідні оцінки розходжень відображені геометричними відстанями між точками. Що краще ці відстані відповідають вихідним розходженням, то адекватнішими вважається результат опрацювання загалом. При цьому буквальний збіг відстаней і числових кодів відповідей, природно, не є обов’язковим (хоча таке й можливе в деяких модельних експериментах). Важливішою виявляється рангова відповідність відстаней вихідним оцінкам. А саме, в ідеальному випадку всі відстані між точками, що відповідають, наприклад, відповідям “ТАК!” у вихідних даних, повинні бути менші (хоча б і на частки відсотка масштабу шкали) від усіх відстаней, що відповідають відповідям “Так” тощо.
У реальному експерименті ідеальна відповідність неможлива, оскільки метою опрацювання є стискання, скорочення розмірності даних, що обмежує кількість координатних осей результівного простору. Проте алгоритм градуювання повинен, наскільки це можливо, мінімізувати рангову невідповідність моделі вихідним даним.
Геометричну модель градуювання можна інтерпретувати по-різному:
по-перше, можна з’ясувати зміст координатних осей результівного простору. Ці осі за суттю аналогічні факторам у факторному аналізі, що дає змогу використовувати відповідну парадигму інтерпретації, детально розроблену в експериментальній психології. У цьому випадку можна вважати, що виявлені фактори мають значення базових категорій, або базових (латентних) конструктів, за допомогою яких респондент (як правило, неусвідомлено) упорядковує свою картину світу (точніше, її проекцію на задану предметну область);
по-друге, можна проаналізувати компактні угруповання стимулів у цьому просторі, ототожнивши їх з деякими істотними (хоча й схованими від інтроспекції) таксономічними одиницями, реально присутніми в моделі світу експерта. Істотно, що робиться спроба інтерпретувати кластери, отримані за моделлю градуювання, а не за вихідними числовими кодами розходжень. Це випливає із припущення, що інформація, не відтворена головними (найнавантаженішими) факторами, є “шумом”, який супроводжує кожен (а особливо психологічний) експеримент.
Основна експериментальна процедура – попарне порівняння деяких об’єктів і вираження ступеня їхньої подібності (відмінності) на числовій осі або виділення пар близьких об’єктів із поданої тріади – сама по собі накладає велику кількість обмежень на структуру, яку виявляють, а саме:
1) через вибір стимульного матеріалу (вибір об’єктів залишається за інженером зі знань);
2) через недосконалість шкали вимірювань;
3) у зв’язку з низкою припущень математичного апарату; але головне, що отримана структура знань найчастіше має академічний характер, тобто характеризує об’єктивно наявні, але легко з’ясовні закономірності, що ніби лежать на поверхні.
Це пов’язано із психологічною установкою самого експерименту, під час якого експерта ніби перевіряють, тестують і він, природно, прагне давати правильні відповіді.
Щодо реального процесу видобування знань, ця обставина стає принциповою, тому що дає змогу насправді відокремити ті знання, завдяки яким експерт є таким (рівень В), від загальнозначущих, банальних (для експертів у заданій предметній області) знань (рівень А), які можливо й не варті того, щоб заради них створювати власне інтелектуальну систему.
Однак очікується, що в багатьох (якщо не в більшості) випадків виявлені латентні структури можуть повністю змінити уявлення інженера зі знань про предметну область і дати йому змогу істотно поглибити базу знань. Введення світу метафор – це деяка гра, а гра розкріпачує свідомість експерта і, як всі гральні методики видобування знань (див. попередні розділи), є гарним каталізатором трудомістких серій інтерв’ю з експертом, без яких сьогодні неможливе розроблення промислових інтелектуальних систем.