سیستم‌های مدیریت دانش

عصر حاضر، عصر تغییر و تحول سریع دانش است. هر پنج سال و نیم حجم دانش دو برابر می‌شود، البته عمر متوسط آن که به «دارایی» و «منبع ارزشمند استر اتژیک» دارد، کمتر از چهار سال است. «مدیریت دانش» یکی از مباحثی است که در عصر جدید در زمینه مدیریت مطرح گردیده و به شدت مورد توجه سازمان‌ها و مبحث مدیریت قرار گرفته‌است. از مهم ترین ارکان مدیریت دانش، پیاده سازی سیستم و اثربخشی آن در سطح سازمان می‌باشد. چرا که دیگر مطالب مرتبط با آن همگی به عنوان مقدمه‌ای جهت بسترسازی و استفاده از آن‌ها برای تحقق عملی مدیریت دانش به شمار می‌روند. سازمان‌های پیشرو زیادی در جهان به اهمیت مدیریت دانش به عنوان رویکردی جدید در مدیریت کسب و کار پی برده و اقدام به پیاده سازی آن نموده‌اند

تعریف مدیریت دانش

پیش از پرداختن به بحث سیستم مدیریت دانش، بجاست مدیریت دانش تعریف کنیم. در واقع مدیریت دانش شامل چندین بخش است که عبارتند از:

خلق وکسب دانش

سازمان باید به خوبی بتواند دانش مورد نیاز خود را شناسایی کند، در صورت لزوم آن را خلق کند، یا اینکه از منابع دانش خارج از سازمان کسب نماید.

ذخیره سازی

دانش خلق شده یا کسب شده، باید با نیازهای شما تطبیق داده شده و به تعبیری، آماده شود و به صورت مناسب ذخیره شود تا در زمان و مکان و شرایط مورد نیاز مورد استفاده قرارگیرد.

انتشار و به اشتراک گذاری

نکته قابل توجه آن است که باید از راکد ماندن دانش جلوگیری کرد زیرا تنها جریان سیال دانش است که می‌تواند چون آب جاری ارزش خود را حفظ کند و زندگی بخش باشد تا هر که تشنه آن است از آن سیراب شود. با توزیع و انتشار و اشتراک گذاری دانش بصورتی روان و سیال در می‌آید و از راکد بودن آن جلوگیری می‌کند.

به کارگیری دانش

بعد از انجام مراحل فوق مدیریت دانش در سطح سازمان پیاده سازی می‌شود و مورد استفاده قرار می‌گیرد.

انواع دانش

چهار نوع دانش مشخص شده‌است:

• دانش نیروی انسانی: دانشی است که در توسط اعضای سازمان به وجود می¬آید.
• دانش مکانیزه: دانشی که حامل وظایف ویژه یکپارچه در سخت افزارماشین است، در واقع شامل دانش مربوط به تجهیزات سازمان می‌باشد.
• دانش مستند: دانشی که به شکل بایگانی، کتاب، سند، دفتر کل، دستورات، نمودارها و... ذخیره می‌شود.
• دانش خودکار ( اتوماتیک): دانشی است که به طور الکترونیکی ذخیره شده و به وسیله برنامه‌های رایانه‌ای که وظایف خاص را پشتیبانی می‌کند قابل دسترسی می‌باشد

از سوی دیگر دانش را به دو نوع ضمنی و صریح تقسیم بندی می‌کنند: دانش ضمنی معمولا در قلمرو دانش شخصی، شناختی وتجربی قرار می¬گیرد. محصول تجربیات افراد می-باشد به همین علت در جایی ثبت نمی‌گردد و با گفتگو، بحث، مشورت و ... به اشتراک گذاشته می‌شود. دانش صریح بیشتر به دانشی اطلاق می‌گردد که جنبه عینی تر -عقلانی تر و فنی تر دارد ( داده‌ها، خط مشی‌ها، روش‌ها، نرم افزارها، اسناد و ...). دانش صریح به طور معمول قابل ثبت می‌باشد و به صورت مکتوب به راحتی در دسترسی افراد قرار می‌گیرد.

تبدیل دانش

۱.اجتماعی‌سازی از ضمنی به ضمنی افراد می‌توانند از طریق کنش‌های اجتماعی، در اشتراک گذاری دانش‌هایی که جنبه‌ی شخصی داشته و فرموله‌کردن آن دشوار است، سهیم شوند. برای مثال، به‌اشتراک‌گذاشتن تجربیات جنگی فرماندهان از طریق بازگویی خاطرات جنگی است . تبدیل دانش ضمنی به ضمنی از طریق مشارکت در تجربیات و تقلید و تمرینات و یادگیری از طریق تعلیم استاد-شاگردی، شرکت در کنفرانس‌ها و سمینارها و جلسات، یا به سادگی در خلال تعامل بین کارکنان در زمان‌های استراحت حاصل می‌شود. سیستم‌هایی که در این حوزه به کار می‌روند عبارتند از:

• گروه افزار
• سیستمهای مکان یابی

۲.برونی‌سازی از ضمنی به صریح برونی‌سازی یعنی تبدیل دانش شخصی افراد که کیفیت ضمنی دارد، به دانش صریحی که قابل دسترسی باشد و به افراد یا گروه‌های دیگر به راحتی انتقال یابد. که این امر از طریق بیان و اظهار دانش شخصی افراد و ثبت آن تحقق می‌یابد، مثل یک گزارش یا مستندسازی.که در این حوزه سیستم‌های گروه افزار و سیستمهای گردش کار مورد استفاده قرار می‌گیرید.

۳.تلفیق از صریح به صریح دانش صریح می‌تواند از طریق فرایندهای گوناگون مستندسازی به شکل‌های مختلفی ارائه شود، این تبدیل با هدف اینکه مخاطبان بیش‌تری به آن دانش دسترسی داشته باشند، صورت می‌گیرد. به‌عنوان مثال، دانش صریح ریاضی یا فیزیک را که در قالب فرمول‌ها و نظریه‌ها شکل می‌گیرد، می‌توان طوری نوشت که برای گروه‌های سنی مختلف قابل استفاده باشد. سیستم‌های مورد استفاده در این قسمت عبارتند از :

• سیستمهای خودکارسازی اداری
• سیستمهای مدیریت مدارک الکترونیکی
• سیستمهای هوش تجاری
• سیستمهای دانش مدار
• انبارهای داده
• کتابخانه‌های مجازی
• کارگزاران خودکار
• نقشه‌های دانش، تاکسونومیها و غیره
• پورتالهای دانش
• فن آوریهای کاوش

۴.درونی‌سازی از صریح به ضمنی تبدیل دانش صریح به دانش ضمنی می‌تواند دانش تازه‌ای در درون فرد ایجاد می‌کند. درونی سازی این امکان را به کارکنان می‌دهد تا دانش را در پاسخ و رفتار خود به گونه‌ای ادغام کنند که در هنگام مواجهه با موقعیت یا مشکلی که کاربرد دانش لازم است بتوانند دانش صریح را به کار گیرند. برای مثال، یک سازمان حفاظت اطلاعات، حسب ضرورت، مجموعه‌ای از اصول و موازین مشخص را تدوین نموده، و رعایت آن‌ها را از تمامی پرسنل سازمان انتظار دارد. اما این اصول و موازین نمی‌توانند آن‌قدر گسترده و فراگیر باشند که بتوانند همه‌ی موقعیت‌های احتمالی ممکن را در برگیرند، و در هر شرایطی به فرمانده بگویند که فرمول حفاظت موقعیت چیست، و او چگونه باید تصمیم بگیرد. آن‌چه در عمل اتفاق می‌افتد این است که پرسنل (فرماندهان و کارکنان)، اصول اولیه و بنیادین حفاظتی را که به شکل دانش صریح ارایه می‌شوند، درونی کنند، و به مرور زمان یاد می‌گیرند که چگونه در هر موقعیتی، واکنش حفاظتی درست را نشان دهند. این یعنی درونی‌سازی، که متضمن تبدیل دانش صریح به نوعی دانش ضمنیِ کاملاً شخصی است. ابزار‌های مورد استفاده در این قسمت عبارتند از:

• ابزارهای پشتیبان خلاقیت
• نرم افزار یادگیری سازمانی

مراحل پیاده سازی سیستم مدیریت دانش در سازمان

پیاده سازی یک سیستم مدیریت دانش همچون سایر سیستم‌ها و به تناسب موارد خاص آن در شش مرحله صورت می‌گیرد:

مرحله اول - امکان سنجی طرح

در این مرحله وضعیت¬های موجود در سازمان جهت پیاده سازی طرح مورد بررسی قرار می‌گیرد. مطالعات روی جنبه¬های کلیدی مدیریت دانش نظیر انسان (فرهنگ)، سازمان (ساختار) و تکنولوژیکی موجود و انجام می¬گیرد. به این ترتیب، ضعف‌ها و محدودیت‌های موجود در هریک از حوزه‌ها در ارتباط با پیاده سازی سیستم مشخص می‌شود.

مرحله دوم- طراحی خام سیستم

پس از شناسایی محدودیت¬ها، راهکارهایی در قالب طرح خام سیستم جهت حل محدودیت¬ها ارائه می¬شود. در این مرحله با بررسی و تحلیل نظرات تصمیم¬گیران، اجرای قطعی سیستم در سازمان تعیین می‌گردد.

مرحله سوم- طراحی تفصیلی سیستم

پس از پذیرش طرح خام سیستم، طراحی تفصیلی سیستم صورت می¬گیرد. در این مرحله وارد جزئیات شده و متدولوژی قطعی نیز انتخاب می¬گردد. متدولوژی باید متناسب با نیازها و محدودیت‌های سازمان باشد. این نیازها و محدودیت‌ها در مرحله امکان سنجی مشخص شده و در مرحله خام مورد بررسی و راهکاردهی قرار گرفته‌است.

مرحله چهارم- پیاده سازی

در پیاده سازی سیستم مباحثی همچون فناوری، آموزش اولیه پرسنل و مدیران، و ساختار سازمانی مطرح بوده و ایجاد هماهنگی و یکپارچگی بین اجزا و افراد از اهمیت خاصی برخوردار است.

مرحله پنجم- نگهداری

جهت جاگیر شدن، تثبیت و ماندگاری سیستم در سازمان باید به یک سری موارد توجه داشت که عبارت است از مشاوره جهت رفع عیوب و نواقص، قرار دادن یک نمایندگی از طرف گروه طراح سیستم در دستگاه اجرایی، و تلاش برای جلوگیری از بازگشت دستگاه به سیستم قبلی_که معمولاً شش ماه مراقبت را لازم دارد_ و ... .

مرحله ششم- ارزشیابی سیستم

در این مرحله یک سیستم بازخورد مناسب برای اصلاح سیستم در نظر گرفته می‌شود. بطور معمول شش ماه پس از پیاده سازی سیستم صورت می‌گیرد و طی آن توصیه‌های اصلاحی ارائه می‌گردد.

سیستمهای کار- دانش

این سیستم¬ها به طور خاص برای کارکنان دانشی طراحی شده‌است تا بدین وسیله بتوانند به خلق دانش جدید بپردازند.

دانشگران

دانشگران افرادی هستند که دانش جدید ایجاد می‌کنند و به سازماندهی اطلاعات سازمانی می‌پردازند. معمولا این افراد از آموزش سطوح بالا برخوردارند و در سازمانهای حرفه‌ای فعالیت می‌کنند.

وظایف دانشگران

۱)وظیفه به روز رسانی دانش سازمان که در ارتباط با محیط خارج است را به عهده دارند.

۲)این افراد به عنوان مشاورین داخل سازمان به ارائه خدمات می‌پردازند.

۳)در راستای تغییر، ایجاد خلاقیت و ارتقا در داخل سازمان فعالیت می‌کنند.

نیازمندیهای سیستم کار دانش

دسترسی سریع و آسان به پایگاه داده‌های خارج و داخل سازمان، برای دانشگران با استفاده از این سیستم میسر می‌کند تا اتلاف وقت کارکنانی که دستمزد بالایی را از سازمان دریافت می‌کنند، کاهش یابد.

مروری بر برخی سیستم‌های مدیریت دانش

اینترانت

بسیاری از افراد اینترانت را یکی از فن آوری¬های مدیریت دانش می‌دانند. اما اینترانت در زمره سیستم-های مدیریت دانش قرار نمی¬گیرد بلکه به عنوان یک تکنولوژی اصلی با کارائی بالا قادر است که همه زیرساخت مرتبط به دانش را در یک سازمان تامین می‌کند.

پورتال‌های دانش

همچنین پورتال‌های دانش نیز به عنوان یک سیستم مدیریت دانش در نظر گرفته می¬شود. پورتالها در حوزه مدیریت اطلاعات به عنوان ابزارهای مدیریت محتوا عمل می¬کنند که از طریق آنها می¬توان به انواع منابع اطلاعاتی و خدماتی در داخل و خارج از سازمان دسترسی پیدا نمود. پورتالها همانند سایر ابزارهای مدیریت محتوا مثل رده بندی مدارک، خلاصه نویسی‌های مدارک، گزارش نویسی‌ها و نقشه‌های دانش- اینها همه ابزارهای مدیریت اطلاعات هستند که در مدیریت دانش مورد استفاده قرار می¬گیرند -دسترسی به منابع را فراهم و تسهیل می¬کنند. مثالی از پورتال دانش: Price Waterhouse Cooper’s Knowledge Curve

گروه افزارها

گروه افزارها مجموعه دیگری از کاربردهای مرتبط با مدیریت دانش به نشان می¬دهد. گروه افزارها نرم افزارهایی هستند که به گروه‌هایی که از لحاظ جغرافیایی پراکنده‌اند امکان می‌دهند تا دانش خود را به اشتراک بگذارند و با هم کار کنند. مثلا نرم افزارهای رایج ذیل: IBM Lotus Notes، CollabraShare and Microsoft Outlook/Exchange که امکانات مشارکتی مثل زمان بندی پیوسته و اشتراک مدارک را نیز در بردارند. 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 می¬گذارند. 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 شده¬اند. استفاده از این سیستم‌ها به خصوص در سازمان‌های بزرگ، دسترسی به متخصصان سازمان را تسهیل نموده‌است. در گذشته با ابزارهای دستی فهرست‌های ساختار بندی شده (مثلا برخی کتابخانه‌ها فهرستی از افرادی با مهارتهای زبان خارجی گردآوری می‌کردند) به متخصصان سازمان دسترسی پیدا می¬کردند. اما واضح است که نگهداری از این فایلها ناکارآمد است. بدین ترتیب تکنولوژیهایی که به طور اتوماتیک پروفایل دانش را ایجاد می‌کنند گسترش یافت، که عمدتا 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 کارگزاران هوشمند یا کارگزاران خودکار نام برده شوند. این کاربردها به استفاده کننده کمک می¬کند 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. برای مثال Personalised content push server؛ به عنوان یک نمونه از کارگزاران قابل ذکر است. این کارگزار، یک موتور اطلاعات هوشمند است که حوزه علاقمندی کاربر را مشاهده می-کند و با تحلیل و بررسی، توصیه‌هایی را ارائه می¬کند. مثال دیگر از یک کارگزار هوشمند، کارگزار خدمات مشتری است که برای برقراری ارتباط با مشتریها از زبان طبیعی استفاده می¬کند و به آنها امکان می¬دهد که بدون جستجو در اطلاعات وب سایت سازمان مقصودشان را بیان کنند.

سیستم‌های گردش کار

سیستم‌های گردش کار، همانند سیستم‌های خبره تلاش می‌کند دانشی را که در فرایندهای سازمان وجود دارد به دانش صریح و کدبندی شده تبدیل کند. این سیستم‌ها در جهت خودکارسازی بخش‌هایی از فرایندهای سازمان عمل می‌کنند. مثلا 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 اشتراک¬گذاری دانش و حل مساله تسریع می¬بخشد و شامل اطلاعات کدبندی شده (دانش صریح ) نیز هستند که بعدا مورد استفاده دیگران قرار گیرد. برای مثال شیرمن و استرلینگ به یک شرکت حقوقی اشاره می‌کند که از سیستم اکتشاف دانش لوتوس برای جمع آوری 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:

• سیستمهای خودکار سازی اداری از جمله مایکروسافت آفیس و لوتوس اسمارت سویت (که ایجاد، مدیریت و توزیع خودکار مدارک را پشتیبانی می‌کنند)
• سیستم‌های مدیریت مدارک الکترونیکی (که ذخیره و دسترس پذیری طیفی از مدارک رسمی سازمانی را انجام می¬دهند)
• و سیستم‌های مدیریت پایگاه داده سنتی (مثل اوراکل )

بخوبی تحت پوشش قرار گرفته‌است.

سرانجام برخی سیستمهای مدیریت دانش هستند که ابزاری برای افراد در افزایش دانش ضمنی خود فراهم می‌آورند. ابزارهای پشتیبان خلاقیت هم در این دسته بندی؛ که در آن دانش صریح درون دانش ضمنی می‌پرورد، جای می‌گیرند . اینها به عنوان ابزارهای نرم افزاری تعریف می¬شوند که باید در تولید دانش درطول 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 شبیه سازی گرافیکی را در بر می¬گیرد؛ مشارکت داشته باشند.

سیستم‌های تصمیم گیر DSS

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

سیستم‌های توصیه‌گر به طور کلی به سه دسته تقسیم می‌شوند؛ در رایج‌ترین تقسیم‌بندی، آنها را به سه گروه ۱. صافی سازی تجمعی۲. محتوا محور و ۳. دانش محور، تقسیم می‌کنند، که البته گونه چهارمی تحت عنوان Hybrid RS هم برای آنها قائل 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

سیستم‌های دانش محور براساس درک و شناختی که از نیازهای مشتری و ویژگی‌های کالاها پیدا کرده‌اند، توصیه‌هایی را پیشنهاد می‌دهند. در این گونه از سیستم‌های توصیه‌گر برای تولید لیست اقلام پیشنهادی براساس شباهت مواد اولیه مورد استفاده، با ویژگی‌های مورد نظر مشتری و کالا است. سیستم‌های 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 درسیستم‌های توصیه‌گر دانش محور ،CBR یا روش استدلال نمونه‌محور (استدلال موردی) است.

• سیستم‌های ترکیبی

گونه چهارم، سیستم‌های ترکیبی هستند؛ که دو یا چند گونه از انواع سه‌گانه مذکور را غالبا به دو منظور با هم ترکیب می‌کنند؛ ۱- افزایش عملکرد سیستم ۲- کاهش اثر نقاط ضعفی که آن سیستم‌ها 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.

تکنولوژی اطلاعات در حمایت از مدیریت دانش ضمنی

جی لیبوویتس اشاره می¬کند که ریشه‌های مدیریت دانش عمدتا در دو حوزه سیستم‌های خبره و هوش مصنوعی واقع شده‌اند. هوش مصنوعی (AI) تلاش می¬کند تا رفتار هوشمندانه‌ای از خود به نمایش بگذارد که این امر، ساختن ماشین‌هایی همچون کامپیوتر را محقق می‌سازد. چندین تکنیک AI وجود دارد که می¬توان در جهت توسعه (KBS) به کار گرفت. سیستم‌های خبره و سیستم‌های استدلال مبتنی بر مورد (CBR) به طور گسترده¬ای در کنترل دانش ضمنی مورد استفاده قرار می¬گیرند. بعلاوه استفاده از تکنولوژی هوشمند درجهت توسعه فعالیت‌های انسان-کامپیوتر و انتشار اطلاعات در سراسرسازمان در حال توسعه‌است.

سیستم‌های مبتنی بر دانش یا ( KBS )

سیستم‌هایی هستند که برای حل مسائل، از تکنیک¬های هوش مصنوعی استفاده می¬کند و قادر به ارایه نتایج کارشناسی شده پیرامون موضوعی مشخص هستند. این نتایج عموما با استفاده از احتمالات و تکنیک‌های قانون محور اسنتاج می‌شود.

سیستم‌های خبره

سیستم‌های خبره ESS به بررسی انواع روش‌ها وتکنیک‌های ساخت سیستم‌های انسان-ماشین می-پردازد و مشکلات این سیستم‌ها را با مهارت‌های تخصصی حل می¬کند. عملکرد سیستم‌های هوشمند با تکیه بر متخصصانی است که در زمینه‌های به خصوصی مهارت و دانش دارند و مشکلات را به خوبی درک و حل می¬کنند. در سیستم خبره دانش ضمنی به شکل یک سری قواعد معین تصمیم گیری از متخصصان فراخوانده می¬شود؛ مثلا به شکل قواعد THEN،IF. بعلاوه فرض می‌شود که این قوانین تصمیم گیری نسبتا ثابت هستند یعنی موارد مهمی در طی زمان تغییر نمی‌کند. هدف سیستم‌های ES فرآیند کسب دانش است یعنی فرآیندهای جستجو و قوانین تجربی که مورد استفاده کارشناس قرار می‌گیرند را محاسبه می‌کند.

نقایص سیستم‌های قاعده‌ای باعث توسعه روشهای دیگر برای حمایت از تصمیم گیری شده‌اند. نتیجه چنین تلاشی الگوی استدلال موردی است.

سیستم‌های استدلالی موردی

یک سیستم استدلالی موردی CBR یک نوع روش تصمیم گیری 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 تصمیم گیری، تجربه خود که در موقعیت‌های مشابهی بدست آورده‌اند در اختیار تصمیم گیران قرار می‌دهند تا بر اساس تصمیم گیری کنند.

مثلا هنگام طراحی یک شی پیچیده مانند یک اتومبیل، طراحان به طرحهای مشابه قبلی رجوع می¬کنند. 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 سیستم CBR را می¬توان به عنوان یک DSS بکار برد تا به طرحهای گذشته دسترسی پیدا کرد و از فواید طراحی کنونی پشتیبانی کرد.

فرآیند دنبال شده در یک سیستم CBR بصورت زیر است. ۱. مورد یا موارد قبلی مشابه با مشکل تصمیم گیری جدید (مورد جدید ) احیا می‌شوند. ۲. مورد قبل بعنوان طرح پایه در نظر گرفته می¬شود. ۳. طرح پایه برای به حساب آوردن تفاوت¬هایی بین موارد جدید و قبلی تطبیق داده می¬شود. ۴. طرح تطبیق یافته از جنبه‌های مختلف بعنوان مثال در برابر موفقیت‌های فرضی ارزیابی می-گردد. ۵. در این مرحله در مورد راه حل ارزیابی شده تصمیم گیری قطعی انجام خواهد شد. بدین ترتیب CBR امکان کسب و استفاده مجدد از دانش ضمنی را به شکل مدیریت موردی فراهم می‌آورد. سیستم‌های CBR در حمایت از مشکلات تصمیم گیری پیچیده در چندین محیط تصمیم گیری مورد قبول واقع شده‌اند. برای مثال: یک سیستم 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 می¬شود. این سیستم 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 سیستم 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.

مشکلات سیستم‌های CBR کاربرد کنونی سیستم‌های CBR معمولا در حمایت از یک حوزه کاری ویژه با توانایی کم برای تطبیق فرآیندهای بازیابی آنها می‌باشد تا نیازهای حوزه‌های تصمیم گیری مربوطه دیگر مشخص شود. برای مثال سیستم عیب یابی CBR برای تعمیر موتورهای AC نمی‌تواند به یک طراح با طرحی از یک موتور AC جدید کمک کند. واضح است که ناتوانی در تقسیم دانش کارکنان علمی ارزش چنین سیستم‌هایی را در زمینه مدیریت دانش سازمانی کم می¬کند. برای حل این مشکل می‌توان از یک طرح تطبیقی CBR استفاده کرده که از سیستم‌های اطلاعاتی هوشمند در حمایت از دسترسی به اطلاعات لازم برای انواع مختلفی از تصمیم گیران استفاده می‌کند.

نمونه‌هایی از بکارگیری مدیریت دانش

۱)شرکتی بین المللی با شعباتی که درچندین کشور دارد در کل چهل هزار نفر کارمند و پانصد موقعیت توسط اشخاصی که ترجیحا در داخل سازمان مشارکت دارند پرشود. مدیر دانش و گروه کوچک نیروی مشاور، برای حل این مساله نیاز به یک سیستم اطلاعاتی دارند که نه تنها شامل داده‌های استاندارد شبیه نام، سن، موقعیت و حالت‌های فیزیکی است بلکه می‌تواند شامل اطلاعات توصیفی، دوره‌های آموزشی کامل شده، موقعیت‌های قبلی و امکان ارزیابی آنها باشد . آنها نیاز دارند که بدانند آیا بین تقاضا و منبع، فاصله‌هایی وجود دارد؟ و اگر این طور باشد باید این فاصله با پل زدن توسط آموزش برطرف شود. ۲)در کارخانه ی شیشه سازی متوسطی، انجام وظایف در سطوح مختلف نیاز به دانش ویژه‌ای دارد .صاحبان کارخانه در فرایند تولید شیشه تولیداتی مانند نسوج و پلاستیک‌های تقویت شده به کار می‌برند. این کارخانه برای حل مشکلات خود نیاز به مدیریت دانش دارد. کارشناسان سیستمی را به کار گرفته‌اند که در جوابگویی به مسائل آنها بسیار مفید بود. ۳)دربیمارستانها نیز با توجه به نیاز اطلاعات مختلف درباره ی بیماران، وضعیت دارویی، گزارش‌های روزانه از وضعیت بیمار، نتیجه بخش بودن داروها و تخمین زمان لازم برای جراحی به سیستم‌های خبره نیاز است. مدیریت دانش در هر بیمارستانی می‌تواند در دو گام شکل گیرد. ابتدا بیمارستان را تجزیه و تحلیل کنند وظیفه‌ها و برنامه‌ها را شناسایی کنند که این کاری اجتناب ناپذیر و لازم است. سپس اعضای بیمارستان در یک گروه با همدیگر دانش لازم را گرد آورده و به یاری سیستم‌های خبره پاسخ گوی مسائل باشند. در سال ۹۸ یک سیستم ناظم Locator خبره طراحی شد که نوع ساده¬ای از مدیریت دانش است کاربران سطوح مختلف، هر یک دانش مهارتی خود را می-توانند وارد سیستم کنند و این مهارتها توسط ناظم جای خود را پیدا کرده و هر کاربری که در جستجوی مهارتهای خاص خود است می‌تواند با جستجو نیاز خود را برآورد . ۴)این سیستم در یک کارگاه بزرگ شیمیایی و سایت تحقیقاتی در شهر Delft که مخصوص تولیدات زیست فناوری برای غذا و بازارهای دارویی است طراحی شد . در سال ۱۹۹۸ گروه تحقیقاتی شرکت با مشارکت دانشگاه TWAIO یک نرم افزار کاربردی ناظم (Locator) خبره طراحی کردند که در سال ۱۹۹۹ به بهره برداری رسید .وقتی کاربران سیستم با سوالی ویژه روبرو می‌شوند می‌توانند در سیستم راه‌های مناسب و مرتبط با هر چالش ایجاد شده را پیدا می‌کنند. در این سیستم پایگاه داده‌هایی تعبیه شده‌است که در ازای هر موضوع پاسخ لازم را ارائه می‌دهد. این سیستم بعد از تقریبا یک سال ونیم استفاده آزمایشی مورد قبول واقع شد.

با توجه به اینکه برای ایجاد دانش نیاز به اطلاعات می‌باشد و به منظور استفاده بهینه از دانش نیاز به مدیریت دانش می‌باشد. مدیریت دانش یک روند آگاهانه ایجاد دانش، اعتباربخشی به دانش، ارائه دانش، توزیع دانش، و کاربرد آن است. هماهنگی بین این اجزاء ضروری است چرا که نقصان در یکی از آنها باعث نقصان در نتیجه‌است و برای ایجاد، هماهنگی و کار بردی نمودن دانش نیاز به اطلاعات، مدیریت دانش و تکنولوژی اطلاعات می‌باشد

نرم افزار مدیریت دانش رای ون

مدیریت دانش بایستی توسط مجموعه ای از سیستم های مبتنی بر فناوری های غیرهمگن و نامتجانس اطلاعات (سیستم هایی که برای اهداف دیگر، کمتر در کنار هم قرار می گیرند) پشتیبانی شود. رای ون، نرم افزار مدیریت دانش سازمانی که توسط شرکت اینوتکس ایران تولید و پشتیبانی می شود، بر اساس سه اصل مفهومی ایجاد شده است و به واسطه همین سه اصل است که رای ون با دیگر سیستم های موجود در کشور و حتی بسیاری از نرم افزارهای مدیریت دانش در سطح بین المللی متفاوت است:

هوشمندی اجتماعی (Social Intelligence)

رای ون بیش از آن که بر هوش مصنوعی و تکنیک های مرتبط با آن تکیه کند (هر چند به این موضوع نیز به شکلی اثربخش توجه شده است) بر اصولی استوار است که بتواند از هوش اجتماعی یک سازمان برای حل مسائل استفاده نماید. به طور مثال یکی از اصول ساختاری رای ون استفاده از مفهومی به نام فکسونومی است؛ نتیجه فعالیت گروهی و تعاملی افراد برای برچسب گذاری (Tagging) و یادداشت نویسی (Annotation) در مورد یک حوزه دانش یا محتوای دانش را فُکسونومی می گویند. در فُکسونومی ها، داده های توصیف کننده که به غنی سازی اطلاعات و تبدیل آن ها به دانش کمک می کنند تنها توسط افراد حرفه ای ایجاد نمی شوند بلکه، تولید کننده یا استفاده کننده محتوا هم می توانند به بدنه دانش آن محتوا اضافه کند. به عبارتی ساده تر فُکسونومی (=Folk+Taxonomy) یک تکسونومی است که توسط کاربران ساخته می شود.

برچسب گذاری به دانشکاران این امکان را می دهد تا به صورت جمعی و تعاملی، اطلاعات را طبقه بندی کرده و بیابند. در رای ون از ابر برچسب (Tag Cloud) و موتور بصری سازی دانش استفاده می شود تا برچسب های فُکسونومی را به صورت بصری نشان دهند.

هدف از برچسب گذاری در یک فُکسونومی این است که جستجو، حرکت بین اطلاعات و درک یک بدنه اطلاعات، در طول زمان و به تدریج برای دانشکاران آسان شود. از آن جا که فُکسونومی ها عموما در محیط های مبتنی بر اینترنت به وجود آمده اند، کاربران می توانند دریابند یک برچسب معین را چه کسی استفاده می کند و هم چنین او از چه برچسب های دیگری استفاده می کند. به این ترتیب کاربران می تواند به درک متقابلی از مجموعه بر چسب هایی برسند که دیگران برای تفسیر، درونی سازی و درک یک جزء اطلاعات نیاز دارند. این مورد می تواند در سیستم های مدیریت دانش انسان محور یک گام بزرگ رو به جلو باشد؛ چرا که قابلیت افراد در ساختاردهی صحیح دانش و هم چنین یافتن محتواهای مرتبط را بالا می برد. این اصل در یافتن اطلاعات مرتبط، Pivot Browsing نام دارد. بخش عمده ای از جاذبه فُکسونومی در توانمندی ذاتی و راحتی آن در یافتن اطلاعات نسبت به ابزارهای سنتی جستجو مانند موتورهای جستجوست.

درهم تنیدگی معنایی (Semantic Interconnectedness)

تفاوت عمده رای ون با دیگر سیستم های مدیریت دانش و سیستم های اطلاعاتی در پیروی از اصل درهم تنیدگی معنایی است. رای ون دارای دو لایه مفهومی است: لایه شبکه گره ها و لایه اشیاء دانش. جداسازی این دو لایه از یکدیگر این امکان را می دهد تا در عین ایجاد فضای مجازی برای پوشش تمام فرآیندهای مدیریت دانش، امکانات مدیریتی و تحلیلی بیشتری بر روی اشیاء دانش داشته باشیم. در نمودار زیر دو لایه مفهومی با هم مرتبط شده اند. به کارگیری موجودیت های دانش در قالب گره های مختلف (که خود نیز دارای زیرکلاس هایی هستند) به سیستم امکان نمایش بصری یک فضای مشترک را به صورت پویا می دهد. منظور از فضای مشترک برای یک فرد چیزهایی است که او می داند، اشیاء دانشی که او روی آن ها کار می کند، افرادی که با آن ها همکار است یا تعامل دارد و دانش افرادی که با آن ها همکار است. رای ون با بصری سازی این روابط و برخی روابط دیگر این فضای مشترک را ایجاد می کند. از سوی دیگر درهم تنیدگی معنایی، زیربنای اکتشاف دانش و استخراج مفهوم و نهایتا هوشمندی مصنوعی را فراهم می کند.

بصری سازی دانش (Knowledge Visualization)

تبادل هر دو نوع دانش ضمنی (که به سختی قابل بیان است) و دانش آشکار (که به سادگی قابل ساختاردهی است) بین افراد، در یک فضای فیزیکی مشترک، شکل بهینه به خود می گیرد. رای ون این امکان را فراهم می کند که معانی و مفاهیم پرورش یابند؛ پیش نیازی که به عنوان زیربنای خلق دانش مطرح می شود. در این شرایط، فضای مشترک بین افراد به یک سری "چارچوب های تفسیری" قابل اطلاق است که از خود دانشی که به اشتراک گذاشته شده است سرچشمه می گیرد. این فضای مشترک می تواند شامل فعالیت های مشترک حول حوزه های دانش یا اشیاء دانش، روابط اجتماعی بین کارکنان سازمان، خود حوزه های دانش، زمینه های کاری و مهارت های مرتبط و همچنین مستندات مرتبط باشد. بصری سازی چنین روابطی گام مهمی در عملیاتی کردن یک فضای مشترک دانشی سایبر است که می تواند کیفیت تبادل دانش را در یک سازمان بهبود بخشد. به این ترتیب، بصری سازی روابط بین موجودیت های دانش، می تواند از خلق و به اشتراک گذاری دانش پشتیبانی نماید. روابط بین افراد، حوزه های دانش و اشیاء دانش (همان در هم تنیدگی معنایی) بخش مهمی از مدل سازی این فضای اشتراکی را در بر می گیرد، زیرا در اصل، این روابط هستند که چگونگی و ابعاد دانش و تعاملات درونی یک سازمان را به صورت واقعی توصیف می کنند.

سیستم های مدیریت دانش می توانند شامل موجودیت های مختلفی در سطح کلان باشند: عناوین یا همان حوزه های دانش سازمان، فرایندها/فعالیتها، مستندات و افراد و ...

سیستم ها و استراتژی های مختلف اهمیت متفاوتی برای این موجودیت ها قایل هستند. در میان انواع سیستم های مدیریت دانش، سیستم های مبتنی بر گراف، روابط درونی بین این موجودیت ها را مدل سازی کرده و نمایش می دهند و حتی از تحلیل آن ها استنتاجاتی به دست می دهند. سیستم های مبتنی بر گراف، شامل گره ها و کمان های بین آن ها هستند. به وسیله بازنمایی دانش توسط سیستم های مبتنی بر گراف، با بصری سازی روابط معنایی بین موجودیت های مدیریت دانش، می توان دانش موجود در حوزه های دانش پیچیده را کسب کرد.

اطلاعات کاملتر در مورد رای ون

• رای ون، قدرت بلامنازع نرم افزاری مدیریت دانش در ایران / راهکاری جهانی، حرفه ای و متفاوت

اقدام عجیب اینوتکس ایران در انتشار کد منبع نسخه های پیشین رای ون

شرکت اینوتکس ایران از ابتدای آبان 1391 در بخش سیر تحول رای ون در سایت این نرم افزار اقدام به انتشار کد منبع یکسال پیش این نرم افزار نموده است. این شرکت ادعا می کند نرخ سریع نوآوری و توسعه این سیستم و تفاوت زیادی که این نرم افزار با دیگر نرم افزارهای همین موضوع دارد موجب شده نسخه 14 ماه پیش خود را به صورت کامل و رایگان در اختیار سازمان ها و حتی شرکت های رقیب قرار دهد.

منابع

• سید محمد جواد جلالی و فاطمه افرازه و نوید نظافتی، طراحی و به کارگیری نرم افزار سیستم جامع مدیریت دانش (مطالعه موردی در وزارت راه و ترابری جمهوری اسلامی ایران)، پنجمین کنفرانس بین¬المللی مهندسی صنایع
• فضل الله زارع پور، معرفی سیستم مدیریت دانش، آبان ۸۷،
• آرام اسدزاده و ملیحه جلالیان، مدیریت دانش
• استوارت فرگوسن و جان وکرت، سیستم‌های مدیریت دانش و جستجو برای تمامیت، مترجم افسانه حاضری و مریم صراف زاده، مجله الکترونیکی نما، شماره ۳، دوره ۵، ۱۳۸۵
• مهدی یاوری، مدیریت دانش در شرکت‌های دیجیتالی