ابزارهای استخراج دانش در آغاز عصر دانش و تحول هوشمند!

آقای مرتضی حسنی کارشناس ارشد مدیریت دانش    مرتضی حسنی
   کارشناس ارشد مدیریت دانش
  

تاریخ انتشار:
1400/3/12
برخی مدیران دانش بر این باورند که دانش تنها توسط کارکنان سازمان تولید شده و با روش‌هایی چون مصاحبه یا انجمن خبرگی، قابل استخراج است. از این رو تلاش سازمان بر آموزش و ارتقاء فرهنگ تبادل دانش متمرکز شده و می‌کوشد با طراحی نظام‌های پاداش و انگیزش، افراد را به ثبت و انتشار تجارب خود ترغیب کند. همین موضوع مقدمه‌ای است برای غفلت از ابزارهای استخراج دانش

روش‌های نوین استخراج دانش

نهادینه ساختن فرآیندهای مدیریت دانش و توجه به درس‌آموخته‌های کارکنان به ‌منظور حفظ منابع دانشی و بقای سازمان، ضرورتی انکار ناپذیر است اما با توسعه دانش محاسبات نرم و علوم داده، روش‌هایی برای استخراج دانش پدید آمده است که در آن تمایل و تعامل افراد شرط نبوده و دانش سازمانی با تحلیل رفتار و انواع داده‌های ثبت شده، استخراج و در راستای استراتژی سازمان به‌کار گرفته می‌شود. 

مثالی از تحول هوشمند ابزارهای استخراج دانش در ژاپن

به عنوان نمونه‌ای از تحول ابزارهای استخراج دانش، در ژاپن غربالگری کرونا با تحلیل الگوی جستجوی اینترنتی کاربران و استخراج اطلاعات مکانی آن‌ها از طریق دستگاه‌های تلفن همراه، انجام می‌شود. با این شیوه ضمن کشف موارد مشکوک به کرونا حتی با علائم ضعیف، خوشه‌های انتشار بیماری نیز شناسایی شده است. 
در این مدل، غربالگری از طریق تحلیل الگوی رفتار مجازی کاربران و بدون اتکا به تماس تلفنی، تکمیل پرسشنامه و یا مراجعه به مراکز درمانی انجام شده و کارآمدی خود را به اثبات رسانده است.
یکی از مسائل مطرح جامعه پزشکی در دوران کرونا، استخراج و انتقال دانش تشخیص عفونت‌های کرونایی برمبنای تصاویر رادیوگرافی است. چراکه بدست آوردن نتایج تست‌های (RT-PCR) زمان‌بر بوده و میزان موفقیت آن‌ها حدود 70 درصد برآورد می‌شود؛ از طرفی کیت‌های آزمایشی در تمام مناطق و به تعداد کافی در دسترس نیست.
لذا استخراج و انتقال دانش تشخیص کرونا بر مبنای رادیوگرافی قفسه سینه به پزشکان عمومی، پرستاران و متخصصان بهداشت خصوصا در مناطق روستایی اهمیت ویژه‌ای دارد. به همین منظور با بهره‌گیری از راهکارهای هوش مصنوعی، مطالعاتی در راستای کاهش وابستگی به کیت‌های آزمایشی انجام شده است.
 Md Manjurul Ahsan و همکارانش، از روش غربالگری مبتنی بر رادیوگرافی قفسه سینه (اشعه ایکس) استفاده کرده و توانسته‌اند هوش مصنوعی را با دقت 93.94٪ جایگزین تشخیص انسانی کنند. با این رویکرد، هوش مصنوعی می‌تواند به پزشکان و پرستارانی کم‌تجربه در زمینه تشخیص عفونت‌های کرونایی کمک کند تا بر مبنای رادیوگرافی قفسه سینه این بیماری را با دقت بالا تشخیص دهند. 

استفاده از دانش در مسیریاب‌های اینترنتی!

امروزه استفاده از مسیریاب‌های اینترنتی به عادت روزمره رانندگان و مسافران تبدیل شده است. به گونه‌ای که حتی در مسیرهای آشنا برای فرار از ترافیک و زودتر رسیدن به راهنمایی این نرم‌افزارها نیاز داریم. 
اما چگونه مسیریاب در شرایط متنوع آب و هوایی و در روزها و ساعت‌های مختلف، ترافیک مسیر شما را به درستی تشخیص می‌دهد؟ آیا تا به حال در هیچ یک از این نرم‌افزارها گزارش ترافیک ثبت کرده‌اید؟ اساسا با ثبت چند گزارش انسانی در سراسر جهان می‌توان چنین برآورد دقیقی از ترافیک مسیرهای اصلی و فرعی ارائه داد؟
اغلب مسیریاب‌ها برآورد خود را بر مبنای دو نوع داده شامل اطلاعات پیشین و متوسط زمان پیمایش هر مسیر در روزها و زمان‌های خاص به همراه اطلاعات سرعت حرکت ماشین‌ها محاسبه می‌کنند. در این یادگیری عظیم هیچ مصاحبه یا پرسشنامه‌ای وجود نداشته و کاربران بدون آنکه متوجه باشند از طریق دستگاه‌های تلفن هوشمند، تجربه سفر خود را با دیگران به اشتراک می‌گذارند. 

فرصت‌های استخراج دانش را در محیط کسب‌وکار خود بیابید

در محیط کار شما نیز مجموعه‎‌های متنوعی از داده‌ وجود دارد که دانش کلیدی کسب‌وکارتان را در خود پنهان کرده است. به منظور استخراج این دانش‌ نهفته با داده‌هایی نیمه ساخت یافته و گاها بدون ساختار مواجه هستید. شناسایی و تحلیل این داده‌ها به منظور استخراج دانش، نیازمند راهکاری متناسب با ویژگی‌های کسب‌وکار شماست که توسط مهندسان دانش ارائه می‌شود. 
مهندسی دانش شاخه‌ای از علوم کامپیوتر است که دانش کلیدی و نهفته کسب و کار شما را استخراج کرده و تحت عنوان سیستم پشتیبان تصمیم برای استفاده در اختیارتان قرار می‌دهد. 
امروزه با گذر از «عصر اطلاعات» و تمرکز سیستم‌ها بر استخراج دانش از داده‌ها، «عصر دانش» آغاز شده و با رواج اینترنت اشیاء تحولی عظیم در راه است. تعداد زیاد دستگاه‌های کوچک و ارزان با قابلیت سنجش، به یک منبع اطلاعاتی منحصر به فرد تبدیل شده و برای بهبود و بهینه‌سازی سیستم‌های مختلف، از اتوماسیون خانگی در مقیاس کوچک گرفته تا برنامه‌های بزرگی مانند نظارت بر کشاورزی ، تجارت و ... ، مورد استفاده قرار می‌گیرد. 

آینده و داده‌های بدون ساختار

بر اساس مطالعه [گانتز ، 2011] ، داده‌های بدون ساختار 90٪ کل داده‌های ایجاد شده در دهه آینده را تشکیل می‌دهند. این داده‌ها به عنوان یک منبع دانشی جدید و نسبتاً استفاده نشده، قادر به تعیین روابط و الگوهای مهمی هستند که شناخت و تشخیص آن‌ها بدون استفاده از ابزارهای هوش مصنوعی دشوار یا غیرممکن است.
همان‌طور که گفته شد برای همراه شدن با این تحول تکنولوژیک در حوزه مدیریت دانش به فارغ التحصیلان مهندسی دانش، محاسبات نرم و علوم داده احتیاج دارید. به منظور آشنایی بیشتر با این رشته‌ها، به سراغ آقای دکتر کیوان برنا مدیر گروه علوم‌کامپیوتر در دانشگاه خوارزمی رفتیم.
ایشان ضمن معرفی «علوم تصمیم و مهندسی دانش» به عنوان یکی از گرایش‌های اصلی رشته علوم‌کامپیوتر، چالش اصلی دانش‌آموختگان این رشته‌ها را عدم آشنایی مدیران صنایع و بی‌توجهی مشاوران حوزه مدیریت دانش به انفجار داده در عصر حاضر دانست. مشروح این گفتگو از زبان کیوان برنا به قرار زیر است:

گفتگو با آقای دکتر کیوان برنا

گرایش علوم تصمیم و مهندسی دانش ترکیبی از آمار و احتمال، بهینه‌سازی، الگوریتم و داده‌کاوی است. این رشته ارتباط تنگاتنگی با هوش مصنوعی داشته و می‌توان آن را شاخه‌ای از محاسبات نرم به حساب آورد. ویژگی اصلی این رشته حل مسائل واقعی با تاکید بر جزئیات مفهومی و روش‌های الگوریتمی بوده و استفاده از روش‌های ریاضی و آماری در مدل‌سازی، آن را از سایر رشته‌ها متمایز کرده است.
از دروس این رشته می‌توان به یادگیری ماشین، شبکه‌های عصبی، تصمیم‌گیری با معیارهای چندگانه، تصمیم‌گیری فازی، نظریه بازی‌ها، اطلاعات و عدم قطعیت، داده‌کاوی، متن‌کاوی، احتمال و آمار فازی اشاره کرد.
البته محتوا و کارکردهای این گرایش با هوش مصنوعی تفاوت قابل ملاحظه‌ای دارد؛ علوم تصمیم و مهندسی دانش با استفاده از تکنیک‌های آماری مختلف، بهینه سازی، یادگیری ماشین، داده کاوی و الگوریتم‌های کامپیوتری متنوع در صدد یافتن الگوهای پنهان در داده‌ها و طراحی سیستم‌های تصمیم‌یار است. در حالی که هوش مصنوعی انتقال استدلال به مدل داده و تقلید از شناخت و درک انسان را پیگیری می‌کند. 
با استفاده از هوش مصنوعی قادر به ساخت ماشین‌هایی خواهیم بود که ضمن نقش آفرینی در ایجاد استراتژی و انجام کارها بتوانند در شرایط نامشخص فکر کنند و به راه‌حل‌های نوآورانه، خلاقانه و غیر قراردادی دست‌یابند. همچنین تعداد بسیار زیاد ابزارهای موجود در علوم تصمیم و مهندسی دانش از دیگر مزایای این گرایش به‌شمار می‌رود.

محاسبات نرم

محاسبات نرم یکی دیگر از گرایش‌های علوم کامپیوتر است که ارتباط تنگاتنگی با گرایش مورد بحث دارد. دانش محاسبات نرم که توسط پروفسور لطفی زاده دانشمند برجسته ایرانی معرفی شده است از روش‌های فازی و غیرقطعی تشکیل می‌شود. در این روش‌ها از قطعیت «کاملا درست» و «کاملا غلط» فاصله گرفته و سنجش‌ها در بازه‌های پیوسته انجام می‌شود. 

آشنایی با داده کاوی

داده‌کاوی گرایش دیگر رشته علوم کامپیوتر است که ممکن است با علوم داده اشتباه گرفته شود. داده‌کاوی به معنی استخراج اطلاعات ارزشمند از حجم گسترده بانک‌های داده به منظور شناسایی الگوها است. در حالی که علوم داده یک رشته مطالعاتی است که شامل آنالیز داده‌های حجیم، داده کاوی، پیش بینی مدل، مصورسازی داده‌ها، ریاضیات و آمار است. 
بنابراین می‌توان داده‌کاوی را به عنوان بخشی از علوم‌داده در نظر گرفت. علوم داده در سر فصل جدید وزارت علوم زیر مجموعه ریاضی کاربردی قرار گرفته و جنبه‌های آماری و احتمالی پر رنگی دارد. دانشمندان این رشته به فرآیندهای یادگیری با عدم قطعیت در محیط‌های همراه با نویز و روش‌های آشوب و بی‌نظمی (آنتروپی) می‌پردازند. 
در کسب‌وکارها و صنایع مختلف داده‌های بسیاری به صورت روزمره تولید می‌شود که استفاده از آن‌ها به منظور استخراج اطلاعات و دانش بسیار حائز اهمیت است. با مدل‌سازی و پردازش داده‌های موجود امکان ابراز نظر در رابطه با داده‌های جدید و تصمیم‌گیری بر اساس آن‌ها فراهم خواهد شد. در این بین تکنیک استفاده شده جهت آموختن از داده‌ها نقش کلیدی و تعیین کننده‌ای دارد.
فارغ‌التحصیلان علوم تصمیم و مهندسی دانش توان طراحی و تولید مدل با پاسخگویی بالا را دارند و می‌توانند به منظور یافتن الگوهای پنهان در داده‌ها و طراحی سیستم‌های تصمیم‌یار درکنار شرکت‌های مختلف قرار گرفته و ضمن شناسایی انواع داده‌های تولید شده، با ترکیب روش‌های آماری و هوش مصنوعی، مدل بهینه استخراج دانش را در راستای بهبود تصمیمات آتی ارائه دهند. البته در شرایط کنونی صاحبان صنایع شناخت و توجه کافی نسبت به این مقوله نداشته و داده‌های کسب‌وکار خود را محرمانه تلقی می‌کنند. در نتیجه ظرفیت‌های این رشته و دیگر رشته‌های مرتبط با علوم‌داده و محاسبات نرم به درستی در داخل کشور فعال نشده است.

منابع:
•    Hisada, S., Murayama, T., Tsubouchi, K. et al. Surveillance of early stage COVID-19 clusters using search query logs and mobile device-based location information. Sci Rep 10, 18680 (2020).
  https://doi.org/10.1038/s41598-020-75771-6
•    Ahsan, M.M.; Gupta, K.D.; Islam, M.M.; Sen, S.; Rahman, M.L.; Shakhawat Hossain, M. COVID-19 Symptoms Detection Based on NasNetMobile with Explainable AI Using Various Imaging Modalities. Mach. Learn. Knowl. Extr. 2020, 2, 490-504. 
https://www.mdpi.com/2504-4990/2/4/27
•    Antunes, Mário. (2018). Knowledge extraction from semi-structured sources. 10.13140/RG.2.2.25430.70726.
https://www.researchgate.net/publication/331114192_Knowledge_extraction_from_semi-structured_sources
 

به روز باشید

شناسایی چالش‌ها و فرصت‌ها در مدیریت دانش اولین قدم پیاده‌سازی مدیریت دانش-mta.co.ir

شناسایی چالش‌ها و فرصت‌ها؛ اولین قدم در ...

شناسایی چالش‌ها و فرصت‌ها؛ اولین قدم در پیاده‌سازی مدیریت دانش

اشتراک دانش و راه های تشویق افراد به اشتراک دانش

5 راهکار موثر برای تشویق افراد به اشتراک ...

5 راهکار موثر برای تشویق افراد به اشتراک دانش

ابزارهای استخراج دانش با تحولی عظیم روبرو شدند

ابزارهای استخراج دانش در آغاز عصر دانش و ...

ابزارهای استخراج دانش در آغاز عصر دانش و تحول هوشمند!

چارچوب APO در مدیریت دانش چیست؟ روش‌های اجرا و چگونگی آن ... - mta.co.ir

چارچوب APO در مدیریت دانش؛ از مبانی تا ا ...

چارچوب APO در مدیریت دانش؛ از مبانی تا اجرا

پیشنهادات رهبران مدیریت دانش برای سال 2021 که سال خاصی از نظر بحران کرونا و....

مهمترین پیشنهادات رهبران مدیریت دانش برا ...

مهمترین پیشنهادات رهبران مدیریت دانش برای سال ۲۰۲۱

بازی سازی در سازمان با هدف اشتراک دانش بیشتر

چگونه بازی‌سازی استراتژی اشتراک دانش شما ...

چگونه بازی‌سازی استراتژی اشتراک دانش شما را بهبود می‌بخشد؟

عوامل مهم شکست پروژه‌های مدیریت دانش با بررسی 9 شرکت بزرگ!

عوامل مهم شکست پروژه‌های مدیریت دانش با ...

عوامل مهم شکست پروژه‌های مدیریت دانش با بررسی 9 شرکت بزرگ!

تسهیم دانش را فراموش و جستجوی دانش را تشویق کنید.

تسهیم دانش را فراموش و جستجوی دانش را تش ...

تسهیم دانش را فراموش و جستجوی دانش را تشویق کنید.

طرح مستندسازی تجارب مدیریتی خبرگان شرکت ساتکاب

طرح مستندسازی تجارب مدیریتی خبرگان شرکت ...

طرح مستندسازی تجارب مدیریتی خبرگان شرکت ساتکاب

مهندس طاهری- صنایع یاس ارغوانی

مهندس طاهری- صنایع یاس ارغوانی

نظام جامع مدیریت دانش با همکاری سازنده و تعهد کاری مجموعه مشاوران توسعه آینده توسط شرکت مهندسی صنایع یاس ارغوانی در مدیریت امور فناوری اطلاعات بانک ملت، با موفقیت پیاده‌سازی شد.
با عنایت به این موضوع که استفاده افراد از فرآیندها و ابزارهای مدیریت دانش و مشارکت در این مهم کاملاً امری فرهنگی است؛ کماکان جهت مشارکت حداکثری همکاران و اثربخش‌سازی دانش‌ها و تجارب اشتراک‌گذاری‌شده در ابتدای مسیر هستیم. همچنین امیدواریم با همکاری و رهنمودهای ارزنده تیم مشاوران توسعه آینده به موفقیت کامل در این مسیر نائل آییم

 

مهندس اقتداریان- شرکت پتروشيمی رازی

مهندس اقتداریان- شرکت پتروشيمی رازی

مشاوران توسعه آینده به‌عنوان اولین شرکت ایرانی که از سال ۱۳۸3 در حوزه مدیریت دانش فعالیت داشته، توانسته است با بکارگیری روش‌های نوین و به‌روزآوری شیوه‌های کاری در صنایع بزرگ کشور ایفای نقش نماید. این نقش آفرینی با کشف، استخراج و غنی‌سازی دانش سازمانی و بهبود روش‌های انجام کار، به شکل چشم‌گیری در طیف وسیعی از مشتریان منجر به کاهش دوباره‌کاری‌ها، افزایش مزیت رقابتی و تاب‌آوری آن‌ها در فضای کسب‌و‌کار شده است.

مهندس صدری- شرکت ملی گاز ایران

مهندس صدری- شرکت ملی گاز ایران

جمع‌آوری قریب به 1500 بسته دانشی ارزشمند از 50 مدیر ارشد و خبره شرکت ملی گاز ایران ،کاری دشوار اما کم نظیر بود که تیم اجرایی و کارشناسان به خوبی از عهده آن بر آمدند.

مهندس شریف زاده- شهرداری منطقه 10

مهندس شریف زاده- شهرداری منطقه 10

در سال ۱۳۹۱ به همت اداره آموزش شهرداری منطقه ۱۰ تهران، سیستم مدیریت دانش شهرداری منظقه ۱۰ راه‌اندازی شد. با همکاری شرکت مشاوران توسعه آینده مراحل شناخت، SWOT، شناسایی فیلدهای دانشی شهرداری، مصاحبه با خبرگان و... انجام پذیرفت و در نهایت با نصب نرم‌افزار مدیریت دانش، سامانه شهرداری منطقه ۱۰ راه‌اندازی شد. شهرداری منطقه ۱۰ تهران اولین شهرداری در سراسر کشور است که دارای این سامانه بوده و به‌طور فعالانه نسبت به استخراج و اشتراک دانش کارکنانش اقدام می‌نماید.  توسعه مشارکت عمومی کارکنان در فرآیندهای سازمانی، توسعه یادگیری در سطح کارکنان، پرهیز از دوباره‌کاری، کاهش هزینه‌ها و... بخشی از ثمرات راه‌اندازی این سیستم می‌باشد.

دکتر جعفرپور- مدیر دانش اسبق وزارت راه و ترابری

دکتر جعفرپور- مدیر دانش اسبق وزارت راه و ترابری

آینده شرکت مشاوران توسعه آینده در حوزه مدیریت دانش بسیار درخشان است. این شرکت آغازگر خوبی برای مدیریت دانش در ایران بوده است.

دکتر فلاح کهن- مسئول مدیریت دانش سازمان راهداری و حمل و نقل جاده‌ای

دکتر فلاح کهن- مسئول مدیریت دانش سازمان راهداری و حمل و نقل جاده‌ای


کادر مجرب و دانش آموخته شرکت مشاوران توسعه آینده با پیاده‌سازی سیستم مدیریت دانش و استقرار نرم‌افزار مرتبط به همراه ارائه بیش از ۱۶۰۰ نفر ساعت آموزش و ثبت ۱۸۰ بسته دانشی گامی بلند در جهت دستیابی به اهداف دانشی و ارتقاء بینش کارکنان سازمان برداشته است.
 

مهندس تهرانخواه- هلدینگ کشاورزی پارس

مهندس تهرانخواه- هلدینگ کشاورزی پارس

شرکت گسترش کشاورزی و دامپروری فردوس پارس با همکاری شرکت مشاوران توسعه آینده، توانست ضمن جمع‌آوری تجربیات مربوط به "طراحی و ساخت گلخانه‌ها" بستر نرم‌افزاری مناسبی را برای درج تجربیات جدید طراحی گلخانه‌ها ایجاد و مورد بهره‌برداری قرار دهد.

دکتر لطیفی- شرکت مادر تخصصی مدیریت ساخت و تهیه کالای آب و برق (ساتکاب)

دکتر لطیفی- شرکت مادر تخصصی مدیریت ساخت و تهیه کالای آب و برق (ساتکاب)

به دنبال گسترش فعالیت‌های شرکت ساتکاب، ایجاد بانک دانشی و آشنایی افراد با تکنیک‌های مدیریت دانش امری الزامی محسوب می‌شد که شرکت مشاوران توسعه آینده با ارائه خدمات تخصصی در این حوزه توانست ما را در این امر یاری کند.

هلدينگ میدکو

هلدینگ میدکو از اوایل دهه نود توسعه مدیریت دانش را با همکاری مشاوران توسعه آینده آغاز نمود. اجرای مدیریت دانش در میدکو با یک پروژه پایلوت در سطح ستاد آغاز شد و به سرعت در شرکت های زیرمجموعه توسعه پیدا...

شهرداری منطقه 10

امروزه گسترش فعالیت‌ها، تنوع و تعدد نیازهای زندگی شهری، فرصت اشتباه و اختراع دوباره چرخ را از سازمان‌های خدماتی گرفته است. هزینه تولید دوباره دانش و ریسک از دست دادن آن افزایش یافته و مدیریت...

پالایش نفت تهران

شرکت پالایش نفت تهران به عنوان یکی از بزرگترین و قدیمی‌ترین پالایشگاه‌های کشور از سال ۱۳۸۷ سفر مدیریت دانشی خود را با مشاوران توسعه آینده آغاز نمود. در آن سال‌ها بسیاری در مورد کارایی ا...

صنایع مس شهید باهنر

عدم مشارکت نیروی انسانی در فعالیت‌های مدیریت دانش به عنوان یکی از چالش‌های سازمانی شناخته شده است. لذا بسیاری از سازمان‌های کشور به هنگام پیاده‌سازی مدیریت دانش در سازمان خود با ای...