01_Znanje i Upravljanje Znanjem-FON

8/16/2019 01_Znanje i Upravljanje Znanjem-FON

1/76

Informacioni sistemi za

upravljanje znanjem

FON - Master studije

Odsek: Informacioni sistemi i tehnologije

Prof. Dragana Beĉejski-VujaklijaProf. Boris Delibašić


2/76

“Sposobnost kompanije da uči

i da naučeno pretvori u akciju,

predstavlja najveću prednost

koju ona može da poseduje.“

J.Welch


3/76

3

Program kursa

1. Pojam i vrste znanja, osnovni sistemi menadžmentaznanjem IS za upravljanje znanjem – prof. D. Beĉejski-Vujaklija

2. Model znanja, Aktivne baze, Objektni tipovi – SrĊa

Bejladinović 3. Upravljanje znanjem i Poslovna inteligencija, Big Data

i upravljanje znanjem – Milan Vukićević

4. ERP i upravljanje znanjem – prof. D. Beĉejski-Vujaklija, Softver za upravljanje znanjem – Ana Pajić

5. Priprema za seminarski rad – prof. B. Delibašić, prof.D. Beĉejski-Vujakllija, Radionica – A. Pajić


4/76

4

Predispitne obaveze i ispit

Obavezan seminarski rad – istraživanje literature iz jedne oblasti predmeta – tip seminarskog: Studija sluĉaja, Prikaz metode,

Prikaz sw.

– tema i struktura rada moraju biti odobreni od stranenastavnika

Prisustvo na >10 ĉasova nastave oslobaĊastudente usmenog ispita

Detaljnija uputstva o seminarskom radu i izboroblasti biće dati poslednjeg dana kursa.


5/76

5

Kontakt

[email protected],

[email protected]

[email protected],

[email protected] , [email protected]

sajt predmeta: http://poslis.fon.rs Posebna stranica za predmet ISUZ

Master studije - Najnovija obaveštenja

mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]://poslis.fon.rs/http://poslis.fon.rs/mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]


6/76

6

Definicija

Znanje predstavlja razumevanje odreĊeneoblasti, koja u sebi sadrži potencijal za

njenu praktiĉnu primenu.


7/76

7

Hijerarhija znanja

podaci

informacije

znanje

inteligencija

Mudrost

PrevoĊenje usmisaone celine

Povezivanje informacija

Pravljenje pravih izbora

Rad sa vrednostima


8/76

8

Vrste znanja Implicitno (tacitno) znanje je liĉno, neformalno,

nedokumentovano znanje i ĉine ga veštine, prosuĊivanjei intuicija koju ljudi poseduju i koju ne mogu jednostavnoobjasniti i predstaviti, a zasnovano je na liĉnomobrazovanju i steĉenom iskustvu.

Eksplicitno znanje je po svojoj prirodi jasno, formalno,sistematsko, lako za komunikaciju i prenošenje.

Procesom eksternalizacije možemo transformisati tacitno znanje ueksplicitne forme (reĉi, koncepte, slike, grafove, tabele). Ovaj proceszovemo i formalizacija.

Eksplicitno znanje možemo transformisati u tacitno procesominternalizacije*

*Internalizacija je pojam koji oznaĉava prenošenje izvesnih spoljašnjih normi, standarda,odnosa i akcija na unutrašnji, mentalni plan, koji se tako doživljavaju kao vlastiti


9/76

9

Podele znanja (1)

Znanje može biti posmatrano kao subjektivno iliobjektivno. Subjektivno znanje delimo na:

individualno, kada se posmatra kao stanje uma

distribuirano po ĉlanovima grupe kroz praksu.

Objektivno znanje se posmatra: kao objekat (istinsko verovanje)

kao pristup informacijama (kako pristupiti i koristiti informacije)

kao sposobnost (strateška sposobnost koja može biti primenjena zadobijanje kompetitivne prednosti)


10/76

10

Podele znanja (2) Proceduralno (izraženo kao niz koraka ili akcija za

dobijanje rezultata) – odgovori na pitanja KAKO Deklarativno (vezano izmeĊu varijabli) - odgovori na

pitanja ZAŠTO

Opšte (generalno) koje ima veliki broj individua i lako seprenosi izmeĊu njih,

Specifiĉno koje poseduje vrlo ograniĉen broj individua injegovo prenošenje je skupo. Ovo znanje možemo

podeliti na : tehničko, koje predstavlja veliko znanje o specifiĉnom

podruĉju kontekstualno znanje, koje se odnosi na specifiĉan

kontekst (vreme, prostor u kome se vrši neki rad).


11/76

11

Podele znanja (3) Makroskopsko - nejasno, neodreĊeno, bez detalja,

neizraženih ciljeva i ograniĉenja, suštinskiinterdisciplinarno, kvalitativno i sugestivno, dopušta sekontradiktornost u konceptima i referencama, fleksibilno i

adaptibilno na promene okoline i njena evolucijska pravila.

Mikroskopsko znanje - solidno, ĉvrsto, precizno i taĉno,fokusirano na jednu oblast u kojoj gotovo nema

kontradikcija, ĉesto za osobe sa iskustvom „oĉigledno”.


12/76

12

Vrste znanja

1. n2

PROCEDURAL

---------------------------

---------------------------

---------------------------

---------------------------

---------------------------

------------------------------------------------------

---------------------------

DESCRIPTIVE SEMANTIC

1. Problem

2. Solution

1. Problem

2. Solution

1. Problem

2. Solution

1. Problem

2. Solution

1. Problem

2. Solution

EPISODIC

PROCEDURALNO DESKRIPTIVNO SEMANTIČKO

EPIZODNO


13/76

13

Pristup deljenju znanja u

organizaciji – kodifikacija Kodifikacija oznaĉava proces standardizacije i

kreiranja pravila.

Ovim pristupom znanje se prikuplja,sistematizuje i deli kroz organizaciju.

Glavna prednost je u mogućnosti ponovnogkorišćenja znanja.

Glavna karakteristika je u ĉvrstoj povezanosti sainformacionim tehnologijama.


14/76

14

Pristup deljenju znanja u

organizaciji – personalizacija Izgradnja mreža koje povezuju zaposlene kako

bi se omogućilo deljenje tacitnog znanja.

Ovaj pristup ne zahteva veliko ulaganje u IT Akcenat je na dijalogu izmeĊu osoblja, a ne na

znanju u bazama podataka

Gajenje kulture deljenja znanja kroz organizaciju

Primer: help desk


15/76

15

Pitanja

pri izboru pristupa deljenju znanja Da li preduzeće nudi standardizovane ili

prilagodljive (kastomizovane) proizvode?

Da li preduzeće nudi zreo ili inovativni proizvod?

Da li se zaposleni u preduzeću oslanjaju

na eksplicitno ili tacitno znanje?


16/76

16

Prepreke u deljenju znanja u

organizaciji (1) ĉlanovi organizacije se nagraĊuju za ono što

znaju, a ne za ono što podele s drugima.

nepoverenja da će primalac znanja razumeti i naodgovarajući naĉin upotrebiti dobijeno znanje,kao i nepoverenje primaoca znanja u istinitost,

verodostojnost znanja

organizaciona kultura koja istiĉe individualnugenijalnost može ometati deljenje znanja


17/76

17

Prepreke u deljenju znanja u

organizaciji (2) Organizaciona kultura 80%

Nedostatak vlasništva nad organizacijom 64%

Nedostatak IT tehnologije 55% Nestandardizovani procesi 54%

Organizaciona struktura 53%

Podrška top menadžmenta 46% Nagrade i priznanja 46%

Stankosky, 2005


18/76

PRIMER:

Kuvamo puding!


19/76

19

Рецепт за пудинг(Процедурално знање)

Припремите 0,5 л млека. Одмерите 1длхладног млека, додајте садржај кесице и

мешајте док маса не постане глатка.Преосталу количину млека засладите са три

кашике шећера и загрејте до кључања.Склоните са ватре, умешајте припремљену

масу и кувајте два минута уз непрестано

мешање. Врелу масу сипајте у влажне посудеи оставите да се пудинг стегне и охлади.

http://images.google.co.uk/imgres?imgurl=http://homepage.mac.com/hellbind/.Public/Puding%2520back.jpg&imgrefurl=http://americancaesar.blogspot.com/2006/06/puding.html&usg=__DKTlWZRlISBTppC2N17WKQK6yBk=&h=576&w=432&sz=222&hl=en&start=5&um=1&itbs=1&tbnid=Xw33FkAB7xAGCM:&tbnh=134&tbnw=101&prev=/images%3Fq%3Dpuding%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1http://images.google.co.uk/imgres?imgurl=http://homepage.mac.com/hellbind/.Public/Puding%2520front.jpg&imgrefurl=http://americancaesar.blogspot.com/2006/06/puding.html&usg=__bv6KO5JaiCsjC4mlgL2H40Yq5hU=&h=596&w=432&sz=178&hl=en&start=1&um=1&itbs=1&tbnid=gPj0Mta-ReHmlM:&tbnh=135&tbnw=98&prev=/images%3Fq%3Dpuding%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1


20/76

20

Рецепт за пудинг(Дескриптивно знање)

Маса је глатка када је смеса за пудингразложена у маси млека, тј. када је

растопљена и не постоје грануле. Мешањеприпремљене масе са млеком значи да

растворену масу пудинга у хладном млекутреба мешати у топлом млеку, док смеса непостане јединствена. Врела маса се сипа у

влажне посуде да се пудинг не би залепио заивице посуде у коју се сипа.

http://images.google.co.uk/imgres?imgurl=http://img1.loadtr.com/b-292114-%C3%A7ilekli_puding.jpg&imgrefurl=http://www.loadtr.com/292114-%25C3%25A7ilekli_puding.htm&usg=__hZ1zFz589gdelFgdrmyq2QOtCyw=&h=472&w=500&sz=66&hl=en&start=37&um=1&itbs=1&tbnid=4vflY7751wFvbM:&tbnh=123&tbnw=130&prev=/images%3Fq%3Dpuding%26start%3D20%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1


21/76

21

Рецепт за пудинг

(Семантичко знање)Постоји веза између ефикасности мешањамлека и температуре млека. Прах се боље

раствара у хладном млеку.Постоји веза између ефикасности кувања масе

пудинга и температуре млека. Маса за пудингсе боље кува у већ топлом млеку.

Постоји веза између влажности посуда илепљења пудинга за зид.

http://images.google.co.uk/imgres?imgurl=http://img03.blogcu.com/images/a/c/i/acitatlituzlu/puding_b_1241593129.jpg&imgrefurl=http://acitatlituzlu.blogcu.com/kakaolu-puding/5467981&usg=__2lss9CCuWfeno7CQh7gGrZbxOzQ=&h=300&w=400&sz=71&hl=en&start=48&um=1&itbs=1&tbnid=Sb_25nNIadikyM:&tbnh=93&tbnw=124&prev=/images%3Fq%3Dpuding%26start%3D40%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1


22/76

22

Рецепт за пудинг(Епизодно знање)

1. Подели у делове Проблем : Прах за пудинг не може се растварати у топлом млеку. Пудингмаса не може се кувати у хладном млеку. Решење : Подели млеко на два дели, топли и хладни.2. Корак по корак

Проблем : Ако се цео прах стави одједном у млеко не може се добропромешати. Досадно је стављати мале количине у млеко.Решење : Одредити количине које могу једноставно да се помешају сапудингом. 3. Направи прелаз Проблем : Пудинг не може да се кува у хладном млеку. Ако се топла и

хладна маса споје одједном, могуће је да ће настати грудвице. Решење : Додати мало топлог млека у хладно млеко да би насталоприлагођавање. После ставити целу масу за пудинг у топло млеко. 4. Подели у порције Проблем : Пудинг ће се стегнути ако се оставити да се хлади у шерпи.Решење: Поделити топао пудинг у мање посуде.

http://images.google.co.uk/imgres?imgurl=http://us.123rf.com/400wm/400/400/BVDC/BVDC0709/BVDC070900126/1736729.jpg&imgrefurl=http://www.123rf.com/photo_1736729.html&usg=__QP-yPE3g5J4XZ9vmU3t2GXJ9lBI=&h=268&w=400&sz=20&hl=en&start=93&um=1&itbs=1&tbnid=J7fVUrBqv0f8yM:&tbnh=83&tbnw=124&prev=/images%3Fq%3Dpuding%26start%3D80%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1


23/76

23

Рецепт за пудинг

(Процедурално знање)Одмерити 0,5l млека. Поделити млеко на два дела.

Један део загрејати.Додавати прах постепено у хладно млеко. Пре него што

се дода наредна кашика, будите сигурни да се прахспојио са млеком. Додати 3 мале кашике шећера у топло млеко и

загрејати до кључања. Додати малу количину топлогмлека у хладну масу да би се направио прелаз.

Након тога целу хладну масу додати у топло млеко икувати 2 минута уз константно мешање.

Врелу масу расподелити у влажне судове, и оставитипудинг да се охлади.

http://images.google.co.uk/imgres?imgurl=http://img03.blogcu.com/images/k/e/z/kezzyy/ev_yapimi_puding_1242857473.jpg&imgrefurl=http://kezzyy.blogcu.com/&usg=__00zBZIQzYbOweMUjyAD7gXZy2Ls=&h=450&w=600&sz=40&hl=en&start=87&um=1&itbs=1&tbnid=m5dxEKbmS-sGiM:&tbnh=101&tbnw=135&prev=/images%3Fq%3Dpuding%26start%3D80%26um%3D1%26hl%3Den%26sa%3DN%26rlz%3D1T4GFRE_enRS317RS317%26ndsp%3D20%26tbs%3Disch:1


24/76

Upravljanje Znanjem

(Knowledge Management)


25/76

25

Upravljanje Znanjem

Upravljanje Znanjem predstavlja obavljanjeaktivnosti vezanih za otkrivanje, obuhvatanje,dodeljivanje i primenu znanja, na što je moguće

jeftiniji naĉin, sa ciljem da se poveća uticajznanja na postignuća neke organizacije.

Upravljanje znanjem vuĉe svoje korene iz

ekonomije, sociologije, filozofije i psihologije.


26/76

26

Intelektualni kapital

Intelektualni kapital obuhvata znanje, iskustvo,

intelektualnu svojinu (komercijalna vrednost

patenata, licenci, robnih marki) Intelektualni kapital je predstavljen znanjem

zaposlenih. Ĉesto intelektualni kapital

predstavlja 80-90% ukupne vrednosti preduzeća(primer: konsultantske kuće).


27/76

27

Osnovne osobine intelektualnog

kapitala

Prepoznavanje znaĉaja informacija zaostvarenje zadatih ciljeva organizacije

Prepoznavanje znaĉaja da je intelektualni kapitalkoristan ako se distribuira na pravilan naĉin

Prepoznavanje mogućnosti da se intelektualni

kapital izmeri i predstavi kao i bilo koji drugi vidkapitala


28/76

28

Korporativna (organizaciona) memorija

Predstavlja skup podataka, informacija i znanja

koja postoje u organizaciji i kojima mogu

pristupiti pojedinci radi uĉenja, podrške idonošenja odluka, razumevanja konteksta ilipronalaženja iskustva i struĉnosti.

Korporativna memorija je kombinacija baze

znanja, objekata i ljudi, koji su u interakciji.


29/76

29

Zadatak menadžmenta znanjem

koje su informacije potrebne (“know what”),

kako doći do informacija (“know how”),

zašto su pojedine informacije potrebne (“know why”),

gde se pojedine informacije mogu naći (“know where”),

kada su pojedine informacije potrebne (“know when”)


30/76

30

Ciklus upravljanja znanjem

Znanje

otkrivanjeobuhvatanje

prećišćavanje

skladištenje

upravljanje

širenje (diseminacija

)


31/76

31

Strategije za upravljanje znanjem

Tehnološka strategija upravljanja znanjem

Personalizacija

Socijalizacija


32/76

32

Tehnološka strategija upravljanja

znanjem Dizajnirana je za strukturiranje i kartografiju

organizacionog znanja.

Podrška ovoj strategiji su tehnologija, sistemi i baze

podataka. Fokusirana je na informacije ili eksplicitnoznanje.

Reĉ je o kodifikaciji znanja, odnosno transformacijiimplicitnog u eksplicitno znanje. Eksplicitno znanje ostajezabeleženo u bazama podataka i kao takvo spemno zaĉuvanje i korišćenje u narednom periodu, bezmogućnosti da se izgubi.


33/76

33

Personalizacija kao strategija

upravljanja znanjem Dizajnirana je za otkrivanje znanja. Ovom strategijom

znanje se usko vezuje za osobu koja ga kreira.

Organizacija se fokusira na dijalog i tehniku „licem ulice“, kako bi došla do deljenja znanja sa ostalima. Svrhaove strategije je da pomogne uĉenje preko deljenjaiskustva.

Podržava transfer implicitnog znanja sa osobe na osobu.Radi se o uĉenju postupaka rada, uĉenju odreĊenogponašanja, tehnika, radnih procesa i sliĉno.

Transfer implicitnog znanja je jedan od najtežih zadatakai podrazumeva fiziĉko prisustvo emitera i primaocaznanja, spremnost emitera da otkrije znanje i spremnosti sposobnost primaoca da apsorbuje znanje.


34/76

34

Socijalizacija kao strategija

upravljanja znanjem Ova strategija predstavlja kombinaciju

prethodne dve strategije.

Društva znanja (grupe ljudi koje ″naseljavaju″ istiprostor znanja i imaju meĊusobnu interakciju),reprezentuju socijalizaciju.

Socijalizacija kao strategija upravljanja znanjem

je dizajnirana za razmenu i udruživanje znanja.


35/76

35

Procesi upravljanja znanjem

obuhvatanje

- eksternalizacija

- internalizacija

organizacija i distribucija

• socijalizacija• razmena

primena

- smernice- rutine

otkrivanje

- kombinovanje- personalizacija


36/76

36

Procesi upravljanja znanjem (1)

Otkrivanje znanja - razvoj novog tacitnog ili eksplicitnogznanja iz podataka i informacija ili sinteza prethodnogznanja

Obuhvatanje znanja - proces pretraživanja eksplicitnog

ili tacitnog znanja koje se nalazi u ljudima, proizvodima iliorganizacijskim entitetima. Može se odnositi i na znanjevan organizacije (konsultante, konkurenciju, kupce,dobavljaĉe, bivše poslodavce novih zaposlenih).

obuhvatanje

- eksternalizacija- internalizacija


• socijalizacija

• razmena

primena

- smernice- rutine

otkrivanje

- kombinovanje- socijalizacija

obuhvatanje



• socijalizacija

• razmena

primena

- smernice- rutine

otkrivanje



37/76

37

Procesi upravljanja znanjem (2)

Organizacija i distribucija znanja - procesi kojima sekomunicira eksplicitno ili tacitno sa drugim pojedincima.Realizuje se u mreži koju mogu ĉiniti pojedinci, grupe,

odeljenja, organizacije. Primena znanja se realizuje preko smernica i rutine.

Smernice se odnose na proces kroz koji pojedinci koji imajuznanje usmeravaju akciju drugih pojedinaca, ali bez prenošenjatim pojedincima odgovarajućeg znanja na kojima se te smernice

temelje. Rutina je proces koji podrazumeva korišćenje znanja ugraĊenog

u procedure, pravila i norme, kojima se odreĊuje budućeponašanje.

obuhvatanje



• socijalizacija

• razmena

primena

- smernice- rutine

otkrivanje


obuhvatanje



• socijalizacija

• razmena

primena

- smernice- rutine

otkrivanje



38/76

Sistemi za

upravljanje znanjem


39/76

39

Klasifikacija sistema

za upravljanje znanjem Knowledge Discovery Systems (KDS) – sistemi za

kreiranje (otkrivanje) znanja

Knowledge Capture Systems (KCS) – sistemi za ĉuvanjei formalizaciju znanja

Knowledge Sharing Systems (KSS) – sistemi zaorganizaciju i distribuciju znanja

Knowledge Application Systems (KAS) – sistemi zaprimenu znanja.


40/76

40

Sistemi za otkrivanje znanja (KDS)

Podržavaju proces razvoja novog tacitnog ilieksplicitnog znanja iz podataka i informacija ilisinteze znanja iz ranijeg znanja.

Ovi sistemi predstavljaju podršku KMpotprocesima kombinovanja (omogućavaotkrivanje novog eksplicitnog znanja) isocijalizacije (omogućava otkrivanje novogtacitnog znanja).


41/76


42/76

42

Sistemi za organizaciju i distribuciju znanja

(KSS)

Podržavaju proces komunikacije (diskusionegrupe, chat groups).

Omogućavaju deljenje znanja (pojedinac možeobjasniti svoje znanje ostalim ĉlanovima grupe).


43/76

43

Sistemi za primenu znanja (KAS)

Podržavaju proces kroz koji neke osobekoriste znanje drugih osoba bez stvarnog

sticanja ili uĉenja tog znanja. Koriste razne mehanizme i tehnologije u

realizaciji rutina i smernica.


44/76

44

Тehnologije za podršku KM

Veštaĉka inteligencija (Artificial Intelligence) Ekspertni sistemi (Expert systems)

Sistemi za rezonovanje (Rule-based Reasoning systems)

Sistemi za procenu znanja bazirani na sluĉajevima (Case-based Reasoning Systems) Sistemi za podršku odluĉivanju (Decision Support

Systems)

Kompjuterska simulacija (Computer-based Simulations)

Diskusione grupe (Electronic Discussion Groups) Videokonferencije (Videoconferencing)

Sistemi za planiranje resursa preduzeća (ERP)


45/76

45

Veštačka inteligencija

Poĉeci razvoja sistema veštaĉke inteligencije - 30-tegodine XX veka

Tokom 60-tih godina nastojalo se da se simulira procesljudskog razmišljanja i ugradi u programe opšte namene.

Tokom 70-tih godina istraživanja su krenula kapronalaženju opštih metoda i tehnika koji bi se ugraĊivaliu specijalizovane programe.

Krajem 70-tih godina uoĉena je moć programa da rešavaprobleme na osnovu znanja koje taj program o problemuposeduje, a ne iz formalizma koji koristi.

Takvi programi su dobili naziv ekspertni sistemi.


46/76

46

Stablo veštaĉke inteligencije

Psihologija, Filozofija, Lingvistika, Elektroinženjerstvo,

Racunarstvo, Menadžment

Ekspertnisistemi

Neuralne

mreže

Robotika

Vizuelnisistemi

Genetskialgoritmi

Fuzzy

logika Inteligentnitutori

Kompjuterskeigre

Procesori prirodnog

jezika

Automatsko programiranje

AI


47/76

47

Sistemi za rezonovanje

(Rule-based Reasoning systems) Kada je znanje apstraktno, tako da zakljuĉivanje teĉe od apstracije ka

manje apstraktnim iskazima, to je ZAKLJUĈIVANJE VOĐENOMODELOM.

Kada je sledeći korak u zakljuĉivanju od iskaza više apstrakcije kaiskazu niže apstrakcije i generiše se oĉekivanje, ZAKLJUĈIVANJE JE

VOĐENO OĈEKIVANJEM. Kada proces zakljuĉivanja teĉe od detalja ili specifiĉnih podataka o

problemu ka višim nivoima apstrakcije, ZAKLJUĈIVANJE JEVOĐENO PODACIMA.

Ako je sledeći korak izabran na osnovu novog podatka, ili poslednjeg

izvršenog koraka rešavanja problema, sistem se odaziva na dogaĊajei ZAKLJUĈIVANJE JE VOĐENO DOGAĐAJIMA (nadzor, upravljanje idruge oblasti ekspertnih sistema u realnom vremenu).


48/76

48

Pojmovi i definicije ekspertnih sistema

"Ekspertni sistem je inteligentni raĉunarski program koji koristiznanje i mehanizme zakljuĉivanja u rešavanju problema takvesloženosti da je za njihovo rešavanje potreban ĉovek-

ekspert." - Feingenbaum "Pod ekspertnim sistemima podrazumeva se uspostavljanje,

unutar raĉunara, dela veštine nekog eksperta koja se bazirana znanju i u takvom obliku da sistem može da ponudiinteligentan savet ili da preuzme inteligentnu odluku o funkciji

koja je u postupku. Ekspertni sistem poseduje i karakteristiku

da na zahtev verifikuje svoju liniju rezonovanja, tako da

direktno obaveštava korisnika koji postavlja pitanje." -Britansko društvo za raĉunare


49/76

49

Ekspertni sistemi – osnovni pojmovi

Osnovni gradivni elemenat ES je znanje (stav)

Znanja u ES ĉine ĉinjenice i heuristika (iskustvo i osećaj).

Ĉinjenice su široko distribuirane, javno raspoloživeinformacije, usaglašene na nivou eksperata (struĉnjaka) upredmetnoj oblasti.

Heuristiku ĉine liĉna pravila prihvatljivog rasuĊivanja, kojakarakterišu odluĉivanje na nivou eksperta u oblasti.


50/76

50

Inženjerstvo znanja: prenošenje znanja odeksperta u raĉunarski sistem

predmetni

ekspert

inženjerznanja

EKSPERTNISISTEM

principi,strategija

pravila, postup.

upiti, problemi

odgovori, rešenja


51/76

51

Proces izgradnje Baze znanja

EKSPERT

INŽENJERZNANJA

ALATI ZA IZGRADNJUBAZE ZNANJA

koristi

interv.

BAZAZNANJA

OSOBLJE

doda e podatke

KORISNIKkoristi

prošir uje i testira

izgrađ., popravlja,

testira


52/76

52

Komponente ekspertnog sistema

BAZA

ZNANJA

Korisniĉki interfejs

SISTEM

ZA IZGRADNJU

BAZE ZNANJA

KORA, LJUSKA, ŠKOLJKA (SHELL)

MEHANIZAM

ZA

ZAKLJUĈIVANJE

SISTEM

ZAOBJAŠNJENJA

GLOBALNA

BAZAPODATAKA


53/76

53

Arhitektura ekspertnih sistema

Obrazovanja linije rasuĊivanja se izvodiulanĉavanjem IF-THEN pravila

Ulanĉavanje unapred: poĉinje od skupa uslovaili ideja i kreće se ka nekom zakljuĉku. Koristi se u sistemima analize podataka,

projektovanja, dijagnostiĉkim sistemima i sistemimaobrazovanja koncepata.

Ako je poznat zakljuĉak, ali ne i put do njega,metod se naziva ulanĉavanjem unazad.Dijagnostiĉki sistemi, sistemi planiranja


54/76


55/76

55

Primer – račun predikata

KONJUNKCIJA: A (i),

DISJUNKCIJA: V (ili) ,

IMPLIKACIJA (ako...onda) : =>

NEGACIJA - ~

" Aca zivi u zutoj kuci"

ZIVETI(ACA, KUCA) A

BOJA(KUCA,ZUTA).

"Aca voli da pliva ili putuje" :

VOLETI(ACA, PLIVA) V

VOLETI(ACA, PUTUJE)


56/76

56

Ograničenja, Činjenice, Pravila

AKO(IF) situacija S ONDA(THEN) akcija A

AKO je uslov P ONDA je posledica S sa

faktorom izvesnosti G

PRIMERI:(1) AKO se ne osećaš dobro,

ONDA idi kod lekara.(2) AKO imaš temperaturu I kašlješ,

ONDA je u pitanju prehlada.

(3) AKO je u pitanju prehlada I imaš crveno grlo

ONDA boluješ od bronhitisa.


57/76

57

Primer prikazivanja znanja – semantiĉke mreže

"Aca daje Miri knjigu."

KNJIGA

ACA DATI MIRIsubjekat primalac

objekat


58/76

58

KNJIGA

REĆI

DATI

ACA VESNA

MIR A

prošlo

subjekat primalac

vreme

primalac

objekat

subjekat

predlog

Aca je rekao Vesni da je Miri dao knjigu.

Primer


59/76

59

Prikazivanje znanja putem

ramova (okvira, frames)Frame – struktura podataka koja sadrži znanje o partikularnom objektu

• Hijerarhija• NasleĊivanje

Klasa: TransportIme proizvoĊaĉa: Audi Zemlja proizvodnje: Nemaĉka Model: A8

Tip: 4H

Težina: 1,835 kgBroj vrata: 4

...........................


60/76

GIMS-Expert


61/76

61

p


62/76

62

Pravci razvoja ES

Kodiranje tehničkih znanja Integracija sa bazama podataka

Sistemi isporuke znanja (knowledge

delivery system) Nisu bazirani na lancu zakljuĉivanja sa velikim brojem pravila. Zakljuĉivanje je u jednom koraku. Za svaku premisu vezuje odgovarajući zakljuĉak. Brzim pretraživanjem i uporeĊivanjem zadate premise sa

postojećim sadr žajem u bazi znanja, dolazi se doodgovarajućeg zakljuĉka.

Dr D. Bečejski-Vujaklija


63/76

Informacioni sistemi

za upravljanje

znanjem

Dr D. Bečejski Vujaklija


64/76

64

„Informacioni sistemi će voditi i ĉuvati istorijukorporacije, iskustava, veština i znanja kojezaposleni poseduju. Informacioni sistemi, a ne ljudi,će postati stabilna struktura (osnova) korporacije.

Zaposleni će biti slobodniji, moći će da odlaze i danapuštaju posao kako im je volja, ali će vrednostnjihovog iskustva biti ugraĊena u sistem koji jepomagao njima i koji će biti i dalje tu, za njihovenaslednike.“

Applegate, Cash & Mills, 1988.


65/76


66/76

66

Struktura informacionih sistema za upravljanje znanjem


67/76

67

Vrste IS za upravljanje znanjem

Bazični (osnovni) model IS za upravljanjeznanjem Fokus na skladištenju znanja i njegovom ponovom

korišćenju Jednostavna pretraga

Predefinisana znaĉenja iz baze znanja

Napredni modeli IS za upravljanje znanjem

Fokus na znanje, informacije i najbolju praksu Vrednovanje baze znanja

IzgraĊivanje znaĉenja iz baze znanja

Informacioni sistem za upravljanje znanjem


68/76

68

Informacioni sistem za upravljanje znanjem

Obuhvatanje

znanja

KontinuiranounapreĎivanje

Upravljanje

znanjem

Isporukaznanja


69/76

69

Upotreba IS za KM


70/76

70

Faze u realizaciji IS za KM (1)

1. Identifikovanje problema. Korporacijsko znanje seobiĉno nalazi u izolovanim sistemima ili silosimaznanja. Pristup i tehnološke barijere koje štite toznanje navode korisnike na utisak da znanja i nema.

Potrebno je identifikovati segmente znanja.

2. Priprema za promene. Promene u smislu poslovnih

poduhvata, posebno naĉina na koji se vodi posao.

3. Stvaranje tima. Stvaranje tima za upravljanje znanjem

zaduženog za sprovoĊenje pilot projekta.


71/76

71

Faze u realizaciji IS za KM (2)

4. Pravljenje šeme znanja. Identifikovanje šta je znanje, gde senalazi, ko njime raspolaže i kome je potrebno. Definišu seprioriteti kljuĉnih osobina i identifikuju odgovarajuće tehnologijekoje se mogu koristiti u sprovoĊenju sistema upravljanjaznanjem.

5. Stvaranje mehanizama povratne sprege, koji ukazujerukovodstvu kako se sistem koristi i izveštava o svim teškoćama.

6. Definisanje blokova za izgradnju sistema upravljanja znanjem.

Definisanje skladišta znanja, doprinosa znanja, procesasakupljanja, sistema za ponovno korišćenje znanja, imenika

znanja i upravljanja sadržajem.7. Integrisanje postojećih informacionih sistema u sistem za

upravljanje znanjem.


72/76

72

Upravljanje znanjem i organizacione promene

Upravljanje znanjem, osim promene same politikepreduzeća donosi i promene u ponašanju menadžmentai ĉitave organizacije.

Vrlo bitno:

Pažljivo planirati i izvršavati implementaciju sistemaza upravljanje znanjem Posedovati dobar set alata i metoda kojima će se

vršiti upravljanje promenama u organizaciji Edukovati i trenirati zaposlene

Organizovati radne timove, razvoj i testiranje sistemaza upravljanje znanjem


73/76

73

Prednosti korišćenjainformacionih sistema za upravljanje znanjem

Mogućnost razmene iskustava i znanja kroz ĉitavopreduzeće

Ne treba „ponovo izmišljati toplu vodu“, već koristitiproverene metode i znanje

Znaĉajno kraći trening mlaĊih zaposlenih

OslobaĊa eksperte, menadžere i struĉnjake pritiska

od dugog obuĉavanja zaposlenih Zadržava intelektualni kapital ĉak i kada zaposleni

napuste preduzeće


74/76

74

Neki od izazova pri implementaciji IS za KM:

Relevantnost – kako pronaći ono što nam zaista treba?Problematika i najvećih sistema za pretraživanje(Google, Yahoo!...)

Zastarelo, neiskorišćeno i neiskoristivo znanje – kako vršiti “ĉišćenje” baze znanja

(ne)Podržavanje od strane top menadžmenta – jedanod najvećih rizika projekta implementacije KMS-a


75/76

75

Preporuĉena literatura

Debowski Shelda “Knowledge management”, John Wiley and Sons,2006 – u biblioteci FON-a

Elias M. Awad, Hassan M. Ghaziri – “Knowledge management”, Pearson Education, 2004 – u biblioteci FON-a

Tiwana,A. „Knowledge Management Toolkit, The: PracticalTechniques for Building a Knowledge Management System“, PrenticeHall, 2002.

Holsapple, Clyde W. „Handbook on Knowledge Management“,Springer, 2004.

Ronald Mayer “Knowledge Management Systems”, Springer, 2007.

K i i li k i


76/76

Korisni linkovi:

http://www.kmworld.com

http://www.ikmagazine.com/

http://www.knowledgebase.net

http://www.knowledge-management-tools.net/ http://www.knowledgemanagementsystem.org/

Documents

01_Znanje i Upravljanje Znanjem-FON