Διαχείριση Γνώσης Τμήμα Αρχειονομίας & Βιβλιοθηκονομίας Ιόνιο Πανεπιστήμιο Χ. Παπαθεοδώρου - Μ. Γεργατσούλης.

Παρουσίαση με θέμα: "Διαχείριση Γνώσης Τμήμα Αρχειονομίας & Βιβλιοθηκονομίας Ιόνιο Πανεπιστήμιο Χ. Παπαθεοδώρου - Μ. Γεργατσούλης."— Μεταγράφημα παρουσίασης:

1 Διαχείριση Γνώσης Τμήμα Αρχειονομίας & Βιβλιοθηκονομίας Ιόνιο Πανεπιστήμιο Χ. Παπαθεοδώρου - Μ. Γεργατσούλης

2 Τι είναι η Γνώση;  Οι ορισμοί για τη γνώση ποικίλουν ανάλογα με την οπτική γωνία (πρακτική, φιλοσοφική, εννοιολογική κ.λ.π.). Μερικοί από τους ορισμούς είναι οι: –Γνώση είναι η οργανωμένη πληροφορία που μπορεί να εφαρμοστεί για την επίλυση προβλημάτων. –Γνώση είναι η αιτιολογημένη πεποίθηση η οποία αυξάνει τη δυνατότητα μιας οντότητας για αποδοτική δραστηριότητα. –Η γνώση είναι πληροφορία που έχει οργανωθεί και αναλυθεί κατά τρόπο ώστε να είναι κατανοητή και εφαρμόσιμη για την επίλυση προβλημάτων και τη λήψη αποφάσεων. –Η γνώση ενσωματώνει τους έμμεσους και άμεσους περιορισμούς που επιβάλλονται πάνω στα αντικείμενα (οντότητες) και στις μεταξύ τους συσχετίσεις, καθώς και τους γενικούς και ειδικούς εμπειρικούς κανόνες και κανόνες εξαγωγής συμπερασμάτων, που αφορούν το πρόβλημα το οποίο αναπαρίσταται.

3 Τι είναι η Γνώση; (συνέχεια) –Γνώση είναι το να συλλογίζεσαι σχετικά με την πληροφορία και τα δεδομένα στοχεύοντας στην αποτελεσματική εκτέλεση εργασιών, την επίλυση προβλημάτων, τη λήψη αποφάσεων, τη μάθηση και τη διδασκαλία. –Η γνώση συνίσταται από αλήθειες και πεποιθήσεις, απόψεις και αφηρημένες έννοιες, κρίσεις και προσδοκίες, μεθοδολογίες και τεχνογνωσία. –Γνώση είναι το σύνολο των στοιχείων διορατικότητας, εμπειρίας, και διαδικασιών, που θεωρούνται ορθές και αληθείς και επομένως κατευθύνουν τις σκέψεις, τη συμπεριφορά και την επικοινωνία των ανθρώπων.  Στα πλαίσια του μαθήματος μας ενδιαφέρει λιγότερο να δώσουμε ακριβή ορισμό για τη γνώση και περισσότερο να εξετάσουμε τι μπορούμε να κάνουμε με αυτήν.

4 Τι είναι η Διαχείριση Γνώσης;  Ο όρος διαχείριση γνώσης αναφέρεται στις μεθόδους και τα εργαλεία για τη δημιουργία, συλλογή, αποθήκευση, οργάνωση και εφαρμογή της γνώσης, καθώς και στη διάθεση της στα όρια μιας ομάδας/κοινότητας ή μεταξύ διαφορετικών κοινοτήτων.  Η αποδοτική διαχείριση γνώσης συνήθως απαιτεί κατάλληλο συνδυασμό οργανωτικών, κοινωνικών, και διοικητικών πρωτοβουλιών, και τις περισσότερες φορές τη χρήση κατάλληλων τεχνολογιών.  Η διαχείριση γνώσης είναι ένας νέος, αναδυόμενος επιστημονικός κλάδος.  Στα πλαίσια του μαθήματος θα δώσουμε έμφαση στη χρήση των τεχνολογιών της πληροφορικής για τη διαχείριση γνώσης.

5 Τύ π οι γνώσης  Υπονοούμενη γνώση: Είναι δύσκολο να περιγραφεί και να εξηγηθεί. Είναι προσωπική γνώση και βασίζεται στην εμπειρία και τη διαίσθηση. –Π.χ., ο τρόπος που κάνουμε ποδήλατο, ο τρόπος που αναγνωρίζουμε πρόσωπα, κ.λ.π.  Κατηγορηματική γνώση: Είναι γνώση που μπορεί να περιγραφεί τυπικά (μέσω κάποιας τυπικής γλώσσας, με μαθηματικές εκφράσεις, ορισμούς, κωδικοποιημένες διαδικασίες, και γενικές αρχές). Μπορεί να συμπεριληφθεί σε τεχνικά εγχειρίδια και είναι εύκολο να μεταδοθεί. –Π.χ., ο τρόπος που κάνουμε κάποιες εργασίες, οι κανόνες επίλυσης προβλημάτων.

6 Α π οθήκευση της γνώσης  Μέσα αποθήκευσης της γνώσης: –Ανθρώπινος εγκέφαλος Συχνά είναι δύσκολη η πρόσβαση της γνώσης. –Οργανισμοί Γνώση συχνά διάχυτη και διαμοιρασμένη. –Έγγραφα Κυμαίνεται από ελεύθερο κείμενο, μέχρι καλά δομημένα διαγράμματα, πίνακες, κ.λ.π. –Η/Υ Τυποποιημένη, εύκολα προσβάσιμη, και συνήθως καλά δομημένη και οργανωμένη.

7 Ιεραρχία της Γνώσης Δεδομένα 70s Γνώση 90s Σοφία 00s Πληροφορία 80s Κείμενο, Εικόνα, ήχος Οργανωμένα, ερμηνευμένα και συνοψισμένα δεδομένα Ιδέες, κανόνες, και διαδικασίες που καθοδηγούν ενέργειες και αποφάσεις Διαίσθηση και εμπειρία

8 Προσβασιμότητα της γνώσης  Η γνώση έχει μεγαλύτερη αξία όταν είναι περισσότερο προσιτή και τυπικά διατυπωμένη.  Η προσβασιμότητα της γνώσης σχετίζεται με τα μέσα αποθήκευσης.  Η προσβασιμότητα σχετίζεται με την τυπολογία της γνώσης. – Η υπονοούμενη γνώση είναι προσβάσιμη με έμμεσο τρόπο, με δυσκολία, δια μέσου της εκμαίευσης και με παρατήρηση της συμπεριφοράς. –Η κατηγορηματική γνώση είναι εύκολα προσβάσιμη, τεκμηριωμένη, σε συνήθως καλά οργανωμένες τυπικές πηγές γνώσης.

9 Μετασχηματισμός της γνώσης  Κοινωνικοποίηση (υπονοούμενη σε υπονοούμενη): Περιλαμβάνει την από κοινού διαμόρφωση και ανταλλαγή υπονοούμενης γνώσης μεταξύ των ανθρώπων. –Η διάχυση γνώσης γίνεται συχνά χωρίς την παραγωγή κατηγορηματικής γνώσης και για να είναι αποδοτική πρέπει να γίνεται μεταξύ ανθρώπων που διαθέτουν την ίδια κουλτούρα και μπορούν να συνεργάζονται αποδοτικά. Επομένως η διάχυση γνώσης συνδέεται με τις ιδέες της κοινότητας και της συνεργασίας. –Μια τυπική δραστηριότητα στην οποία λαμβάνει χώρα διάχυση υπονοούμενης γνώσης είναι οι συναντήσεις των μελών μιας ομάδας κατά τις οποίες περιγράφονται και συζητούνται οι διάφορες εμπειρίες.

10 Μετασχηματισμός της γνώσης(συνέχεια)  Εξωτερίκευση (υπονοούμενη σε κατηγορηματική): Από τη φύση της η υπονοούμενη γνώση είναι δύσκολο να μετατραπεί σε κατηγορηματική γνώση. Δια μέσου της διαμόρφωσης εννοιών, της εκμαίευσης γνώσης, και της τελικής σύνδεσης, τυπικά σε συνεργασία με άλλους, τμήμα της υπονοούμενης γνώσης ενός ατόμου μπορεί να μετατραπεί σε κατηγορηματική μορφή. –Τυπικές δραστηριότητες με τις οποίες συντελείται η μετατροπή είναι ο διάλογος μεταξύ των μελών της ομάδας, καθώς και η εκμαίευση ιστοριών.

11 Μετασχηματισμός της γνώσης(συνέχεια)  Συνδυασμός (κατηγορηματική σε κατηγορηματική): Η κατηγορηματική γνώση μπορεί να διαχέεται μέσω συναντήσεων, δια μέσου εγγράφων, ηλεκτρονικού ταχυδρομείου, κ.λ.π., ή δια μέσου της (επι)μόρφωσης και της εκπαίδευσης. Έχει καθιερωθεί η χρήση της τεχνολογίας για την αναζήτηση συλλογών κατηγορηματικής γνώσης. Υπάρχουν επίσης επιπλέον ευκαιρίες για την υιοθέτηση μεθόδων δημιουργίας γνώσης, όπως για παράδειγμα με τον εμπλουτισμό της πληροφορίας που έχει συλλεχθεί, και την αναδιάταξη της ώστε να είναι πιο εύκολα αξιοποιήσιμη. –Παράδειγμα: η χρήση μεθόδων κατηγοριοποίησης κειμένων για την αυτόματη ένταξη των κειμένων σε κατηγορίες με βάση το αντικείμενο στο οποίο αναφέρονται.

12 Μετασχηματισμός της γνώσης(συνέχεια)  Εσωτερικοποίηση (κατηγορηματική σε υπονοούμενη): Για να επενεργήσουν πάνω στην πληροφορία οι άνθρωποι πρέπει να την κατανοήσουν και να την ενσωματώσουν πράγμα το οποίο περιλαμβάνει τη δημιουργία της δικής τους υπονοούμενης γνώσης. Διαβάζοντας έγγραφα κατά κάποιο τρόπο βιώνουν αυτά που άλλοι έχουν προηγουμένως μάθει. Διαβάζοντας έγγραφα από διάφορες πηγές έχουν την ευκαιρία να δημιουργήσουν νέα γνώση συνδυάζοντας τη δική τους υπάρχουσα υπονοούμενη γνώση με τη γνώση άλλων. Η διαδικασία αυτή συνήθως περιλαμβάνει μεγάλο όγκο πληροφορίας που πρέπει να συνδυαστεί. –Μια τυπική δραστηριότητα είναι να διαβάζονται έγγραφα από έναν αριθμό διαφορετικών βάσεων δεδομένων.

13 Συνεχής μετασχηματισμός της γνώσης Υπονοούμενη Κατηγορηματική ΕΞΩΤΕΡΙΚΕΥΣΗ ΕΣΩΤΕΡΙΚΟΠΟΙΗΣΗΚΟΙΝΩΝΙΚΟΠΟΙΗΣΗ ΣΥΝΔΥΑΣΜΟΣ

14 Τεχνολογίες π ου υ π οστηρίζουν το μετασχηματισμό της γνώσης Text searchVisualization Κατηγορηματική σε κατηγορηματικήΚατηγορηματική σε υπονοούμενη AnnotationSynchronous collaboration (chat) Υπονοούμενη σε κατηγορηματικήΥπονοούμενη σε υπονοούμενη Document categorizationBrowsable video/audio of presentations Answering questionsE-meetings

15 Υπονοούμενη σε Υπονοούμενη  Τυπικός τρόπος δόμησης και διάχυσης υπονοούμενης γνώσης είναι οι συναντήσεις πρόσωπο με πρόσωπο και η ανταλλαγή εμπειριών με άτυπο τρόπο, στις οποίες οι Τεχνολογίες Πληροφορικής (ΤΠ) παίζουν μικρό ρόλο.  Τελευταία αυξάνεται συνεχώς στις συναντήσεις και τις άλλες διαπροσωπικές αλληλεπιδράσεις η χρήση on-line εργαλείων που είναι γνωστά σαν ομαδικό λογισμικό (groupware).  Το ομαδικό λογισμικό συνήθως υποστηρίζει τις συμβατικές συναντήσεις ή σε μερικές περιπτώσεις τις υποκαθιστά.

16 Ομαδικό λογισμικό  Πλατιά κατηγορία εφαρμογών λογισμικού που βοηθά τα άτομα να εργάζονται μαζί σαν ομάδες και να επικοινωνούν.  Το ομαδικό λογισμικό μπορεί σε κάποιο βαθμό να υποστηρίξει και τις τέσσαρες μορφές μετασχηματισμού της γνώσης.  Το ομαδικό λογισμικό δημιουργεί έναν εικονικό χώρο δια μέσου του οποίου οι συμμετέχοντες μπορούν να μοιράζονται εμπειρίες (συγκεκριμένου είδους). –Π.χ., διεξάγουν συναντήσεις, παρακολουθούν παρουσιάσεις, συζητούν, μοιράζονται κείμενα κ.λ.π.  Ηλεκτρονικές συναντήσεις σε πραγματικό χρόνο: μπορεί να περιλαμβάνουν διασκέψεις με video και κείμενο, σύγχρονη επικοινωνία και συζήτηση.

17 Ομαδικό λογισμικό (συνέχεια)  To ομαδικό λογισμικό διευκολύνει κυρίως τον συνδυασμό δηλ. το διαμοιρασμό της κατηγορηματικής γνώσης. Όμως, η επιλογή και σχολιασμός της κατηγορηματικής γνώσης κατά κάποιο τρόπο συνιστά διαμοιραζόμενη εμπειρία.  Προϊόντα groupware: Microsoft NetMeeting, Lotus Notes, Lotus Sametime.  Στα προϊόντα αυτά ενσωματώνεται η στιγμιαία ανταλλαγή μηνυμάτων και οι δυνατότητες ηλεκτρονικών συναντήσεων. –Στιγμιαία ανταλλαγή μηνυμάτων: δε διακόπτεται ο συνομιλητής, επιτρέπεται η ταυτόχρονη εκπομπή μηνύματος/ερωτήματος σε πολλούς. –Ηλεκτρονικές συναντήσεις: επεκτείνουν τις δυνατότητες τηλεφωνικών συνομιλιών επιτρέποντας στους συμμετέχοντες να βλέπουν οθόνες εφαρμογών και παρέχοντας κοινόχρηστο πίνακα.

18 Mocrosoft NetMeeting

19 Εντο π ισμός ειδικών  Προσέγγιση για διαμοιρασμό υπονοούμενης γνώσης: ο εντοπισμός ανθρώπων με κοινά ενδιαφέροντα.  Επίσης: εντοπισμός ειδικών για παροχή συμβουλών. –Συστήματα εντοπισμού ειδικών: μηχανές αναζήτησης προσώπων. Η ακρίβεια τους εξαρτάται από τα κριτήρια που χρησιμοποιούν για τον εντοπισμό των ειδικών. –Πιθανά κριτήρια: Προσωπικό περίγραμμα συμπληρωμένο από τον ειδικό. Βάση δεδομένων του οργανισμού. Συσχετίσεις ονομάτων – κειμένων: δείχνουν εξοικείωση του προσώπου (συγγραφέα) με το αντικείμενο του κειμένου με το οποίο συνδέεται το όνομα του. Η επιστημονική περιοχή στην οποία εντάσσεται το κείμενο είναι πιθανά και η περιοχή ειδίκευσης του συγγραφέα. Απάντηση σε ερωτήσεις. –Προϊόντα: Lotus Discovery Server (χρήση συσχετίσεων ονομάτων-εγγράφων), Knowledge System KnowledgeMail (αναλύει e-mails).

20 Υ π ονοούμενη σε Κατηγορηματική  Κατά το Nonaka, η μετατροπή της υπονοούμενης γνώσης σε κατηγορηματική προϋποθέτει τη δημιουργία ενός κοινού νοητικού μοντέλου και στη συνέχεια ακολουθεί η συνάρθρωση της κατηγορηματικής γνώσης με τη βοήθεια διαλόγου.  Συνεργατικά συστήματα και άλλα συστήματα ομαδικού λογισμικού μπορούν να συνεισφέρουν.  Οι βάσεις δεδομένων απευθείας ηλεκτρονικών συζητήσεων περιλαμβάνονται στα εργαλεία που υποστηρίζουν αυτού του είδους τις δραστηριότητες.  Τα συστήματα ομαδικής ενημέρωσης (newsgroups), σε αντίθεση με τις τυπικές συζητήσεις ομάδων, είναι ανοικτά σε όλους και μοιάζουν στο ότι ερωτήσεις μπορούν να υποβληθούν και να απαντηθούν, ενώ διαφέρουν στο ότι οι συμμετέχοντες είναι τυπικά άγνωστοι μεταξύ τους.

21 Κατηγορηματική σε Κατηγορηματική  Ο μετασχηματισμός από κατηγορηματική σε κατηγορηματική (συνδυασμός) υποστηρίζεται περισσότερο από όλους από τις τεχνολογίες της πληροφορικής.  H αποτύπωση της κατηγορηματικής γνώσης σε μορφή έκθεσης, μηνύματος ηλεκτρονικού ταχυδρομείου (e-mail), παρουσίασης, ιστοσελίδας κ.λ.π. την καθιστά διαθέσιμη σε άλλους ενδιαφερόμενους.  Η τεχνολογία ήδη συνεισφέρει στην αποτύπωση της γνώσης δια μέσου της επεξεργασίας κειμένου, με αποτέλεσμα τη δημιουργία ηλεκτρονικών κειμένων τα οποία μπορούν εύκολα να διαδοθούν δια μέσου του Web, του ηλεκτρονικού ταχυδρομείου, ή συστημάτων διαχείρισης εγγράφων.

22 Κατηγορηματική σε Κατηγορηματική (συνέχεια)  Ένας τρόπος για την παροχή κινήτρων στους ανθρώπους για να αποτυπώνουν τη γνώση είναι να ανταμείβονται γ’ αυτό. Αν η ανταμοιβή συνδέεται με τη ποιότητα τότε χρειάζεται ένας τρόπος μέτρησης της ποιότητας.  Η ποιότητα είναι δύσκολα μετρήσιμη και συνδέεται με την πιθανή χρήση ενός κειμένου.  Μέτρα ποιότητας κειμένου: –Αριθμός αναφορών σε ένα κείμενο. –Αριθμός υπερσυνδέσμων που οδηγούν στο κείμενο. –Κριτικές από ειδικούς. –Η τοποθέτηση αναφοράς ή υπερσυνδέσμου υποδηλώνει ότι ο συγγραφέας φαίνεται να θεωρεί το κείμενο σημαντικό. –Στις εφαρμογές του διαδικτύου τα πιο πολύτιμα και άγκυρα κείμενα μπορούν να εντοπιστούν αναλύοντας τους συνδέσμους ανάμεσα στις ιστοσελίδες

23 Μέθοδοι α π οτύ π ωσης γνώσης  Καταγραφή σε κείμενο. –Η πιο συνηθισμένη μέθοδος. –Εύκολη η διάδοση και η αναζήτηση.  Ηχητική εγγραφή, ή εγγραφή σε Video. –Ευκολότερη η καταγραφή. –Εύκολη η διάδοση μέσω του διαδικτύου, αλλά –δύσκολη η αναζήτηση και η πλοήγηση από ότι στα κείμενα και επομένως πιο δύσχρηστα για την αποθήκευση τους σε αποθήκες (repositories) γνώσης Έχουν αναπτυχθεί συστήματα αναζήτησης σε video βασισμένα στην αναζήτηση εικόνας, όμως σοβαρό εμπόδιο αποτελεί η δυσκολία στη διατύπωση ερωτήσεων. Πιο αποδοτική προσέγγιση η εξαγωγή κειμένου από πολυμεσική πληροφορία (σε μερικές περιπτώσεις το video είναι δυνατό να περιέχει κείμενο π.χ. εικόνες διαφανειών κειμένου, όμως η πραγματική πρόκληση είναι η μετατροπή του ήχου/ομιλίας σε κείμενο).

24 Αναζήτηση κατηγορηματικής γνώσης  Εύρεση κατηγορηματικής γνώσης: βασική λειτουργία.  Μηχανή αναζήτησης κειμένου: δημιουργεί ευρετήριο = λίστα λέξεων + δομή δεδομένων, που επιτρέπει εύκολη εύρεση κειμένου στο οποίο εμφανίζεται η λέξη. –Πρόβλημα: δε χρησιμοποιούν όλα τα κείμενα την ίδια λέξη για να περιγράψουν την ίδια έννοια. Αντιμετώπιση: επισύναψη μετά-πληροφορίας στο κείμενο η οποία περιγράφει τις έννοιες που συζητούνται με τη χρήση ενός ελεγχόμενου λεξιλογίου. –Πρόβλημα ακρίβειας της αναζήτησης: από την ερώτηση προκύπτουν πολλά κείμενα τα οποία είναι άσχετα με τις ανάγκες του χρήστη (συνήθως ερωτήσεις 1-2 λέξεων). Αντιμετώπιση_1: (καλά μελετημένη αλλά με περιορισμένα προς το παρόν αποτελέσματα) : συλλογή περισσότερης πληροφορίας αναφορικά με το περιβάλλον της αναζήτησης (π.χ., επιστημονική περιοχή στην οποία αναφέρεται το κείμενο) + αξιοποίηση της από τις μηχανές αναζήτησης. Αντιμετώπιση_2: Επέκταση της ερώτησης με συνώνυμα (αποδίδει για σαφώς ορισμένα πεδία), θησαυροί, οντολογίες κ.α.

25 Ταξινομικά συστήματα και ταξινόμηση κειμένων  Η γνώση μιας περιοχής μπορεί να κωδικοποιηθεί σαν ταξινομικό σύστημα, δηλ. ένα ιεραρχικά οργανωμένο σύνολο κατηγοριών. Οι σχέσεις μέσα στην ιεραρχία μπορεί να είναι διαφορετικών ειδών ανάλογα με την εφαρμογή.  Αξία των ταξινομικών συστημάτων: –Επιτρέπουν στον χρήστη να διατρέχει τα κείμενα που τον ενδιαφέρουν χωρίς να ανατρέχει σε αναζήτηση. –Επιτρέπουν την κατάταξη των κειμένων σε θεματικές ενότητες πράγμα που βοηθά το χρήστη να εκτιμήσει την εφαρμοσιμότητα τους σε σχέση με την εργασία που έχει στο μυαλό του. –Yahoo: κλασικό παράδειγμα ταξινομικού συστήματος.

26 Ταξινομικά συστήματα και ταξινόμηση κειμένων (συνέχεια)  Τα ταξινομικά συστήματα είναι μια δημοφιλής προσέγγιση για το κτίσιμο του μοντέλου μιας περιοχής το οποίο θα βοηθήσει τους χρήστες στην πλοήγηση και την αναζήτηση κειμένων. –Τάση: η κάθε ομάδα χρηστών να έχει το δικό της ταξινομικό σύστημα.  Επίπονη η χειρονακτική κατάταξη των κειμένων. Πρόσφατα εμφανίστηκαν εργαλεία αυτόματης κατάταξης. –Ενδιαφέρον χαρακτηριστικό των συστημάτων κατάταξης νέας γενιάς: η εφαρμογή αλγορίθμων μηχανικής μάθησης οι οποίοι εκπαιδεύονται μέσω παραδειγμάτων.

27 The ACM Computing Classification System (1998)  D. Software –D.0 GENERAL –D.1 PROGRAMMING TECHNIQUES (E)E D.1.0 General D.1.1 Applicative (Functional) Programming D.1.2 Automatic Programming (I.2.2)I.2.2 D.1.3 Concurrent Programming –Distributed programming –Parallel programming D.1.4 Sequential Programming D.1.5 Object-oriented Programming D.1.6 Logic Programming D.1.7 Visual Programming D.1.m Miscellaneous –D.2 SOFTWARE ENGINEERING (K.6.3)K.6.3 D.2.0 General (K.5.1)K.5.1 –Protection mechanisms –Standards D.2.1 Requirements/Specifications (D.3.1)D.3.1 –Elicitation methods (e.g., rapid prototyping, interviews, JAD) –Languages –Methodologies (e.g., object-oriented, structured) –Tools … –D.3 PROGRAMMING LANGUAGES...

28 Πύλες και μετά-δεδομένα  Οι πύλες (portals) παρέχουν μια εύχρηστη τοποθεσία για την αποθήκευση μετά-δεδομένων σχετικών με τα κείμενα και τα πεδία εφαρμογής τους. –Γενική τάση: Η αυτόματη παραγωγή όλο και περισσότερων μετά-δεδομένων στα πλαίσια των υπηρεσιών που παρέχει μια πύλη. –Παραδείγματα μετά-δεδομένων: ευρετήρια, ταξινομικά συστήματα, περιλήψεις κειμένων, κ.λ.π. –Αξία των περιλήψεων: δίνουν τη δυνατότητα στο χρήστη να αποφύγει την ανάγνωση κειμένων που στην πραγματικότητα δεν τον ενδιαφέρουν. Αυτόματη δημιουργία περιλήψεων: μια ενεργή ερευνητικά περιοχή (μέθοδος επιλογής προτάσεων, παραγωγή φυσικής γλώσσας κ.λ.π.)

29 Κατηγορηματική σε υ π ονοούμενη  Η τεχνολογία μπορεί να βοηθήσει τους χρήστες να διαμορφώσουν νέα υπονοούμενη γνώση π.χ. να εκτιμήσουν καλύτερα και να κατανοήσουν την κατηγορηματική γνώση.  Ένα σύστημα διαχείρισης γνώσης θα πρέπει να εξασφαλίζει τόσο την ανάκτηση, όσο και την κατανόηση και χρήση της πληροφορίας. –Π.χ. Δια της ανάλυσης και ταξινόμησης κειμένου, παραγωγή μεταδεδομένων για υποστήριξη γρήγορης πλοήγησης. –Κατανόηση: κατάταξη κειμένου σε θεματική κατηγορία. Η χρήση πληροφορίας κατάταξης διευκολύνει να κατανοηθεί η εφαρμοσιμότητα και η πιθανή αξία της πληροφορίας.  Ένα ευρύ φάσμα εργαλείων εφαρμόζεται στη διαμόρφωση υπονοούμενης γνώσης μέσω της μάθησης (εξ αποστάσεως εκπαίδευση, τηλε-εκπαίδευση).  Εργαλεία οπτικοποίησης: απόκτηση διορατικότητας.

30 Πύλες Γνώσης  Οι πύλες (portals) ξεκίνησαν σαν εφαρμογές βασισμένες στο Web, με στόχο να παρέχουν ένα σημείο για την προσπέλαση κατανεμημένης πληροφορίας όπως κείμενα που προκύπτουν από αναζήτηση, κανάλια πληροφορίας, και σύνδεσμοι σε εξειδικευμένες ιστοσελίδες.  Το περιεχόμενο του όρου πύλη έχει εξελιχθεί με το πέρασμα του χρόνου.  Οι πύλες εξ’ αρχής συμπεριέλαβαν εξελιγμένες δυνατότητες αναζήτησης και χρήση μεθόδων οργάνωσης (π.χ. ταξινομικά συστήματα).  Οι πύλες οργανώνονται σε συνάρτηση με κοινότητες χρηστών που μοιράζονται κοινά ενδιαφέροντα και πεδίο εργασίας.  Κάθετες πύλες (vertical portals-vortals): παρέχουν σε βάθος δυνατότητες σε ψηλό βαθμό εστιασμένες σε κάθετα τμήματα ενός οργανισμού ή σε ένα στενό επιστημονικό πεδίο.  Μια από τις πρώτες πύλες, που διατέθηκαν σε δημόσια χρήση, και η οποία εξακολουθεί να παραμένει από τις πιο δημοφιλείς, είναι το Yahoo.

31

32

33

34

35

36 Πύλες Γνώσης (συνέχεια)  Πύλες Γνώσης (Knowledge Portals ή K Portals): πύλες που υποστηρίζουν ένα ευρύ φάσμα δραστηριοτήτων που χαρακτηρίζουν τις εργασίες γνώσης.  Με τον όρο εργασίες γνώσης (knowledge work) αναφερόμαστε σε εργασίες που σχετίζονται με την αναζήτηση, συλλογή, οργάνωση, ανάλυση, δημιουργία, σύνθεση, μοίρασμα και διανομή της γνώσης.  Στη συνέχεια θα αναφερθούμε εκτενέστερα στις τεχνολογίες που είναι ενσωματωμένες στις πύλες και αναφέρονται σε: –Συλλογή και αποτύπωση γνώσης. –Ανάλυση κειμένου και εξαγωγή χαρακτηριστικών. –Οργάνωση κειμένων (ομαδοποίηση και κατηγοριοποίηση). –Αναζήτηση/εύρεση. –Υποστήριξη εργασιών γνώσης (ανάλυση, σύνθεση και συγγραφή). –Διανομή, μοίρασμα γνώσης και συνεργασία.

37 Τεχνολογίες π υλών γνώσης: Συλλογή και αποτύπωση  Τα κείμενα είναι αποθηκευμένα σε διάφορες τοποθεσίες. Για να καταστούν προσπελάσιμα στις τεχνολογίες της πύλης και τους τελικούς χρήστες, θα πρέπει να συλλεχθούν (αυτόματα), να καταχωρηθούν και να αναλυθούν.  Η εξόρυξη των κειμένων γίνεται με μια διαδικασία που λέγεται μπουσούλισμα (crawling). Το μπουσούλισμα ξεκινά από δεδομένο URL και ακολουθεί αυτόματα και αναδρομικά όλους τους συνδέσμους που οδηγούν σε άλλα κείμενα.  Οι αναλυτές περιεχομένου (content analyzers) χειρίζονται τις διαφορετικές μορφές αποθήκευσης των κειμένων (documents), τα αναλύουν και εξάγουν καθαρό κείμενο (text) και μεταδεδομένα.  Το καθαρό κείμενο και τα μεταδεδομένα που εξάγονται, κωδικοποιούνται (π.χ. σε XML) και καθίστανται διαθέσιμα για μεταγενέστερη επεξεργασία ανάλυσης και ευρετηρίασης.

38 Συλλογή και α π οτύπωση (συνέχεια)  Χρήσιμη η εξαγωγή συγκεντρωτικών στοιχείων μέσω του μπουσουλίσματος: –Διευκολύνει τη δημιουργία κεντρικού ευρετηρίου. –Πολλές χρήσιμες μέθοδοι ανάλυσης κειμένων βασίζονται στην ανάλυση των συγκεντρωτικών στοιχείων.  Δεν είναι πάντα εφικτό το αυτόματο μπουσούλισμα (π.χ. κείμενα αποθηκευμένα σε ιδιωτικές βάσεις που επιβάλλουν περιορισμούς πρόσβασης). –Αντιμετώπιση μέσω της ομόσπονδης αναζήτησης (federated search): οι προδιαγραφές της ερώτησης του χρήστη στέλνονται σε διάφορες μηχανές αναζήτησης και τα αποτελέσματα συνοψίζονται και επιστρέφονται. –Παρόμοια προσέγγιση ακολουθείται και όταν ένα συγκεντρωτικό ευρετήριο θα ήταν ιδιαίτερα μεγάλο: δημιουργία πολλών ευρετηρίων τα οποία επιτρέπουν παράλληλη επεξεργασία μικρότερων ομάδων πληροφορίας.

39 Συλλογή και αποτύπωση (συνέχεια)  Έλεγχος προσπέλασης: Κάποιες πληροφορίες μπορεί να επιτρέπουν την πρόσβαση μόνο σε συγκεκριμένες κατηγορίες χρηστών.  Οι πύλες θα μπορούσαν να αντιμετωπίσουν αυτήν την κατάσταση: –αγνοώντας αυτές της πληροφορίες Αυτό όμως υποσκάπτει τη φιλοσοφία των πυλών. –παρέχοντας συγκεντρωτικές πληροφορίες (π.χ. τίτλους & περιλήψεις), αλλά ελεγχόμενη πρόσβαση στα πλήρη κείμενα (π.χ. παροχή συνδέσμου προς το πλήρες κείμενο ο οποίος υπόκειται στον έλεγχο πρόσβασης της αποθήκης που είναι αποθηκευμένο). Πιθανή η τοποθέτηση ειδικής σήμανσης που να δείχνει αν η πρόσβαση είναι ελεγχόμενη ή όχι. Σε μερικές περιπτώσεις ακόμη και ο τίτλος του κειμένου μπορεί να είναι ευαίσθητος.

40 Τεχνολογίες π υλών γνώσης: Ανάλυση κειμένων και εξαγωγή χαρακτηριστικών  Καθώς ένα κείμενο εισάγεται στο σύστημα της πύλης, αποθηκεύεται ώστε να μπορεί στη συνέχεια να ανακτηθεί.  Το σύστημα της πύλης αναλύει το περιεχόμενο και αποθηκεύει τα αποτελέσματα με στόχο την εξασφάλιση αποδοτικότερης χρήσης του κειμένου από τους χρήστες της πύλης.  Εξάγονται χαρακτηριστικά τα οποία παρέχουν ενδείξεις για το περιεχόμενο του κειμένου.  Εφαρμόζονται μέθοδοι ανάλυσης (καθαρού) κειμένου (document/text analysis) για την εξαγωγή κειμενικών χαρακτηριστικών (textual features).  Κειμενικά χαρακτηριστικά: –Οντότητες που αναφέρονται στο κείμενο: πράγματα, πρόσωπα, τοποθεσίες, οργανισμοί, ημερομηνίες, τιμές ή ακόμη και σχέσεις μεταξύ οντοτήτων.  Εκτός από τα παραπάνω εγγενή χαρακτηριστικά του κειμένου, υπάρχουν και εξωγενή χαρακτηριστικά (χαρακτηριστικά μεταδεδομένων (meta-data features)): –Π.χ. ημερομηνία δημιουργίας, συγγραφείς, κατηγορία, σύστημα κατάταξης, βαθμός ασφαλείας.

41 Ανάλυση κειμένων και εξαγωγή χαρακτηριστικών (συνέχεια)  Χρησιμοποιούνται τεχνικές γλωσσολογικής ανάλυσης για την εύρεση λεξιλογίου και άλλων εκφράσεων της γλώσσας που αναφέρονται σε οντότητες του (επιστημονικού) πεδίου και στις μεταξύ τους συσχετίσεις. –Το πιο απλό (αλλά πλατιά χρησιμοποιούμενο) χαρακτηριστικό είναι οι λέξεις του κειμένου οι οποίες βρίσκονται εύκολα με λεκτική ανάλυση του κειμένου. –Για τις εφαρμογές που βασίζονται στη γνώση, όπως η δημιουργία ταξινομικού συστήματος και η πλοήγηση, είναι χρήσιμο να εξαχθούν χαρακτηριστικά που αφορούν το εννοιολογικό περιεχόμενο του κειμένου στο (επιστημονικό) πεδίο που αυτό αναφέρεται και τα οποία είναι ακριβέστερα από ότι η απλές λέξεις.  Εκτός από τις οντότητες, η ανάλυση του κειμένου πρέπει επίσης να προσδιορίσει σχέσεις μεταξύ των οντοτήτων.  Η εύρεση των οντοτήτων και των μεταξύ τους σχέσεων σε ένα κείμενο είναι σημαντική για την κατασκευή της πύλης γνώσης.

42 Τεχνολογίες π υλών γνώσης: Οργάνωση κειμένων  Ομαδοποίηση (clustering): Καθώς αυξάνει ο αριθμός των κειμένων που διαχειρίζεται το σύστημα, είναι σημαντικό να χωριστούν αυτά σε μικρότερες ομάδες (clusters) και να δοθούν ονόματα στις ομάδες αυτές.  Όλες οι μέθοδοι ομαδοποίησης χρησιμοποιούν κειμενικά χαρακτηριστικά για να αποφασίσουν αν δύο κείμενα είναι αρκετά παρόμοια ώστε να υπαχθούν στην ίδια ομάδα. –Μια τυπική προσέγγιση είναι να αναπαριστάνουμε το κείμενο σε μορφή διανύσματος των χαρακτηριστικών που περιέχει και να συγκρίνουμε τα διανύσματα διαφορετικών κειμένων για την εύρεση ομοιότητας. –Παραλλαγή: αγνόηση χαρακτηριστικών που εμφανίζονται πολύ συχνά ή πολύ σπάνια.  Αντί για ένα σύνολο ισότιμων ομάδων, μερικές μηχανές ομαδοποίησης παράγουν ιεραρχικές δομές οι οποίες περιλαμβάνουν ομάδες και υποομάδες. –Μια προσέγγιση είναι η συσσώρευση κειμένων σε μια ομάδα μέχρι αυτή να ξεπεράσει ένα κρίσιμο μέγεθος. Τότε η ομάδα διασπάται σε μια ή περισσότερες υποομάδες.

43 Οργάνωση κειμένων (συνέχεια)  Οι ομαδοποιητές είναι δυνατό να δέχονται παραμέτρους οι οποίες καθορίζουν το μέγεθος των ομάδων.  Μια σημαντική παράμετρος σε έναν ομαδοποιητή είναι η επιλογή των χαρακτηριστικών που θα χρησιμοποιήσει για την ομαδοποίηση και η βαρύτητα κάθε χαρακτηριστικού.  Αφού ο ομαδοποιητής ολοκληρώσει τη δουλειά του, πρέπει να δοθούν ονόματα (ετικέτες) στις ομάδες.  Επισύναψη ετικετών σε ομάδες (Cluster labeling): ελέγχει το τελικό περιεχόμενο των ομάδων και επιλέγει τα χαρακτηριστικά εκείνα τα οποία είναι καταλληλότερα για να παίξουν το ρόλο ονόματος.  Ταξινομικό σύστημα (taxonomy): ένα σύνολο ιεραρχικά οργανωμένων ομάδων στις οποίες έχουν επισυναφθεί ετικέτες. Οι ομάδες του ταξινομικού συστήματος ονομάζονται κόμβοι (nodes).  Πολλές φορές απαιτείται η παρέμβαση του διαχειριστής του ταξινομικού συστήματος με τη βοήθεια κατάλληλου λογισμικού (συντάκτη ταξινομικού συστήματος (taxonomy editor)).

44 Οργάνωση κειμένων (συνέχεια)  Επειδή οι συλλογές κειμένων δεν παραμένουν στατικές, οι πύλες πρέπει να προβλέπουν μια μορφή συντήρησης του ταξινομικού συστήματος. –Εισαγωγή νέων κειμένων στις κατάλληλες θέσεις του ταξινομικού συστήματος. –Διαγραφή κειμένων. –Περιοδική επανεξέταση.  Κατηγοριοποίηση κειμένων (document categorization) είναι η διαδικασία κατάταξης κειμένων σε κατηγορίες που είναι ισοδύναμες με τους κόμβους ενός ταξινομικού συστήματος.  Ένα σύστημα κατηγοριοποίησης κειμένων λειτουργεί σε δύο βήματα: –Βήμα εκπαίδευσης: εξερεύνηση των ήδη κατηγοριοποιημένων κειμένων και εξαγωγή των χαρακτηριστικών κάθε κατηγορίας για δημιουργία κατάλληλου μοντέλου. –Βήμα κατηγοριοποίησης: επεξεργασία ενός μη κατηγοριοποιημένου κειμένου και πρόταση μιας ή περισσότέρων κατηγοριών στις οποίες θα μπορούσε (κατά το σύστημα) να ενταχθεί το κείμενο.

45 Οργάνωση κειμένων (συνέχεια)  Οι μεγαλύτερες διαφορές ανάμεσα στα διάφορα συστήματα κατηγοριοποίησης αφορούν τα είδη των χαρακτηριστικών που χρησιμοποιούν, τον τρόπο αναπαράστασης των χαρακτηριστικών που σχετίζονται με τις διάφορες κατηγορίες και τον τρόπο σύγκρισης των χαρακτηριστικών των κειμένων με τα χαρακτηριστικά της κατηγορίας.  Ένα ταξινομικό σύστημα παρέχει τη δυνατότητα στους χρήστες μιας πύλης να πλοηγούνται στη συλλογή κειμένων, κατά τη διαδικασία αναζήτησης της πληροφορίας που ικανοποιεί τις ανάγκες τους.  Τα συστήματα ομαδοποίησης και κατηγοριοποίησης είναι σημαντικά εργαλεία οργάνωσης μιας πύλης. Αν και πολλές από τις λειτουργίες τους είναι αυτοματοποιημένες, συχνά απαιτείται και κάποια μορφή παρέμβασης εκ μέρους του διαχειριστή του συστήματος.

46 Τεχνολογίες π υλών γνώσης: Αναζήτηση  Ανεστραμμένο ευρετήριο (inverted index) ένα είδος λεξικού το οποίο πινακογραφεί όλες τις λέξεις που εμφανίζονται σ’ ένα κείμενο μαζί με τη θέση τους στο κείμενο.  Κατά την επεξεργασία μιας ερώτησης το πρώτο που εξετάζεται είναι το ευρετήριο.  Στα πρώτα συστήματα, στο ευρετήριο καταχωρούνταν μόνο λέξεις κλειδιά. Στα σύγχρονα συστήματα όμως καταχωρείται το σύνολο των λέξεων ενός κειμένου.  Μια ερώτηση του χρήστη μετά από μια ελαφρά προεπεξεργασία αποστέλλεται στη μηχανή αναζήτησης για να ταιριάξει με το περιεχόμενο του λεξικού. Συνήθως αναλύεται σε λίστα όρων (query terms) και στη συνέχεια γίνεται αναζήτηση στο λεξικό για να βρεθούν κείμενα που περιέχουν αυτούς τους όρους. –Θεωρείται ότι τα κείμενα που ενδιαφέρουν το χρήστη είναι αυτά που περιλαμβάνουν τους όρους της ερώτησης. –Κείμενα με συχνές εμφανίσεις των όρων θεωρούνται σχετικότερα. –Έχουν αναπτυχθεί αλγόριθμοι για βαθμολόγηση και τοποθέτηση σε σειρά των κειμένων που προκύπτουν από μια ερώτηση.

47 Αναζήτηση (συνέχεια)  Η βασική αναζήτηση (όπως περιγράφτηκε προηγουμένως) είναι η πιο κοινή μέθοδος αναζήτησης πληροφορίας.  Όμως, πολλές φορές ο χρήστης δε βρίσκει την πληροφορία που αναζητά: –Το συνεχώς αυξανόμενο μέγεθος των συλλογών κειμένων οδηγεί στην αύξηση του αριθμού των κειμένων που επιστρέφονται σαν αποτέλεσμα μιας ερώτησης. –Αν μια συλλογή είναι ετερογενής τότε οι λέξεις που περιλαμβάνει μια ερώτηση μπορεί να καταστούν ασαφείς (αφού ενδεχομένως αποδίδουν διαφορετικές έννοιες σε διαφορετικά πεδία εφαρμογής). –Συνήθως οι ερωτήσεις είναι σύντομες (αποτελούμενες από 2-3 λέξεις), περιέχουν λίγους όρους και επομένως ταιριάζουν με πολλά κείμενα.  Για το ξεπέρασμα των παραπάνω προβλημάτων αναπτύχθηκαν προχωρημένες τεχνικές αναζήτησης.

48 Προχωρημένες Τεχνικές Αναζήτησης  Παρακινούμενη τελειοποίηση ερωτήσεων (Prompted Query Refinement- PQR): τεχνική που βοηθά το χρήστη να τελειοποιήσει την ερώτηση του με διαλογικό τρόπο. –Συχνά ο χρήστης ξεκινά με μια απλή και σύντομη ερώτηση. –Το PQR μπορεί (λαμβάνοντας υπ’ όψιν τους όρους που εμφανίζονται στη συλλογή της πύλης) να προτείνει στο χρήστη υποψήφιους όρους για τον εμπλουτισμό της ερώτησης του. Ο χρήστης μπορεί να διαλέξει κάποιους από αυτούς.  Μια άλλη τεχνική προχωρημένης αναζήτησης βασίζεται στην ιδέα: αν ο χρήστης βρει ένα ή περισσότερα κείμενα στη λίστα που προκύπτει από την απάντηση σε μια ερώτηση, τότε η πληροφορία αυτή αποστέλλεται στη μηχανή αναζήτησης η οποία αναζητά ‘παρόμοια’ κείμενα (εξάγονται τα χαρακτηριστικά του κειμένου και σχηματίζεται αυτόματα σχετική ερώτηση). –Πολλές μηχανές αναζήτησης εφαρμόζουν αυτόματα την παραπάνω τεχνική (χωρίς την παρέμβαση του χρήστη).

49 Προχωρημένες Τεχνικές Αναζήτησης (συνέχεια)  Μερικοί σύγχρονοι αλγόριθμοι αναζήτησης πετυχαίνουν σημαντικές βελτιώσεις στην απάντηση ερωτήσεων βαθμολογώντας τα κείμενα με βάση παράγοντες που δεν αφορούν την ερώτηση. –Οι ιστοσελίδες βαθμολογούνται με υψηλό βαθμό αν ‘δείχνονται’ συχνά από άλλες ιστοσελίδες. –Άλλο μέτρο ποιότητας σχετίζεται με το πόσο συχνές επισκέψεις δέχεται μια ιστοσελίδα ή πόσο συχνά ενημερώνεται αυτή.  Ερωτήσεις διατυπωμένες σε φυσική γλώσσα: ενδιαφέρουσα ερευνητική δραστηριότητα που συνδυάζει τεχνικές ανάκτησης πληροφορίας με επεξεργασία φυσικής γλώσσας και μεθόδους αναπαράστασης γνώσης.  Εκτός από τη δημιουργία και εκτέλεση ερωτήσεων βασισμένων σε προδιαγραφές που δίνει ο χρήστης, μια εναλλακτική προσέγγιση είναι να προβαίνει αυτόματα το σύστημα σε αναζητήσεις και να παρουσιάζει τα αποτελέσματα στο χρήστη. –Βασίζεται στην περιγραφή των ενδιαφερόντων του χρήστη (είτε εκφρασμένων από τον χρήστη, είτε έχοντας εξαχθεί αναλύοντας τα e-mails ή τα κείμενα που έχει επισκεφτεί ο χρήστης).

50 Αναζήτηση: Ψάξιμο και Πλοήγηση  Η ανάκτηση της πληροφορίας είναι συνήθως μια επαναληπτική διαδικασία η οποία ξεκινά από ένα ερώτημα το οποίο επιστρέφει κάποια αρχική πληροφορία. Ακολουθεί το ψάξιμο (browsing) του περιεχομένου της πληροφορίας αυτής, μέσω του οποίου μαθαίνουμε περισσότερα για το θέμα. Αυτό συχνά οδηγεί σε επαναδιατύπωση της ερώτησης και στο ξεκίνημα νέας αναζήτησης.  Μερικές πύλες προσφέρουν εργαλεία συνόψισης τα οποία εξάγουν την πιο ενδιαφέρουσα πληροφορία από ένα κείμενο και την παρουσιάζουν στον χρήστη. –Αυτόματες περιλήψεις: συλλογή προτάσεων που εξάγονται από το κείμενο. –Είδη περιλήψεων: εκτενείς κατατοπιστικές περιλήψεις, σύντομες ενδεικτικές περιλήψεις, περιλήψεις βασισμένες στην ερώτηση, περιλήψεις με λέξεις κλειδιά. –Η συνόψιση κειμένων (document summarization) βασίζεται στη βαθμολόγηση των προτάσεων του κειμένου ως προς την σπουδαιότητα και την παρουσίαση όσο το δυνατών περισσότερων από αυτές.

51 Ψάξιμο και Πλοήγηση (συνέχεια)  Η πλοήγηση (navigation) μπορεί να θεωρηθεί σαν είδος ψαξίματος όχι μεμονωμένου κειμένου αλλά συνόλου από κείμενα.  Όπως και το ψάξιμο, έτσι και η πλοήγηση είναι συμπληρωματική της αναζήτησης (μέσω ερωτήσεων).  Η πλοήγηση ελέγχεται μερικώς από τον χρήστη ο οποίος αποφασίζει που θα πάει στη συνέχεια.  Πλοήγηση σε κατηγορίες (category navigation): πλοήγηση σε ένα ταξινομικό σύστημα. –Μοιάζει με την αναζήτηση (που επιλέγει ένα σύνολο κειμένων που ταιριάζει με μια ερώτηση) αφού η πλοήγηση σε κατηγορίες επιλέγει ένα σύνολο κειμένων (κατηγορία) που ταιριάζουν μεταξύ τους.  Λεκτική πλοήγηση (lexical navigation): επιτρέπει πλοήγηση ανάμεσα σε εξέχοντα χαρακτηριστικά που έχουν εντοπιστεί στη συλλογή και αναπαρίστανται σαν κειμενικά χαρακτηριστικά. Σύνδεση των χαρακτηριστικών μεταξύ τους: –Ανώνυμες σχέσεις βασιζόμενες στην συνεμφάνιση. –Ονοματισμένες σχέσεις, βασιζόμενες σε γλωσσολογικές μορφές του κειμένου (δείχνουν την ακριβή φύση της συσχέτισης).

52

53

54

55 Υποστήριξη εργασιών ανάλυσης, σύνθεσης και συγγραφής πληροφορίας  Γενικά η εργασίες γνώσης στοχεύουν στην επίλυση προβλημάτων. Αυτό προϋποθέτει την ανάλυση της πληροφορίας, τη σύνθεση νέας πληροφορίας και τη διάδοση των αποτελεσμάτων δια μέσου της συγγραφής.  Πολλά εργαλεία λογισμικού έχουν αναπτυχθεί (έξω από τα πλαίσια της διαχείρισης γνώσης σαν τυπικές δραστηριότητες υποστήριξης εργασιών γραφείου) για την υποστήριξη των παραπάνω διαδικασιών. –Επεξεργαστές κειμένου, λογιστικά φύλλα, λογισμικό διαχείρισης έργων, πρότυπα δημιουργίας παρουσιάσεων κ.λ.π.  Αναπτύσσονται νέα εργαλεία εξειδικευμένα στα πλαίσια της διαχείρισης γνώσης που στοχεύουν στην ανάλυση και σύνθεση πληροφορίας. –Εργαλεία ψαξίματος αποτελεσμάτων αναζήτησης, εργαλεία εξαγωγής περιλήψεων κ.λ.π. –Η ανάπτυξη τέτοιων εργαλείων είναι ενεργή ερευνητική δραστηριότητα.

56 Διανομή, μοίρασμα γνώσης και συνεργασία  Η νέα γνώση που έχει παραχθεί μπορεί να διανεμηθεί στέλνοντας κείμενα σε χώρους αποθήκευσης στους οποίους έχουν πρόσβαση συστήματα μπουσουλίσματος.  Στα πλαίσια της ομάδας ενός έργου, η σχετική με το έργο πληροφορία μπορεί να διανεμηθεί μέσω κοινόχρηστων αποθηκών πληροφορίας ή με τη βοήθεια μηνυμάτων ηλεκτρονικού ταχυδρομείου με επισυναπτόμενα.  Οι πύλες υποστηρίζουν το μοίρασμα κειμένων και τη συνεργασία μεταξύ εργατών γνώσης παρέχοντας προσπέλαση σε στοιχεία που αφορούν περιοχές ειδίκευσης και ειδικούς (ανθρώπους), και δημοσιεύοντας περιλήψεις κειμένων και κείμενα.  Εργαλεία για τη συνεργασία στη συγγραφή: επιτρέπουν σε πολλούς συγγραφείς να διαχειρίζονται διάφορα κείμενα τα οποία συγγράφουν, να επισυνάπτουν σχόλια σε κείμενα συν- συγγραφέων και να συγχωνεύουν τμήματα κειμένων τα οποία έχουν γραφτεί από διάφορους συνεργάτες.

57 Κατασκευή & διαχείριση πυλών γνώσης  Οι εργάτες γνώσης γενικά δε χρειάζεται να ασχολούνται με μηχανισμούς κατασκευής και συντήρησης των πυλών γνώσης.  Στην ιδανική περίπτωση οι τεχνολογίες που περιγράψαμε εκτελούνται αυτόματα χωρίς ανάγκη ανθρώπινης παρέμβασης. Όμως, αν και ο βαθμός αυτοματοποίησης αυξάνει συνεχώς, υπάρχουν ακόμη πλευρές που απαιτούν ανθρώπινη παρέμβαση. –Διατύπωση (με τη βοήθεια εργαλείων) προδιαγραφών (π.χ. σε μορφή XML) που καθοδηγούν το μπουσούλισμα και την κατηγοριοποίηση. Η συλλογή και εξαγωγή πληροφοριών απαιτεί τον προσδιορισμό των σχετικών αποθηκών και τη διατύπωση κανόνων μπουσουλίσματος για τη συλλογή της χρήσιμης και την απόρριψη της άσχετης πληροφορίας. –Διαχείριση περιεχομένου (content management): ιδιαίτερα δύσκολο να αυτοματοποηθεί.  Η κατασκευή και η συντήρηση της υποδομής πυλών γνώσης γενικά απαιτεί γνώσεις λογισμικού σχετικές με: βάσεις δεδομένων, διαχείριση συστημάτων καθώς και γνώσεις προγραμματισμού. Αυτές οι εργασίες (πρέπει να) υποστηρίζονται από εργαλεία λογισμικού υψηλού επιπέδου.

58 Κατασκευή & διαχείριση πυλών γνώσης (συνέχεια)  Η ανάπτυξη ταξινομικού συστήματος και η εξασφάλιση ακριβούς κατηγοριοποίησης των κειμένων είναι δύσκολη εργασία. Απαιτείται ένας ειδικός της περιοχής που να κατανοεί πως θα ήθελαν οι χρήστες να είναι οργανωμένη η πληροφορία και ποια είναι η κατάλληλη ορολογία για την ονομασία των κατηγοριών.  Υπάρχει διάσταση ανάμεσα στην προσπάθεια να συλλεχθεί γρήγορα πλατιά πληροφορία και στην εξασφάλιση της ποιότητας της πληροφορίας που συλλέγεται. –Η αυτοματοποίηση μπορεί να παίξει κάποιο ρόλο εδώ (π.χ. συχνότητα προσπέλασης σαν μέτρο ποιότητας, αλγόριθμοι εντοπισμού ‘άχρηστης πληροφορίας’, κ.λ.π.).  Μια ακόμα απαίτηση στην ανάπτυξη πυλών είναι η προσαρμογή στις ανάγκες (customization) και η εξατομίκευση (personalization). –Επιτραπεί στους χρήστες προσαρμόζουν και να εξατομικεύουν μια πύλη με βάση τις ανάγκες τους. –Παράδειγμα: Το My Yahoo επιτρέπει στους χρήστες να δημιουργούν τη ‘δική τους πύλη’ γύρω από τον πυρήνα του Yahoo.

59

60

61

62

63

64

65

66

67