terça-feira, 3 de fevereiro de 2015
domingo, 1 de fevereiro de 2015
Metodologias - RapidOWL
RapidOWL é uma metodologia ágil, adaptativa, proposta por Sören Auer (2009) para a engenharia do conhecimento colaborativa, possibilitando o desenvolvimento colaborativo de bases de conhecimento na web semântica. Seu objetivo principal é tornar mais eficiente a elicitação, a estruturação e a transformação do conhecimento e, deste modo, a cooperação entre os especialistas de domínio e engenheiros de conhecimento.
Segundo a definição de (AUER, 2009 p.271): “Uma metodologia de engenharia do conhecimento é um acordo sobre como múltiplas pessoas trabalharão juntas. Define um processo no qual especialistas do domínio e engenheiros do conhecimento construirão uma base de conhecimento. Esta base de conhecimentos é representada em uma linguagem de representação de conhecimento com ferramentas adequadas. Processos, linguagens e ferramentas são baseadas em paradigmas de representação do conhecimento.”
Em (AUER, 2009 p.271) é descrito um modo de retratar metodologias ágeis, segundo a visão de Alistair Cockburn (2000). Em síntese, a metodologia RapidOWL é fundamentada em paradigmas, que influenciam o processo, dispõem a fundação para os modelos, e precisam ser internalizados por pessoas. Ferramentas suportam as práticas, organizam a colaboração das pessoas de acordo com os modelos.
Segundo (AUER, 2009), Paradigmas para metodologia de engenharia do conhecimento ágil, com foco em padrões de Representação de conhecimento da Web Semântica, devem refletir a natureza distribuída e interconectada da Web e reconhecer declarações (RDF) como sendo os menores blocos de construção de bases de conhecimento da Web Semântica.
Nos Processos para Metodologias ágeis a flexibilidade para aplicação de mudanças é mais importante do que a localização em uma determinada fase do ciclo de vida (de software ou de conhecimento). Em lugar de prover um modelo de fases, são propostos valores a partir dos quais os princípios são derivados para o processo de engenharia, assim como práticas para aplicar estes princípios no dia a dia.
Em (AUER, 2009) os Valores, os Princípios e as Práticas são descritos como Blocos de Construção de RapidOWL, sendo os ingredientes principais da metodologia. São, também, os aspectos principais aos quais devem ficar atentos os especialistas de domínio, os engenheiros e os desenvolvedores de ferramentas para RapidOWL habilitadas para sistemas de engenharia e gestão de conhecimento.
Em lugar de seguir uma sequencia pré-definida de atividades de modelagem, RapidOWL segue a Agilidade para mudanças nos modelos de conhecimento. A metodologia parte do pressuposto de que o conhecimento deve ser modelado evolucionariamente, colaborativamente entre usuários, especialistas do domínio e engenheiros do conhecimento.
Suas principais características são:
RapidOWL adota um Modelo de Dados da Web Semântica. O uso de triplas RDF provê um frame preciso para representação de conhecimento. Declarações formadas por sujeito, predicado, objeto podem ser vistas como menores peças manejáveis de conhecimento. Uma ontologia é uma combinação permitida de declarações, como tem sido definidas por OWL lite, OWL DL, ou OWL com padrões completos. Construções de alto nível podem ser quebradas em um número de declarações. O Paradigma de Representação de conhecimento da Web Semântica adotado é adequado para representar sistemas de classificação compartilhados, vocabulários e conceitualizações. Os Padrões adotados são: RDF - Resource Description Framework; RDF – Schema; OWL - Ontology Web Language.
Segundo a definição de (AUER, 2009 p.271): “Uma metodologia de engenharia do conhecimento é um acordo sobre como múltiplas pessoas trabalharão juntas. Define um processo no qual especialistas do domínio e engenheiros do conhecimento construirão uma base de conhecimento. Esta base de conhecimentos é representada em uma linguagem de representação de conhecimento com ferramentas adequadas. Processos, linguagens e ferramentas são baseadas em paradigmas de representação do conhecimento.”
Em (AUER, 2009 p.271) é descrito um modo de retratar metodologias ágeis, segundo a visão de Alistair Cockburn (2000). Em síntese, a metodologia RapidOWL é fundamentada em paradigmas, que influenciam o processo, dispõem a fundação para os modelos, e precisam ser internalizados por pessoas. Ferramentas suportam as práticas, organizam a colaboração das pessoas de acordo com os modelos.
Segundo (AUER, 2009), Paradigmas para metodologia de engenharia do conhecimento ágil, com foco em padrões de Representação de conhecimento da Web Semântica, devem refletir a natureza distribuída e interconectada da Web e reconhecer declarações (RDF) como sendo os menores blocos de construção de bases de conhecimento da Web Semântica.
Nos Processos para Metodologias ágeis a flexibilidade para aplicação de mudanças é mais importante do que a localização em uma determinada fase do ciclo de vida (de software ou de conhecimento). Em lugar de prover um modelo de fases, são propostos valores a partir dos quais os princípios são derivados para o processo de engenharia, assim como práticas para aplicar estes princípios no dia a dia.
Em (AUER, 2009) os Valores, os Princípios e as Práticas são descritos como Blocos de Construção de RapidOWL, sendo os ingredientes principais da metodologia. São, também, os aspectos principais aos quais devem ficar atentos os especialistas de domínio, os engenheiros e os desenvolvedores de ferramentas para RapidOWL habilitadas para sistemas de engenharia e gestão de conhecimento.
Em lugar de seguir uma sequencia pré-definida de atividades de modelagem, RapidOWL segue a Agilidade para mudanças nos modelos de conhecimento. A metodologia parte do pressuposto de que o conhecimento deve ser modelado evolucionariamente, colaborativamente entre usuários, especialistas do domínio e engenheiros do conhecimento.
Suas principais características são:
- —Metodologia adaptativa para engenharia do conhecimento colaborativa;
- —Baseada na ideia de refinamento interativo, anotações e estruturação de uma base de conhecimento;
- —O paradigma central é a atenção dada aos pequenos pedaços de informação (sentenças RDF);
- —Inspirada na metodologia ágil XP.K (eXtreme Programming para sistemas baseados em conhecimento): Design de ontologias conjuntas de forma evolutiva, integração da informação, construções de visões específicas do domínio do problema;
- Processo guiado pelo conceito de Wiki: Mundo aberto, mudanças incrementais, desenvolvimento observável, rápido feedback. No Wiki, o conhecimento é representado por documentos texto não estruturados. Em RapidOWL, o conhecimento é representado por declarações (RDF) estruturadas.
RapidOWL adota um Modelo de Dados da Web Semântica. O uso de triplas RDF provê um frame preciso para representação de conhecimento. Declarações formadas por sujeito, predicado, objeto podem ser vistas como menores peças manejáveis de conhecimento. Uma ontologia é uma combinação permitida de declarações, como tem sido definidas por OWL lite, OWL DL, ou OWL com padrões completos. Construções de alto nível podem ser quebradas em um número de declarações. O Paradigma de Representação de conhecimento da Web Semântica adotado é adequado para representar sistemas de classificação compartilhados, vocabulários e conceitualizações. Os Padrões adotados são: RDF - Resource Description Framework; RDF – Schema; OWL - Ontology Web Language.
Fonte:
http://www.egc.ufsc.br/wiki/index.php/Engenharia_do_Conhecimento
segunda-feira, 19 de janeiro de 2015
Métodos de desenvolvimento de KBSs: RLM e CRLM
O RLM pode ser caracterizado como uma ferramenta (Shell) de desenvolvimento de Engenharia do Conhecimento. Onde esta ferramenta contém a implementação de um PSM específico.
A estrutura predefinida de base de conhecimento de enfoque RLM pode ser usada para orientar o processo de aquisição de conhecimento, pois o tipos de conhecimento que dedem ser fornecidos pelo especialista de domínio são especificados apriori.
UM PSM complexo pode ser decomposto em varias subtarefas, estas podem ser resolvidas por métodos alternativos.
Como tarefas podem possuir subtarefas em comum, o CRLM disponibiliza um conjunto pré-definido de diferentes métodos para resolver diferentes subtarefas (pode ser configurado pela seleção de um método para cada subtarefa identificada).
Referência:Knowledge Engineering: Principles and Methods, Ronny A. Caytano Terán e Dalvir Maguerroski
A estrutura predefinida de base de conhecimento de enfoque RLM pode ser usada para orientar o processo de aquisição de conhecimento, pois o tipos de conhecimento que dedem ser fornecidos pelo especialista de domínio são especificados apriori.
Como tarefas podem possuir subtarefas em comum, o CRLM disponibiliza um conjunto pré-definido de diferentes métodos para resolver diferentes subtarefas (pode ser configurado pela seleção de um método para cada subtarefa identificada).
Engenharia do Conhecimento e Cálculo Probabilístico para Apoio ao Diagnóstico
Nas buscas sobre novas informações sobre a aplicação da Engenharia do Conhecimento, achei muito interessante o seu uso para apoio ao diagnóstico, segue abaixo trecho do artigo:
O avanço tecnológico ocorrido nos últimos anos tem impulsionado o desenvolvimento de Sistemas
Baseados em Conhecimento (SBC) que utilizam a inteligência computacional para auxiliar nas tarefas intensivas em conhecimento (ZHAO, YANXIANG & HUI, 2005; RODRÍGUEZ et al., 2009a). Entretanto, alavancar o potencial destas aplicações, em relação ao processo de diagnóstico, tem sido uma ação crítica e desafiadora no tocante à confiabilidade destes sistemas (GARCÍA-CRESPO et al., 2010).
Vários modelos correlatos têm sido propostos para auxiliar o profissional no processo de diagnóstico
tais como: Modelo SOMKS, proposto por Minchin et al. (2006); Modelo FENZA proposto por Fenza et al. (2008); Modelo ODDIN, proposto por García-Crespo et al. (2010), porém, a precisão e a eficiência ainda são metas a serem alcançadas (GARCÍA-CRESPO et al., 2010).
O diagnóstico, de uma forma geral é sempre um processo complexo que exige elevado nível de conhecimento e, tendo uma grande quantidade de variáveis a serem consideradas, muitas vezes dificulta o seu desempenho (SHORTLIFFE et al., 2001).
Portanto, um grande desafio tem sido como apoiar este processo, onde os sistemas são projetados
e desenvolvidos baseados em precisão e certeza. Eles proveem soluções irreais baseados em um ambiente fechado e para a maioria das aplicações reais as incertezas são inevitáveis e não podem ser ignoradas (YANG,2007).
A Engenharia do Conhecimento (EC) é uma área que pode auxiliar este processo através de um conjunto de métodos, técnicas e ferramentas que oferecem suporte à Gestão do Conhecimento (GC) para a formalização e explicitação das atividades intensivas em conhecimento (SCHREIBER et al., 2002).
Um destes instrumentos é a metodologia CommonKADS (Knowledge Acquisition and Documentation Struturing), que fornece um conjunto de etapas para o desenvolvimento de SBC (SCHREIBER et al., 2002). No nível de contexto, o Modelo de Organização desta metodologia suporta a maioria dos recursos da organização para descobrir problemas e oportunidades, estabelecendo sua viabilidade e avaliando os possíveis impactos do desenvolvimento destes sistemas.
No nível de conceito, o Modelo de Conhecimento desta metodologia procura especificar tarefas
intensivas de conhecimento, explicando em detalhes o tipo e a estrutura do conhecimento usado na execução de uma tarefa. Já ao nível de artefato, o Modelo de Projeto tem o objetivo de apresentar todos os detalhamentos necessários para a construção de um Sistema de Conhecimento (SCHREIBER et al., 2002).
Algumas das etapas desta metodologia podem ser auxiliadas e aprimoradas utilizando a modelagem
proposta por Bunge (2003) através do modelo CESM (Composition – Environment – Structure-Mechanism),o qual proporciona uma visão sistêmica e pode contribuir, significativamente, para a geração, elicitação e estruturação do conhecimento em um domínio específico.
No processo de geração do conhecimento, Calhoun e Starbuck (2003) comentam que esta pode ocorrer por meio da organização de conhecimento anterior em novas formas, da combinação de informações relevantes,ou mesmo de insigths acerca da aplicação de conhecimento existente em novos contextos.
Gómez-Pérez (1999), dentro do processo de elicitação do conhecimento, destaca a técnica da
ontologia como forma eficiente de representar o conhecimento através de um conjunto de termos ordenados hierarquicamente para descrever um domínio que pode ser usado como um esqueleto para uma base de conhecimento.
Uma das principais características da ontologia é a sua excelente capacidade de representar a estrutura organizacional de um grande domínio complexo e raciocinar sobre ela. Porém, sua aplicação é limitada devido à inabilidade de lidar com incertezas (KOLLER e PFEFFER, 1998; COSTA et al., 2009). Esta deficiência pode ser contornada através do cálculo probabilístico que fornece um tratamento adequado às variáveis (YANG e CALMET, 2005).
As redes Bayesianas, fundamentadas no cálculo probabilístico, são amplamente usadas para trabalhar
com incerteza devido à sua excelente expressividade gráfica e poder computacional; entretanto, são inadequadaspara representar o conhecimento em domínios grandes e complexos (MAHONEY e LASKEY, 1996).
Portanto, tem-se na ontologia associada às redes Bayesianas uma estrutura adequada complementar
que possibilita aproveitar a potencialidade de cada uma delas no apoio ao processo de diagnóstico (YANG e CALMET, 2005).
A construção de um modelo de engenharia do conhecimento, envolvendo os conceitos e técnicas de
representação de conhecimento, principalmente pelo uso de ontologias e do cálculo probabilístico, possibilita trabalhar dentro de um domínio do conhecimento equacionando as incertezas de forma a apoiar o processo do diagnóstico.
Leia a artigo completo (http://www.uff.br/sg/index.php/sg/article/download/V6N3A4/V6N3A4)
Referência: Revista Eletrônica Sistemas e Gestão , volume 6, número 3, 2011 , pp 272-293.
O avanço tecnológico ocorrido nos últimos anos tem impulsionado o desenvolvimento de Sistemas
Baseados em Conhecimento (SBC) que utilizam a inteligência computacional para auxiliar nas tarefas intensivas em conhecimento (ZHAO, YANXIANG & HUI, 2005; RODRÍGUEZ et al., 2009a). Entretanto, alavancar o potencial destas aplicações, em relação ao processo de diagnóstico, tem sido uma ação crítica e desafiadora no tocante à confiabilidade destes sistemas (GARCÍA-CRESPO et al., 2010).
Vários modelos correlatos têm sido propostos para auxiliar o profissional no processo de diagnóstico
tais como: Modelo SOMKS, proposto por Minchin et al. (2006); Modelo FENZA proposto por Fenza et al. (2008); Modelo ODDIN, proposto por García-Crespo et al. (2010), porém, a precisão e a eficiência ainda são metas a serem alcançadas (GARCÍA-CRESPO et al., 2010).
O diagnóstico, de uma forma geral é sempre um processo complexo que exige elevado nível de conhecimento e, tendo uma grande quantidade de variáveis a serem consideradas, muitas vezes dificulta o seu desempenho (SHORTLIFFE et al., 2001).
Portanto, um grande desafio tem sido como apoiar este processo, onde os sistemas são projetados
e desenvolvidos baseados em precisão e certeza. Eles proveem soluções irreais baseados em um ambiente fechado e para a maioria das aplicações reais as incertezas são inevitáveis e não podem ser ignoradas (YANG,2007).
A Engenharia do Conhecimento (EC) é uma área que pode auxiliar este processo através de um conjunto de métodos, técnicas e ferramentas que oferecem suporte à Gestão do Conhecimento (GC) para a formalização e explicitação das atividades intensivas em conhecimento (SCHREIBER et al., 2002).
Um destes instrumentos é a metodologia CommonKADS (Knowledge Acquisition and Documentation Struturing), que fornece um conjunto de etapas para o desenvolvimento de SBC (SCHREIBER et al., 2002). No nível de contexto, o Modelo de Organização desta metodologia suporta a maioria dos recursos da organização para descobrir problemas e oportunidades, estabelecendo sua viabilidade e avaliando os possíveis impactos do desenvolvimento destes sistemas.
No nível de conceito, o Modelo de Conhecimento desta metodologia procura especificar tarefas
intensivas de conhecimento, explicando em detalhes o tipo e a estrutura do conhecimento usado na execução de uma tarefa. Já ao nível de artefato, o Modelo de Projeto tem o objetivo de apresentar todos os detalhamentos necessários para a construção de um Sistema de Conhecimento (SCHREIBER et al., 2002).
Algumas das etapas desta metodologia podem ser auxiliadas e aprimoradas utilizando a modelagem
proposta por Bunge (2003) através do modelo CESM (Composition – Environment – Structure-Mechanism),o qual proporciona uma visão sistêmica e pode contribuir, significativamente, para a geração, elicitação e estruturação do conhecimento em um domínio específico.
No processo de geração do conhecimento, Calhoun e Starbuck (2003) comentam que esta pode ocorrer por meio da organização de conhecimento anterior em novas formas, da combinação de informações relevantes,ou mesmo de insigths acerca da aplicação de conhecimento existente em novos contextos.
Gómez-Pérez (1999), dentro do processo de elicitação do conhecimento, destaca a técnica da
ontologia como forma eficiente de representar o conhecimento através de um conjunto de termos ordenados hierarquicamente para descrever um domínio que pode ser usado como um esqueleto para uma base de conhecimento.
Uma das principais características da ontologia é a sua excelente capacidade de representar a estrutura organizacional de um grande domínio complexo e raciocinar sobre ela. Porém, sua aplicação é limitada devido à inabilidade de lidar com incertezas (KOLLER e PFEFFER, 1998; COSTA et al., 2009). Esta deficiência pode ser contornada através do cálculo probabilístico que fornece um tratamento adequado às variáveis (YANG e CALMET, 2005).
As redes Bayesianas, fundamentadas no cálculo probabilístico, são amplamente usadas para trabalhar
com incerteza devido à sua excelente expressividade gráfica e poder computacional; entretanto, são inadequadaspara representar o conhecimento em domínios grandes e complexos (MAHONEY e LASKEY, 1996).
Portanto, tem-se na ontologia associada às redes Bayesianas uma estrutura adequada complementar
que possibilita aproveitar a potencialidade de cada uma delas no apoio ao processo de diagnóstico (YANG e CALMET, 2005).
A construção de um modelo de engenharia do conhecimento, envolvendo os conceitos e técnicas de
representação de conhecimento, principalmente pelo uso de ontologias e do cálculo probabilístico, possibilita trabalhar dentro de um domínio do conhecimento equacionando as incertezas de forma a apoiar o processo do diagnóstico.
Leia a artigo completo (http://www.uff.br/sg/index.php/sg/article/download/V6N3A4/V6N3A4)
Referência: Revista Eletrônica Sistemas e Gestão , volume 6, número 3, 2011 , pp 272-293.
terça-feira, 13 de janeiro de 2015
A gestão do conhecimento hoje no Brasil
Empresas brasileiras evoluíram bastante este ano no sentido de adotar práticas de gestão do conhecimento. Veja o que está sendo feito, embora ainda exista um longo caminho a ser percorrido.
A abordagem da Gestão do Conhecimento nas organizações tem tido ênfase no compartilhamento de conhecimentos e na formação de memória organizacional, principalmente visando captar, reter e disseminar o conhecimento tácito nas organizações. Mas não paramos por aí.
Existem as outras correntes de pensamento, que visam trabalhar competências, com mais foco nas pessoas do que nos métodos de como fazer este tal compartilhamento acontecer.
Além destes, existem os grupos de pensamento que apostam na tecnologia de informação como suporte à gestão do conhecimento, entre outros apoios. A idéia deste relato é explicitar algumas idéias com relação à gestão do conhecimento e como essa abordagem tem evoluído.
Há anos atrás, muito pouco se lia e ouvia sobre a importância do conhecimento nas organizações. No início da década de 90, ouvia–se falar muito pouco de gestão do conhecimento e afins, afinal as empresas estavam terminando aquelas dores de downsizing e reengenharia e voltadas para seus programas de qualidade total.
Na segunda metade da década de 90 já começamos a ter mais referências sobre os temas gestão de conhecimento, capital intelectual, inteligência competitiva. Em 1998 tivemos um recorde de bibliografias sobre o tema conhecimento. A questão do tratamento dos ativos intangíveis parece que começou a ser melhor discutida deste ponto para cá e hoje, nos parece, se não está resolvida, está bem encaminhada.
Vimos em muitos artigos e livros relatos sobre gerar vantagem competitiva através do uso intensivo de conhecimento nos processos de negócio nos processos produtivos, o que já teria sido internalizado pelas organizações.
Tento me convencer disto lendo alguns dados estatísticos e livros mais consolidados e, certas vezes, vou mesmo me convencendo de que isso realmente já foi internalizado, já foi aceito e entendido pelas organizações.
Pesquisa feita pela Fundação Getúlio Vargas com as 500 maiores empresas brasileiras identificou que 81% dos executivos entrevistados acreditavam na importância da utilização da gestão do conhecimento dentro das corporações.
Mais ainda, 15% das empresas dos entrevistados possuem sistemas de gestão do conhecimento implantados e outros 34% em processo de criação de seus sistemas. A pesquisa aponta que a maioria, cerca de 80%, dos que desenvolveram projetos, o fizeram internamente, o que mostra que as empresas possuem massa crítica para tal.
Metade do público entrevistado acredita que o maior ganho da gestão do conhecimento é a transferência de conhecimento para toda a empresa e a minoria, 15%, acredita que a gestão do conhecimento tem como maior objetivo a redução de tempo nas decisões.
São dados realmente contundentes, o quais procuro comparar diariamente com a realidade em empresas que visito, em conversas informais, em prospecções e projetos que realizo. E isso tudo parece uma situação muito paradoxal.
A gestão do conhecimento no discurso tem sido muito mais bonita do que a realizada nas empresas, embora tenhamos evoluído bastante neste tema nos últimos anos. Vamos ao que as empresas mais têm feito neste tema.
Gestão de competências. Esta tem sido uma fonte de preocupação em diversas organizações públicas e privadas, onde surgiram perguntas que gestores não conseguiam responder. Por exemplo: Você conhece o potencial de seus colaboradores? Caso precise preencher uma vaga em sua empresa, poderá indicar um profissional interno com as competências necessárias? Os programas de treinamento oferecidos aos seus colaboradores têm trazido resultados significativos e contribuído para tornar sua empresa mais competitiva?
O momento das empresas brasileiras exige cada vez mais a melhoria na capacidade de obter resultados através das pessoas. Investimentos em tecnologias de última geração, inovação nas metodologias de trabalho ou melhoria nos processos podem ser realizados por toda e qualquer empresa, mas se as pessoas ? que fazem a organização andar ? não estiverem sendo capacitadas, não adiantará muito o esforço. Montar um ?Banco de Talentos Internos?, através da identificação de potenciais tem sido um belíssimo exemplo de como começar a realizar gestão do conhecimento: a idéia é conhecer o que o colaborador conhece! Empresas como Eletrobrás, Ericsson e Siemens realizam atividades similares há bastante tempo.
Memória organizacional. Mesmo nos dias atuais, com toda a abordagem de gestão do conhecimento à disposição, há informações e dados não disponíveis, isolamento entre unidades de negócios, ineficiência na comunicação organizacional, desperdício de práticas e experiências e não–compartilhamento e falta de registro de informações.
Segundo pesquisa da consultoria PriceWaterhouse Coopers, 60% do tempo dos executivos é gasto na recuperação de informações já processadas e disponíveis em algum ponto da empresa. Empresas como Natura Cosméticos, O Globo e Sebrae já experimentam estas iniciativas para não sofrerem o que sofreram as empresas participantes de pesquisa realizada pela Korn Ferry International, que constatou que 90% das informações e conhecimentos não são compartilhadas internamente. Isso significa, que as empresas não possuem memória organizacional.
A empresa que possui um banco de dados com informações sobre os processos adotados durante todo o período de gerenciamento de um projeto, por exemplo, evita retrabalho, repetição de erros e desenvolvimento de projetos simultâneos. Uma memória organizacional bem planejada pode trazer vantagens reais à empresa, como reutilização de soluções, armazenamento de histórico de projetos anteriores, bancos de problemas e soluções, perguntas e respostas, bibliotecas virtuais, materiais didáticos, entre outras.
Inteligência empresarial. Possuir bancos de dados e bases informativas, as empresas já possuem. Se procurarmos bem, existem dados e informações por todos os locais das empresas. É preciso um passo seguinte – fazer bom uso das informações para gerar algum tipo de vantagem para a empresa. Neste sentido, é necessário existir um ciclo onde a empresa:
a. defina as suas necessidades de informação
b. defina as fontes de informação
c. estabeleça um processo de coleta de informações
d. estabeleça um processo de análise e contextualização das informações e
e. Realize um processo contínuo de disseminação de informações
b. defina as fontes de informação
c. estabeleça um processo de coleta de informações
d. estabeleça um processo de análise e contextualização das informações e
e. Realize um processo contínuo de disseminação de informações
Pode não adiantar muito também parar neste estágio. É necessário que haja (re)utilização das informações para gerar alguma vantagem real. Por exemplo, “meu concorrente direto acaba de iniciar um programa de relacionamento com clientes, o que devo fazer?” Ou “a tecnologia que utilizamos em nossa operadora de telecom está obsoleta e nosso concorrente acaba de adotar um padrão bem mais moderno…?” Ou até mesmo “vou ganhar um novo concorrente este ano?” Tudo isto pode acontecer, com uso de inteligência empresarial ou não. Mas se a sua empresa possui processos estabelecidos para que consiga “conhecer” estes fatores antes de ser apanhada de surpresa, as coisas ficam melhores.
Comunidades de prática. Talvez o advento da web tenha sido o grande impulsionador e viabilizador do crescimento acelerado das comunidades de prática. É claro que podemos ter comunidades de prática sem um pingo de tecnologia, mas seria complicado. Para empresas multisite, a web e as comunidades de prática têm sido grandes impulsionadores e mecanismos para que o compartilhamento de conhecimento aconteça.
Mapeamento de processos. Existem alguns passos para “preparar” uma empresa no sentido de receber iniciativas e estratégias de gestão do conhecimento, mas talvez o mapeamento dos processos seja o alicerce. Uma empresa precisa conhecer como funciona. A organização precisa ter bem mapeadas suas operações, seus negócios, suas atividades.
Diversas outras iniciativas vêm sendo implantadas em empresas no Brasil de maneira crescente, o que aponta um crescimento representativo da utilização e aperfeiçoamento de conceitos de gestão do conhecimento. Os portais corporativos, por exemplo, têm sido amplamente utilizados. Mesmo que muitos websites corporativos sejam chamados indevidamente de portais corporativos, estas empresas já estão caminhando neste sentido.
As iniciativas de CRM e gestão de relacionamento com clientes foram em 2003 o maior alvo de investimentos, segundo pesquisa realizada pela IBM Consulting Services nas áreas de TI das empresas. Se olharmos sob o prisma de que o cliente é uma das pontas onde a organização deve reter e utilizar conhecimento, este é um bom indicativo.
Outras iniciativas como GED (gestão eletrônica de documentos), e–learning, mudança organizacional, intranets e aprendizagem organizacional também têm tido bastante crescimento de utilização.
Apesar de interessante, este panorama no Brasil precisa passar por boas melhorias. Alguns acadêmicos norte–americanos e algumas instituições apontam em estudos um chamado segundo ciclo da gestão do conhecimento. Este será o alvo de nossa próxima escrita. Até lá.
FONTE:http://webinsider.com.br/2003/10/22/a-gestao-do-conhecimento-hoje-no-brasil/
terça-feira, 6 de janeiro de 2015
CommonKads: Modelo de Conhecimento 3
Esta é a ultima postagem sobre o aprofundamento do Modelo de Conhecimento. Falaremos sobre o Nível de conhecimento de tarefa.
O texto abaixo pode ser encontrado no artigo produzido por Mara Abel. O link estará no final da postagem.
FONTE:
O texto abaixo pode ser encontrado no artigo produzido por Mara Abel. O link estará no final da postagem.
Conhecimento
de Tarefa
Definem como serão executadas as
tarefas no domínio, de acordo com os objetivos da tarefa e às atividades
necessárias para atingir esses objetivos. A definição das tarefas é feita
através de um componente declarativo, que define os papéis e pré-requisitos da
tarefa, e outro procedural, que descreve como os objetivos serão alcançados.
Em
Common KADS, uma tarefa é definida pelos seus objetivos, papéis de entrada e
saída, especificação e corpo da tarefa. Os papéis de entrada e saída, definem
quais porções do conhecimento do domínio serão utilizados para resolver a
tarefa e como essas porções serão modificadas para gerar as saídas. A
especificação da tarefa descreve as dependências entre os papéis envolvidos (o
que fica invariante, o que deve ser verdadeiro após a execução da tarefa,
etc.). O corpo da tarefa é definido com base em subobjetivos e estrutura de
controle das subtarefas, ou seja, em que ordem e em que condições os
subobjetivos devem ser alcançados.
Assinar:
Postagens (Atom)