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.
Nenhum comentário:
Postar um comentário