Pobierz artykuł PDF

METODY I NARZ
DZIA WSPOMAGAJCE WYSZUKIWANIE EKSPERTÓW
I EKSPERTYZ
ANNA KEMPA
Akademia Ekonomiczna w Katowicach
Streszczenie
W artykule przedstawiono metody i narzĊdzia wspomagające wyszukiwanie ekspertów i ekspertyz. Po przedstawieniu ich rozwoju od systemów opartych na uzupełnianych rĊcznie przez ekspertów bazach danych do systemów automatycznie pozyskujących informacje o ekspertach z róĪnych Ĩródeł - uwagĊ skoncentrowano na
wybranych systemach: Expert Seeker oraz Preciseer, które stanowią przykłady róĪnych podejĞü pozyskania wiedzy niejawnej w organizacji.
Słowa kluczowe: wyszukiwanie ekspertów, wyszukiwanie ekspertyz
1. Wstp
Jedn z motywacji do doskonalenia technologii informacji jest potrzeba pozyskania wiedzy w
organizacji. Próby stworzenia jednego wielkiego serwera wiedzy organizacji na wzór encyklopedii
s skazane na niepowodzenie. Jeli technologia ma sprzyja efektywnemu wykorzystaniu wiedzy
w organizacji, powinna dostarcza nie tylko dostpu do jawnych dokumentów, ale take wiedzy
niejawnej tkwicej w poszczególnych osobach i relacjach midzy nimi. Poprzez uzewntrznianie
niejawnej wiedzy, technologie mog ułatwi współprac i dzielenie si wiedz w organizacji.
Rozpoznanie potrzeb w zakresie dzielenia si wiedz jest od jakiego czasu celem wysiłków
podejmowanych m.in. przez specjalistów zajmujcych si problematyk zarzdzania wiedz
(Knowledge Management) oraz komputerowo wspomaganej pracy grupowej (Computer Supported Collaborative Work). Powstały nowe koncepcje, m.in.: kapitalizacja ekspertyzy, wydobywanie
wiedzy o zdolnociach (skill mining), zarzdzanie kompetencjami, zarzdzanie intelektualnym
kapitałem, sieci ekspertyz, systemy dzielenia wiedzy. Zasadniczym problemem zarzdzania wiedz jest jednake ustalenie osoby, która moe by ródłem poszukiwanej wiedzy, innymi słowy:
osoby, która t wiedz moe udostpni – eksperta.
Celem niniejszej pracy jest przedstawienie metod wspomagajcych wyszukiwanie ekspertów i
ekspertyz. Zarysowano główne kierunki rozwoju systemów wyszukiwania ekspertów oraz zaprezentowano przykłady. Naley podkreli, e wyszukiwanie ekspertów i ekspertyz stanowi jedn z
czci obszaru zarzdzania wiedz. Wyszukiwanie ekspertyz nie bdzie w pełni satysfakcjonujce,
jeli nie bdzie jednoczesnych wysiłków nad rozwojem pozostałych aspektów zarzdzania wiedz
w organizacji.
52
Anna Kempa
Metody i narzĊdzia wspomagające wyszukiwanie ekspertów i ekspertyz
2. Motywy poszukiwania ekspertów
Na podstawie wywiadów z przedstawicielami rónych instytucji badawczych zajmujcych si
problemem wyszukiwania ekspertów jak i literatury przeprowadzone badania [3] identyfikuj dwa
główne motywy poszukiwania eksperta. Jeden z nich okrela szukanego eksperta „jako ródło
informacji”, a drugi „jako kogo, kto potrafi wykona okrelone funkcje”. Podział ten, mimo, e
nie do koca wyrany, przydatny jest podczas analizy celów automatycznego wyszukiwania ekspertów.
Ludzie szukaj eksperta „jako ródła informacji” w celu skompletowania swoich ródeł w postaci dokumentów czy baz danych w okrelonych przypadkach [3]:
• Dostp do nie dokumentowanych informacji. Nie wszystkie informacje w organizacji mog
by dokładnie udokumentowane. Niektóre z nich mog zawiera si w praktyce zawodowej i
dowiadczeniu konkretnych osób,
• Wymagania specyfikacji. Uytkownicy informacji w przypadku niebyt dobrze zdefiniowanego problemu potrzebuj konsultacji z ekspertem,
• Poleganie na ekspertyzie innych. Uytkownicy czsto oczekuj minimalizacji wysiłku i czasu
potrzebnego do znalezienia jakiej porcji informacji – rozumujc, e to co dla nich stanowi
„mnóstwo pracy” dla eksperta jest „niewielk prac”,
• Potrzeba interpretacji. Uytkownicy czasami nie interesuj si sam informacj, co jej interpretacj – konsekwencjami, implikacjami z ni zwizanymi,
• Potrzeby psychologiczne. Niektórzy uytkownicy ceni sobie bardziej ludzki wymiar bezporednich kontaktów z ekspertem, w którym istnieje znacznie wiksza interakcja ni w przypadku korzystania z dokumentów i zasobów komputera.
Poszukiwanie eksperta „jako kogo, kto potrafi wykona okrelone funkcje” wie si najczciej z:
• Poszukiwaniem konsultanta, pracownika, kogo kto wykona dane funkcje,
• Poszukiwaniem współpracownika, członka zespołu, recenzenta.
Motywacj poszukiwania eksperta „jako ródła informacji” okrelono potrzeb informacji,
natomiast motywacj poszukiwania eksperta „jako kogo, kto potrafi wykona okrelone funkcje”
- potrzeb ekspertyzy [3]. Uytkownicy majcy potrzeb ekspertyzy tworz swoje zapytanie w
oparciu o wiksz ilo jakociowych i ilociowych parametrów. Przykładowo, szukajc eksperta
„jako ródła informacji” zadaj najczciej proste pytanie „Kto wie o temacie X?”, natomiast
szukajc ekspertyzy pytaj „Jak dobrze Y zna si na problemach X?”, „Co jeszcze wie Y?”, „Jak
Y wypada w porównaniu z innymi znawcami problemu X?”.
3. Automatyczne wspomaganie poszukiwania ekspertów – tradycyjne podejcie
Ludzie szukajcy ekspertów potrzebuj całego zestawu danych i usług zwizanych z ludzk
ekspertyz. W odpowiedzi na te zapotrzebowania tworzone s systemy majce na celu zautomatyzowanie procesu wyszukiwa.
Jedna z dróg automatyzacji procesu wyszukiwania polega na rozwijaniu baz ekspertów (map
wiedzy, katalogów wiedzy) poprzez rczne wprowadzanie danych o ekspertach. Systemy takie jak
Microsoft’s SPUD, Hewlett-Packard’s CONNEX (http://www.carrozza.com/connex/) oraz SAGE
People Finder s przykładami takiego podejcia. Wadami takich rozwiza s [3]:
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr5, 2006
53
Rczne uzupełnianie baz danych jest pracochłonne i kosztowne,
Bazy danych s zwykle obcione skłonnoci ekspertów do sporzdzania zbyt szczegółowego opisu swoich ekspertyz lub odwrotnie - bywaj niekompletne i zbyt ogólne,
• Biorc pod uwag zmienny charakter cech opisujcych stan wiedzy, zdolnoci i dowiadczenie człowieka – wiele rcznie prowadzonych baz zawiera przestarzałe dane.
Strony internetowe, które prowadz pracownicy dostarcza mog wiele informacji o nich samych i
ich specjalizacji i s take wykorzystywane przez osoby poszukujce ekspertyzy. Przeszukiwanie
Internetu lub Intranetu moe doprowadzi nas do stron ekspertów z danej dziedziny. Wprawdzie
takie strony internetowe mog okaza si dobrym ródłem na temat ekspertów, jednak proste mechanizmy wyszukiwania dostpne w zwykłych wyszukiwarkach nie daj efektywnych rezultatów.
Ponadto wówczas zadanie ekstrakcji, kompilacji i analizy danych ley całkowicie po stronie uytkownika.
•
•
4. Systemy automatycznego wyszukiwania ekspertów
Twórcy systemów wyszukiwania ekspertów (expert finders, expert recommenders) staraj si
ograniczy wady, które ujawniły si przy pierwszych próbach automatycznego wyszukiwania. W
systemach tych próbuje si automatycznie pozyska dane o ekspertyzie na podstawie ukrytych i
drugorzdnych ródeł zamiast polega jedynie na ekspertach i zasobach kadrowych.
Jednym z pierwszych systemów typu expert finders był system HelpNet (1986). System ten
po przyjciu zapytania dotyczcego wymaganych informacji generuje odpowied w postaci listy
osób uporzdkowanej wg prawdopodobiestwa, e dana osoba moe dostarczy satysfakcjonujcej odpowiedzi. Prawdopodobiestwo jest obliczane przy uyciu modelu wyszukiwania informacji
(IR), który wie oszacowan ekspertyz zawart w odpowiedziach z prawdopodobiestwem, e
dany uytkownik mógłby by usatysfakcjonowany odpowiedzi ze znalezionego ródła.
Inny znany system z tej kategorii to Expert/Expert-Locator (EEL) z roku 1988 (zwany take
Bellcore Advisor). System ten pobiera zapytanie w jzyku naturalnym i przy uyciu metody Latent
Semantic Indexing (LSI) zwraca odnoniki do pobliskich (dziedzinowo) grup badaczy. System
EEL tworzy indeks ekspertyz grup badaczy opierajc si na reprezentatywnej kolekcji dokumentów technicznych, które oni napisali [3].
Powstały take systemy profilujce ekspertów na podstawie ich kontaktów – głównie poprzez
wewntrzn poczt elektroniczn (m.in. KnowledgeMail TM firmy Tacit Knowledge Systems
Inc.). Na rynku polskim take powstaj takie systemy – przykładowo Preciser firmy Prosto Technologies (prezentowany w dalszej czci) [4].
Expert Seeker jest przykładem systemu wykorzystujcego do pozyskiwania wiedzy o ekspertach technologi text mining. Zadaniem systemu jest lokalizowanie intelektualnego kapitału wewntrz organizacji na wszystkich poziomach – od techników do profesorów (take prezentowany
w dalszej czci) [1].
5. Ogólny model systemów wyszukiwania ekspertów i ekspertyz
Analizujc powstałe systemy szukajce ekspertów i ekspertyz autorzy [3] stworzyli model
dziedzinowy identyfikujcy siedem aspektów, których uwzgldnienia wymaga budowa takich
systemów:
54
Anna Kempa
Metody i narzĊdzia wspomagające wyszukiwanie ekspertów i ekspertyz
1.
Podstawy pozyskania ekspertyzy. Systemy wyszukujce ekspertów uywaj rónego typu
materiałów dokumentujcych ekspertyz. Ogólnie mona podzieli materiały na jawne i ukryte.
2. Ekstrakcja ekspertyzy. Gdy ródła zostan zidentyfikowane – nastpuje ekstrakcja ekspertyzy.
3. Model ekspertyzy. Model ekspertyzy to meta-opis ekspertyzy człowieka, jego zdolnoci itp.
Taki model róni si od rekordu w bazie danych ekspertów, głównie tym, e zawiera pewien
stopie niepewnoci odnonie zgodnoci z rzeczywist ekspertyz człowieka.
4. Mechanizm zapyta. System moe wymaga od uytkownika jawnego zapytania systemu o
ekspertów lub moe wnioskowa potrzeby ekspertyzy na podstawie aktywnoci uytkownika.
5. Dopasowanie operacji. W celu zidentyfikowania ekspertów – informacje i potrzeby ekspertyz
s dopasowywane do modeli ekspertów uywanych przez techniki wyszukiwania takie jak
dopasowanie słów kluczowych lub dopasowanie na podstawie podobiestwa (model wektorowy). Niektóre z systemów mog by wyposaone w mechanizm wnioskujcy.
6. Prezentacja wyników. Systemy wyszukujce ekspertów mog prezentowa wyniki w rónym
stopniu szczegółowoci.
7. Adaptacja i nauka systemu. Operacje wykonane przez uytkownika podczas poprzednich
wyszukiwa ekspertów mog zosta wykorzystane do okrelenia profilu preferencji uytkownika.
Wymienione aspekty wyznaczaj jednoczenie etapy działania systemów wyszukiwania ekspertów. Powstajce systemy róni si midzy sob doborem rozwiza w poszczególnych etapach. Najbardziej istotna rónica kształtuje si ju w etapie pierwszym – wyboru pozyskania podstawy ekspertyzy. Rola systemów, które bazuj tylko na wiedzy jawnej (np. samoocenie ekspertów, danych kadrowych) sprowadza si głównie do realizacji sprawnego wyszukiwania danych o
ekspertach i ich prezentacji. Natomiast systemy aspirujce do korzystania z wiedzy niejawnej –
musz by dodatkowo wyposaone w zdolno do jej pozyskiwania i gromadzenia.
6. Przykłady systemów wyszukiwania ekspertów
Zaprezentowane zostan dwa systemy wyszukiwania ekspertów – oba staraj si pozyskiwa
wiedz niejawn, ale kady w nieco inny sposób. System Expert Seeker podejmuje działania w
kierunku automatycznego pozyskiwania wiedzy o ekspertach angaujc w tym celu zaawansowane technologie pozyskiwania informacji (m.in. data mining). System – Preciseer to przykład implementacji na polskim rynku, który zaprojektowano tak, aby zachci pracowników do ujawniania swojej wiedzy.
6.1. System Expert Seeker
Systemy nazywane People-Finder Systems – to składnice wiedzy, które próbuj zarzdza
wiedz przez gromadzenie odnoników do ekspertów, którzy posiadaj specyficzn wiedz wewntrz organizacji. Intencj rozwoju takich systemów jest katalogowanie wiedzy o kompetencjach, włczajc informacje pochwycone z innych ni tradycyjne ródła (takie jak systemy kadrowe) [1]. Expert Seeker (ES) jest systemem typu People-Finder KMS, uywanym do lokalizacji
ekspertów w NASA. ES reprezentuje wany krok w kierunku osignicia celu automatycznego i
intuicyjnego odkrywania i identyfikowania intelektualnego kapitału w organizacji. Wiele systemów polega na samoocenie, autorzy ES rozpoznaj potencjał technologii sztucznej inteligencji,
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr5, 2006
55
szczególnie data mining i clustering techniques w odkrywaniu i tworzeniu map ekspertyz w organizacji.
Expert Seeker – jest dostpny w sieci Intranetu Centrum Kosmicznym Kennedy’ego. System
pozwala uytkownikowi wyszukiwa wiele szczegółów odnonie osigni ekspertów, włczajc
takie informacje jak własno intelektualna, zdolnoci i kompetencje. ES dostarcza dostp do
informacji, które nie s dostpne w typowych systemach kadrowych – takie jak wykonane projekty, patenty, hobby.
Główny interfejs zapyta systemu ES wykorzystuje pola tekstowe do szukania obszarów ekspertyzy wg słów kluczowych. Informacje s gromadzone w oparciu o multimedialne bazy danych.
Celem ES jest zunifikowanie połczonych zbiorów danych w dostpnym w sieci repozytorium,
które moe by łatwo przeszukiwane.
Rozwój ES wymaga wykorzystania jak tylko to moliwe istniejcych danych. ES wykorzystuje dane zawarte w bazach kadrowych (takie jak formalna edukacja); baz zdolnoci, która profiluje
obszary kompetencji kadego pracownika; katalog zawierajcy informacje o kontaktach pracowników (X.500 Directory); system samooceny pracowników (GPES); oraz bazy systemu zarzdzania projektami (PRMS). Ponadto system korzysta z innych istotnych w ustalaniu profilu ekspertów
informacji – takich jak zdjcia pracownika, dane o projektach, w których brał udział, hobby.
Dodatkowym ródłem systemu jest repozytorium dokumentów tworzonych przez pracowników. Przy uyciu technik data mining na podstawie treci dokumentów tworzona jest tematyczna
macierz ekspertów. Autorzy systemu wykorzystali algorytm TFIDF do zmierzenia niepowtarzalnoci i trafnoci treci dokumentu w kolekcji dokumentów pod wzgldem uycia słów kluczowych. Algorytm TFIDF posługuje si nastpujcym wzorem:
wij = tfij * log(N/n), gdzie w jest wynikiem dla termu i w dokumencie j, natomiast tf jest czstoci termu i w dokumencie j. N – ilo wszystkich dokumentów, n – ilo dokumentów zawierajcych term i niewiele razy. Rysunek 1 przedstawia architektur systemu ES.
Expert Seeker
GUI Web Based
Generate
Employee
Profiles
User
Sprcified
Data
X 500
Directory
Skills
Database
Update
Employee
Profiles
HR Database
PRMS
GPES
Electronic
Document
Manag.
Rysunek 1. Architektura systemu Expert Seeker, Ĩródło: [1]
Twórcy dyli do automatycznego wydobywania danych. Signito w tym celu po techniki z
obszaru data mining dostosowanych do warunków pracy w sieci internetowej [2].
56
Anna Kempa
Metody i narzĊdzia wspomagające wyszukiwanie ekspertów i ekspertyz
Tradycyjne metody wydobywania wiedzy (data mining) bazuj na uporzdkowanych, zwartych grupach informacji zamieszczonych w bazach danych. Sie Web ma natomiast lun struktur, cechuje j brak centralnego punktu przechowywania informacji i nieuporzdkowanie danych.
W zalenoci od postaci danych wyrónia si kilka typów web data mining [2], m.in. Web Content
Mining – inteligentne szukanie wskazanych danych w zasobach sieciowych rónego typu, w tym:
w tekcie oraz danych multimedialnych,
Web Content Mining bazuje na text mining i technikach wyszukiwania informacji (IR). W tradycyjnym systemie IR uytkownik zadaje pytanie i system zwraca wszystkie dokumenty, które
pasuj do wprowadzonych słów kluczowych. Expert Seeker opiera si na technikach IR, które id
nieco dalej. Kiedy uytkownik wprowadza pytanie system pocztkowo przeszukuje dokumenty wg
wprowadzonych danych. Jednak kiedy uytkownik szuka ekspertów w specyficznej dziedzinie,
system zwraca nazwiska tych pracowników, których nazwiska ukazuj si w dopasowanych dokumentach. Stopie relacji midzy nazw pracownika a słowem kluczowym wewntrz dokumentu
nie jest rozwaany. Ekspertyza jest okrelana w oparciu o załoenie, e jeli pracownik powtarza
si w wielu dokumentach, to powinien mie pewn wiedz na temat danego termu.
Technologie uyte w implementacji systemu Expert Seeker: Cold Fusion 4.0, Java Script; Active Server Pages ASP (Coding and Programming); SQL Server 7.0 (Databases); Verity (Search
capabilities); Adobe Phototshop 5.0 (GUI); HTML i inne narzdzia internetowe.
6.2. System Preciseer
Wiedza w systemie Preciseer znajduje si zarówno w katalogach zawierajcych dokumenty,
jak równie jest ona wnioskowana przez mechanizmy ekspertowe. Uytkownik systemu Preciser
w celu zlokalizowania wiedzy moe wykorzysta nastpujce mechanizmy [4]:
• Przegld katalogu dokumentów,
• Zaawansowane wyszukiwanie wiedzy,
• Lokalizacja ekspertów z kadej dziedziny wiedzy.
W bazie wiedzy znajduj si połczone relacjami dokumenty oraz odnoniki do zasobów zewntrznych. Cz dokumentów połczona jest ze sob relacj struktury drzewiastej. Pozycja
dokumentu wskazuje znaczenie dokumentu w bazie oraz domen wiedzy, któr reprezentuje.
Preciseer udostpnia uytkownikowi narzdzie do lokalizowania informacji w katalogu wiedzy. Wyszukiwanie ekspertów w systemie zwraca nie dokumenty, ale list ekspertów z wyszukiwanej dziedziny. Zadawanie pyta odbywa si przy pomocy sformułowa typu: Podaj ekspertów z
dziedziny X, Podaj ekspertów z dziedziny Y, ale nie z X, Podaj ekspertów z dziedziny Z i/lub X.
Preciseer pozwala uytkownikowi na dokonanie oceny kadego dokumentu, do którego posiada uprawnienia. Pracownicy mog przypisa ocen procentow, która wg nich odpowiada danemu dokumentowi pod wzgldem trafnoci udzielonej odpowiedzi. Kada ocena dokumentu jest
rejestrowana w systemie.
Jednym z istotnych zada Preciseer jest szacowanie wiedzy pracowników w poszczególnych
dziedzinach wiedzy. System znajc nazwiska autorów dokumentów oraz oceny pracowników
czytajcych te dokumenty szacuje na tej podstawie stopie fachowoci ekspertów. Uytkownik w
wyszukiwarce ekspertów po zadaniu zapytania otrzymuje list ekspertów z podan przy kadym
szacowan wiedz eksperta w poszukiwanej dziedzinie (w procentach).
Po zlokalizowaniu eksperta uytkownik zadaje mu pytanie. Odbywa si to czsto przy pomocy poczty elektronicznej. Moduł QA Vehilce dostarcza mechanizm zadawania pyta i wysyłania
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr5, 2006
57
odpowiedzi za porednictwem poczty elektronicznej. Osoba pytajca moe subiektywnie oceni
otrzyman odpowied, co bdzie stanowiło kolejn podstaw szacunku oceny ekspertów. W systemie prowadzone s karty ekspertów, oprócz danych osobowych zawieraj: ilo pyta, które
otrzymał pracownik, ilo pyta, na które pracownik odpowiedział, redni warto ocen jego
odpowiedzi, redni czas odpowiedzi. QA Vehicle stanowi nie tylko mechanizm komunikacji, ale
take fundamenty do szacowania wiedzy o pracowniku, o jego zainteresowaniach, zaangaowaniu
oraz aktywnoci.
Proces wyszukiwania ekspertów nie moe by skuteczny bez zaangaowania ze strony pracowników – musz oni chcie dzieli si swoj wiedz, publikowa swoje dokumenty, odpowiada na pytania. System spełnia ma zatem rol nie tylko rejestratora wydarze, ale na nie wpływa
– motywujc pracowników do otwarcia si na wspólne uytkowanie wiedzy w organizacji.
Preciseer System wykonany jest w architekturze trójwarstwowej z interfejsem typu „cienki
klient”, dziki czemu funkcjonalno aplikacji dostpna jest za pomoc przegldarki internetowej
z kadego komputera podłczonego do sieci firmowej. W Preciseer wykorzystano dodatkowe
elementy systemowe w postaci rozszerze [4]: Internet Explorer Add-in, MS Office Plugin, MS
Outlook, Windows Shell Extension.
7. Uwagi kocowe
Systemy wyszukujce ekspertów i ekspertyz zajmuj podobszar funkcjonalnoci systemów
wspomagajcych zarzdzanie wiedz w całej organizacji. Skuteczno zarzdzania wiedz zaley
czsto od dialogu pomidzy pracownikami organizacji. Wiedza zawarta w monologach (dokumenty zawierajce samoocen, CV itp.) moe nie wystarczy do wydobycia pełnej informacji na temat dostpnych w organizacji ekspertyz. Pocztkowo prace nad automatyzacj procesu wyszukiwania ekspertów były ukierunkowane głównie na udostpnienie uytkownikom moliwie wygodnych narzdzi przeszukiwania jawnych zbiorów danych, obecnie jednak kładzie si nacisk na rol
dialogu w kształtowaniu wiedzy w organizacji. „Podsłuchiwanie” takiego dialogu nie jest łatwe.
Wydaje si, e postawienie problemu: „eksperci sobie, systemy wyszukujce ekspertów sobie” nie
pozwoli uzyska satysfakcjonujcych rezultatów. Eksperci powinni chcie dzieli si swoj wiedz, tak aby stosowane metody jej automatycznego pozyskiwania nie przypominały za bardzo
pracy tajnych agentów. Dialog musi w organizacji zaistnie i naley zachci pracowników, aby
zostawiali lady po nim w postaci moliwych do analizy komputerowej ródeł. Odchodzi si od
koncepcji systemów wyszukiwania ekspertów narzucajcych na ekspertów obowizek stałego
uzupełniania ustalonych baz ekspertyz, na rzecz systemów samodzielnie pobierajcych sobie potrzebne informacje z rónych ródeł i dokonujcych wstpnej analizy. Prezentowany system
Expert Seeker próbuje uzyska wiedz na temat ekspertyz przy uyciu technologii data mining.
Stosuje si take inne inteligentne metody, w tym systemy ekspertowe, które maj na celu wspomóc uzupełnianie repozytorium wiedzy w organizacji.
Dobór metod wyszukiwania ekspertów zaley od wybranych do współpracy z systemem ródeł ekspertyz. Systemy polegajce jedynie na oficjalnych zasobach kadrowych wykorzystuj typowe metody wyszukiwania informacji (IR). W im wikszym stopniu system ma polega na zasobach rozproszonych, rónorodnych – tym silniej musi zosta wyposaony w elementy inteligentnego pozyskiwania informacji. Poniewa wiedza o ekspertyzach jest najczciej zapisana w naturalnym jzyku – metody automatycznego pozyskiwania wiedzy musz by wyposaone w techniki analizy tekstu.
58
Anna Kempa
Metody i narzĊdzia wspomagające wyszukiwanie ekspertów i ekspertyz
Omawiany system Preciseer stosuje system motywacyjny oparty o oceny ekspertów i ich ekspertyz. System ten nie obcia pracowników koniecznoci tworzenia i uzupełniania bazy - repozytorium, ale zachca do zostawiania licznych ladów w systemie – w postaci publikowanych
dokumentów, w treci korespondencji elektronicznej. Dyskusyjny moe by sposób motywacji
(procentowe oceny dokumentów i odpowiedzi na listy). Nie jest on wolny od zagroe – nietrudno
sobie wyobrazi „rozgadanych ekspertów”, którzy w wikszym stopniu zbieraj punkty ni faktycznie pracuj i pomnaaj swoj i cudz wiedz. Idea dzielenia si wiedz jest obarczona pewnymi ograniczeniami, jedne wynikaj z poziomu uprawnie, a pozostałe zwizane s z gospodarowaniem czasem poszczególnych osób. Wzajemna wymiana wiedzy ma pomaga tworzy kapitał
wiedzy w organizacji, ale nie moe polega na chaotycznym szmerze, gdzie kady w kadej chwili
moe kademu przeszkodzi i zada pytanie. Powstajce systemy powinny szanowa zarówno
czasow niedostpno eksperta jak i jego prywatno.
Koncepcja systemu motywujcego pracowników do współpracy (ze sob i z samym systemem) jest warta uwagi. Uwidacznia ona wzajemne powizania technologii i zarzdzania w organizacji. Sprawno systemów wyszukujcych ekspertów zaley nie tylko od zastosowanych metod
informatycznych, ale take podejcia samych pracowników do koncepcji dzielenia si wiedz i
prowadzenia dialogu.
Dalsze prace nad systemami tego typu bd miały na celu rozwój narzdzi ekstrakcji danych,
dobór metod ułatwiajcych tworzenie profilów ekspertów oraz doskonalenie sposobów wizualizacji wyników [3].
Bibliografia
1.
2.
3.
4.
Becerra-Fernandez I., 2000. Facilitating the Online Search of Experts at NASA using Expert Seeker People-Finder. Third International Conference on Practical Aspects of
Knowledge Management. Basel Switzerland.
Becerra-Fernandez I., 2001. Searching for Experts with Expertise-Locator Knowledge
Management Systems. Proceedings of the Association for Computational Linguistics
Conference Workshop on Human Language Technology and Knowledge Management.
Toulouse France.
Yimam-Seid D., Kobsa A., 2002. Expert Finding Systems for Organizations: Problem
and Domain Analysis and the DEMOIR Approach. Journal of Organizational Computing
and Electronic Commerce.
Materiały na temat systemu Preciseer zawarte na stronie producenta firmy Prosto Technologies z Rzeszowa http://www.proosto.com/cms/go/27
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr5, 2006
59
METHODS AND TOOLS SUPPORTING EXPERT AND EXPERTISE SEARCH
Summary
The article presents methods and tools supporting expert and expertise search.
After the presentation of their development from systems based on databases created manually by experts to systems gaining information automatically from various
sources – the paper concentrates on the selected systems: Expert Seeker and Preciseer, as examples of different approaches to gain tacit knowledge in an organization.
Keywords: Expert Search, Expertise Search
ANNA KEMPA
Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach
40-287 Katowice, ul. 1 Maja 50
e-mail: [email protected]