مثل هر موضوعی که در کشور ما شانسِ ترویجِ تعاریفِ درست آن کمتر از تعاریف غلط و سطحی است، مدل‌سازی دانش یا Knowledge Modeling هم دارد بد تعریف می‌شود. مفهومی که خیلی از مدیریت دانش قدیمی‌تر است و بر خلاف خیلی مفاهیمِ دیگرِ مدیریت دانش، دارای استانداردها و الگوهای مدون است. در این نوشتار تلاش کرده‌ام تا حد امکان با زبانی ساده مفاهیمِ مرتبط با مدل‌سازی دانش را به گونه‌ای ارائه کنم که هم برای متخصصان مدیریت دانش هم برای سایر افراد قابل استفاده باشد. لازم است از تمامی دوستانی که تعاریف اشتباه و بعضا ساده انگارانه از مدل‌سازی دانش ارائه داده‌اند تشکر کنم که انگیزه لازم برای نوشتن این مطلب را به من دادند.
تعریفِ اشتباهِ مدل‌سازی دانش، ظلمی بزرگ در حق مدیریت دانش
اجازه دهید قبل از این که اصل صحبتم را شروع کنم، من هم به شما انگیزه بدهم تا بدانید چرا تعریفِ اشتباهِ مدل‌سازی دانش، در حق مدیریت دانش یک ظلم بزرگ است:
- آیا تا کنون از خود پرسیده‌اید با توجه به این که اقلا در ده سال گذشته سازمان‌های ایرانی، روی بیش از 1000 متخصص و مدیر خود فرایند استخراج دانش را انجام داده‌اند، چرا هیچ دستاوردی فراتر از چند جزوه در حال خاک خوردن در قفسه‌های سازمان حاصل نشده است؟
- آیا دقت کرده‌اید یکی از دلایلی که سازمان‌های ایرانی در مدیریت دانش موفق نیستند ناتوانی در اتصال مدیریت دانش به فرایندها و سیستم‌های سازمانی است. کاری که عملا مدیریت دانش را تبدیل به جزیره‌ای می‌کند که کسی تمایل به سکونت در آن را ندارد؟
- چرا با توجه به این که مهمترین مشکل، جلب مشارکت افراد در کار کردن با پایگاه دانش سازمان است و بیشترین انرژی روی ترویج و تغییر فرهنگ گذاشته می‌شود نتیجه حاصله بی‌نهایت ناامید کننده است؟
مهمترین چالش‌های پیاده سازی مدیریت دانش
اجازه بدهید خلاصه بگویم: چون به مدل‌سازیِ دانش بی‌توجه هستیم و به تعاریف اشتباه و ساده انگارانه بسنده کرده ایم.
بازنمایی دانش یا Knowledge Representation
قسمتی از اشتباه در تعریف مدل‌سازی دانش به ترجمه اشتباه واژه Representation بر می‌گردد. این واژه وقتی در کنارِ دانش قرار می‌گیرد به معنی نمایش دادن دانش نیست!. بازنمایی دانش یا KR شاخه‌ای از هوش مصنوعی است که به دنبال شیوه‌هایی برای بازنمایی دانش و اطلاعات درباره پدیده‌ها و دنیای اطراف در قالب‌هایی است که کامپیوتر نیز بتواند آن را استفاده کند.
این قالب‌ها همان مدل‌های دانش هستند و به طراحی و ساختن این قالب‌ها مدل‌سازی دانش گفته می‌شود. مدل‌سازی دانش یک فرایند است و نه یک ابزار یا یک تکنیک، و اجرای این فرایند، کارِ مهندس دانش است. ایجادِ این قالب‌ها علاوه بر مزیتِ درک دانش توسط الگوریتم ها و کامپیوترها باعث می‌شود تعامل کاربران با پایگاه دانش ساده‌تر و اثربخش‌تر شود. ممکن است بگویید: اوه، مدیریتِ دانشی که تو می‌گویی مالِ کشورهای پیشرفتست اجازه بده ما کارای ساده‌تر انجام بدهیم. من در جواب می گویم 100% اشتباه می‌کنید، اینجا مساله ساده یا پیچیده بودنِ راه حل نیست، مساله درست و غلط بودنِ آن است. بدون مدل‌سازیِ صحیح، مدیریت دانشِ شما یک الگوی ناتوان است، مثل این که بخواهید یک چرخ و فلک صدمتری را با دست بچرخانید.
مدل سازی دانش در عمل چیست؟
مثال زیر همه آن چه که در مدل‌سازی دانش مد نظر دارم را توضیح می‌دهد. یک خبره نگهداری و تعمیرات جملات زیر را بعد از رفع یک خرابی بیان می‌کند:
امروز دستگاه A خراب شده بود. خیلی اذیت کرد تا خرابی رو پیدا کردم. این خرابی همیشه تو دستگاه‌هاییمون پیش میاد که قابلیتِ الف رو دارن. من برای تعمیرش از یه روشِ قدیمی Z استفاده کردم که رو این دستگاه جواب داد. فک کنم این روش فقط رو دستگاه‌هایی که منبع تغذیه اونا از مدل ب باشه می‌شه استفاده کرد.
حالا تفاوت راه حل درستِ مدل‌سازی با مدل‌سازی اشتباه برای این گفته‌ها را با هم ببینیم:
راه‌حل ساده، اشتباه، بی‌فایده
شما جملات بالا را ویرایش می‌کنید، بعد از مرتب کردنِ آن، در درختِ دانش سازمان خود که در حوزه یا فیلدی به اسم نگهداری و تعمیرات دستگاه است، قرار می‌دهید. این درخت دانش در نرم‌افزاری است که هیچ ارتباط مفهومی و معنایی با فضای واقعی سازمان اعم از بروز خرابی، فرایند نگهداری و تعمیرات و نرم‌افزار ثبت تعمیرات اضطراری ندارد و به دلیل رویکرد شما در مدل‌سازی، نمی‌تواند داشته باشد. نهایت استفاده‌ای که از مدل‌سازی کرده‌اید کشیدنِ یک نمودار قشنگ برای نمایش‌دادن دانش به دیگران است. زمانی که خرابی در دستگاه B رخ می‌دهد و منبع تغذیه آن از مدل ج است، تکنسین شما حتی اگر به این سیستم ایزوله مدیریت دانش سر زده باشد که نمی‌زند، از روش Z برای تعمیر آن استفاده می‌کند و دستگاه می‌سوزد!.
راه حل کمی زحمت دار، سیستمی، اثربخش
شما با شیوه استاندارد و درست با در نظر گرفتن سطح بلوغ سیستم مدیریت دانشِ سازمانِ خود، سطح مناسب مدل‌سازی دانش را تشخیص می‌دهید و الگوی زیر را می‌سازید.
دستاوردهای متعدد حاصل از استفاده روش دوم:
تصویر بالا یک نمایش گرافیکی از چیزی است که در پایگاه دانش ایجاد شده است. اما چینش صحیح اطلاعات در پایگاه دانش به صورت ساخت‌یافته باعث می‌شود من چیزی فراتر از این تصویر در پایگاه دانش داشته باشم. دستگاه‌ها، مشخصه‌های دستگاه‌ها، روش‌های تعمیر، انواع خرابی و روابطِ بینِ آنها اجزایی هستند که تجزیه شده و فقط به صورت یک متن تفکیک نشده ذخیره نشده‌اند. این اطلاعات در زمان استفاده از دانش به استفاده کننده قدرت درک و تحلیل کامل‌تری می‌دهد.
- زمانی که دستگاه های C به دلیل خرابی از کار بیفتد، در فعالیت تشخیص نوع خرابی، تکنسین دیگر می‌داند خرابی 3، قطعا جزء گزینه‌هایش نیست.
- زمانی که خرابی 3 در دستگاه B شناسایی شود، در کاربرگِ تعمیرات او درج می‌شود: اخطار: روش تعمیرِ Z برای این دستگاه قابل استفاده نیست!
- خرابی‌های دیگر و تجربیات دیگر به تدریج، در این قالب قرار گرفته و آن را غنی‌تر می‌کند. به دلیل اتصال آنها به اصل فرایند‌کاری و ایجاد فایده برای کاربر، تبدیل به یک جزیره متروک نمی‌شود.
اهداف، کاربردها و مزایای مدل‌سازی دانش
انجامِ مدل سازی بر مبنای تعاریفِ اشتباه و روش‌های سهل انگارانه مثل این است که اصلا مدل‌سازی نکرده باشید. به عنوان جمع‌بندی، در جدول زیر مقایسه‌ای از هدف، کاربرد و مزایای مدل‌سازی صحیح در مقابل مدل‌سازی اشتباه را آورده‌ام:
پس بدانیم، مدل‌سازی، تکنیکی برای نمایش دانش نیست، اساسِ مدیریت دانشِ سیستمی و پویا و فرایندی برای معماری ساختارهای دانشِ سازمانی است.