مثل هر موضوعی که در کشور ما شانسِ ترویجِ تعاریفِ درست آن کمتر از تعاریف غلط و سطحی است، مدل سازی دانش یا Knowledge Modeling هم دارد بد تعریف می شود؛ مفهومی که خیلی از مدیریت دانش قدیمی تر است و بر خلاف خیلی مفاهیمِ دیگرِ مدیریت دانش، دارای استانداردها و الگوهای مدون است. در این نوشتار تلاش کرده ام تا حد امکان با زبانی ساده مفاهیمِ مرتبط با مدل سازی دانش را به گونه ای 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 داده اند تشکر کنم که انگیزه لازم برای نوشتن این مطلب را به من دادند.
اجازه دهید قبل از این که اصل صحبتم را شروع کنم، من هم انگیزهای به شما بدهم تا بدانید چرا تعریفِ اشتباهِ مدلسازی دانش، در حق مدیریت دانش یک ظلم بزرگ است:
- آیا تا کنون از خود پرسیده اید با توجه به این که اقلا در ده سال گذشته سازمان های ایرانی روی بیش از 1000 متخصص و مدیر خود فرایند استخراج دانش را انجام داده اند، چرا هیچ دستاوردی فراتر از چند جزوه در حال خاک خوردن در قفسه های سازمان حاصل نشده است؟
- آیا دقت کرده اید یکی از دلایلی که سازمانهای ایرانی در مدیریت دانش موفق نیستند ناتوانی در اتصال مدیریت دانش به فرایندها و سیستم های سازمانی است که عملا آن را تبدیل به جزیره ای می کند که کسی تمایل به سکونت در آن را ندارد؟
- چرا با توجه به این که مهم ترین مشکل، جلب مشارکت افراد در کار کردن با پایگاه دانش سازمان است و بیشترین انرژی روی ترویج و تغییر فرهنگ گذاشته می شود نتیجه حاصله بی نهایت ناامید کننده است؟
اجازه بدهید خلاصه بگویم: چون به مدل سازیِ دانش بی توجه هستیم و به تعاریف اشتباه و ساده انگارانه بسنده کرده ایم.
بازنمایی دانش یا Knowledge Representation
قسمتی از اشتباه در تعریف مدل سازی دانش به ترجمه اشتباه واژه Representation بر می گردد؛ این واژه وقتی در کنارِ دانش قرار می گیرد به معنی نمایش دادن دانش نیست! بازنمایی دانش یا KR شاخه ای از هوش مصنوعی است که به دنبال شیوه هایی برای بازنمایی دانش و اطلاعات درباره پدیده ها و دنیای اطراف در قالب هایی است که کامپیوتر نیز بتواند آن را استفاده کند.
این قالب ها همان مدل های دانش هستند و به طراحی و ساختن این قالب ها مدل سازی دانش گفته می شود. مدلسازی دانش یک فرایند است و نه یک ابزار یا یک تکنیک، و اجرای این فرایند، کارِ مهندس دانش است. ایجادِ این قالب ها علاوه بر مزیتِ درک دانش توسط الگوریتم ها و کامپیوترها باعث می شود تعامل کاربران با پایگاه دانش ساده تر و اثربخش تر شود.
ممکن است بگویید: اوه، مدیریتِ دانشی که تو می گویی مالِ کشورهای پیشرفتست اجازه بده ما کارای ساده تر انجام بدهیم. من در جواب می گویم صد در صد اشتباه می کنید، اینجا مساله ساده یا پیچیده بودنِ راه حل نیست، مساله درست و غلط بودنِ آن است. بدون مدل سازیِ 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 مدل سازی دانش مد نظر دارم توضیح می دهد.
یک خبره نگهداری و تعمیرات جملات زیر را بعد از رفع یک خرابی بیان می کند:
امروز دستگاه A خراب شده بود. خیلی اذیت کرد تا خرابی رو پیدا کردم. این خرابی همیشه تو دستگاه هاییمون 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 دستگاه هایی که منبع تغذیه اونا از مدل ب باشه می شه استفاده کرد.
حالا تفاوت راه حل درستِ مدل سازی با مدل سازی اشتباه برای این گفته ها را با هم ببینیم:
راه حل ساده، اشتباه، بی فایده
شما جملات بالا را ویرایش می کنید، بعد از مرتب کردنِ آن، در درختِ دانش سازمان خود در حوزه یا فیلدی به اسم نگهداری و تعمیرات دستگاه قرار می دهید. این درخت دانش در نرم افزاری است که هیچ ارتباط مفهومی و معنایی با فضای واقعی سازمان اعم از بروز خرابی، فرایند نگهداری و تعمیرات و نرم افزار ثبت تعمیرات اضطراری ندارد و به دلیل رویکرد شما در مدل سازی نمی تواند داشته باشد. نهایت استفاده ای که از مدل سازی کرده اید کشیدنِ یک نمودار قشنگ برای نمایش دادن دانش به دیگران است. زمانی که خرابی در دستگاه B رخ می دهد که منبع تغذیه آن از مدل ج است، تکنسین شما حتی اگر به این سیستم ایزوله مدیریت دانش سر زده باشد که نمی زند، از روش Z برای تعمیر آن استفاده می کند و دستگاه می سوزد!
راه حل کمی زحمت دار، سیستمی، اثربخش
شما با شیوه استاندارد و درست و با در نظر گرفتن سطح بلوغ سیستم های سازمانِ خود، سطح مناسب مدل سازی دانش را تشخیص می دهید و الگوی زیر را می سازید.
با روش دوم دستاوردهای متعددی حاصل می شود:
- تصویر بالا یک نمایش گرافیکی از چیزی است که در پایگاه دانش ایجاد شده اما چینش صحیح اطلاعات در پایگاه دانش به صورت ساختیافته باعث می شود من چیزی فراتر از این تصویر در پایگاه دانش داشته باشم. دستگاهها، مشخصه های دستگاهها، روش های تعمیر، انواع خرابی و روابطِ بینِ آن ها اجزایی هستند که تجزیه شده و فقط به صورت یک متن تفکیک نشده ذخیره نشده اند و در زمان استفاده از دانش به استفاده کننده قدرت درک و تحلیل کامل تری می دهد.
- زمانی که دستگاه های C به دلیل خرابی از کار بیفتد، در فعالیت تشخیص نوع خرابی، تکنسین دیگر می داند خرابی 3 قطعا جزء گزینه هایش نیست.
- زمانی که خرابی 3 در دستگاه B شناسایی شود، در کاربرگِ تعمیرات او درج می شود: اخطار: روش تعمیرِ Z برای این دستگاه قابل استفاده نیست!
- خرابی های دیگر و تجربیات دیگر به تدریج، در این قالب قرار گرفته و آن را غنی تر می کند و به دلیل اتصال به اصل فرایند کاری و ایجاد فایده برای کاربر، تبدیل به یک جزیره متروک نمی شود.
اهداف، کاربردها و مزایای مدل سازی دانش
انجامِ مدل سازی بر مبنای تعاریفِ اشتباه و روش های سهل انگارانه مثل این است که اصلا مدل سازی نکرده باشید. به عنوان جمع بندی، در جدول زیر مقایسه ای از هدف، کاربرد و مزایای مدل سازی صحیح در مقابل مدل سازی اشتباه را آورده ام:
پس بدانیم، مدل سازی، تکنیکی برای نمایش دانش نیست، اساسِ مدیریت دانشِ سیستمی و پویا و فرایندی برای معماری ساختارهای دانشِ سازمانی است.