“知る価値のあるものは教えられない”
オスカー-ワイルド
目的
スタンフォード大学のシンボリック-システム-プログラム(SSP)に示されているように、コンピューティングと通信技術の進歩は、情報と知識システムを単一の機能屋根、すなわちシンボリック表現の処理の下にもたらす。
その理解の中で、ナレッジマネジメントは、ビジネスのコンテキストと目的、企業の組織と運用、システムの機能と技術など、システムのアーキテクチャと関 一方、知識は本質的に再利用可能な資産の共有リソースであり、その組織は情報の起源と性質とは無関係に、異なるユーザーのニーズをサポートする必要があ したがって、知識管理は、アーキテクチャの知識を知識のアーキテクチャと結合すべきである。
知識表現
彼らの重要な記事でDavis、Shrobe、およびSzolovitsは知識表現のための5つの原則を設定しました:
- Surrogate:KRは、実際のオブジェクト、イベント、および関係の象徴的な対応物を提供します。
- 存在論的コミットメント：KRは、検討中のドメインに存在する可能性のあるもののカテゴリに関する声明のセットです。
- 知的推論の断片的な理論：KRは、物事が何ができるか、または何ができるかのモデルです。
- 効率的な計算のための媒体: 知識をコンピュータで理解できるようにすることは、任意の学習曲線のために必要なステップです。
- 人間の表現のための媒体：KRの前提条件は、一方では特定のドメインの専門家、他方では一般的な知識管理者間のコミュニケーションを改善することで
それは、情報システムを知識の特別なケースとして置き、五つの原則を満たしながら機能的な資格を持つ:
- 知識システムと同様に、情報システムは、関連性があると主張される外部オブジェクト、イベント、または活動の象徴的表現を管理します。
- システムモデルは、正当なビジネスオブジェクトと操作に関するアサーションです。
- 同様に、情報システムは効率的な計算と使いやすい相互作用をサポートすることを意図しています。
唯一の違いは結合についてです：知識システムとは対照的に、情報と制御のものはその文脈で役割を果たし、サロゲートに対する操作は中立ではありません。
知識考古学
知識構造は、事実で適切に満たされなければならない空の箱です。 しかし、別のものによって悪名高い展示されているように、事実は与えられていないが観察されなければならず、既得権益ではないにしてもタスクに設定されたオブザーバーと、自然または意図的に作られたいくつかの装置が必然的に必要となる。 そして、彼らが記録されるならば、無実の子供たちの肉眼で観察された”純粋な”事実でさえ、象徴的な表現に翻訳されなければならないでしょう。
風を例にとると、風の靴下は象徴的な意味のない事実の即時観察をサポートしています。 彼らの行動を理解するためには、方位角と速度のためにそれぞれウェーンと風速計が必要です。 最後に、強風のリスクについての知識は、そのようなリスクを考慮する必要があるときに追加することができます。
企業に関する限り、ナレッジボックスは、ビジネスコンテキストとプロセス、組織とアプリケーション、技術プラットフォームに関する事実で満たされます。 それらのうちのいくつかは内部的に生産され、他のものは外部ソースから取得されますが、すべては特定の目的とは独立して管理されるべきです。
その性質（ビジネス、組織、システム）が何であれ、企業自身によって生成された情報は、開始から、すぐに使用することができます。eは定義された構造および意味論と識別された目的かプロセスのまわりで、組織した。
これは、外部の状況（市場、規制、技術など）を反映するデータでは必ずしもそうではなく、使用する前に企業の懸念や目標にマッピングする必要があります。
データの情報への変換は、データのセマンティクスを識別されたオブジェクトやプロセスにマッピングすることによってすぐに行うことができます。
データから情報へ
情報は意味があり、データはそうではありません。 “事実”でさえ、天からのマナではありませんが、バイナリ、断片化、または”大きな”データによって具現化されたように、現象からデータ、そして情報に形作られなけ
- バイナリデータは、音や画像などの物理現象を直接記録したもので、キーワードで索引付けされていても、識別されたオブジェクトや活動に非象徴的な特徴と関連付けられるまでは役に立たないままです。
- バイナリデータとは対照的に、断片化されたデータは象徴的な装いで来るが、サブレベルの粒度を持つフローティングナゲットとして、バイナリのいとこのように、それらのきめの細かい記述は、識別されたオブジェクトまたはアクティビティに添付されるまで無意味である。
- “大きな”データは、個々に処理するには大きすぎる塊を指しているため、通常、スケーラビリティの観点から理解されています。 また、断片化されたデータの一般化として定義することもでき、識別されたターゲットをより意味のある集約に再編成し、ターゲットの粒度をスケールアップ
知識は象徴的な記述からのみ構築できるので、データはまず、関連するセマンティクスを持つ識別された構造化された単位で作られた情報に変換されなければならない。
“大まかな”（別名未処理の）データに直面して、ナレッジマネージャーは、統計的手段を使用してデータから情報を”採掘”することができるか、情報段階を単にバイパスし、”知識のある”エージェントによってその文脈や懸念に応じて直接使用される（別名解釈される）データを選択することができる。
実際のところ、両方のポリシーは知識のあるエージェントに依存しており、問題は誰が”鉱夫”であり、何を知っておくべきかということです。 理論的には、鉱山労働者は、事前の情報なしにラフデータから関連情報のパターンを抽出することができる完全に自動化されたツールであり、実際には、そのようなツールには、ニューロンネットワークのサンプルや統計的回帰の変数など、何を探すべきかに関する事前の”知性”が与えられなければならない。 したがって、大まかなデータを情報にまとめるのに役立ついくつかの種類の形式、青写真、またはテンプレートが必要です。
情報特性
外部および内部の状況に関する正確かつ最新の情報から知識を構築し、そのために情報項目は、そのソース、性質、ライフサイクル、および関連性:
- 出典：政府-行政、NGO、企業メディア、ソーシャルメディア、企業、システムなど
- 自然：イベント、意思決定、データ、意見、評価など。
- アンカーの種類：個人、機関、時間、空間など
- ライフサイクル:瞬間、時間関連、最終。
- 関連性：ビジネス目標、事業運営、組織およびシステム管理に関するトレーサビリティ。
それに基づいて、ナレッジマネジメントは、信頼性（ソース、正確性、一貫性、陳腐化など）とリスクの観点から、知識を情報フットプリントにマップする必要が
情報から知識へ
情報は意味があり、知識も有用です。 情報モデルとして、知識表現は、サロゲート同一性の一貫性と連続性をサポートするために、まず永続性と実行単位に固定されなければならない（原則＃1）。
これらのアンカーは、オントロジー約束を担当する単一の組織単位によって管理されるドメインに割り当てられ、構造、特徴、および関連付けで強化される（原則2）。 範囲、構造、機能に応じて、セマンティクスは永続ドメインまたはアプリケーションドメインによってそれぞれ管理されます。
同様に、オントロジーはオブジェクトまたはアスペクトを対象とすることがあり、前者は構造的サブタイプに関連付けられ、後者は機能的サブタイプ
情報モデルと知識表現の違いは、ルールと制約で現れます。 情報および制御システムの目的は、ビジネスオブジェクトおよび活動を管理することであるが、知識システムの目的は、実際の対応物とは独立して象徴的な内容を管理することである（原則3）。
システムモデリングで使用される標準ルールは、オブジェクト、アクティビティ、および関連情報に対する許可された操作を記述します。:
- フォワード（別名プッシュ）ルールは、操作がいつ、どのように実行されるかに関する条件です。
- 後方（別名プル）ルールは、シンボリック表現の一貫性または操作の実行に対する制約です。
情報表現と知識表現の間の連続性を仮定すると、変曲点は、時間的およびファジィ論理に従って、修飾された真理値に使用されるモダリティ:
- 時間的拡張は、情報の真理値にタイムスタンプを置きます。
- ファジィ論理は、情報の真理値に信頼水準を置く。
そこでは、知識システムは情報から逸脱し、知識の流動性とボラティリティに基づく知的推論の新しい理論を導入するにつれて、知識システムは情報から逸脱し、知識の流動性とボラティリティに基づく知的推論の新しい理論を導入する。
意味は見る人の手の中にある
企業の文脈で見ると、知識は文脈に囲まれ、目的によって駆動される情報として理解することができます。 したがって、二重の視点：一方で情報は、企業の懸念、システムの機能、およびプラットフォーム技術によって支配されます; 一方、知識はビジネスプロセス、システム工学、およびサービス管理によって駆動されます。
これは、情報とデータの下位層から知識を構築するために使用されるアーティファクトの明確かつ包括的な分類を提供します:
- ビジネスアナリストは、ビジネスドメインと活動、組織とアプリケーション、およびサービスの質につ
- システムエンジニアは、プロジェクト、システム機能、プラットフォーム実装について知る必要があります。
- システム管理者は、場所と運用、サービス、プラットフォームの展開について知っている必要があります。
二重の視点は知識のダイナミクスを指しており、情報は情報源によって押され、知識はユーザーによって引っ張られています。
すべての目的のための時間
サイバネティックスによって理解されるように、企業は成功がエントロピーを対抗する能力に依存する実行可能なシステe組織自体とその環境の両方の相互作用を支配するために使用される情報の漸進的な格下げ。
情報内容に応じて編成されるアーキテクチャ知識と比較して、ナレッジアーキテクチャは機能的な懸念と情報寿命に応じて編成され、その目的は内部と外部の情報を同期させることである。:
- 市場の進化と機会に関連するビジネス目標と要件（内部）の計画（外部）。
- 規制環境および契約環境に沿った組織単位および手順の評価（内部）（外部）。
- 営業およびサプライチェーン（外部）とともに、業務およびプロジェクトのモニタリング（内部）。
それは、企業戦略、組織、および運用のために、それぞれ意思決定者の手に意味（それは知識であろう）を置きます。 さらに、生きている実体、寿命および機能持続可能性である企業は一貫した、同質な層に合体するために意味される:
- 企業（別名ビジネス、別名戦略的な）時間スケールは環境、目的および投資の決定によって定義される。
- 組織（別名機能）時間スケールは、リソースの可用性、汎用性、および適応性によって設定されます
- 運用時間スケールは、プロセスの特徴および制約によっ
このような時間スケール、アーキテクチャ、目的のせん断層への合同は、ナレッジマネジメントの重要な成功要因であると考えられています。
検索とストレッチ
既に述べたように、知識は目的によって駆動され、目的は、ドメインや保存に限定されていない、ビジネスコンテキストや組織の境界を越えて知識を伸ばすためにバインドされています。 それは、検索、論理、および分類によって達成することができます。
- (1) それはすべての知識の必要性を満たすか、またはそれ以上の延長に背骨を提供するかもしれません。
- 検索は、同じ情報を新しいライト（1b）の下に置くオントロジー（別名分類）と組み合わせることができます。
- 数学や形式言語を用いた真理値保持演算は、派生情報を生成するために適用することができます(2)。
- 最後に、信頼水準が低下した新しい情報を統計処理によって生成することができます(3,4)。
例えば、有料道路で観測されたトラフィック(1)は、会計目的(2)、トラフィックの進化の予測(3)、季節的傾向の分析(1b)、季節的および変動する通行料のシミュ
計算距離が信頼水準に影響を与えない限り、真理値保持演算はKMに関して中立です。
計算距離が信頼水準に影響を与えない限り、真理値保持演算はKMに関して中立です。
分類は意図的に設計された象徴的なツールであり、その結果、分類に関連するすべての知識はその設計者の責任の下に留まるべきである。
課題は、信頼水準が直接的または陳腐化によって影響を受けるときに発生します。 また、意思決定は本質的にリスク管理に関するものであるため、部分的または信頼性の低い情報を扱うことは避けられません。 したがって、せん断層に沿って知識を管理することの重要性、それぞれ独自の情報ライフサイクル、信頼要件、および意思決定ルールを持つ。
知識アーキテクチャから建築能力へ
知識アーキテクチャは企業の中枢神経系であり、運用および管理プロセスのサポートにおいて主要な役割を果た その点は、zachmanのようなフレームワークによって部分的に対処されており、そのマトリックスは機能と設計レベルに沿って情報システムアーキテクチャ（ISA）を編成している。 しかし、設計レベルで示されているように、企業、システム、プラットフォームの区別に明示的に対処することなく、情報技術に焦点を当てています。
この区別は、対応するプロセス、すなわちビジネスプロセス、システムエンジニアリング、およびサービス管理の区別を支配するため、極めて重要です。 そして区別がきちんと確立されれば知識の建築はプロセス査定と一直線に並べることができる。
デジタル環境が企業システムに侵入し、管理された情報資産とビッグデータの継続的な流れの区別がぼやけている今では、それだけでは不十分です。
それは、企業アーキテクチャの二つの構造的欠陥に焦点を当てています:
- データ、情報、および知識の間の混乱。
- システムとナレッジアーキテクチャの間の本質的な不一致。
パゴダ青写真を適用したシステムとナレッジアーキテクチャをマージすることで、両方を克服することができます:
プラットフォーム、システム機能、および企業組織をそれぞれデータ（環境）、情報（記号表現）、および知識（ビジネスインテリジェンス）と整列させることは、企業
知識表現&プロファイリングされたオントロジー
デジタルビジネス環境に直面して、企業はデータの連続的かつ大規模な流入から関連性のある正確な情報をソートする必要があります。 モデリングメソッドは、コンテキスト、懸念、セマンティクス、および形式の開いた範囲に対処できないため、より緩いスキームが必要です。:
- シソーラス：用語と概念をカバーするオントロジー。
- Documents:トピックに関するドキュメントをカバーするオントロジー。
- ビジネス: 関連する企業組織とビジネスオブジェクトと活動のオントロジー。
- エンジニアリング：組織とビジネスオブジェクトと活動の象徴的な表現。
プロファイリングされたオントロジーは、その懸念の分類法をコンテキストと組み合わせることによって設計することができます。:
- 機関：規制当局、安定した、確立された手順の対象となる変更。
- 専門家:当事者間で合意され、着実に、合意の対象となる変更。
- 企業：企業によって定義され、内部意思決定の対象となる変更。
- 社会：使用法、揮発性、継続的および非公式の変更によって定義されます。
- 個人:慣習的で、名前の付いた個人によって定義されています（例：研究論文）。
最後に、外部（規制、企業、…）と内部（すなわちエンタープライズアーキテクチャ）のオントロジーをZachmanフレームワークなどに統合することができます:
プロファイルされたオントロジーを使用してエンタープライズアーキテクチャと企業の知識を管理することは、意思決定、戦略的（例えばプレートフォーム）または戦術的（例えばパートナーシップ）を通じて設定されたオントロジーから、外部的に定義されたオントロジー（例えば規制）を分離することによって、ナレッジマネジメントとEAガバナンスを整合させるのに役立ちます。
存在論的カーネルはProtégé/OWL2を使用して概念実証として開発されている。
データ分析から深層学習まで
一方のデータの包括的な猛攻撃の間に設定され、他方のスマートボットは普及しているため、情報システムはアイデンティティと目的を失う可能性があります。 そして、そのための良い理由、すなわちデータ、情報、および知識の間の混乱があります。
以前に起こったように、オントロジーはその問題に対処するために明示的に行われてきました。
さらに読む
- システム、情報、知識
- オントロジー&モデル
- Caminao Ontological Kernel(Protégé/OWL2)
- オントロジー&エンタープライズアーキテクチャ
- 生産的資産としてのオントロジー
- オントロジー&エンタープライズアーキテクチャ
- オントロジー
- オントロジー
- オントロジー
- オントロジー
- 生産的資産としてのオントロジー
- エンタープライズガバナンス&知識
- アジャイルコラボレーション&社会的創造性
- 車輪の再発明
- オルタナティブファクト&拡張現実
- alphago: 直感的な学習から総合的な知識へ
- AlphaGo&非ゼロサムコンテスト
- 新年：2016年は学ぶものです
- ガバナンス、規制&リスク
- イベント&意思決定
- オペレーショナルインテリジェンス&意思決定
- >
- データマイニング&要件分析
- Ea:エントロピー解毒剤
- ビジネスの敏捷性とシステムのエントロピー
