Назад в библиотеку

Основные принципы и подходы при разработке системы управления профессиональными знаниями сотрудников вуза

Автор: Андриевская Н.К.
Источник: ЖУРНАЛ: ИНФОРМАТИКА И КИБЕРНЕТИКА. 2019. № 4 (18). С. 49-56. Издательство: Донецкий национальный технический университет (Донецк) [Ссылка]


УДК 004.048

Основные принципы и подходы при разработке системы управления профессиональными знаниями сотрудников вуза

Н. К. Андриевская

Донецкий национальный технический университет, г. Донецк

nataandr@yandex.ua

Аннотация

В статье проведен анализ основных подходов и принципов при разработке систем управления знаниями на примере организации – высшего учебного заведения. Приведена и описана функциональная модель системы управления профессиональными знаниями сотрудников вуза в виде Use Case диаграммы, а также выделены основные пользователи информационной системы и разработана их иерархия. Разработана укрупненная метамодель системы управления знаниями сотрудников вуза, ядром которой является онтология. Предложена абстрактная архитектура программного комплекса, базирующегося на разработанной метамодели. В дальнейшем планируется продолжить исследования в заданном направлении.

Постановка задачи исследований

Современные потоки информации характеризуются непрерывным ростом количества электронных документов и их общедоступности, в том числе и в среде Интернет. Слабая структурированность информационных фондов осложняет управление информацией и работу пользователей с ней. Существующие подходы к работе с информацией становятся недостаточно эффективными. Определенным образом это относится к потокам информации, с которыми встречаются сотрудники вузов. Совершенствование существующих и разработка новых подходов к сбору, хранению, обработке и распространению информации является неотъемлемой частью процесса развития информационных технологий (ИТ) и информационных систем (ИС).

В результате своей профессиональной деятельности преподаватели кафедр вуза выполняют подготовку лекционных курсов, подбор материалов для самостоятельного изучения и формирования списка литературы, выполняют поиск информации для своей научной деятельности, а также ведут архивирование документации по результатам учебного процесса и методических разработок. Данные могут быть структурированными (мета описания, онтологии, метаданные библиотечных систем, БД, анкеты, тесты, семантически размеченные файлы и т. п.), слабоструктурированными (данные социальных сетей, шаблонные документы) и неструктурированными (отчеты, ВКР, рефераты, публикации электронных СМИ, электронные письма, сообщения в форумах, информация с сайтов конференций). Сотрудники работают с информационными ресурсами в виде разнообразных документов, презентаций, наборов данных и БД различного типа, программных пакетов, изображений, аудио и видеофайлов, обеспечивающих качественную организацию учебного процесса.

В настоящее время кафедрами вуза уже накоплен большой объем знаний и информационных ресурсов по различным курсам, по результатам научной и методической работы. Однако эти данные слабо структурированы, плохо систематизированы, рассредоточены по различным ресурсам, библиотекам и архивам, что существенно ограничивает к ним доступ. Более того, по историческим, техническим и другим причинам, тематически связанные данные сохраняются в разных форматах под управлением различных систем хранения и обработки данных. Такое положение дел приводит к тому, что разнообразные коллекции, базы персоналий и публикаций, даже расположенные на одном физическом сервере, зачастую имеют различные логические входы и представляют собой разрозненные автономные информационных ресурсы. Отсутствие связанности информационных ресурсов и унифицированного доступа к ним приводят к неполноте рассмотрения и учета существующих данных и знаний.

Возникает необходимость создания современного интеллектуального инструмента, поддерживающего повседневную профессиональную деятельность преподавателя. Для решения этой задачи необходим переход на качественно новый уровень представления и обработки информации – семантический уровень, что позволит учитывать смысл (содержание) документов, извлекая из них важные для пользователя знания. Средства представления и интерпретации информации в виде знаний могла бы обеспечивать информационная система, использующая как общие знания о мире, так и знания о предметной области (ПО), которую она обслуживает. Подобные системы относятся к классу систем управления знаниями (Knowledge Management System). Кроме возможностей таких систем по классификации знаний различного вида, они также могут извлекать и даже формировать новые знания. Подобные системы актуальны не только в учебной работе преподавателя, но и в методической работе, в научных исследованиях, а также при разработке различных ИТ проектов. Крайне важно, что подобные системы накапливают корпоративные знания, составляя некоторый интеллектуальный капитал, с которым могут работать другие сотрудники организации.

Для вузов актуальность сохранения интеллектуального потенциала кафедры очевидна в связи с частыми изменениями учебных планов, высокой степенью изменчивости курсов для современных инженерных и компьютерных специальностей из-за быстрых темпов роста прогресса, наличием «высокого порога вхождения» в некоторые дисциплины, а также в связи с текучестью кадров и иногда недостаточным количеством высококвалифицированных кадров. Кроме всего, из-за параллельной подготовки материалов по нескольким курсам, а также из-за узких временных рамок для подготовки, разработчикам дисциплин трудно «идти в ногу» с появлением новых технологий на ежедневной основе. Таким образом, система управления профессиональными знаниями (СУПЗ) должны облегчить процессы подготовки к учебному процессу, предоставляя разработчикам курсов и научным исследователям некоторые рекомендации и знания в их рабочей среде.

Как следует из выше сказанного, основной задачей СУПЗ становится извлечение структурированной информации из неструктурированной и разно-структурированной и ее интеграция, а также кодификация неявных знаний в структурированные БД знаний.

Внедрение такой системы управления знаниями сотрудников вуза призвано повысить эффективность профессиональной деятельности кафедр вуза, обеспечить единообразие извлечения и представления данных и знаний, организационно-административное сопровождение информационного взаимодействия, управление учебной и научно-исследовательской деятельностью.

Целью данной работы является описание функциональной структуры системы управления профессиональными знаниями сотрудников вуза, разработка обобщенной метамодели системы и абстрактной архитектуры программного комплекса, реализующего основные функции и модели проектируемой системы.

Основные функции системы

Управление знаниями (Knowledge Management) – совокупность процессов и технологий, предназначенных для создания, поиска, распространения, обработки, хранения, извлечения, производства и предоставления для использования знаний. Система управления знаниями (СУЗ, или Knowledge Management Systems – КMS) является корпоративной информационной системой, предназначенной для хранения, генерирования и доставки пользователям полезной информации по вопросам профессиональной деятельности организации.

В последние годы активно ведутся исследования по разработке систем управления научными и архитектурными знаниями. В течение последних нескольких лет было предложено и применено несколько подходов, фреймворков и метамоделей для сбора и управления знаниями как в научных исследованиях, так и в промышленности [1]. Эта тенденция обусловлена главным образом тем, что знания все больше становится организационным активом [2]. Использование этого актива позволяет повторно использовать знания, поддерживает принятие решений и позволяет избежать «испарения» знаний в организации.

Перспективность данного направления подтверждается результатами исследований таких зарубежных учёных, как D. Ameller and X. Franch [3], M. Bhat [4], P. Kruchten [5], R. Capilla [6], I. Lytra, H. Tran, U. Zdun [7] и др., а также российских ученых: А. Ф. Тузовского [8], В. З. Ямпольского [8], В. А. Лапшина [9], А. Г. Олейника [10], Т. А. Гавриловой [11] и др.

Таким образом, можно констатировать, что актуальность и важность проблематики управления знаниями осознается большинством специалистов, занимающихся корпоративным управлением и информационными технологиями для целей управления. Концептуальное единство распространяется и на существо процесса управления знаниями, важнейшими элементами (этапами) которого признается создание, хранение, поиск, передача (распространение) и использование знаний [8].

Для описания функциональности ИС и взаимодействия с пользователями и внешними информационными системами в нотации UML на практике разработчиками используются Use Case диаграммы [12].

Основные функции проектируемой системы представлены следующим образом (рис. 1):

Функциональная модель системы управления профессиональными знаниями сотрудников

Рисунок 1 – Функциональная модель системы управления профессиональными знаниями сотрудников

С функциями системы работают несколько пользователей. Самым востребованным специалистом на этапе наполнения базы знаний является эксперт. Но на практике оказывается, что чем большим объёмом знаний обладает эксперт, тем сложнее ему структурировать данные и заполнять базу знаний. Помощь ему предоставляет инженер по управлению знаниями (администратор знаний). Но процедуры наполнения базы знаниями становятся самыми эффективными тогда, когда в работу включается весь коллектив.

Таким образом, проектируемая подсистема содержит ряд функций, связанных с приобретением данных, с извлечением знаний из данных, с поиском знаний по запросам пользователей из хранилища знаний и выдачей результатов (должна предоставлять справочные и архивные материалы, контекстно-зависимую информацию), а также с производством (генерацией) новых знаний.

Метамодель системы управления знаниями сотрудников вуза

Следует отметить, что понятия данные, информация и знания отличаются друг от друга. Данные представляют собой фактическую информацию об объектах, процессах, информация – это результат преобразования и анализа данных, а знания – это структурированные зафиксированные данные плюс некоторые взаимосвязи между ними.

Для учета связанности знаний и обеспечения однородности представления данных в рамках единой тематики проектируемой системы предложена единая концептуальная схема – метамодель (рис. 2). Метамодель объединяет модели предметной и проблемной областей, на основе которой строятся внутренние хранилища знаний системы, а также выполняется поиск и извлечение знаний.

Метамодель системы

Рисунок 2 – Метамодель системы

Ядром, базовым компонентом метамодели системы является его онтология. Онтологический подход стал активно развиваться приблизительно с начала 90-х годов. Онтология является моделью знаний, которая может использоваться для описания семантики в различных информационных системах. Исследованию онтологий посвящены работы таких известных российских и зарубежных ученых, как: Грубера Т. [13], Гавриловой Т. А. [11], Гуарино Н. [14], Хорошевского Ф. В. [11], Тузовского А. Ф. [8], Ямпольского В. З. [8] и др. По назначению, согласно классификации в [15], онтологии подразделяют следующим образом: онтологии верхнего уровня (top-level ontology), онтологии предметных областей (domain ontology), онтологии задач (task ontology), онтологии приложения (application ontology). Таким образом, онтология проектируемой системы будет иметь составную структуру, подразделяющуюся на онтологию верхнего уровня вуза и онтологию предметных областей проектируемой системы. В целом она служит для представления понятий, необходимых для описания научной и учебной деятельности, а также описания конкретных учебных дисциплин, в частности. Поскольку онтология системы может быть представлена в виде классов объектов и отношений между ними, то она же задает структуры для представления реальных объектов и событий, имеющих отношение к той же конкретной научной дисциплине или учебному курсу, и обеспечивает их взаимосвязь.

Информационное наполнение системы включает как знания общего характера (представлены в онтологии), так и конкретные знания о реальных объектах и событиях. Добавление новых знаний возможно вручную инженером по знаниям или экспертом, а также получены автоматически с помощью специальных моделей.

В качестве примера приведем основные онтологии разрабатываем системы: Кафедра, Сотрудник, Студент, Дисциплина, Направление подготовки, Образовательная программа, План, Научно-исследовательская работа, Публикация и др.

Процессы управления знаниями базируются на следующих основных принципах: приобретения, представления, хранения, извлечения знаний (рис. 2).

Разработанная укрупненная метамодель системы управления знаниями сотрудников вуза может быть представлена в шести уровнях.

Уровень выявления знаний – поиск данных из различных источников, таких, как документы и файлы различных форматов, веб-ресурсы, датасеты, БД и др. Информацию, представленную в структурированном виде (метаописания, онтологии, шаблонные факты, семантически размеченные файлы и т. п.) обрабатывать проще, но в таком виде представлено относительно мало информации. Гораздо больший объём информации содержится в неструктурированных данных.

Уровень приобретения знаний – получение знаний, извлечение неформализованных знаний из разнородных источников информации с помощью методов статистической обработки, семантического анализа, технологий TextMining и DataMining, а также экспертных моделей.

Уровень представления знаний – формализация знаний на основе создания онтологии, семантических и других моделей. Сначала выполняется идентификация знаний – первый этап определения системы междисциплинарных связей между элементами знаний используемых предметных областей. Так определяются те знания, которые можно рассматривать как уже приобретенные. Улучшение знаний происходит в процессе семантического поиска в неоднородных распределенных источниках знаний и энциклопедических справочных системах на основе онтологических, case-моделей и моделей успешных прецедентов поисковых запросов. Улучшение знаний можно рассматривать как подзадачу создания новых знаний и как задачу автоматического пополнения базы знаний. Осуществляется также классификация и систематизация знаний, без чего немыслимо их эффективное хранение знаний с целью обеспечения эффективного поиска.

Представление знаний в виде семантических сетей является одной из основных моделей представления знаний. Семантическая сеть – это ориентированная графовая структура, каждая вершина которой отображает некоторое понятие (объект, процесс, ситуацию), а ребра графа соответствуют положениям типа «это есть», «принадлежать», «быть причиной», «входить в», «состоять из», «быть как» и аналогичным между парами понятий. Достоинство использования семантических сетей – наглядность представления знаний. Недостаток – сложность вывода, поиска графа, соответствующего запросу.

Перед помещением явных знаний в репозитарий (хранилище) осуществляется их аннотирование – процесс создания метаописаний. Аннотирование может происходить как с участием человека, так и без него, с помощью специальных алгоритмов. Результатом аннотирования является набор метаописаний, который может помещаться в хранилище метаописаний.

В метаописаниях выделяют три типа:

Системные метаданные предназначены для функционирования информационных систем и систем управления знаниями. Они включают имена файлов и баз, даты их создания, тип и формат, размер файла и вид носителя и т. п. Структурные метаданные содержат, как правило, справочную информацию об объектах. Это могут быть наименование, статус, структурная принадлежность, профиль и т. п. То есть описания, использующиеся при идентификации и категоризации объектов в тех или иных целях. Семантические метаописания – особый вид описаний, включающий концептуальное (аннотированное) изложение содержания и смысла информации об объекте [8].

Уровень интеграции данных. На этом этапе выполняется занесение собранных структурированных материалов, онтологий и извлеченных знаний из данных в общее интегрированное хранилище, при необходимости выполняя трансформацию и слияние данных.

Уровень хранения знаний. Так как знания явные и неявные отличаются между собой, различаются и способы их хранения. Явные знания (текстовые документы различных форматов, электронные таблицы, базы данных, тестовые наборы данных, Web-страницы, чертежи, схемы, почтовые сообщения и т. п.) хранятся в специально создаваемых для этой цели хранилищах знаний. Для хранения используются все известные модели данных: иерархическая, объектная, реляционная и файловая. Неявные знания хранятся, прежде всего, в нейронных структурах головного мозга сотрудников организаций. Перевод неявных знаний в явные происходит посредством процедуры экстернализации с помощью отдельного программного модуля [8].

Уровень извлечения и производства знаний. Проблема поиска решения в базе знаний с использованием моделей типа семантической сети сводится к задаче поиска фрагмента этой сети, соответствующего некоторой искомой подсети. Следует отметить, что в результате поиска мы ищем не сам документ, а сведения об информационном объекте, реальном или виртуальном, т. е. некоторые знания. Для извлечения и производства знаний используются следующие модели: нейронные сети, семантические сети, продукционные и формально-логические модели.

Для создания мультидисциплинарных знаний необходима системная интеграция уже разработанных онтологий различных предметных областей. Задача интеграции знаний связана с целым рядом других задач разработки: баз знаний; множеств объектных, онтологических, нечетких, семантических и аналитических моделей и др.

Архитектура программного комплекса СУПЗ

Абстрактная архитектура программного комплекса СУПЗ приведена на рис. 3 и включает в себя следующие модули:

Абстрактная архитектура программного комплекса СУПЗВ

Рисунок 3 – Абстрактная архитектура программного комплекса СУПЗВ

Основными компонентами предлагаемой технологии создания системы являются: блоки приобретения данных, конвейер для обработки и классификации данных, а также блок выдачи и продукции знаний. Настройка и наполнение хранилища выполняется с помощью набора специализированных редакторов онтологий, классификаторов, метаданных. Основными функциональными возможностями редактора онтологий являются создание, модификация и удаление отдельных элементов онтологии, а также работа с иерархией классов.

Внутреннее хранилище знаний, а также навигация по нему, организуются на основе классов и отношений, определенных ранее в онтологии. Разработанные прикладные онтологии вуза будут использованы и при разработке других подсистем, что даст возможность различным системам интегрировать данные, обеспечивать обмен данными на основе онтологий, повторно использовать онтологию и ее совершенствовать.

Поиск в проектируемой системе также осуществляется в соответствии с содержанием онтологии. При поиске информации пользователю предоставляется возможность сформулировать запрос в терминах предметной области и из области метаданных. Навигация по хранилищу также осуществляется в соответствии с содержанием онтологии, позволяя переходить от понятий онтологии к ее экземплярам (информационным объектам), а затем осуществлять переход по онтологическим связям от конкретного экземпляра к спискам связанных с ним экземпляров.

Выводы и направления дальнейших исследований

В этой статье мы представили функциональную структуру и архитектуру основанной на метамодели системы управления профессиональными знаниями сотрудников вуза для информационной поддержки преподавательской и исследовательской работы. Предложен базирующийся на онтологии подход к построению такой системы, обеспечивающий представление и интерпретацию информации в виде знаний. В рамках этого подхода онтология не только обеспечивает представление знаний о предметной области проектируемой системы, но и служит для организации хранилища знаний, а также поддерживает поиск знаний и классификацию знаний. В дальнейшем онтология будет совершенствоваться, расширяться и легко настраиваться на другие области знаний в случае интеграции с другими подсистемами вуза.

Литература

  1. Babar M. A. Software architecture knowledge management / M. A. Babar, T. Dingsoyr, P. Lago, H. van Vliet // Springer, 2009.
  2. De Boer R. C. Experiences with semantic wikis for architectural knowledge management / R. C. De Boer and H. Van Vliet // WICSA. - IEEE, 2011. - PР. 32–41.
  3. Ameller D. Ontology-based architectural knowledge representation: structural elements module / D. Ameller, X. Franch. // Advanced Inform. Syst. Eng. Workshops. - Springer, 2011. – PР. 296–301.
  4. Bhat, M. Meta-model based framework for architectural knowledge management / M. Bhat, K. Shumaiev, A. Biesdorf, U. Hohenstein, M. Hassel, F. Matthes // Proceedings of the 10th ECSA Workshops. - ACM, 2016. – Р. 12.
  5. Kruchten, P. An ontology of architectural design decisions in software intensive systems // 2nd Groningen workshop on software variability. – Citeseer, 2004 . - PP. 54–61.
  6. Kruchten, P. The decision view’s role in software architecture practice / P. Kruchten, R. Capilla, J. C. Duen?as // IEEE software, 2009. - Vol. 26(2). – PP. 36–42.
  7. Lytra, I. Supporting consistency between architectural design decisions and component models through reusable architectural knowledge transformations / I. Lytra, H. Tran, U. Zdun // ECSA.- Springer, 2013. - PP. 224–239.
  8. Тузовский А. Ф. Системы управления знаниями (методы и технологии) / А. Ф. Тузовский, С. В. Чириков, В. З. Ямпольский // Под общ. ред. В. З. Ямпольского. – Томск: НТЛ, 2005. – 260 с.
  9. Лапшин, В. А. Онтологии в компьютерных системах / В. А. Лапшин. – М.: Научный мир, 2010. – 222 с.
  10. Олейник А. Г. Разработка онтологий интегрированного пространства знаний / А. Г. Олейник, П. А. Ломов // Онтология проектирования. - 2016. - Т.6. - № 4 (22). - С. 465-474.
  11. Гаврилова Т. А. Инженерия знаний / Т. А. Гаврилова, Д. В. Кудрявцев, Д. И. Муромцев // Модели и методы. – СПб.: Лань, 2016. – 324 с.
  12. Светличная В. А. Разработка функциональной структуры логистической системы формирования заказов для интернет-магазина / В. А. Светличная, Н. К. Андриевская, К. Ю. Чаленко // Информатика и кибернетика. - Д.: ДонНТУ, 2017. - № 3 (9). - С. 111-118.
  13. Gruber T. Toward Principles for the Design of Ontologies Used for Knowledge Sharing // International Journal of Human–Computer Studies. November 1995. - Vol. 43. - Issues 5–6. PP. 907–928.
  14. Guarino N. Formal Ontology in Information Systems / N. Guarino // Formal Ontology in Information Systems. Proceedings of FOIS'98, Trento, Italy, June 6–8. - Amsterdam: IOS Press, 1998. - PP. 3–15.
  15. Загорулько Ю. А. Инженерия знаний: учеб. пособие. / Ю. А. Загорулько, Г. Б. Загорулько. - Новосиб. гос. ун-т. – Новосибирск: РИЦ НГУ, 2016. – 93 с.

Андриевская Н. К. Основные принципы и подходы при разработке системы управления профессиональными знаниями сотрудников вуза. В статье проведен анализ основных подходов и принципов при разработке систем управления знаниями на примере организации – высшего учебного заведения. Приведена и описана функциональная модель системы управления профессиональными знаниями сотрудников вуза в виде Use Case диаграммы, а также выделены основные пользователи информационной системы и разработана их иерархия. Разработана укрупненная метамодель системы управления знаниями сотрудников вуза, ядром которой является онтология. Предложена абстрактная архитектура программного комплекса, базирующегося на разработанной метамодели. В дальнейшем планируется продолжить исследования в заданном направлении.

Ключевые слова: знания, управление, функциональная модель системы, метамодель, классификация, семантическая сеть.

Andrievskaya N. Basic principles and approaches for developing the management system of university staff professional knowledge. The article analyzes the main approaches and principles in the development of knowledge management systems on the example of such organization as a higher educational institution. The functional model of university staff professional knowledge management system in the form of a Use Case diagram is presented and described. The main users of the information system are identified and their hierarchy is developed. An enlarged metamodel of the university staff knowledge management system, the core of which is ontology, has been developed. An abstract architecture of the software package based on the developed metamodel is proposed. The future direction is to continue research of developed system.

Keywords: knowledge, management, functional model of the system, metamodel, classification, semantic network.

Статья поступила в редакцию 03.12.2019
Рекомендована к публикации профессором Миненко А. С.