Виды моделей данныхОснова информационной системы, объект ее обработки - база данных (БД). База данных - это совокупность сведений о конкретных объектах реального мира в какой-либо предметной области или разделе предметной области. Например, база данных по вузам (высшее образование), база данных по лекарственным препаратам (медицина), база данных по автомобилям (автомагазин), база данных по стройматериалам (склад) и т.п. Синоним термина «база данных» - «банк данных». Ядром любой базы данных является модель данных, которая представляет собой структуру данных, соглашения о способах их представления и операций манипулирования ими. Иными словами, это формализованное описание объектов предметной области и взаимосвязей между ними. Различают три основных типа моделей данных: иерархическую, сетевую и реляционную. Иерархическая структура представляет собой совокупность элементов, в которой данные одного уровня подчинены данным другого уровня, а связи между элементами образуют древовидную структуру. В такой структуре исходные элементы порождают другие элементы, причем эти элементы в свою очередь порождают следующие элементы и т.д. Существенно то, что каждый порожденный элемент имеет только одного «родителя». Обратите внимание, что в иерархической структуре порождающим элементом может быть не объект сам по себе, а только конкретный экземпляр объекта. Примером иерархической базы данных может служить генеалогическое древо вашей семьи. Существуют и более сложные - сетевые структуры, в которых каждый порожденный элемент может иметь более одного порождающего элемента. Сетевая модель данных отличается от иерархической тем, что каждый элемент сетевой структуры данных связан с любым другим элементом. Примером сложной сетевой структуры может служить структура базы данных, содержащая сведения об учащихся, занимающихся в различных кружках. При этом возможны занятия одного и того же ученика в разных кружках, а также посещение несколькими учениками занятий одного кружка. Сетевые и иерархические структуры можно свести к простым двумерным таблицам.
Вопрос 34 Проведите сравнительную характеристику методов извлечения знаний и приведите примеры их использования? Извлечение знаний - то процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистов при принятии решения и структура их представлений о предметной области.
Коммуникативные методы охватывают все виды контактов с живым источником знаний - специалистами и экспертами, а текстологические касаются методов извлечения знаний из документов (методик, пособий, руководств) и специальной литературы (статей, монографий, учебников). Коммуникативные методы, в свою очередь, можно разделить на две группы. Активные методы можно разделить на две группы в зависимости от числа экспертов-специалистов. Если экспертов больше одного, то целесообразно, помимо серии индивидуальных контактов с каждым, применять и методы групповой работы. Такие групповые методы обычно активизируют мышление участников дискуссий и позволяют выявлять весьма нетривиальные аспекты их знаний. В свою очередь, индивидуальные методы на сегодняшний день остаются ведущими, поскольку столь деликатная процедура, как "отъем знаний", не терпит лишних свидетелей. Вопрос 35 Что такое интеллектуальных анализ данных? Какие методы интеллектуального анализа данных можно применять для извлечении «скрытых» данных? Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапиро в 1989 году. Английское словосочетание «Data Mining» пока не имеет устоявшегося перевода на русский язык. При передаче на русском языке используются следующие словосочетания: просев информации, добыча данных, извлечение данных, а, также, интеллектуальный анализ данных. Более полным и точным является словосочетание «обнаружение знаний в базах данных». Основу методов Data Mining составляют всевозможные методы классификации, моделирования и прогнозирования, основанные на применении деревьев решений,искусственных нейронных сетей, генетических алгоритмов, эволюционного программирования, ассоциативной памяти, нечёткой логики. К методам Data Mining нередко относят статистические методы (дескриптивный анализ, корреляционный и регрессионный анализ, факторный анализ, дисперсионный анализ, компонентный анализ,дискриминантный анализ, анализ временных рядов). Такие методы, однако, предполагают некоторые априорные представления об анализируемых данных, что несколько расходится с целями Data Mining (обнаружение ранее неизвестных нетривиальных и практически полезных знаний). Одно из важнейших назначений методов Data Mining состоит в наглядном представлении результатов вычислений, что позволяет использовать инструментарий Data Mining людьми, не имеющих специальной математической подготовки. В то же время, применение статистических методов анализа данных требует хорошего владениятеорией вероятностей и математической статистикой. Вопрос 36.Знания и инновации, дать определения и указать в чем различия? «Знание – это умение сотрудников компании решать стоящие перед ними проблемы». «Знание – это совокупность информации, понимания, осведомленности, полученных в результате опыта» «Знание – это способность превращать информацию и данные в эффективные действия» Большинство исследователей проблемы интеллектуальных ресурсов отмечают, что знания неотделимы от человека. Знания могут осознаваться владельцем (то есть человек может пояснить логику своих умозаключений и принимаемых решений), а могут и не осознаваться (то есть человек действует рационально, эффективно, но пояснить, почему он так действует, не в состоянии). Таким образом, знание – это смесь осознанного и неосознанного в решениях, действиях и поведении человека. Инновации – это новые продукты (услуги), процессы, стратегии и бизнес-модели, которые задуманы и реализованы с целью принести клиентам, сотрудникам и собственникам компании осознанные преимущества (финансовые, потребительские, социальные и др.), способствующие успеху компании на рынке. Инновации – это процесс преобразования знаний и идей в товары или услуги, имеющие потребительскую ценность. Инновации – это процесс непрерывного экспериментального обучения, продуктом которого являются новые, использованные на практике знания. Вопрос 37.Что такое обучающая организация? Принципы ее деятельности, способствующие превращению потенциального знания в реальные активы знаний? Для эффективного использования знаний и интеллектуальных ресурсов компании важное значение имеет концепция обучающейся организации. Сендж определяет обучающуюся организацию как организацию, в которой невозможно не учиться, ибо обучение включено в саму жизнь. При этом выделяются следующие основные составляющие обучающейся организации: системное мышление, персональное мастерство, ментальные модели, общее видение, групповое обучение. Системное мышление состоит в осознании всеми служащими компании зависимости общих результатов от индивидуальных. Персональное мастерство заключается в достаточном уровне знаний, умений, компетенций. Модели ментальности представляют глубоко укоренившиеся обобщения и представления, влияющие на понимание мира и совершаемых действий. Общее видение компании реализуется в ее стратегии и вытекающих из нее планов для структурных единиц. Групповое обучение заключается в активных формах совместной деятельности, в решении конкретных проблем и задач по повышению ее эффективности. Эффективное формирование и использование интеллектуальных ресурсов во многом зависит от организационной среды, в которой протекают эти процессы. Важнейшей характеристикой такой среды является корпоративная культура. В понятии «корпоративная культура» объединяются миссия организации, культивируемые ценности и убеждения, стиль руководства, нормы, правила поведения и принятие решений.
24.Какие основные подходы и модели управления знаниями используются в корпоративной практике? Среди моделей управления знаниями известны модели Икуджиро Нонака, Гуннара Хедлунда, Майкла Эрла, Эллиса Караяниса, Карла Виига, Лейфа Эдвинссона, Дэвида Сноудена, Эндрю Инкпена и Адва Динура, Вана Бурена, Деспре и Шаувеля. 1. Модель И. Нонака. Она называется четырехфазная модель СЭКИ (социализация, экстернализация, комбинация, интернализация) или (SECI). Ее элементы: (1) две формы знания – неформализованное (неявное) и формализованное (явное); (2) динамика взаимодействия – передача знаний от фазы к фазе, от цикла к циклу; (3) три уровня социальной агрегации – индивид, группа, контекст; (4) четыре фазы создания знания (СЭКИ); (5) условия создания знания; (6) структура организации, ориентированная на знание. В дальнейшем, в силу того, что это главная модель, используемая в нашей работе, мы рассмотрим эту модель детальнее. 2. Модель Г. Хедлунда. Он ввел понятие организации N-форма как организации, основывающейся на знании. Главный атрибут модели – анализ двух наборов концепций: тип неявного знания и тип явного знания (каждый тип имеет три формы знания: познавательное, навык, воплощенное), а также четыре уровня социальной агрегации или четыре уровня носителя (индивидуумы, малые группы, организации, межорганизационная область). Хедлунд вводит движущие силы переноса знания и трансформации, которые выражены процессами: 1) оформлением и интернализацией, взаимодействием которых является рефлексия; 2) распространением и усвоением, взаимодействием которых является диалог; 3) ассимиляцией и рассеиванием, которые относятся к извлечению знания из среды и вводу знания в среду. 3. Модель М. Эрла. Как специалист по информатике, Эрл проводит различие между данными, информацией и знанием. Знание он делит на три категории (три уровня): 1) принятое (accepted) знание – «наука» (данные); 2) осуществимое (workable) знание – «суждение» (информация); 3) потенциальное (potential) знание – «опыт» (знание). Потенциальное знание, по его мнению, является самым дорогим и имеющим наибольшую потенциальную отдачу. «Наука» и отчасти «суждение» - это основа конкуренции и предпосылки существования организации. Применение «опыта» может дать основанное на знании конкурентное преимущество. Эрл допускает, что организация может создавать и защищать знания, используя активы знания и четыре функции: 1) инвентаризация – картографирование индивидуального и организационного знания; 2) аудит – оценка природы и величины запланированного незнания, развитие знания через познавательные действия; 3) социализация – создание событий, которые делают возможным для людей обмен неявным знанием; 4) испытание – проблема неизвестного незнания рассматривается путем обучения на базе опыта, действия и разбора необычных ситуаций.
|
