Session 4 - Knowledge management & collaboration Flashcards
Données VS informations
Données: Ensemble de faits objectifs ou d’observations
Informations: Données traitées et présentées de façon utile et compréhensible pour les êtres humains
Qu’est-ce que la connaissance?
Tacite/Explicite?
Structuré/Semi-structuré?
Savoir-faire et compétences acquis par une personne à travers des expériences ou son éducation. La connaissance est un bien intangible, donc limites de transmission.
Connaissance tacite :
- Savoir nager, ce qu’on cherche chez ceux qu’on embaûche
- personnelle, contextuelle et difficile à formaliser et communiquer:
- Prend du temps à se développer
- Apprentissage impossible à séparer de l’action d’un individu
- Difficile à documenter
Connaissance explicite :
- Savoir comment nager, faire la lessive (mode d’emploi, étapes)
- Facilement collectée, organisée et transférée
avec des supports numériques - Peut être documentée et transmise de façon systématique
Connaissances structurées
- Documents en bonne et due forme
Connaissances semi-structurées
- email, répondeur, note de service, brochures, images numériques et autres documents non-structurés
Connaissances (tacites) en réseau
- Expertise des individus
Données VS Informations VS Connaissances
Schéma
Gestion des données
Système traditionnel
Redondance des données:
- La présence de données dupliquées dans plusieurs fichiers
Incohérence des données:
- Le même attribut peut avoir différentes valeurs
Les données sont dépendantes d’un programme:
- Format de fichier incompatible
- Exemple: un fichier .doc est généralement ouvert par MS Word.
Gestion des données
Base de données
Collection de données organisée pour servir plusieurs applications
- en centralisant les données
- en contrôlant la redondance des données
Les données sont stockés dans un seul endroit
- Au lieu de plusieurs fichiers
Système de gestion de base de données (SGBD)
Logiciel pour créer et maintenir des bases de données
- Agit comme interface entre les logiciels et les fichiers physiques
- Sépare les vues logiques et physiques des données
- logique: comment l’utilisateur final voit les données
- physique: comment les données sont organisées et structurées sur l’appareil de stockage physique
Datawarehouse
- Base de données qui contient des données récentes et historiques
- Données proviennent des systèmes transactionnels
- Données consolidées et standardisées
- Utilité pour gérer les analyses et la prise de décision
Création des connaissances
- Socialisation
- Conversion de connaissances tacites en connaissances tacites = échange (interactions sociales, partage d’expérience)
- Exemple: apprentissage
- Externalisation
- Conversion de connaissances tacites en nouvelles connaissances explicites
- Utilisation de métaphores, d’analogies et de modèles
- Exemple: articulation des meilleures pratiques ou de leçons tirées d’expériences passée
- Combinaison
- Création de nouvelles connaissances explicites à partir de connaissances explicites existantes
- S’effectue au moyen de diverses opérations (exemples: fusion, classification, synthèse)
- Exemple: états de l’art
- Internalisation
- Création de nouvelles connaissances tacites à partir de connaissances explicites
- Exemple: ce qu’un individu a appris et compris à partir de lectures ou de discussions
- Apprentissage par la pratique
Gestion des connaissances?
Pourquoi gestion des connaissances?
L’ensemble des processus relatifs à la création, à la mémorisation, au transfert et à l’utilisation des connaissances dans les organisations.
Pourquoi?
Partage des “Best Practices”:
- permettre aux “gurus” de partager leurs connaissances
- Pour éviter de réinventer la roue à chaque fois
Globalisation:
- utilisation des connaissances depuis d’importe où
- Les connaissances deviennent obsolètes rapidement
Licenciements et démissions:
- Garder les connaissances des employés
- Mettre à disposition des connaissances aux employés qui restent
Symptômes du manque de gestion de connaissances?
- Erreurs répétées
- Tâches redondantes
- Perte de bonnes idées
- Dépendance à des individus clés
- Lancement des nouveaux produits trop lent
- Relation difficile avec la clientèle
Comment acquérir ces connaissances?
L’oral est le mode préféré de transfert de savoir.
Pourquoi?
Et ses limites
Préféré parce que:
- Le mode le plus riche de transfert (face-à-face)
- Répond aux questions de manière pertinente
- Permet d’explorer tout l’environnement qui n’est pas explicite
Limites:
- Nombre de personnes
- Consommateur en temps d’expert
- Périmètre géographique ou culturel de proximité
- Besoin de constituer ses réseaux
- Pas de traçabilité, mauvaise mémoire
Comment inciter les gens à partager leurs connaissances?
McKinsey : Turn-over élevé des employés => Incitation à partager connaissances pour prime
Méthodes pour la gestion des connaissances
- Méthodes de repérage des connaissances critiques
- ex. GAMETH
- Méthodes de capitalisation des connaissances (retours d’expérience)
- ex. REX , MEREX
- Méthodes de modélisation des connaissances (ingénierie des connaissances « au sens strict »)
- ex. CYGMA , MASK, CommonKADS
Outils pour la
gestion des
connaissances
- Communautés de pratique
- Système expert
- Raisonnement par cas
- Réseau neuronal
- Logique floue
- Agent intelligent
- Autres outils Web 2.0
Outils pour la gestion des connaissances
Système expert
- techniques pour collecter des connaissances tacites dans un domaine limité d’expertise humaine
- sous la forme de règles, ajoutées à la mémoire de l’organisation
- que d’autres personnes peuvent utiliser
- base de connaissances (base de règles)
Moteur d’inférence
Chaînage avant
- le moteur commence la recherche
- en partant des informations entrées par l’utilisateur
- pour aboutir à une conclusion
- en déclenchant l’action de la règle quand la condition est vérifiée
Chaînage arrière
- le moteur commence la recherche
- en adoptant une hypothèse sur le résultat
- pose des questions à l’utilisateur concernant les faits sélectionnés
- jusqu’à ce que l’hypothèse soit confirmée ou infirmée
- Exemple: akinator
Outils pour la gestion des connaissances
Raisonnement par cas
Système expert > connaissance individuelle
Raisonnement par cas > intelligence organisationnelle
- stockage des expériences passées d’experts
- sous forme de “cas”
- auxquels on ajoute des paramètres d’identification et d’indexation
- qu’on peut retrouver sur base de paramètres semblables
- et voir la solution adaptée/choisie à l’époque
Outils pour la gestion des connaissances
Réseau neuronal
et leur usage
matériel et logiciel inspirés du fonctionnement des neurones
- Apprentissage de type statistique
- s’appuyant davantage sur la perception que sur le
raisonnement logique formel.
auto-organisation
Mettre en place système de neurones qui vont s’organiser. Un neurone va observer un certain nombre de phénomènes. Il a un seuil pour s’activer, dès qu’il dépasse s’active. Ex : la climatisation s’active seulement si certaine température, baromètre de tel et tel…
Usage
- classification
- reconnaissance de motif
- reconnaissance optique de caractères (OCR)
- approximation d’une fonction inconnue
- estimation boursière
- apprentissage de la valeur d’une entreprise en fonction des indices disponibles (bénéfices, endettements, …
- tentatives de prédiction sur la périodicité des cours boursiers
Exemple: Game of life, explique épidémies. Une cellule avec au moins 2 voisines survit.
Outils pour la gestion des connaissances
Logique floue
Agent intelligent
- logiciel qui
- exécute une tâche précise, répétitive, prévisible
- en arrière plan
- en utilisant une base de connaissance
- pour résoudre des problèmes ou prendre des décisions à la place de l’utilisateur
