4.2 Приобретение знаний в СОЗ. ч.2

Активные методы извлечения знаний предполагают более активную, направляющую роль инженера по знаниям. Среди этих методов отметим следующие:
- анкетирование. Этот метод считается наиболее стандартизированным, т.к. предполагает ответы эксперта (экспертов) на заранее разработанный перечень вопросов. Трудность состоит в подборе этих самых вопросов, особенно, если инженер по знаниям предполагает получить от эксперта достаточно лаконичные, четкие и понятные ответы.
- интервью. Интервью также предполагает наличие первоначально разработанных вопросов, однако, ход интервью может менять порядок этих вопросов, их формулировку и даже сами вопросы. Существуют практические рекомендации по подготовке вопросов, в число которых могут входить вопросы открытые и закрытые (с вариантами ответов), с предоставлением наглядных материалов, вопросы для установления контакта с интервьюируемым, контрольные вопросы для проверки достоверности, наводящие вопросы и др.(см. например, [1, 3]);
- свободный диалог. В этом методе нет регламентирующего плана и вопросника, хотя и здесь предполагается предварительная подготовка инженера по знаниям к разговору. В том числе и подготовка в данной предметной области, и планирование диалога, и психологическая подготовка к общению с экспертом.
Кроме индивидуального общения существуют и групповые методы активного извлечения знаний, такие как:
- метод круглого стола – организация заседания «круглого стола», на котором проводятся дискуссии между экспертами, с разных точек зрения рассматривается решаемая проблема, сравниваются методы решений, выдвигаются и исследуются гипотезы;
- метод «мозгового штурма». Этот метод является одним из наиболее известных методов разрешения проблем, генерирования новых идей в разных сферах деятельности. Мозговой штурм организуется по следующей примерной схеме. Приглашается несколько экспертов (обычно, до 10 человек). Формулируется суть проблемы. Далее все участники высказывают свои идеи и предложения, причем в самой раскрепощенной форме (серьезные и шутливые, «умные» и «глупые», ошибочные, «только что пришедшие на ум» и т.п.). Важно, что запрещена любая критика высказанных идей. При этом ведущим мозгового штурма (или специальным секретарем) все высказанные предложения записываются для последующего анализа.
Как правило, мозговой штурм длится в пределах 40 минут, на выступление каждому участнику отводится около 2-х минут, и за это время высказывается более 50 идей.
В силу того, что запрещена любая критика, в ходе такой работы все присутствующие раскрепощаются. Кроме того, возникает эффект, когда одна, казалось бы «самая глупая идея», выступает катализатором для появления цепочки новых предложений. Ведущий (а здесь это – инженер по знаниям) должен умело направлять аудиторию, стимулируя людей к высказываниям своих идей и предложений.
Следующим этапом является анализ записанных идей. Обычно к этому привлекают экспертов, не задействованных в самом мозговом штурме. Среди высказанного множества идей, как правило, не более 10-15% являются разумными, но могут появиться действительно находки – новые, эффективные идеи для решения поставленной проблемы.
Отдельно стоит сказать о таких методах извлечения знаний, как игры с экспертами. Это может быть как индивидуальная игра, так и игра групповая. Например, в [3] приводится описание игры с экспертом «Учитель и ученик», когда эксперт поправляет «ученика» – инженера по знаниям. Практический интерес могут представлять и игры на тренажерах или на компьютерах. В этом случае игра эксперта может рассматриваться как имитация профессиональной деятельности, а сам метод извлечения знаний похож на упомянутое ранее наблюдение. Интересная возможность здесь заключается в автоматизации сбора данных о действиях эксперта и их последующей обработки, обобщении и т.п. Таким образом, открывается перспектива так называемой автоформализации знаний эксперта, что сегодня может стать одним из интересных направлений научно-исследовательских работ в области создания практических СОЗ.
Названные методы инженерии знаний обращаются к методам общения, известным и применяемым в журналистике, психологических исследованиях. Зачастую они направлены, на живое, неформальное общение, в результате которого извлекаются достаточно большие объемы знаний о предметной области, ее объектах, способах решения профессиональных задач и т.п. Дальнейшая структуризация позволяет представить эти знания в виде системы понятий и взаимосвязей между ними и, затем, перейти к этапу формализации – т.е. к представлению знаний в терминах формализованных моделей, рассмотренных в этой главе.
Кроме названных методов, описываемых в литературе по инженерии знаний (см, например, [1, 3]), стоит отметить методы решения более структурированных задач, которые рассматриваются в системном анализе и методах экспертного оценивания.
Назовем примеры таких задач:
- задача присвоения некоторому объекту числовой характеристики. Например, нужно найти коэффициент силы правила в системе продукций;
- задача классификации. Например, нужно отнести выявленные понятия предметной области к тому или иному классу, т.е. сопоставить понятию номер класса;
- задача формирования и ранжирования множества альтернатив. Например, в ситуационной системе нужно сформировать не одно, а несколько допустимых в данной ситуации решений. Кроме того, требуется также упорядочить эти решения по важности. Иначе говоря, нужно сопоставить решению сначала число 1 или 0 (быть или не быть в множестве альтернатив), а потом сопоставить еще одно число – номер альтернативы в упорядоченной последовательности вариантов для данной ситуации.
Как видно, во всех этих (и многих других) задачах от эксперта нужен только ответ на один вопрос «Какое число нужно присвоить данному объекту?». Как мы уже знаем, подобные задачи решаются с помощью специальных процедур экспертного оценивания. Подробнее об этих задачах, способах организации экспертиз и обработки мнений экспертов говорилось в дисциплине «Теория систем и системный анализ» [9].

Читать дальше:

4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.1



Похожие статьи:

Резюме к 4 главе
25 июня 2012,
1. В ИИС можно выделить три стратегии получения знаний, т.е. «обучения» системы: - приобретение знаний в СОЗ из источников; - формирование знаний в системах интеллектуального ана ... Читать полностью

Глава 4. ПРИОБРЕТЕНИЕ ЗНАНИЙ В ИИС. ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ. 4.1 Стратегии получения знаний в ИИС
25 июня 2012,
До сих пор мы говорили о представлении знаний с помощью специальных моделей, позволяющих так организовать знания в базе знаний ИИС, что они выступают в качестве инструмента вывода искомого решения. ... Читать полностью

Резюме к 3 главе
26 июня 2012,
1. Модели представления знаний делятся на два типа – фор-мальные логические и эвристические модели. Соответственно определяется логический и эвристический метод рассуждений в СОЗ. Логически ... Читать полностью

Резюме к 1 главе
11 июля 2012,
1. Интеллектуальная информационная система (ИИС) -  компьютеризированная система  сбора, хранения, обработки, представления информации, работа которой основывается на имитации (воспро ... Читать полностью

3.8 Ситуационный подход в представлении знаний и выводе решений. ч.4
26 июня 2012,
Последний способ предполагает больший объем работы с экспертами. Он представляется весьма эффективным в случаях, когда пользователь не обладает необходимым резервом времени для выбора решения. И ... Читать полностью