Introdução
A memória organizacional pode ser entendida como a habilidade das
organizações para salvar, reter e fazer uso de informações do passado nas
atividades atuais. É um elemento chave que permite que as organizações
aprendam dos erros e acertos do passado. Mas fazer uso de este tipo de
informação é uma atividade complexa, pois se encontra dispersa dentro da
organização em diversos lugares (i.e., nos indivíduos, em documentos, em
relatórios, sistemas de informação, etc.) e é heterogênea (i.e.,
conhecimentos tácito, explícito, mentalizado, codificado, incorporado,
embutido, declarativo, procedural, condicional, etc.).
Com o surgimento dos computadores, possibilitou-se a criação de informação
em formato digital. Com o decorrer dos anos, as tecnologias de armazenamento
foram evolucionando conseguindo viabilizar a comercialização de computadores
com dispositivos de armazenamento cada vez com capacidades maiores. O
aumento na capacidade de armazenamento destes dispositivos possibilitou a
disseminação de informação digital de diversos tipos que antes, por requer
de capacidades muito grandes, eram pouco usadas. Geralmente estas
informações são armazenadas em diversas plataformas (i.e., blogs,
intranets, extranets, banco de dados, correios eletrônicos, foros, etc)
e em diversos formatos (i.e., HTML, GIF, PDF, etc.)
e escritas usando diferentes estilos (i.e., linguagem formal, linguagem
informal). Esta heterogeneidade faz que a procura por informações e
conhecimentos relevantes para a execução de tarefas seja complexa. Os
sistemas de informação de memória organizacional devem preocupar-se agora
por integrar toda esta informação e disponibilizar ferramentas que permitam
facilitar os processos de recuperação de conhecimento.
A engenharia do conhecimento fornece um conjunto de ferramentas que podem
ser usadas para adquirir informações e conhecimento a partir de diversas
fontes heterogêneas; organizar o conhecimento em estruturas que podem ser
“entendidas” pelos computadores e fornecer informações e conhecimentos
relevantes aos usuários. Neste contexto, o presente trabalho analisa como os
métodos e técnicas da engenharia do conhecimento podem servir de ajudam no
desenvolvimento de sistema de informação criados para suportar os processos
intensivos em conhecimento em torno à memória organizacional. Este artigo
está estruturado da seguinte maneira: após esta introdução, na seção 2 é
apresentada uma revisão sobre a memória organizacional. Na seção 3,
descreve-se a arquitetura dos sistemas de informação de memória
organizacional. Na seção 4, são apresentados os métodos e técnicas da
engenharia do conhecimento para suportar o desenvolvimento de sistema de
memória organizacional, na seção 5, apresentam-se alguns exemplos de
sistemas de memória organizacional suportados pela engenharia do
conhecimento. Finalmente, na seção 6, apresentam-se as considerações finais
do trabalho.
Memória Organizacional
De forma geral a memória organizacional (MO) pode ser definida como um
sistema capaz de armazenar as coisas percebidas, experimentadas ou vividas
para além da duração da ocorrência atual, e permitir recuperá-las
posteriormente (Lehner e Maier, 2000). É o conhecimento de
como fazer as coisas, a forma de abordar os problemas e questões, como
tratamos uns aos outros (Jackson, 2007). A memória
organizacional se preocupa com a reutilização e compartilhamento deste tipo
de conhecimento (Ackerman e Hadverson, 2000) para usá-lo
nas atividades atuais, melhorando assim a eficácia organizacional (Stein,
1995). O conceito de memória organizacional está intrinsecamente vinculado
ao conceito de aprendizagem organizacional (Lehner e Maier,
2000; Atwood, 2002; Ackerman e Halverson,
2004). A memória e a aprendizagem organizacional são processos sociais
profundamente enraizados e a eficácia organizacional é alcançada através de
uma integração sinérgica de uma cultura de compartilhamento de conhecimentos
e recursos tecnológicos (Hatami, Galliers , 2003). Segundo
Jackson (2007) a utilização de processos dentro da
organização que preenchem e utilizam a memória organizacional, garantem que
a memória organizacional seja armazenada ao longo do tempo e a acessam
quando for necessário, é aprendizagem organizacional. Mas, para que uma
organização possa aprender, os resultados das experiências passadas (a
memória organizacional propriamente dita) devem estar disponíveis para
cada indivíduo da organização (Ackerman, 1998).
Segundo Walsh e Ungson (1991), a memória organizacional
pode estar retida em seis lugares: indivíduos, cultura organizacional,
transformações organizacionais, estruturas organizacionais, ecologia
organizacional e arquivos externos. Segundo Ackerman
(1998) nesta lista também se pode incluir manuais corporativos, banco de
dados, sistemas de informação e inclusive histórias. Nas comunidades de
prática, por outro lado, a memória organizacional é uma combinação de
experiências e conhecimentos sobre projetos, produtos e decisões que estão
frequentemente incorporados nas mentes dos trabalhadores ou na cultura da
organização como conhecimento tácito, em vez de armazenadas em documentos
como conhecimento explícito (Atwood, 2002). Mesmo fazendo procedimentos ou
tarefas simples, os trabalhadores usam diversas “memórias”, distribuídas de
forma complexa, interligadas e às vezes sobrepostas. Os trabalhadores em
algumas partes da tarefa fazem uso da sua memória individual outras da
memória do grupo e em outras da memória da organização (Ackerman
e Halverson, 1998; Ackerman e Halverson, 2000;
Ackerman e Halverson, 2004).
Representação da Memória Organizacional
Ramesh (1997) propõe um meta modelo para representar a
memória organizacional a diferentes níveis de abstração. Este meta modelo
(ver Figura 1) possui primitivas que permitem representar tanto aos
agentes envolvidos nos processos organizacionais assim como as entradas e
saídas destes processos, bem como as ligações entre eles. O meta modelo
procura responder as seguintes questões:
• (what) Que informações são representadas? - inclusive atributos ou características da informação;
• (how) Como esta informação é criada e como ela se vincula a outros componentes da memória organizacional?;
• (who) Quais são os atores que desempenharam papéis durante sua criação, manutenção e utilização?;
• (when) Quando essas informações foram capturadas, quando foram modificadas e/ou quando evoluíram?;
• (where) Onde é representada? - em termos de fontes que armazenam a informação;
• (why) Por que um determinado componente da memória organizacional (como uma decisão) foi criado ou evoluiu à forma que ele tem?;
Neste meta modelo a entidade stakeholders representa aos agentes envolvidos nos processos de tomada de decisão. A entidade objeto representa às entradas e saídas dos processos (requisitos, suposições, decisões, fundamentações, alternativas, fatores críticos de sucesso, entre outros). Os objetos são criados em diversas tarefas organizacionais, como por exemplo, nas atividades de análise e desenho. Todos os objetos são documentados por fontes que podem ser objetos físicos, tais como documentos ou referências. Tipos específicos de fontes incluem documentos de planejamento, notas, memorandos, chamadas telefônicas, assim como referências para as várias partes interessadas. Os stakeholders são os encarregados de criar as fontes e desempenham diferentes papéis na criação, utilização e manutenção dos diversos objetos.
Figura 1. Modelagem da memória organizacional segundo Ramesh (1997).
Abecker, Bernardi, (1998) propõem um meta-modelo da informação baseado em três ontologias para descrever os itens de informação e conhecimento. Nesta abordagem cada item é descrito por uma série de conceitos representados na ontologia da informação, na ontologia da organização e na ontologia do domínio (ver Figura 2). O meta-modelo descreve as diferentes origens de informação com suas respectivas estruturas, formatos e propriedades de acesso. Os conceitos são fornecidos pela ontologia da informação a qual contém conceitos genéricos e atributos que podem ser aplicados a todos os tipos de informação, e especializa alguns conceitos aplicáveis a origens de informação específicas. Basicamente a ontologia da informação compreende todos os aspectos de informação e conhecimento os quais não são específicos ao conteúdo. Também provê vínculos à ontologia de domínio usada para descrever conteúdo, e vínculos à ontologia da organização usada para descrever contextos nos itens de conhecimento.Para modelar o conteúdo das fontes de informação é usada a ontologia de domínio. Por outro lado para modelar o contexto da informação é usada a ontologia da organização. A modelagem do contexto basicamente preocupa-se em descrever o contexto pretendido de aplicação de um item e o contexto no qual o item foi criado.
Figura 2. Modelagem da memória organizacional segundo Abecker, Bernardi (1998).
Nevo e Wand (2005) propõem um modelo baseado em três
dimensões da memória organizacional: os retentores conhecimento, o
conhecimento propriamente dito e o meta conhecimento (ver Figura 3).
Neste modelo, retentores do conhecimento são caracterizados pelo
conhecimento cognitivo e descritivo que possuem (por exemplo, anos de
escolaridade ou experiência). Estes retentores possuem conhecimento sobre
conceitos e/ou instâncias da organização. Os conhecimentos que possuem os
retentores encontram-se na forma de predicados (declarações de verdade)
sobre o estado de coisas em um dado momento, as mudanças passadas, ou
possíveis alterações em um domínio de interesse.
Figura 3. Modelagem da memória organizacional segundo Nevo e
Wand (2005).
Jackson (2007) estende o modelo proposto por
Nevo e Wand (2005) acrescentando novas entidades no modelo (ver
Figura 4). Nesta nova modelagem os retentores de conhecimento estão
associados algum tipo de armazenamento podendo ser este de tipo tecnologia,
procedimento, pessoas, entre outros. Foi criada a entidade domínio do
conhecimento a que permite caracterizar os conceitos e também foram
acrescentados sinônimos e definições para os conceitos. Em relação ao
conhecimento, esta entidade foi vinculada às entidades o modo de uso e modo
de aquisição, criadas para incluir informação do contexto no modelo.
Figura 4. Modelagem da memória organizacional segundo Jackson (2007)
Sistemas de Informação de Memória Organizacional
Um sistema de informação de memória organizacional pode ser definido como um
sistema que integra técnicas básicas em um sistema de computador que, no
âmbito das atividades das empresas, continuamente recolhe, atualiza e
estrutura conhecimentos e informações visando fornecê-los em diferentes
tarefas a fim de melhorar a cooperação e o trabalho com processos intensivos
em conhecimento (Abecker e Decker, 1999). É construído a
partir de tecnologias de informação tradicionais, tais como bancos de dados
e redes de telecomunicações. A intenção é usar essa infra superestrutura
fornecida pelas tecnologias da informação e comunicação para capturar e
disseminar o conhecimento dentro da organização (Atwood,
2002).Mas a construção deste tipo de sistemas de informação não é uma tarefa
trivial e afrontam uma série de desafios (Conklin, 1996;
Atwood, 2002). O primeiro desafio encontra-se no gerenciamento do
conhecimento, pois dentro da organização existe tanto conhecimento tácito
quanto conhecimento explícito. Em algumas situações o conhecimento tácito
pode ser externalizado e transformado em conhecimento explicito, mas em
outras situações não. Caso o conhecimento se encontre em documentos, é
importante preservar o contexto, o que torna este processo mais complexo
ainda. Neste ponto é de suma importância que o sistema seja concebido
visando coletar e organizar sistematicamente as informações a partir de
várias fontes, apoiando-se fortemente em métodos e técnicas da engenharia do
conhecimento.
Outro desafio que dificultam a construção destes sistemas são as pessoas que
geram e usam conhecimento. As pessoas atualizam seus conhecimentos de forma
dinâmica fazendo que a captura deste seja difícil. Esta constante
atualização faz que conhecimentos que antes eram relevantes para os
indivíduos no futuro não os sejam. Outro problema encontra-se na perturbação
do processo social: se os usuários começam a sentir que sua segurança no
emprego está ameaçada porque compartilharam seus conhecimentos, eles vão se
tornar relutantes a disponibilizá-lo, por esta razão o processo de
construção não é meramente uma atividade técnica, deve ir acompanhada de uma
correta gestão dentro da organização, fazendo que os integrantes de
organização participem do processo ajudando na evolução do sistema. É por
isto que a integração da memória organizacional com os entorno de trabalhos
existentes é sumamente importante.
Te’eni e Weinberger (2000) têm proposto um processo de
desenvolvimento de sistemas de memória organizacional composto em oito fases
(ver Figura 5). Na primeira fase, reconhecimento do problema e definição dos
objetivos, se identifica as necessidades a resolver. Na aquisição do
conhecimento, se identificam e capturam as fontes disponíveis, para que na
seguinte fase, análise do conhecimento, se organize o conhecimento usando
estruturas formais. O desenho detalhado das estruturas é feito na seguinte
fase, design das representações e interfaces humano e computador, aqui
também se desenham os médios nos quais será disseminado o conhecimento. A
construção oferece produtos tangíveis para o usuário, de forma tal que na
fase de implementação e uso, estes sejam integrados no fluxo de trabalho da
organização. Quando o sistema já se encontra implementado, este passa a
seguinte fase a de evolução, nesta se faz a manutenção e adaptação.
Finalmente na fase de avaliação verifica-se se o sistema conseguiu os
objetivos procurados inicialmente.
Figura 5. Processo de Desenvolvimento de Sistemas de Memória Organizacional.
Baseado em Te’eni e Weinberger (2000).
Os sistemas de memória organizacional baseiam-se na persistência do
conhecimento para o uso deste em situações futuras. O objetivo é gerar uma
base de conhecimentos relevantes para a organização. Existem basicamente
três processos, que funcionando de forma organizada, permitem que estes
sistemas cumpram com seus objetivos. Em primeiro lugar temos a aquisição e
manutenção do conhecimento, que visa coletar o conhecimento a partir das
diversas fontes de informação. No segundo lugar, a integração do
conhecimento visa fazer persistente o conhecimento adquirido na memória
organizacional. Finalmente o processo de recuperação do conhecimento, visa
fornecer conhecimento relevante aos usuários para a realização de tarefas
intensivas em conhecimento. Estes processos formam os principais componentes
da arquitetura básica dos sistemas de memória organizacional (ver Figura
6). A continuação é apresentada uma breve descrição de cada um dos
componentes da arquitetura.
Figura 6. Arquitetura dos Sistemas de Memória Organizacional. Adaptado de
Stein (1995).
A aquisição é o processo de coleta, codificação, organização e o
armazenamento de conhecimento (Atwood, 2002). Um sistema
de informação de memória organizacional, idealmente dever ser capaz de se
adaptar e organizar visando coletar os dados e informações relevantes a
partir operações de negócios habituais sem perturbar o fluxo de trabalho
normal. Quando isto não for possível, aquisição do conhecimento feito pelos
engenheiros do conhecimento torna-se necessária (Abecker e
Decker, 1999). O núcleo de um sistema de informação de memória
organizacional é o repositório, que deve nascer da integração dos diversos
sistemas legados enriquecido por novas informações e metadados que permita a
recuperação de conhecimentos úteis e/ou documentos em uma situação
determinada. Este repositório está caracterizado pela heterogeneidade de
conhecimento (i.e., projetos, competências, processos, entre outros)
e formas de representação (i.e., texto, hipertexto, documentos, emails,
gráficos, imagens, entre outros) (Abecker e Decker, 1999).
Uma característica importante da memória organizacional é a capacidade
recuperar conhecimento. A procura de informações pode ser considerada como o
processo de encontrar a peça certa a partir da memória organizacional. O
objetivo, então, é diminuir o esforço envolvido na busca de informação nos
casos em que a informação requerida não é conhecida, ou eliminar a busca de
informação nos casos em que a organização tem esforços redundantes (Ackerman,
1998).
A Engenharia do Conhecimento como Suporte ao Desenvolvimento de Sistemas
de Memória Organizacional
Prover memórias organizacionais eficazes não é um problema que as
tecnologias da informação podem resolver sozinhas (Atwood,
2002), para isto é preciso uma solução híbrida, que envolva tanto pessoas,
processos assim como tecnologia (Abecker, Bernardi, 2001).
Neste sentido a engenharia do conhecimento ajuda suportando a codificação,
organização e recuperação do conhecimento tornando-o accessível (ver
Figura 7). A eficácia da memória organizacional depende não só da
quantidade de conhecimento armazenado, senão também da facilidade com que
este pode ser acessado (Sinkula, 1994).
Figura 7. A Infra-estrutura de Informação como Suporte ao Desenvolvimento de
Sistemas de Memória Organizacional.
A Engenharia do Conhecimento como Suporte à Aquisição do Conhecimento
A engenharia do conhecimento trabalha com uma série de métodos e técnicas
que podem ser usados como suporte ao processo de aquisição. Entre elas
podemos mencionar a extração de informação, a sumarização de textos, o
dataware house e processos de descoberta de conhecimento.
Dentro das abordagens para o processamento de informação textual a Extração
de Informação (EI) visa recuperar informações
(i.e., entidades, relações e eventos) em formato estruturado, fixo e não
ambíguo a partir de um conjunto de documentos não estruturados. Por outro
lado a abordagem de sumarização de textos (ST) tem
como objetivo a criação de novas peças condensando os dados de entrada, mas
preservando o conteúdo original. Geralmente estas abordagens trabalham de
forma conjunta e usam sistemas de recuperação de informação para obter os
conjuntos de dados a processar.
Por outro lado, para o processamento de informação operacional temos a
abordagem data warehouse que visa coletar dados orientados por
assuntos com o objetivo de suportar os processos de tomada de decisões. O
data warehouse possibilita a análise de grandes volumes de informação,
coletados de varias fontes estruturadas.Estas abordagens são usadas em
processos que visam a descoberta de conhecimento. Quando a descoberta é
feita usando como fonte de informação os bancos de dados, o processo é
conhecido como descoberta de conhecimento em banco de dados (KDD
- Knowledge Discovery in Databases) e quando a fonte de informações são
documentos textuais o processo é conhecido como descoberta de conhecimento
em textos (KDT - Knowledge Discovery in Textual
Databases). Em ambos os casos, as fontes de informação precisam ser
preparadas para o processo descoberta, assim a EI servem de suporte ao
processo Knowledge Discovery in Textual Databases e o data
warehouse ao processo Knowledge Discovery in Databases.
Extração de Informação
O processo de engenharia do conhecimento basicamente toma textos como
entrada e produz dados em formato fixo e não ambíguos (Cunningham,
1997; Cunningham e Sheffield, 2006). A abordagem engenharia do
conhecimento pode ser vista como a atividade de preenchimento de fontes
estruturadas de informação a partir de fontes não estruturadas ou textos
escritos em formato livre (Grishman, 1997; Gaizauskas e Wilks,
1998). Nesta abordagem, os conceitos chaves (i.e., fatos ou eventos ao
respeito de entidade ou relações entre entidades) são definidos com
anterioridade para que o sistema os procure (Gaizauskas e
Wilks, 1998; Feldman, Aumann , 2002) basicamente executando cinco tipos
de tarefas: reconhecimento de entidades, resolução de correferência,
construção de template de elementos, construção de template de
relações e produção de templates de cenários (Cunningham,
1997).
O reconhecimento de entidades é a tarefa mais simples, esta se encarrega de
identificar todas as entidades nos texto (i.e, os nomes das pessoas,
lugares, organizações, datas, quantidades de dinheiro). A resolução de
correferência envolve a identificação das relações de identidade existentes
entre as entidades. A construção de template de elementos visa em
classificar as entidades associando-lhes informação descritiva. A construção
de template de relações visa identificar as possíveis relações entre
as entidades. A produção de templates de cenários é a saída dos
sistemas engenharia do conhecimento, neles se juntam as entidades
descrevendo seus elementos e as relações existentes dentro de um determinado
evento.Atualmente os sistemas de engenharia do conhecimento não são
suficientemente precisos como para extrair informação e construir banco de
dados automaticamente, mas os resultados obtidos podem ser úteis para o
suporte aos humanos em suas tarefas, ou coletando evidência a partir de
documentos (Ramshaw e Weischedel, 2005). O desempenho de
cada tarefa e a facilidade com que ela pode ser desenvolvida varia
dependendo do tipo de texto (i.e., artigos de revistas,
HTML, mensagens eletrônicos), domínio (i.e., noticias
financeiras, informação turística, suporte técnico) e cenário (i.e.,
mísseis lançados, fusões de organizações) (Cunningham,
1997). Apesar de que os sistemas engenharia do conhecimento oferecem um
modesto desempenho (com perda de alguns eventos e inclusão de alguns
erros) estes são de grande valor. Eles podem ser usados para extrair
informação e fazer uma verificação manual posterior (Grishman,
1997).
Sumarização de Textos
Na sumarização de textos o problema consiste em concentrar um texto em uma
versão menor preservando seu conteúdo (Kruengkrai e
Jaruskulchai, 2003; Jones, 2007), poupando o tempo das pessoas que não
podem ler todos os documentos relacionados a um determinado assunto (Wu
e Liu, 2003).
Existem duas formas de resumir os textos: a abstração e a extração ou
sumarização (Kruengkrai e Jaruskulchai, 2003; Wu e Liu, 2003).
Abstração é o processo de entender, interpretar e parafrasear um novo
extrato a partir do texto original. Isto ainda é uma tarefa difícil de fazer
usando os computadores, e requer do uso extensivo das técnicas e recursos da
área de processamento de linguagem natural. A sumarização ou extração
consiste no processo de classificar e apresentar os extratos (sentenças,
parágrafos, entre outros) mais originais e relevantes dentro de um
documento. O foco de pesquisa aqui é a determinação do critério de
classificação. Basicamente, sistemas de sumarização outorgam a cada
parágrafo um escore de relevância e os classificam segundo seus escores.
Altos escores implicam que os parágrafos são mais possíveis de ser
selecionados no resumem. Finalmente, são extraídas as partes dos parágrafos
mais relevantes para formar o resumo.Sistemas que resumem múltiplos
documentos operam gerando primeiro resumos de cada documento para logo
selecionar destes as sentencias para produzir o resumo de todos os
documentos (Schlesinger, Conroy, 2003).
Data warehouse
Segundo Inmon (1992), data warehouse
(DW) pode ser definido como uma coleção de dados integrada, variável
no tempo e não volátil usadas principalmente nas organizações como suporte à
tomada de decisões. O data warehousepode ser visto como uma abordagem
de integração de informação onde informações de interesse são extraídas a
partir de diferentes fontes e armazenadas em um repositório centralizado
onde são executadas as consultas dos usuários (Widom,
1995). Dado que os data warehouse são direcionados para o apoio à
decisão, a informação armazenada nele é histórica, sumarizada e consolidada
e não registros de transações individuais (Chaudhuri e Dayal,
1997).
Descoberta de Conhecimento: Knowledge Discovery in Databases e Knowledge
Discovery in Textual Databases
A descoberta de conhecimento em banco de dados (Knowledge Discovery in
Databases) pode ser definida como o processo não trivial de
identificação, a partir de dados, de padrões que sejam válidos, novos,
potencialmente úteis e compreensíveis (Fayyad,
Piatetsky-Shapiro, 1996b). Entre as fases que compõem o processo
Knowledge Discovery in Databases podemos mencionar a seleção,
pré-processamento, transformação, mineração e interpretação de dados (Fayyad,
Piatetsky-Shapiro, 1996b; a). O data warehouse pode ser usado
como abordagem para seleção, pré-processamento e transformação de dados no
processo Knowledge Discovery in Databases.
A descoberta de conhecimento em textos (KDT)
segue a mesma filosofia do Knowledge Discovery in Databases. O
elemento que diferencia os dois processos é a origem dos dados já que no
Knowledge Discovery in Textual Databases as fontes de informação são de
tipo não estruturado, texto escrito em linguagem natural (Kodratoff,
1999). O primeiro passo do processo Knowledge Discovery in Textual
Databases é transformar a informação textual em informação estruturada
para assim aplicar as demais fases do Knowledge Discovery in Databases.
Neste ponto a abordagem de extração de informação pode ser usada (Feldman
e Dagan, 1995; Feldman, Aumann, 1999).
A Engenharia do Conhecimento como Suporte à Codificação do Conhecimento
Um dos processos nos quais a engenharia do conhecimento foca é a modelagem
do conhecimento. A modelagem do conhecimento permite explicitar conhecimento
independente de sua aplicação facilitando o seu reuso (Studer, Fensel et al.,
1999). Na Figura 8 podem-se observar algumas formas de representação do
conhecimento, partindo dos repositórios de documentos até as ontologias. A
principal diferencia entre estas formas de representação encontra-se no
nível semântico que elas permitem explicitar.
Figura 8. Formas de Representação do Conhecimento.
Vocabulários Controlados
Um vocabulário controlado pode ser entendido como uma lista fechada de
nomes. Os constituintes de um vocabulário controlado são geralmente
conhecidos como termos, onde um termo é um nome específico para um
determinado conceito. É comum fazer a distinção entre termo e conceito, o
termo basicamente pode ser definido como o nome de um conceito, por outro
lado é comum que um mesmo conceito possua vários nomes e também que o mesmo
termo pode nomear múltiplos conceitos. Um vocabulário controlado é
constituído de termos e não diretamente de conceitos (Garshol, 2004).
Taxonomias
Uma taxonomia pode ser vista como uma organização dos termos de um
vocabulário controlado em uma hierarquia. A vantagem desta abordagem é que
permite que termos relacionados sejam agrupados e categorizados tornando
assim o processo de busca mais simples (Van Rees, 2003; Garshol, 2004).
Tesauros
Um tesauro pode ser definido como uma lista classificada de termos,
especialmente palavras-chave, em um domínio específico Os tesauros lidam com
palavras, as alternativas para essas palavras, sinônimos, traduções, e
demais (Van Rees, 2003), são enriquecido por alguns tipos
de relações definidas como: “broader term" (BT)
e “narrower term" (NT), que pode ser lido como
uma ordem hierárquica, e “related term" (RT),
que é usados para capturar proximidade conceptual (Hepp e De
Bruijn, 2007).
Ontologias
Ontologias são esquemas de metadados, que fornecem um vocabulário controlado
dos termos, todos eles explicitamente definidos e com semântica que pode ser
processada pelas máquinas. Desta forma as ontologias ajudam as pessoas e as
máquinas a se comunicarem com mais eficácia (Bechhofer,
2002). Uma ontologia pode tomar uma variedade de formas, mas necessariamente
incluirá um vocabulário de termos, e alguma especificação de seu
significado. Isto inclui definições e uma indicação de forma explícita como
os conceitos estão inter-relacionados coletivamente no domínio e quais as
restrições as possíveis interpretações dos termos (Uschold,
King, 1998). Studer, Benjamins, (1998) definem uma
ontologia como uma “especificação explícita e formal de uma
conceitualização compartilhada”.
A Engenharia do Conhecimento como Suporte ao Uso do Conhecimento
Recuperação de Informação
Um sistema IR pode ser visto como alguém que “interpreta” o conteúdo
dos itens de informação (documentos) em uma coleção e os classifica
de acordo ao grau de relevância em relação à consulta do usuário (Baeza-Yates
e Ribeiro-Neto, 1999; Voorhees, 2006). Os itens de informação que
satisfaçam a consulta, no juízo do usuário, são chamados de relevantes (Greengrass,
2000). O principal objetivo é recuperar todos os documentos relevantes e ao
mesmo tempo recuperar a menor quantidade de documentos não relevantes como
seja possível (Van Rijsbergen, 1979; Baeza-Yates e
Ribeiro-Neto, 1999; Canfora e Cerulo, 2004) a fim de satisfazer o estado
de incerteza do usuário (Ingwersen, 1992).
A RI se preocupa basicamente com a representação, armazenamento, organização
e aceso de itens de informação (Baeza-Yates e Ribeiro-Neto,
1999; Greengrass, 2000; Canfora e Cerulo, 2004). Esta abordagem está
atraindo a atenção da comunidade científica devido ao crescimento
exponencial da quantidade de informação disponível em formato digital (Canfora
e Cerulo, 2004), tanto dentro das organizações quanto na Internet (Greengrass,
2000), mas diversos fatores fazem esta abordagem desafiante. Neste sentido
podemos mencionar que a informação nos documentos geralmente não é
estruturada, os documentos são escritos usando linguagem natural livre e
frequentemente os documentos cobrem uma ampla variedade de assuntos e
domínio (Mitra e Chaudhuri, 2000).
Question Answering
O objetivo da abordagem Question Answering (QA)
é localizar, extrair e representar uma resposta específica a uma pergunta
feita por um usuário usando a linguagem natural (Roussinov e
Robles-Flores, 2004). Sistemas Question Answering são
especialmente úteis em situações onde o usuário necessita conhecer uma
específica peça de informação e não tem o tempo para ler toda a documentação
disponível sobre o tópico (Mollá e Vicedo, 2007). Para
responder, o sistema deve analisar a pergunta, procurar uma ou mais
respostas consultando as fontes de informação e apresentar a resposta ao
usuário em forma apropriada, acrescentando quiçá justificativas (Hirschman
e Gaizauskas, 2002). Em forma geral se pode dizer que sistemas
Question Answering são baseados em textos e retornam aos usuários
fragmentos de textos contendo a respostas a determinada consulta. Neste
sentido Question Answering tem relação com a abordagem
RI (recuperação de documentos, recuperação de parágrafos, entre
outros). Alguns sistemas Question Answering utilizam como entrada
o contexto no qual é feita a pergunta e o conhecimento que tem o usuário
sobre o domínio assim como seus objetivos (Hirschman e
Gaizauskas, 2002). A função do contexto na abordagem Question
Answering permite justificar e confirmar a resposta e oferecer
informação relacionada que pode ser de interesse ao usuário. Deve ter se em
consideração que existem diversas formas de criar uma resposta, pudendo esta
ser está uma resposta exata ou uma resposta acompanhada de contexto
(i.e., orações, parágrafos, ou documentos, por exemplo) (Lin,
Quan, 2003). As respostas deveriam conter informação obtida a partir de
fontes de dados atuais e confiáveis, termos com o mesmo significado que os
usados na pergunta, enlaces relevantes, justificativas e a fonte dos dados (Mcguinness,
2004).
Raciocínio baseado em casos
Raciocínio baseado em casos (RBC) pode ser definido
como uma abordagem que ajuda na resolução de problemas. Um sistema
Raciocínio baseado em casos é capaz de usar conhecimento específico a
partir de experiências passadas em uma situação específica. Um novo problema
é resolvido a partir de descoberta de casos similares e o re uso deste em
novas situações (Aamodt e Plaza, 1994). Basicamente os
sistemas Raciocínio baseado em casos usam processos para recuperar o
caso mais semelhante, reutilizar a informação e o conhecimento, nesse caso,
para resolver o problema, revisar a solução proposta manter as peças desta
experiência que podem ser úteis para resolver problema futuro.
Engenharia do Conhecimento e Sistemas de Memória Organizacional dentro
das Organizações
A memória organizacional pode ser vista como o coração do processo de
aprendizagem organizacional apoiando a reutilização e compartilhamento de
conhecimento tanto individual quanto coletivo. Organizadas em torno à
memória organizacional, serviços da gestão do conhecimento proporcionam aos
trabalhadores todas as informações necessárias e úteis para o cumprimento
desta tarefa em processos intensivos de conhecimento (ver Figura 9).
A continuação apresenta-se alguns exemplos de como a engenharia do
conhecimento é usada para suportar o desenvolvimento de sistemas de memória
organizacional para suportar processos intensivos em conhecimento dentro das
organizações.
Figura 9. A Memória Organizacional como Suporte às Atividades Intensivas em
Conhecimento. Baseado em Abecker, Bernardi (1998)
Gestão por Competências
De forma geral a gestão por competências pode ser definida como uma
abordagem por meio da qual as organizações gerenciam as competências tanto a
nível individual, grupal ou ao nível da organização. Geralmente esta está
organizada em quatro grupos de processos: a identificação de competências,
avaliação de competências, aquisição de competências e o uso de competências
(Berio e Harzallah, 2005; Berio e Harzallah, 2007).
Liao, Hinkelmann (1999) propõem um sistema de gestão por
competências baseado em uma ontologia de domínio de competências que,
abrange múltiplos critérios dentro da organização e suporta a consulta de
competências pessoais; possibilita a realização de inferências para
encontrar pessoas retentoras de conhecimento; e facilita a integração das
competências na memória organizacional. Nesta abordagem as pessoas são vista
como retentoras de conhecimento, como se fossem um livro. Baseado no
trabalho de Liao, Hinkelmann (1999) Vasconcelos propõe um
sistemas de informação de memória organizacional para gerenciar as
competências de grupo (Vasconcelos, Kimble, 2000;
Vasconcelos, Kimble, 2001; Vasconcelos,
2001; Vasconcelos, Kimble, 2003). Vasconcelos define sua
proposta como um sistema de memória de grupo que permite gerenciar
conhecimentos heterogêneos e distribuídos nos processos do negócio. Esta
abordagem foca principalmente no conhecimento relacionado às competências
organizacionais, e as ontologias são usadas para criar a camada conceptual
da memória organizacional. A visão ontologia da organização é representada
usando uma rede semântica, composta por uma ontologia de grupos, uma
ontologia de competências, uma ontologia de projetos e uma ontologia de
recursos. Por outro lado (Berio e Harzallah, 2007)
propõem uma arquitetura integrada para o gerenciamento das competências
individuais, usando a engenharia do conhecimento como suporte ao processo de
gestão por competências. Nesta arquitetura as ontologias são usadas para
definir tanto o domínio das competências como as competências propriamente
ditas, a abordagem RI é usada para recuperar os
documentos relacionados com as competências dos indivíduos.
e-learning
A memória organizacional tem sido usada também dentro da abordagem
e-learning. Os cursos são tratados como uma organização com memória (Abel,
Cissé, 2003; Abel, Lenne, 2004; Abel, Benayache, 2004; Abel, Moulin, 2006b;
Abel, Lenne , 2007; Abel, M, 2008; Abel, Mh, 2008; Leblanc, Abel, 2008).
A memória desta “organização” é formada por conceitos,
conhecimentos e documentos relacionados usando também ontologias como forma
de representação de conhecimento. A camada ontológica é conformada por duas
ontologias, uma que representa os conceitos do domínio e-learning e outra
que vincula os conceitos do domínio. A engenharia do conhecimento tem sido
usada também como suporte para aquisição de conhecimento, permitindo a
aquisição de objetos de aprendizagem e seu armazenamento na memória
organizacional (Zouaq, Nkambou, 2007; Zouaq
e Nkambou, 2009). Aqui o conhecimento é adquirido a partir de textos,
criando ontologias de forma automática as quais possibilitam a criação de
objetos de aprendizagem.
Considerações Finais
A engenharia do conhecimento se foca na aplicação de metodologias e
tecnologias que permitem adquirir, estruturar, formalizar e operacionalizar
informações e conhecimentos existentes em domínios de problemas intensivos
em conhecimento. A memória organizacional por seu lado, preocupa-se com a
reutilização e compartilhamento do conhecimento armazenado nela, devido a
isto, os sistemas de informação de memória organizacional geralmente
encontram-se organizados em torno a três processos: aquisição, organização e
recuperação do conhecimento. Como se pode apreciar, a engenharia do
conhecimento fornece um conjunto de ferramentas que podem ser aproveitadas
para a implementação dos processos envolvidos nos sistemas de memória
organizacional. Para o processo de aquisição do conhecimento, a engenharia
do conhecimento apoia-se em diversas técnicas e métodos tais como a extração
de informação, a sumarização de textos, data warehouse, e processos
de descoberta de conhecimento. Para a organização do conhecimento a
engenharia do conhecimento usa diversos formalismos para explicitar o
conhecimento como taxonomias, tesauros e ontologias. Para o processo de
recuperação do conhecimento a engenharia do conhecimento apoia-se em
abordagens, entre elas podemos mencionar a recuperação de informação,
question answering e raciocínio baseado em casos.
As ontologias, em particular, fornecem conteúdo semântico e capacidade de
processamento simbólico o que facilita a integração e redução da sobrecarga
de informação, apoiando os processos da memória organizacional em forma
inovadoras que as tecnologias de informação tradicionais são incapazes de
oferecer. Em geral os frameworks que implementam sistemas de memória
organizacional baseados em engenharia do conhecimento usam ontologias como
formalismo para representar conhecimento, ajudando-se de técnicas da
extração de informação para reconhecer entidades e anotar documentos e usam
sistemas de recuperação de informação para recuperar conhecimento.
A engenharia do conhecimento fornece também metodologias que apoiam ao
processo de desenvolvimento dos sistemas de memória organizacional. Nesta
linha podemos mencionar ao Common
KADS (Schreiber, Akkermans, 1999). O
Common KADS baseia-se em
modelos que ajudam a compreender e entender o contexto organizacional (i.e.,
modelo da organização, modelo da tarefa e modelo do agente), descrever o
conhecimento aplicado às tarefas (i.e., modelo do conhecimento e modelo
da comunicação) e organizar os requerimentos técnicos para construir
sistemas baseados em conhecimento (i.e., modelo do projeto). Os
modelos do Common KADS podem ser
usados para suportar todas as fases de desenvolvimento dos sistemas de
memória organizacional propostas por
Te’eni e
Weinberger (2000).
Referências Bibliográficas
.AAMODT, A.; PLAZA, E. Case-based reasoning:
foundational issues, methodological variations, and system approaches. AI
Commun., v. 7, n. 1, p. 39-59, 1994. ISSN 0921-7126.
ABECKER, A. et al. Workflow-Embedded Organizational Memory Access: The DECOR
Project. 2001.
______. Toward a technology for organizational memories. IEEE Intelligent
Systems and their Applications, v. 13, n. 3, p. 40-48, 1998. ISSN 1094-7167.
ABECKER, A.; DECKER, S. Organizational memory: Knowledge acquisition,
integration, and retrieval issues. In: HEIDELBERG, S. B. (Ed.). XPS-99:
Knowledge-Based Systems: Springer Berlin / Heidelberg, v.1570/1999, 1999.
p.113-124. ISBN 978-3-540-65658-6.
ABEL, A. et al. Using Two Ontologies to Index e-Learning Resources. IEEE/WIC/ACM
International Conference on Web Intelligence, 2004. p.549-552.
ABEL, M. Competencies management and learning organizational memory. Journal
of Knowledge Management, v. 12, n. 6, p. 15-30, 2008.
______. An Organizational Memory Tool for E-Learning. In: GIRARD, J. P. (Ed.).
Building Organizational Memories: Will You Know What You Knew?: Idea Group
Publishing, 2008. p.245. ISBN 9781599045405.
ABEL, M. et al. Ontology-based Organizational Memory for e-learning.
Educational technology & society, v. 7, n. 4, p. 98-111, 2004.
ABEL, M.; CISSÉ, O.; LENNE, D. Using EMOaO to Build a Learning
Organizational Memory. 2003.
ABEL, M.; LENNE, D.; LEBLANC, A. Organizational Learning at University.
Lecture notes in computer science, v. 4753, p. 408, 2007.
ABEL, M.; MOULIN, C.; LENNE, D. Learning Organizational Memory and
Microlearning (Semantics for Microlearning). In: HUG, T. L., MARTIN; BRUCK,
PETER A, Microlearning Conference 2006, 2006a. Innsbruck, Austria. June 8-9.
______. Towards Distributed Learning Organizational Memories. Proceedings of
the 3rd WSEAS/IASME International Conference on ENGINEERING EDUCATION,
2006b. Vouliagmeni, Greece. July 11-13. p.233-238.
ACKERMAN, M.; HALVERSON, C. Organizational memory as objects, processes, and
trajectories: An examination of organizational memory in use. Computer
Supported Cooperative Work (CSCW), v. 13, n. 2, p. 155-189, 2004.
ACKERMAN, M. S. Augmenting organizational memory: a field study of answer
garden. ACM Trans. Inf. Syst., v. 16, n. 3, p. 203-224, 1998. ISSN
1046-8188.
ACKERMAN, M. S.; HADVERSON, C. A. Reexamining organizational memory. Commun.
ACM, v. 43, n. 1, p. 58-64, 2000. ISSN 0001-0782.
ACKERMAN, M. S.; HALVERSON, C. Considering an organization's memory.
Proceedings of the 1998 ACM conference on Computer supported cooperative
work. Seattle, Washington, United States: ACM: 39-48 p. 1998.
ATWOOD, M. E. Organizational memory systems: challenges for information
technology. Proceedings of the 35th Annual Hawaii International Conference
on System Sciences, 2002. HICSS, 2002. p.919-927.
BAEZA-YATES, R. A.; RIBEIRO-NETO, B. A. Modern Information Retrieval. ACM
Press/Addison-Wesley, 1999.
BECHHOFER, S. Ontoweb report: Ontology language standardisation efforts.
Technical report, IST Project, IST-2000-29243, 2002. 60. 2002
BERIO, G.; HARZALLAH, M. Knowledge Management for Competence Management.
Journal of Universal Knowledge Management, v. 0, n. 1, p. 21-28, 2005.
______. Towards an integrating architecture for competence management.
Computers in Industry, v. 58, n. 2, p. 199-209, 2007. ISSN 0166-3615.
CANFORA, G.; CERULO, L. A Taxonomy of Information Retrieval Models and Tools.
Journal of Computing and Information Technology, v. 12, n. 3, p. 175-194,
2004.
CHAUDHURI, S.; DAYAL, U. An overview of data warehousing and OLAP technology.
SIGMOD Rec., v. 26, n. 1, p. 65-74, 1997. ISSN 0163-5808.
CONKLIN, J. Designing organizational memory: Preserving intellectual assets
in a knowledge economy. Group Decision Support Systems, v. 1, 1996.
CUNNINGHAM, H. Information Extraction-A User Guide Research memo CS – 97 –
02: University of Sheffield, UK 1997.
CUNNINGHAM, H.; SHEFFIELD, U. Information Extraction, Automatic.
Encyclopedia of Language & Linguistics, p. 665-677, 2006.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From Data Mining to Knowledge
Discovery in Databases. Commun. ACM, 1996a.
______. The KDD process for extracting useful knowledge from volumes of
data. Commun. ACM, v. 39, n. 11, p. 27-34, 1996b. ISSN 0001-0782.
FELDMAN, R. et al. A comparative study of information extraction strategies.
In: GELBUKH, A. F. (Ed.). Computational Linguistics and Intelligent Text
Processing: Springer, 2002. p.349–359. ISBN 978-3-540-43219-7.
______. Text mining via information extraction. In: (Ed.). Principles of
Data Mining and Knowledge Discovery: Springer, 1999.
FELDMAN, R.; DAGAN, I. Knowledge Discovery in Textual Databases (KDT). The
First International Conference on Knowledge Discovery and Data Mining 1995.
Amer Assn for Artificial. p.112.
GAIZAUSKAS, R.; WILKS, Y. Information extraction: Beyond document retrieval.
Journal of Documentation, v. 54, n. 1, p. 70-105, 1998.
GARSHOL, L. M. Metadata? Thesauri? Taxonomies? Topic Maps! Making Sense of
it all. Journal of Information Science, v. 30, n. 4, p. 378-391, August 1,
2004 2004.
GREENGRASS, E. Information Retrieval: A Survey. 2000
GRISHMAN, R. Information Extraction: Techniques and Challenges. In: PAZIENZA,
M. T. (Ed.). Information Extraction A Multidisciplinary Approach to an
Emerging Information Technology: Springer-Verlag, v.1299, 1997. p.10-27. (Lecture
Notes in Computer Science). ISBN 978-3-540-63438-6.
HATAMI, A.; GALLIERS, R. D.; HUANG, J. Exploring the impacts of knowledge (re)use
and organizational memory on the effectiveness of strategic decisions: a
longitudinal case study. Proceedings of the 36th Annual Hawaii International
Conference on System Sciences, 2003. p.11 pp.
HEPP, M.; DE BRUIJN, J. GenTax: A generic methodology for deriving OWL and
RDF-S ontologies from hierarchical classifications, thesauri, and
inconsistent taxonomies. In: FRANCONI, E.;KIFER, M., et al (Ed.). The
Semantic Web: Research and Applications: Springer Berlin/Heidelberg, v.4519,
2007. (Lecture Notes in Computer Science). ISBN 978-3-540-72666-1.
HIRSCHMAN, L.; GAIZAUSKAS, R. Natural language question answering: The view
from here. Natural Language Engineering, v. 7, n. 04, p. 275-300, 2002.
INGWERSEN, P. Information Retrieval Interaction. Taylor Graham, 1992.
INMON, W. Building the Data Warehouse John Wiley, 1992.
JACKSON, P. An Exploratory Survey of the Structure and Components of
Organizational Memory. Becoming Virtual: Knowledge Management and
Transformation of the Distributed Organization, p. 89, 2007.
JONES, S. Automatic summarising: The state of the art. Information
Processing & Management, v. 43, n. 6, p. 1449-1481, 2007.
KODRATOFF, Y. Knowledge discovery in texts: A definition and applications.
In: (Ed.). Foundations of Intelligent Systems: Springer, 1999.
KRUENGKRAI, C.; JARUSKULCHAI, C. Generic text summarization using local and
global properties of sentences. Proceedings of IEEE/WIC International
Conference on Web Intelligence: 201-206 p. 2003.
LEBLANC, A.; ABEL, M.; COMPIÈGNE, C. A Forum-based Organizational Memory as
Organizational Learning Support. Journal of Digital Information Management,
v. 6, n. 4, p. 303, 2008.
LEHNER, F.; MAIER, R. K. How Can Organizational Memory Theories Contribute
to Organizational Memory Systems? Information Systems Frontiers, v. 2, n.
3-4, p. 277-298, 2000. ISSN 1387-3326.
LIAO, M. et al. A competence knowledge base system as part of the
organizational memory. In: (Ed.). XPS-99: Knowledge-Based Systems. Berlin:
Springer, v.1570, 1999. p.125-137. ISBN 978-3-540-65658-6.
LIN, J. et al. The role of context in question answering systems. CHI '03
extended abstracts on Human factors in computing systems. Ft. Lauderdale,
Florida, USA: ACM: 1006-1007 p. 2003.
MCGUINNESS, D. L. Question answering on the semantic Web. Intelligent
Systems, IEEE, v. 19, n. 1, p. 82-85, 2004. ISSN 1541-1672. Disponível em: <
10.1109/MIS.2004.1265890 >.
MITRA, M.; CHAUDHURI, B. B. Information Retrieval from Documents: A Survey.
Inf. Retr., v. 2, n. 2-3, p. 141-163, 2000. ISSN 1386-4564.
MOLLÁ, D.; VICEDO, J. L. Question Answering in Restricted Domains: An
Overview. Comput. Linguist., v. 33, n. 1, p. 41-61, 2007. ISSN 0891-2017.
NEVO, D.; WAND, Y. Organizational memory information systems: a transactive
memory approach. Decision Support Systems, v. 39, n. 4, p. 549-562, 2005.
ISSN 0167-9236.
RAMESH, B. Towards a meta-model for representing organizational memory.
System Sciences, 1997, Proceedings of the Thirtieth Hawaii International
Conference on, 1997. p.320-329 vol.2.
RAMSHAW, L. A.; WEISCHEDEL, R. M. Information extraction. Proceedings. (ICASSP
'05). IEEE International Conference on Acoustics, Speech, and Signal
Processing., 2005. 18-23 March 2005. p.969-972.
ROUSSINOV, D.; ROBLES-FLORES, J. Web question answering: technology and
business applications. Proceedings of the Tenth Americas Conference on
Information Systems. New York, USA: 3248-3254 p. 2004.
SCHLESINGER, J. et al. Machine and human performance for single and
multidocument summarization. IEEE Intelligent Systems, v. 18, n. 1, p.
46-54, 2003.
SCHREIBER, G. et al. Knowledge engineering and management: the CommonKADS
methodology. Cambridge Massachussets: The MIT Press, 1999. ISBN 0262193000.
SINKULA, J. Market information processing and organizational learning. The
Journal of Marketing, v. 58, n. 1, p. 35-45, 1994.
STEIN, E. W. Organization memory: Review of concepts and recommendations for
management. International Journal of Information Management, v. 15, n. 1, p.
17-32, 1995. ISSN 0268-4012. >.
STUDER, R.; BENJAMINS, V. R.; FENSEL, D. Knowledge engineering: Principles
and methods. Data & Knowledge Engineering, v. 25, n. 1-2, p. 161-197, 1998.
ISSN 0169-023X.
STUDER, R. et al. Knowledge Engineering: Survey and Future Directions.
Proceedings of the 5th Biannual German Conference on Knowledge-Based Systems:
Knowledge-Based Systems - Survey and Future Directions: Springer-Verlag:
1-23 p. 1999.
TE’ENI, D.; WEINBERGER, H. System development of organizational memory: a
literature survey. Proc. 8th European Conference on Information Systems
2000, 2000. Vienna, Austria. Hansen, H. R., Bicheler M., and Mahrer H.
p.219-227.
USCHOLD, M. et al. The Enterprise Ontology. Knowl. Eng. Rev., v. 13, n. 1,
p. 31-89, 1998. ISSN 0269-8889.
VAN REES, R. Clarity in the usage of the terms ontology, taxonomy and
classification. Proceedings of the 2003 cib w78 conference. Auckland:
Citeseer 2003.
VAN RIJSBERGEN, C. Information retrieval. London: Buttersworth, 1979.
VASCONCELOS, J. et al. A group memory system for corporate knowledge
management: an ontological approach. Proceedings of the 1st European
Conference on Knowledge Management (ECKM’2000), 2000. Bled School of
Management, Slovenia. October 2000. p.91–99.
______. Reasoning in corporate memory systems: a case study of group
competencies. Proceedings of the 8th International Symposium on the
Management of Industrial and Corporate Knowledge, 2001. Université de
Technologie de Compiègne, France. October 2001.
VASCONCELOS, J.; KIMBLE, C.; ROCHA, A. Ontologies and the dynamics of
organisational environments: an example of a group memory system for the
management of group competencies. Proceedings of I-KNOW 2003, 2003.
VASCONCELOS, J.; KIMBLE, C.; ROCHA, Á. Organisational memory information
systems: an example of a group memory system for the management of group
competencies. Journal of Universal Computer Science, v. 9, n. 12, p.
1410--1427, 2003.
VASCONCELOS, J. Â. B. An ontology-driven organisational memory for managing
group competencies. 2001. Department of Computer Science, University of York
VOORHEES, E. Overview of TREC 2006. Proceedings of the Fifteenth Text
REtrieval Conference,: 1-16 p. 2006.
WALSH, J.; UNGSON, G. Organizational memory. Academy of management review,
p. 57-91, 1991.
WIDOM, J. Research problems in data warehousing. Proceedings of the fourth
international conference on Information and knowledge management. Baltimore,
Maryland, United States: ACM: 25-30 p. 1995.
WU, C.; LIU, C. Ontology-based text summarization for business news articles.
In: DEBNATH, N. C., Proceedings of the ISCA 18th International Conference
Computers and Their Applications, 2003. ISCA. p.389-392.
ZOUAQ, A.; NKAMBOU, R. Enhancing Learning Objects with an Ontology-Based
Memory. IEEE Transactions on Knowledge and Data Engineering, v. 21, n. 6, p.
881-893, 2009. ISSN 1041-4347.
ZOUAQ, A.; NKAMBOU, R.; FRASSON, C. An integrated approach for automatic
aggregation of learning knowledge objects. Interdisciplinary Journal of
Knowledge and Learning Objects, v. 3, p. 135-162, 2007.
Sobre o autor / About the Author
Mestre em Engenharia Biomédica pela Pontifícia Universidade Católica do Peru. Professor do Departamento de Engenharia da Pontifícia Universidade Católica do Peru.
Fabiano Duarte Beppler
Doutor em Engenharia e Gestão do Conhecimento pela UFSC/SC. Pesquisador do Instituto Stela.
Roberto Carlos dos Santos Pacheco
Doutor em Engenharia de Produção pela UFSC/SC. Pesquisador do Instituto Stela e professor dos cursos de Engenharia e Gestão do Conhecimento e Sistemas de Informação da UFSC/SC.