什么样的知识萃取才有效?

识萃取的原意来自于IT技术领域,指从结构化(数据库、XML)或者非结构化(文本、图片)的数据来源中提取出新的知识内容,使其可以被机器阅读与理解,与自然语言处理中的信息抽取类似。

大致是台湾人民的类比,知识萃取在学习发展领域被用在从经验丰富、擅长某项任务、活动、技能的员工那里整理、提炼、总结、结构化他们的经验、教训,并传递给需要这些内容的员工。

具体表现形式,知识萃取大部分做成了企业内部技术、管理、经营案例的整理撰写、内部课程的设计与开发,表达为了一个一个的案例、课程。

知识萃取存在的问题

内容质量低

高手和专家能将事情做的很好,因而将它们的经验和方法提取出来,并传递给跟他们工作相似的人,让更多的人达到他们的水平,这无疑是一个很美好的愿景。

但在实践中,无论知识萃取的结果是各类培训课程还是案例,内容大都受到了目标用户的质疑:他们或认为内容太过简单或复杂,或认为没有说出他们想要了解的核心或关注的问题,可复用性较差。吊诡的是,这些内容许多时候也不被支持内容产出的专家认可。

内容没人用

许多知识萃取的内容在他们产出的那一刻,其生命周期就结束了,因为再也没有或者很少有人去打开它。

有许多员工认为企业内部的所谓案例和课程就是一帮人的自娱自乐,更多的是形式大于内容:看起来很好看、做起来很热闹,然后就没有然后了,其实然并卵!可能真正看那些内容的就是撰写和开发的那几个人!

员工的说法可能有些夸张,但所产生内容的重用和复用率低却是不争的事实。相关链接:聚焦于知识资源和生产的模式没有未来

原因在哪里?

究其根源,在于对知识本质和特性的不了解。知识并不像水果一样,一榨出来就是果汁和知识的精华。解决任何一个问题都不可能需要某一个知识点,而是很多知识组块的关联与互动,企业内的高手和专家之所以能够快捷高效的处理他们面临的问题,依赖于他们在遇到问题时可以抛开现象找到问题的本质、在构思对策阶段能够自动的定位之前的知识储备,并知道去哪里找到他们需要的其他知识内容。而新手则是全方位的欠缺:对问题的界定流于表面、对于要用到的内容没有清晰的图景、相应内容没有储备等等。因为这些原因,就会出现:

用户不知道自己需要什么

在做知识萃取的时候,大部分公司都会去做用户调研,这个时候用户通常说不出他需要的内容或者说出来的也不是该项工作真正需要的,就是通常说的“不知道自己不知道”的状况。当我们去做一个新任务和项目的时候,都存在这样的问题。

专家不知道自己该说什么

在面临具体任务的时候,专家可能能够自动取出相应的知识。但要去告诉不同层级和背景的其他人时,他们很多时候也手足无措,因为大部分专家没有受过这方面的训练。这里面要考虑对象的背景知识、前置知识等内容,许多他们认为”没必要去说“的知识(默认用户已经掌握)的可能正是用户需要的,许多他们认为”最核心“的内容,着重去强调和表达的,可能新手根本遇不到。

这样的结果就是专家一腔热强换来需求方的无视!

欠缺对使用场景的分析

从短缺到充裕的人容易有一个误解:认为只要是有价值的东西自然会有人来”购买“。曾问过不少企业内部做课程设计、整理案例的人:这个东西谁会用、在什么时候用?大部分的回答是这是专家的经验,他们需要的时候自然会来查。

现在信息和知识爆炸,有价值的内容也不一定有人关注。所以在萃取的时候要去考虑所产生的内容谁会用、在什么时间用、能解决他们的什么问题,他们如何低成本的的获取,是否能找到等等问题,否则产生即结束!

结语

其实了解了原因,大致也就知道该如何去解决这些问题了。KMCenter有专门课程”基于知识管理的知识萃取培训课程“专门讲这个问题,包括了对于知识型员工工作类型的分类、不同工作类型的信息和知识需求分析、用一页纸表达复杂课题、低层次和高层次知识、知识应用场景设计等内容,有兴趣的可以联系我们!

发表评论

邮箱地址不会被公开。 必填项已用*标注