Kennisacquisitie en - modellering Rogier van Eijk college 1 inleiding.

Slides:



Advertisements
Verwante presentaties
Het gebruik van rijke casussen uit de praktijk van management
Advertisements

Samenwerkend leren lastig -ook voor leraren leerzaam -ook voor leraren
Autisme en Mindmap Thuis en op School
Regelhulp Regelhulp.nl is een digitale wegwijzer van de overheid voor iedereen die zoekt naar zorg of ondersteuning. Het webportaal bevat actuele informatie.
Informatiekunde Introductieproject Openingscollege Rogier van Eijk.
Stijn Hoppenbrouwers Software Engineering les 1 Algemene inleiding en Requirements Engineering.
De propedeuse: meer dan een eerste jaar
Eindwerk zesde jaar.
Kennisacquisitie en - modellering Rogier van Eijk college 4 Domeinmodellering en elicitatie.
BattleBots The school battle.
> Volgende week krijgen jullie het eindcijfer > Beoordeling uitsluitend door opdrachtgever > Voor begin pitch: lever in pitchdocument en reflectie (met.
GrondGebruiks modellering, Toepassing Land Use Scanner in Suriname.
Inleiding in de Civiele Techniek
Overzicht Inleiding kennisacquisitie Elicitatietechnieken
HALLO OPLETTEN : Waarom sql DOEN : Introductie opdracht
Overzicht eerste kwartaal (herzien)
Lijn in NLT ? Henriette Kok Baukje Lobregt
Ontwerpprojecten Ofwel hoe combineren we drie stromen? Steven Nijhuis
Kwaliteit en betrouwbaarheid van simulaties ir. Rudolf van Mierlo Efectis Nederland BV.
Onderwijskundig ontwerpen
Mens, maatschappij & ICT
2IO05: OGO 1.1 Informatiesystemen. OGO – ontwerpgericht onderwijs Hoe leer je ontwerpen? doen: stap voor stap + terugkijken Telkens: modelleren: probleem.
De onderwerpen 1Rombouts, Jaldert Olaf Verhoef, Tessa Zwinderman, Matthijs Jan Schilderkunstclassificatie 2Does, Kim Holtkamp, Michiel Jeroen Kemna, Stephanie.
1 Het probleem RO Milieu Landbouw SocZekerheid Etc. LerenWerkenWonenPensioenEtc. Overheids- organisatie Burger ??? Regelgeving per domein Vraag op levensmoment.
Help en Documentatie Quick reference Task-specific help Full explanation Tutorial.
Beslisbomen Robert de Hoog College Beslissingsondersteuning 26 september 2002.
Onderzoeksmethode Oftewel: met welke specifieke onderzoeksmethode kan ik het best mijn onderzoeksvraag beantwoorden.
MEDMEC01 Elske Revelman de Vries Mail:
MEDMEC01 Elske Revelman de Vries Mail: Het creatieve proces Les 6.
MEDMEC02 – periode 1 – jaar 1 Creative Tools
Wiki: Medmec04 les 4(week 6)Engagement The game called life
MEDMEC01 – Q1 – JAAR 1 THEMA: het creatieve proces MODULEWIJZER
Besluitvorming.
HALLO OPLETTEN : Waarom sql DOEN : Introductie opdracht
Kennisuitwisseling in LOK Landelijk onderwijsweb Kennistechnologie Evert van de Vrie Kennisuitwisseling in LOK Landelijk onderwijsweb Kennistechnologie.
Inleiding Kennistechnologie §Hoofdstuk 7: Kennisrepresentaties 1: Eigenschappen en representatievormen §Hoofdstuk 8: Kennisrepresentaties 2: Eenvoud en.
Inleiding Kennistechnologie §Hoofdstuk 1: Introductie §Hoofdstuk 2: Kennissystemen in context §Hoofdstuk 3: Kennisacquisitie.
Designing Knowledge Systems b Hoofdstuk 11 van Knowledge Engineering and Management. The CommonKADS Methodology. b A.Th. Schreiber, J.M. Akkermans, A.A.Anjewierder,
Ontwerpprojecten Ofwel hoe combineren we drie stromen? Steven Nijhuis Deze presentatie staat op: (onderdeel kennisbank)
Lessons learned uit Bouwen aan Kennis Steven Nijhuis, projectleider HU Onderwijsdagen 2008.
Ofwel hoe combineren we drie stromen? Steven Nijhuis
ZELFEVALUATIE van EUROPESE PROJECTEN
Media en creativiteit module 6 Identiteit Jaar 2.
Forumdiscussie met uitgevers van biologiemethoden
2IO20: OGO 1.2 Van Model tot Systeem Ed OGO Hoe leer je ontwerpen? –doen: stap voor stap + terugkijken Telkens: –modelleren: probleem terugbrengen.
2IO05: OGO 1.1 Informatiesystemen Ed OGO Hoe leer je ontwerpen? –doen: stap voor stap + terugkijken Telkens: –modelleren: probleem terugbrengen.
2IO05: OGO 1.1 Informatiesystemen. OGO – ontwerpgericht onderwijs Hoe leer je ontwerpen? doen: stap voor stap + terugkijken Telkens: modelleren: probleem.
Een Module over Model Checking voor het VWO Frits Vaandrager1, David Jansen1 & Els Koopmans2 1Radboud Universiteit Nijmegen 2Olympus College Arnhem.
LauwersCollege Buitenpost Informatica
CREATIVE MARKETING WC 1, jaar 2, Herfst 2008 Creative Branding – De maakbaarheid van onweerstaanbare merken Docent Saskia Best.
Help! De schoolleiding wil het ERK invoeren!
NLT modules en excellentiebevordering
Marktgroep Digitaal Werken
Pia Terstroet (Terpm) les 6 Mail: Wiki: Media en creativiteit MEDMC101D Creative.
Doel van het boek Een beeld geven van hoe de wetenschap en het publiek elkaar bekijken en met elkaar omgaan Een duidelijker beeld te geven van de sociale.
TIRPRJ01 (a en b) TIRPRJ01a – lesweek TIRPRJ01b – lesweek
Vragen subsets OM2. Vragen subsets (1)  Hoe verhoudt de opmerking van BSN over niet te snel starten met een ALP-voorstel zich tot de opmerking van de.
Kennismanagement & Sociale media
Hoorcollege 1a Praktische zaken. Gameprogrammeren Doel van het vak: Games programmeren (de game loop, sprites, audio, physics, animatie…) Basisprogrammeertechnieken.
Constructie van het kennismodel
Hogeschool Rotterdam, Opleiding Vastgoed & Makelaardij drs. ing. M.M.A. Scheepers Collegejaar college.
BOMBERBOT Programmeerlessen in het PO
ANALYSE 3 INFANL01-3 WEEK CMI Informatica.
Wie ben ik? Jan Zuur 51 jaar Docent-Coach Applicatie ontwikkeling en ICT-B Regisseur examinering In afrondende fase van Master Learning and Innovation.
Krachtige STEM-leraren vormen: naar een multidisciplinair didactiektraject als OPO binnen de lerarenopleiding Heleen Bossuyt & Nele Vandamme.
Algodoo als katalysator voor ontdekkend en ontwerpend leren Fontys Lerarenopleiding Sittard, Jos Smits, vakgroep natuurkunde.
Pré-NLT-module 3D-printen
LOB Presenteer je stagebedrijf
ICT-basisvaardigheden & woordenschat
Transcript van de presentatie:

Kennisacquisitie en - modellering Rogier van Eijk college 1 inleiding

Leerdoelen Vaardigheden het toepassen van methoden en technieken van kennisacquisitie; het ontwikkelen van een organisatie- en een kennismodel; Kennis theoretische aspecten van kennisacquisitie en - modelleren en, in breder verband, het ontwikkelen van kennissystemen.

Waarom KAM? Voor het oplossen van problemen veroorzaakt door het ontbreken van kennis in een expliciete vorm.

Waarom KAM (2)? in veel ICT-systemen zit tegenwoordig kennis ingebouwd Vb. serious games, simulaties, trainingsomgevingen, e-learning systemen, coaching systemen, beslissingsondersteunende systemen, bewakingssystemen etc. Het gaat om expertkennis maar ook kennis over gebruikers, hun werk- en/of leefomstandigheden, bezigheden en taken, etc.

Waarom KAM (3)? En ook omdat: kennis zit in mensen, hoe kan een organisatie zijn kennis behouden? kennis is aanwezig in een organisatie, hoe kan deze worden gedeeld? er ontbreekt kennis in een organisatie, wat is er precies mis en hoe kan het gat worden gevuld?

Hoe KAM? 1.Kennisidentificatie 2.Kennisacquisitie 3.Kennismodellering 4.Kennisimplementatie

Hoe kennisidentificatie? door het onderzoeksterrein stelselmatig steeds verder af te bakenen en in te zoomen op de kern van het probleem hulpmiddel: een serie opeenvolgende worksheets

CommonKADS Worksheets

Worksheets OM-1: Probleem OM-2: Proces OM-3: Taken OM-4: Kennis OM-5: Project TM-1: Taak in detail TM-2: Kennis in detail AM: Betrokkenen OTA: Veranderingstraject

Kennisacquisitie … betreft het expliciet maken van ‘tacit’ kennis.

Kennisacquisitie Hoe treffend is deze metafoor?

Technieken van kennisacquisitie protocolanalyse repertory grid 20-questions …

Wat is kennismodelleren? … ontwikkeling van computationele modellen op basis van het ruwe materiaal verkregen uit kennisacquisitie.

Wat is een model? Algemene eigenschappen: 1.representatie 2.abstractie 3.schoonheid

Wat is een model (2)? voor een computationeel model komen daar bij: 4.mechanisme 5.berekenbaarheid

Hoe kennismodelleren? … stelselmatig opdelen in componenten en deze onderling in verband brengen.

Hoe kennismodelleren? kennis in domein en taak domein in domeinschema en kennisbank domeinschema in concept en regeltype kennisbank in instanties en regels taak in inferenties en transferfuncties … kennisrol koppelt inferentie (in taak) met regeltype (in domein)

Wanneer KAM? is bij uitstek geschikt voor kennisintensieve taken, taken waarin intensief wordt geredeneerd, verbanden worden gelegd en / of regels toegepast van de vorm: als … dan …

KAM Uitdagingen acquisitie: inzicht krijgen in een onbekend domein/vakgebied elicitatie: boven water krijgen van kennis modellering: kennis computationeel maken methodologie: geen hap snap maar het consequent toepassen en geheel uitwerken (behalve implementatie) van één methode (CommonKADS) creativiteit: uniek en relevant project maken

PRACTICUMOPDRACHT ‘KENNISANALYSE’

Practicumopdracht ‘Kennisanalyse’ In het kort: Ontwikkel een kennismodel op basis van de kennis van een expert dat voor een bepaald doel kan worden ingezet.

Opdracht 1 Vind een expert – die weet (een denker, een kenner, beslisser) Vind een onderwerp – domein, taak en probleem

Wat is een geschikte expert?

Voorbeelden Skileraar – Keuze: ‘Wat is de beste snowboardpiste?

Voorbeelden Diëtiste – Waarom werkt een bepaald dieet bij een persoon niet?

Voorbeelden Faalangsttrainer – Wat is het meest geschikte begeleidingstraject voor een kind / scholier met faalangst?

Voorbeelden Recruiter – Is een bepaald persoon geschikt voor de talentenpool?

Voorbeelden Inplanner – Wat is de juiste hijskraan voor een bepaald project?

Voorbeelden Ayurvedische arts – Taak (classificatie): ‘Wat is de dosha van deze persoon?’

Voorbeelden ICT-projectontwikkelaar – Beslissing: ‘Moet deze freelancer in het contactennetwerk worden opgenomen?’

Voorbeelden Ambulancepersoneel – Beslissing: ‘Moet deze persoon wel of niet meegenomen worden naar het ziekenhuis?’

Voorbeelden Medewerker CBR – Beoordeling: ‘Is deze vraag geschikt als rijexamenvraag?”

Voorbeelden Kok – Ontwerp: ‘Stel het nieuwe maandmenu samen.’

Criteria kennisintensief veel redeneren, denken, beslissen zinvol nuttig met betrekking tot een kennisprobleem haalbaar de expert is goed beschikbaar (gunfactor) leuk interessant en eenvoudig doch uitdagend

opdracht 2: organisatie-analyse

Opdracht 2: meerwaarde van project

Opdracht 3: taakmodellering

Opdracht 4: inferentie- en domeincomponent

Opdracht 5: evaluatie van kennismodel

Opdracht 6: eindrapport met advies

Deliverables ActiviteitDeadline 1. Onderwerpkeuzezo 24 nov 2. Organisatie en meerwaardezo 1 dec 3. Taakcomponentzo 15 dec 4. Inferentie- en domeincomponent zo 12 jan 5. Eindpresentatiedi 21 jan 6. Eindrapport (digitaal) Eindrapport (papier) zo 26 jan ma 27 jan

Inleveren via submit Behalve opdracht 1: via een googledocs-document

Eindpresentaties: flitspresentaties

Tentamen

Boek

Raadpleeg geregeld het uitgewerkte voorbeeld in Hoofdstuk 10 vh boek

Hoorcolleges Rogier van Eijk Roel van den Broek

practicumbegeleiding Cassandra Renes Thien Ly Nguyen

Week 46 Week 47 Week 48 Week 49 Week 50 Week 51 Week 52 Week 1 Week 2 Week 3 Week 4 Week 5 College 1 Geen college + opdracht 1 College 2 + opdracht 2 College 3 College 4 + opdracht 3 College 5 kerstvakantie herkansingweek Geen college + Opdracht 4 College 6 Roel van den Broek Eindpresentaties + eindrapport Tentamen

Vorm een team van 2 en je kunt aan de slag!