MODELOVANIE ZNALOSTÍ V MANAŽÉRSKYCH ÚLOHÁCH PROSTREDNÍCTVOM ONTOLÓGIÍ A WEBOVÝCH SLUŽIEB

Abstract

Manažérske rozhodovacie úlohy sú často vnímané na Slovensku ako úlohy, pri ktorých je vhodné iba využitie klasických systémov na podporu rozhodovania. V praxi chýba povedomie využívania znalostných systémov ako systémov, ktoré môžu plne automatizovať niektoré úlohy alebo aj celé procesy, napriek tomu, že úlohy sú postavené na tacitných znalostiach, teda na takých poznatkoch a ich systémoch, ktoré sa dajú získať pozorovaním a skúsenosťou a nedajú sa kvantifikovať. Cieľom príspevku je ukázať podstatu modelovania znalostí a možnosti ich modelovania prostredníctvom dvoch zdanlivo odlišných prístupov-sémantického a procesného, pričom obidva prístupy sa navzájom môžu dopĺňať. V prvej časti príspevok analyzuje z informatického hľadiska, čo všetko sa z praktického hľadiska skrýva v pojmoch ako poznatok a znalosť a aké výhody a nevýhody poskytujú klasické reprezentácie poznatkov umelej inteligencie. V nadväznosti na tieto charakteristiky sa venuje ontologickému modelovaniu a modelovaniu prostredníctvom webových služieb, kde v oboch prípadoch je možné zachytiť ako aj syntax, tak aj sémantiku modelovaného javu, úlohy, procesu využívajúceho kvalitatívne heuristiky, odhady, skúsenosti či intuície ľudí.Managerial decision tasks are often perceived in Slovakia as a tasks, where are used only appropriate conventional systems as Decision Support Systems. Here is an absence of awarness how to use Knowledge-based Systems for knowledge process automatization. Some of these tasks and processes are based not only on quantitative heuristics and measurable knowledge, but sometimes require the experience, observation and intuition. So they are based on qualitative heuristics and tacit knowledge. The aim of the article is to show the essence of knowledge modeling and the possibility of modeling by two seemingly diverse approaches - semantic approach and process approach.  Both approaches can complement each other at modeling managerial processes and tasks. The first part of article analyzes all, what is hidden in terms as fact, information and  knowledge from practical and informatic point of view. Then shows how to understand the advantages and disadvantages of classic Knowledge Representation of Artificial Intelligence. Following these characteristics it is given to the ontological modeling and modeling through web services. In both cases can be captured as well as the syntax and semantics of the modeled phenomenon tasks process, which used qualitative heuristics estimates, experience and intuition of people.