Managementul cunoaşterii în universităţi

Prof. dr. Constanţa Bodea, bodea@ase.ro Drd. Vasile Bodea, vbodea@ase.ro

Academia de Studii Economice din Bucureşti

Aspecte abordate

Descoperirea modelelor de comportament pentru predictia performantelor studentilor - aplicatie

Managementul cunoasterii – cadru general Managementul cunoasterii in universitati – cerinte si

aplicatii potentiale

I. Descoperirea modelelor de comportament pentru

predictia performantelor studentilor - aplicatie

Aplicatie – ASE, CSIESurse de date utilizate:

Baza de date a candidatilor (sistemul informatic de admitere): 2001-2005

Baza de date operationala (sistemul informatic secretariat): 2002-2005

Platforma utilizata: ORACLE Data Mining 10.2.

Modelul de date pentru data mining

Analize preliminare

Analize preliminare

Analiza importantei atributelor

Importanta atributelor pentru predictia performantelor

studentilor din anul II

Analiza importantei atributelor

Importanta atributelor pentru predictia

comportamentului referitor la optiunea de specializare

(anul III)

Arbori de clasificare

Arborele de clasificare in raport de optiunea de

specializare

Categorii de date

Date referitoare la comportament- Cursurile urmate- Examene- Teste- Participari la activitati

Date descriptive- Atribute-Declaratii- Date geo- si demografice

Date referitoare la atitudini- Optiuni- Preferinte- Nevoi- Dorinte

Date referitoare la interactiuni- Oferte- Rezultate- Context

Aplicatii posibile

Eficacitatea institutionala Evaluarea performantelor studentilor Managementul inscrierilor Marketing Alumni

Eficacitate institutionala

Care studenti utilizeaza cel mai intens serviciile institutionale?

Care cursuri sunt cele mai frecventate (o mai buna utilizare a spatiilor)?

Care sunt modelele de inscriere la cursuri? Care cursuri sunt in luate impreuna (in grup)?

Managementul inscrierilor

Care sunt cei mai buni studenti? De unde vin studentii universitatii? Care sunt cei care raman studenti (au

optiuni ferme pentru universitate)? Cine va renunta/esua?

Marketing

Cine va raspunde campaniei de marketing? Ce tip de campanie de marketing este cea mai

potrivita? Spre ce trebuie sa ne concentram in marketing?

Alumni

Care sunt diferitele tipuri/grupuri de alumni? Cine va face donatii, cat de mult si cand?

Aplicatia nu este un exemplu de: OLAP Data Warehousing Vizualizare date SQL Cereri ad-hoc Raportare

Aplicatia este un exemplu de

Data mining = achizitionare a cunostintelor din date

Data Mining este… Modelare predictiva

Regresie lineara/logisticaRetele neuronaleArbori de decizie

Clusterizare Cu ajutorul retelelor KohonenCu ajutorul algoritmului K-

MeansPrin metode ierarhice

Data Mining este… Segmentare

Analiza cluster Arbori de decizie Retele neuronale Modelare predictiva

Analiza afinitatilor Reguli de asociere Generatori de secvente

Metodologia CRISP-DM

1. Intelegerea problemei2. Intelegerea datelor3. Pregatirea datelor4. Modelarea5. Evaluarea6. Aplicarea7. Actualizarea

CRCRoss IIndustry SStandard PProcess for DData MMining

Selectarea tehnicii de modelareStabilirea categoriei de studenti

Clasificarea

Predictia succesului studentilor

Predictie

Gruparea studentilor

Segmentare

Identificarea pachetelor de discipline

Asocierea

Identificarea paternurilor si trendurilor

Secvente

•Inductia regulilor•Arbori de clasificare si regresie

•Retele neuronale•Regresie

•Retele kohonen•Clusterizare K-Means•Clusterizare in doi pasi

•APRIORI•GRI•CARMA

•Capri•Inductia regulilor

Aspecte tehnice Scalabilitate Flexibilitatea interfetei cu baza de date Diversitatea algoritmilor si efectul algoritmicii

utilizate Validare & Scoring

Comparatii si optiuni

Rationament inductiv vs. deductiv Validare ipoteze vs validare acuratete Statistica traditionala vs Data mining

II. Managementul cunoasterii – cadru general

Managementul cunoasterii

Managementul cunoaşterii este definit drept:

procesul sistematic de descoperire - evaluare, protejare - conservare, formalizare, actualizare, distribuire şi utilizare a cunoştinţelor

într-un mod care să îmbunătăţească performantele angajaţilor în domeniul lor de activitate.

Abordari in managementul cunoasterii

Abordarea mecanicistă:

Are ca principiu aplicarea extensiva a tehnologiei.

Se presupune ca îmbunătăţirea accesului la cunoştinţe este cheia succesului managementul cunoştinţelor si ca, in general, tehnologia si creşterea volumului de informaţii sunt suficiente pentru a rezolva managementul cunoştinţelor.

Abordarea culturală:

Sursă de inspiraţie - lucrări din managementul schimbării care văd problema cunoştinţelor strict ca o problema de management clasic. Tehnologia nu este o soluţie.

Se presupune că filozofia organizaţiei trebuie schimbată în direcţia inovaţiei şi creativităţii (organizaţia care învaţă). Alte caracteristici ale abordării sunt: accentul pe procese şi exclusivitatea responsabilităţii managerului.

Abordarea sistemică:

Managementul cunoaşterii reprezinta o nouă problemă care trebuie rezolvată folosind multiple metode.

Problemele de cultură organizaţională sunt importante dar nu sunt singurele.

Stadii ale managementului cunoasterii Stadiul 1: Procese inteligente. Primele iniţiative de

managementul cunoaşterii construite pentru îmbunătăţirea unor procese critice cu ajutorul bunelor practici, inovaţiei şi instrumentelor informatice dedicate.

Stadiul 2: Înglobarea cunoştinţelor în produse şi servicii. Sunt încurajate activităţile de inovaţie şi de cercetare-dezvoltare. Cea mai mare parte a costului produselor încorporează inovaţia.

Stadiul 3: Inovarea conceptelor de afaceri. Sunt căutate noi paradigme şi modalităţi de a face afaceri (schimbarea regulilor jocului şi a jocului in sine).

Stadiul 4: Crearea sistemelor de management al cunoştinţelor şi cuplarea lor cu activităţile firmei. Obiectivul final al managementul cunoaşterii este creşterea vizibilităţii cunoaşterii în activităţile firmei şi punerea la punct a unui sistem de „reciclare” a cunoştinţelor.

Functiile unui sistem de managementul cunoasterii

adăugarea/integrarea cunoştinţelor; modificarea/ştergerea cunoştinţelor; articularea cunoştinţelor implicite; evaluarea cunoştinţelor explicite (maparea

cunoştinţelor); organizarea cunoştinţelor; regăsirea cunoştinţelor; inferenţa pe baza cunoştinţelor; explorarea relaţiilor (data mining); vizualizarea relaţiilor; comunicarea cunoştinţelor; personalizarea cunoştinţelor (adnotari/ratinguri -

recunoaştere,valorificarea competentelor individuale).

Modelul TKMM al managementului cunoasterii

trei

doi

unutrei

Cunoastere tacita

PortaluriCRM

Data WarehousesEnterprise Resource Planning (ERP)

MiddlewareOLAP

DataMining

Collaborative Working Environment (CWE)

Knowledge Base Knowledge Workers

KnowledgeMapping

Niveluri:Niveluri:

doi

unu

Cunoastere explicita

Modelul TKMM - Managementul cunoasterii explicite

Nivel unu:SGBDSQL Server, Oracle, Informix, Sybase, UniData, DB2

ERPOracle, SAP, Banner, PeopleSoft, Datatel

Nivel doi:Interogari: BrioQuery, Business Objects, PowerPlayAccess, FoxproOLAP:ASP, JSP, iHTML, XML

Nivel trei:Mining : Clementine, Enterprise Miner, Statistica, Mineset, Darwin, SpotFireStatistica SPSS, SAS, BMDP, SysStat

III. Managementul cunoasterii in universitati – cerinte

si aplicatii potentiale

21% din populaţia Europei în vârstă de muncă are pregătire post-universitară (terţiară), in timp ce in Statele Unite 38%, Canada 43% si Japonia 36%.

Deşi Europa produce mai mulţi doctori, din 1.000 angajaţi numai 5,5 sunt cercetători, spre deosebire de Statele Unite (9 cercetători la 1.000 angajaţi) sau Japonia (9,7 cercetători la 1.000 angajaţi).

Exceptand universităţile din Marea Britanie, nici o universitate europeană nu se află în primele 20 universităţi din lume, în conformitate cu clasificările internaţionale şi numai câteva se află în primele 50 de poziţii.

(World Bank „Tertiary Education and Innovation Systems Analysis-TEIS. Country Policy Report”; 2004)

Situatia actuala – cateva aspecte

Punctele slabe ale învăţământului superior in Europa

uniformitatea izolarea reglementările excesive subfinanţarea

In Europa, nivelul cheltuielilor pentru învăţământul superior este 1,1% din produsul intern brut- PIB, mult mai scăzut decât în Canada (2,5%) şi Statele Unite (2,7%). Pentru cercetare, în Europa se cheltuieşte 1,9% din PIB, în timp ce în Statele Unite şi Canada nivelul cheltuielilor

Directii de actiune

Creşterea atractivităţii prin asigurarea calităţii şi excelenţei Exercitarea unui management instituţional mai bun Asigurarea unei finanţari sporite şi eficiente

(Comisia Europeană –„Towards a Europe Research Area. Science, Technology and Innovation”, Luxembourg, 2003)

Managementul cunoasterii in universitati

Universităţile sunt implicate în realizarea economiei şi societăţii bazate pe cunoaştere

producerea cunoaşterii (cercetarea ştiinţifică); transmiterea cunoaşterii (educaţie şi formare); diseminarea cunoaşterii (cu ajutorultehnologiilor de informare şi

comunicare); utilizarea cunoaşterii (inovarea tehnologică).

Universităţile deţin cheia economiei şi societăţii bazate pe cunoaştere Intrucat se află la intersecţia cercetării cu educaţia şi inovaţia

(Barcelona European Council, 2002)

Aplicatii potentiale ale managementului cunoasterii in universitati - 1

Aplicaţii ale managementului cunoaşterii în procesul de cercetare ştiinţifică

Aplicaţii ale managementului cunoaşterii în procesul de dezvoltare curriculară

Aplicaţii ale managementului cunoaşterii în realizarea serviciilor pentru studenti

Aplicaţii ale managementului cunoaşterii în realizarea serviciilor administrative

Aplicaţii ale managementului cunoaşterii în planificarea strategica

Proiect de cercetare CEEX

UNI-C Strategii, sisteme, metode şi instrumente pentru managementul cunoaşterii în universităţi

Consortiu:

ASE, AL.I.Cuza, UPB, UNAp, SNSPA, UTBv, UVT, UPG, UMC si APMR.

Perioada de executie: august 2006-august 2008

Obiectivele proiectului

Elaborarea unei metodologii de evaluare a capitalului intelectual al universitatilor, baza pentru implementarea managementului cunoasterii.

Realizarea unor sisteme, metode si instrumente pentru managementul cunoaşterii în activitatea de cercetare stiintifică universitară, activitatea didactica si de management universitar.

Studierea posibilitatilor de creare a unor baze de date nationale privind învătământul superior pentru asigurarea inteligentei „competitive” (referitoare la mediu extern) a universitatilor si proiectarea structurii colectiilor de date si a metodelor de analiza.

Crearea unei retele de cercetare de excelenta in managementul cunoasterii care sa asigure potentialul de participare la programele europene de cercetare, in special programul IST.