在介紹最佳實踐萃取技術的時候,被問到最多的一個問題是:最佳實踐萃取技術歷史的源頭在哪里?它是怎么一步一步發(fā)展到我們現(xiàn)在看到的方法論和應用呢?就好比教練技術、引導技術等,大家可以追溯到國外的一些源頭,找到相關的經典書籍、資料,于是更能理解國內的實踐、應用和未來發(fā)展變化。那最佳實踐萃取的技術有這樣的淵源嗎? 這的確是一個好問題! 當你知道這項技術的淵源和變化,才能更加清晰地了解它為什么重要、怎么樣更好地為自己所用等切身的關鍵問題,對孫波老師書中的內容,你也能有更加全景式、深入的理解。
到哪里去溯源?
先要說明:如果我們只把最佳實踐萃取理解為一般意義上的“經驗總結和提煉”,那么這件事兒肯定是古而有之,因人而異,并無固定淵源可溯。但我們現(xiàn)在講的最佳實踐萃取,是跟教練技術(coach)、引導技術(facilitation)等一樣,是一項有專門方法論和流程工具的技術,那么它確有其淵源和發(fā)展變化。 當然,我們可以去查浩如煙海的專業(yè)文獻。但對于一般的學習者,最簡單的是上網搜索。 如果你去百度、搜狗、甚至翻墻出去谷歌用中文搜索,輸入關鍵詞“最佳實踐萃取”,一定會發(fā)現(xiàn)很多教育培訓的從業(yè)者都在做“最佳實踐萃取”,大家基本上都是從培訓內容開發(fā)的角度、或者知識管理的角度,介紹最佳實踐萃取的重要作用,以及相關的方法和工具,但對這件事情作為一項專門的“技術”,它到底有何淵源、如何發(fā)展變化,卻很少人提及。 所以,我們最好去搜索英文網站。但如果你用類似“best practice extraction”等直譯的關鍵詞,那我要遺憾地告訴你,恐怕結果中沒有你想要的東東呢!正確的方法是:在英文搜索中輸入關鍵詞:Knowledge Elicitation,或者Cognitive Task Analysis。恭喜你,大量的文章和書籍介紹會一下子涌到你眼前,你就可以慢慢去研究探尋了。
追溯最佳實踐技術的兩條主線 線索一:從人工智能到專家系統(tǒng) (Expert System) 人工智能這個概念在上世紀50年代被提出以后,最初“落地”的應用就是在1965年開發(fā)出的一個專家系統(tǒng)DENDRAL,把化學分子領域專家的知識萃取整理出來,輸進人機交互的程序,讓機器變成該領域的專家,根據信息輸入就能推斷出化學分子結構。從那時到現(xiàn)在,很多領域都已經開發(fā)出這樣的專家系統(tǒng)。 為支撐專家系統(tǒng)的開發(fā),美國斯坦福大學教授愛德華·費根鮑姆(Edward Albert Feigenbaum)上世紀70年代倡導了知識工程(Knowledge Engineering)這個學科,也就是研究怎么樣去處理知識,第一步就是如何獲取專業(yè)領域的知識,可用的方法包括:人工萃取、智能程序提取、大數(shù)據分析等。 在人工萃取這個部分,有一群人被叫做“知識工程師”(Knowledge Engineer),他們運用一些流程、工具等,從領域專家(Domain Expert)身上萃取知識。這個過程就被叫做“知識誘出”(Knowledge Elicitation),就是我們現(xiàn)在所說的最佳實踐萃取。
這條線索對最佳實踐萃取技術的發(fā)展有兩個重要意義:
線索二:知識管理 (Knowledge Management) 循著第一條線索,最佳實踐萃取的技術一開始主要應用在基于人機交互的技術領域,但慢慢地,人們發(fā)現(xiàn)應用這項技術,可以去萃取、保留專家的經驗、做法,于是這項技術的使用范圍逐漸擴大。 自上世紀90年來以來,隨著知識經濟迅猛發(fā)展,知識管理的理念和建設知識管理系統(tǒng)在企業(yè)中越來越受到重視。知識管理的第一步就是獲取知識,并且對它們進行加工,用結構化的形式呈現(xiàn)出來,為之后的傳播、保存等環(huán)節(jié)服務。 在利用各種方法獲取知識的努力中,大家發(fā)現(xiàn)知識誘出的核心路徑、方法、技術和工具,也完全適用于組織的知識管理和教育培訓的需求。而且大家尤為看重的是,如何利用知識誘出技術,把專家(或績優(yōu)人員)身上的隱性知識挖掘出來,變成顯性的、其他人可復制的知識,為組織發(fā)展發(fā)揮更大價值。
這條線索對于理解當前最佳實踐萃取技術的應用很有意義:
以上為大家梳理了溯源最佳實踐的脈絡線索,感興趣的伙伴可以自己去這個知識的海洋里徜徉一番?;剡^頭來再去看孫老師書,你一定能更加理解這項技術的“前生來世”! 容小編在這里打個廣告~ |
|