知識管理的發展歷程

郭彩芬

(1.江蘇省現代企業信息化應用支撐軟件工程技術研發中心，江蘇 蘇州 215104;2.蘇州市職業大學 機電工程系，江蘇 蘇州 215104)

知識管理的發展歷程

郭彩芬1,2

(1.江蘇省現代企業信息化應用支撐軟件工程技術研發中心，江蘇 蘇州 215104;2.蘇州市職業大學 機電工程系，江蘇 蘇州 215104)

歸納了知識的概念、分類與重要作用.知識作為企業的關鍵生產要素之一,其管理的核心內容是實現隱性知識與顯性知識的相互轉化,以提升其價值,提高企業的核心競爭力.為了在工程實踐中應用各類知識實現企業的技術創新和管理創新,需要進一步研究知識工程技術,即研究和應用TRIZ以實現工程設計領域的技術創新,研究本體論以實現各類知識的共享和重用.面對網絡時代數據挖掘產生的海量的動態知識,研究知識的進一步加工、有效利用,使之智能化將是今后知識管理領域的研究重點.

知識；知識管理；知識工程；智能知識管理

Abstract:The paper summarizes the concepts, classification and roles of knowledge. As one of the crucial factors in production, the core of its management is to realize the mutual transformation of recessive knowledge and explicit one, so as to improve its value and the competitiveness of the enterprise. To achieve innovation in technology and management by using various knowledge in engineering practice, knowledge engineering requires further study. The research and application of TRIZ is vital to achieve technological innovation in engineering design. Likewise, the study of ontology is essential for the sharing and reuse of various knowledge. In the Network Age when massive amount of knowledge is available as a result of data mining, the processing, utilization and intelligence of knowledge will be the focus of research in knowledge management.

Key words:knowledge; knowledge management; knowledge engineering; intelligent knowledge management

1 知識的定義與分類

1.1 知識的基本概念

關于知識的定義，可以說是仁者見仁，智者見智.個體通過與環境相互作用后獲得的信息及其組織，在心理學上稱之為知識.也有不少學者從哲學、實用主義的角度來定義知識，定義的廣度和深度也各不相同.如:

1) 知識是用于解決問題的結構化信息[1];

2) 知識是信息經過加工整理、解釋、挑選和改造而形成的，是命題、規則等的集合[2];

3) 知識是用于解決問題或者決策的經過整理的易于理解和結構化的信息[3];

4) 知識包含真理和信念，觀點和概念，判斷和展望，方法和訣竅[4];

5) 知識是事實和關系的集合，它以高度概括的形式揭示研究對象的屬性和相互關系，用來解決實際問題和從事創造活動[5];

6) 知識是對于數據與信息的評判與整理，藉以主動引發績效產生、問題解決、決策、學習與教導等方面的能力[6];

7) 知識是一種流動性質的綜合體，其中包括結構化的經驗、價值以及經過文字化的信息[7];

8) 知識是結構化的信息，或者說，知識是用于消除信息的無結構性的[8].

歸納起來，知識是指導人們從事各種活動的結構化的信息.

1.2 知識的分類

知識是事實和關系的集合，它以高度概括的形式揭示所研究對象的性質和相互關系，用來解決具體問題和從事創造性的活動.人類處理的知識多種多樣，其中最主要的類別包括:對象知識(關于對象的有關事實的知識)、事件知識(關于過去發生、現在發生或將要發生的事件的知識)、行為知識(是行為者之間、行為者和行為對象之間在事件中相互作用時所表現的行為的知識)、工序知識(記敘進行某些行為的操作步驟的知識)、元知識(關于知識的知識，用來指導如何選擇事實和規則(關系)的知識).

根據知識的不同屬性，上述各種知識又進一步劃分為顯性知識和隱性知識.

1) 顯性知識，即那些在計算機數據庫、教科書、學術期刊上可以找到的知識.這種知識一旦創立，人們很容易獲得、傳播和使用它們，甚至比創立者用得更好.顯性知識可以創造競爭優勢，最明顯的例子是有關新技術的專利.

2) 隱性知識，即那種屬于個人思維know-why或者know-how(訣竅)之類的東西.

存在于組織中的隱性知識主要有技能類的隱性知識和認識類的隱性知識兩種.技能性的隱性知識主要包括那些非正式的且難以表達的技能、技巧、經驗和訣竅等，是個人長期積累和創造的結果;認識類的隱性知識主要包括個人的直覺、靈感、洞察力、價值觀和心智模式等，會深深影響員工的行為方式.隱性知識還應包括團隊或企業整體層次上所存在的上述兩類知識，如團隊整體的協作能力、企業文化等.隱性知識深深地融于一個組織的經營實踐過程之中，是看不見摸不著的，是某一特定環境下的行為方式，是競爭優勢的基本源泉.

1.3 知識的重要價值

根據硅谷研究者克里斯托弗?梅耶的論證，作為價值之源泉的知識，對于有效競爭來說有如下意義[9]:

1) 大多數看得見的知識都是顯性知識，但創造性經營則絕大部分是隱性知識作用的結果.

2) 顯性知識增長迅速，易于傳播.因此，向一個現存的地方經營單位出售顯性知識或采用特許的方式授權比自創公司打入市場更有意義.

3) 一旦顯性知識融于生產和服務，就會戲劇性地降低任一行業競爭所需的基礎設施成本.由于工具和基礎設施的成本連續下降，所以幾乎所有的人都可以成為有效競爭者，成功的關鍵在于你的顯性知識與隱性知識的結合運用如何.

4) 知識靠使用增值，原材料之類的有形物質卻是使用后貶值.運用知識會創造更多的機會，而更多的機會反過來又會創造更多的知識.

歸根結底，一個企業的核心資產應該是隱性知識和顯性知識的融合.在國內外多年存在的對微軟的聲討浪潮中，大部分人糾纏的是微軟顯性知識層面的東西.人們當然可以攻擊微軟只會模仿他人的技術而不會創新，但他們沒有意識到，微軟的真正厲害之處并不在于它的顯性知識，而在于它的隱性知識即其企業文化和經營理念，在于它把隱性核心因素轉變為顯性的能力.

早在1965年，著名管理學家彼得?德魯克就提及[10]，“知識”將與機器設備、資金、原材料或勞工等一樣成為企業關鍵的生產要素之一，而“知識型工作者”將取代傳統的勞動工人，為企業創造更多的效益.在1993年出版的《Managing for the Future: The 1990s and Beyond》(《管理的未來》)[11]書中，德魯克又進一步發展了自己的思想.他在書中寫到:“從現在開始，最關鍵的是知識.這個世界將會變得不再是勞動力密集型，也不是材料密集型，或是能源密集型，而是知識密集型.”

2 知識管理的產生與發展

2.1 知識管理的定義

不同的研究者對知識管理的理解和定義的角度不同，歸納為以下幾種:

1) 從目標角度定義.知識管理是運用集體的智慧提高應變和創新能力，為企業實現顯性知識和隱性知識共享提供新途徑[12].

2) 從過程角度定義.知識管理是對企業知識的識別、獲取、開發、分解、使用和存儲[13];或是為增強組織的績效而創造、獲取和使用知識的過程[14].

3) 從資源管理角度定義.知識管理是利用組織的無形資產創造價值的藝術;或是對知識資產(智力資產)的管理[15].

4) 從戰略、組織等角度來定義.知識管理是組織一種有意識的戰略，保證能夠在最需要的時間將最需要的知識傳送給最需要的人.這樣可以幫助人們共享信息，進而將之通過不同的方式付諸實踐，最終達到提高組織業績的目的[16].

知識管理(knowledge management，KM)是管理學的一個分支，重點落在對知識的管理上.在20世紀70年代，管理大師彼得?德魯克形成了管理人們想法的觀點.“知識管理”一詞正式出現于1989年，由瑞典的Sveiby博士[17]首次提出，他也因此被譽為“知識管理之父”.到了20世紀90年代，市場競爭越來越激烈，創新的速度加快，紐約一家獨立調查機構Conference Board公司和美國管理協會調查顯示:72%的歐洲公司在進行某種知識管理活動，近80%的跨國公司在實施知識管理[18].參加2001年達沃斯“世界經濟論壇”的CEO有95%認為知識管理是組織成功的關鍵因素[19].

Ikujiro Nonaka(野中郁次郎)等[20]在1995年出版的《知識創造型公司:日本公司如何建立創新動力機制》中，第一次介紹了“知識型企業”的概念，為知識管理的宣傳和普及作出了很大的貢獻.

2.2 知識管理的核心內容

知識管理是將知識作為資產進行管理，提升其價值，以實現和諧管理，提高企業的核心競爭力.

知識管理涉及到知識的獲取、處理、管理、存儲、共享、重用等諸多活動，而其核心內容是隱性知識與顯性知識的相互轉化問題.日本著名的知識管理專家Ikujiro Nonaka提出了著名的SECI模型[21]，如圖1所示.

這一模型主要包括四個方面的轉化:其一，通過向專家學習，親身實踐掌握知識，即知識的社會化(socialization);其二，通過與專家的深度會談，挖掘隱性知識，并表達出來，即知識的外化(externalization);其三，通過知識的分類與關鍵詞檢索等方式組織知識，即知識的組合化(combination);其四，在公司內推進知識的利用，實現知識在更高層次上的創新，即知識的內化(interalization).該模型是知識管理的里程碑式的理論和方法，是知識管理的核心和精髓.盡管SECI模型有著較強的解釋力，但在實際應用過程中仍有較大的缺陷，主要表現為:

圖1 知識管理的SECI模型

1) SECI模型沒有揭示這一轉化是如何帶來企業內在效率的差異，即企業如何通過知識管理擁有競爭優勢的.

2) SECI模型所揭示的僅僅是企業知識形成過程的一部分，而遠非全部.

3) 組織知識的存儲和作用過程相當復雜，SECI模型尚無法完滿解釋有關企業知識生產過程的很多關鍵問題.

2.3 知識管理的進一步發展

最初的知識管理試圖對人腦中的想法進行管理，強調知識的作用，并未明確提出需要借助計算機來實現.在知識管理的鼎盛時期，強調知識的轉化(內化、外化、社會化、組合化)，強調知識在人群中的相互作用.然而，隨著各種信息和知識的爆炸式增長，以人腦為主體的“知識管理”已無法適應社會和企業發展的需要，“知識管理”必須升級換代，必須借助信息化技術來擴大和深化知識管理的作用.

借助先進的計算機代替人進行推理，通過計算機強大的運算能力來提升人的思考能力，是早期推行“知識工程”(也稱為專家系統)的目的.傳統知識工程的主要研究方向包含知識獲取、知識表示和推理方法等，其研究目標是挖掘和抽取人類知識，用一定的形式表示這些知識，使之成為計算機可操作的對象，從而使計算機具有一定的人類智能.傳統的知識工程是以知識為對象的“工程”，往往不涉及以工程為對象的知識，而企業真正需要的是面向工程領域的、以創新為目的的知識工程，即新一代的知識工程.

新一代的知識工程彌補了傳統的知識管理與產品研發、生產結合不緊密的不足，同時也克服了傳統知識工程只注重計算機程序而忽視發揮人的創造力的不足.

3 新一代的知識工程

新一代的知識工程源于知識管理和傳統的知識工程，是對兩者的繼承和發展.新一代的知識工程取兩者之長，強調以人為主，以計算機程序為輔，以人機交互、“人機合一”的方式對信息和知識進行關聯(獲取、處理、表達、組織、應用、更新等)，目的是應用各類知識來實現技術創新和管理創新.

3.1 傳統的知識工程與新一代的知識工程

傳統的知識工程的概念由美國斯坦福大學愛德華?費根鮑姆教授[22]在1977年提出，起初是人工智能的重要分支之一，通常也叫做“專家系統”.

費根鮑姆期待在機器智能與人類智慧(專家的知識經驗)之間構建橋梁，搭建某種“專家系統”(一個已被賦予知識和才能的計算機程序)，從而使這種程序所起到的作用達到專家的水平.簡言之，專家系統是一種模擬人類專家解決領域問題的計算機程序系統.這個“被賦予才能的計算機程序”在理解和翻譯上有兩個版本，崇尚科學的英國人將其命名為“專家系統”，推崇技術的日本人將其翻譯成“知識工程”.

由此可知，傳統的“知識工程”=“專家系統”=“知識+計算機程序”.

而新一代的知識工程被定義為:依托IT技術，最大限度地實現信息關聯和知識關聯，并把關聯的知識和信息作為企業智力資產以人機交互的方式進行管理和利用，在使用中提升其價值，以此促進技術創新和管理創新，提升企業的核心競爭力，推動企業可持續發展的全部相關活動[22].

3.2 新一代知識工程的理論基礎

1) 新一代知識工程的理論基礎之一—TRIZ(發明問題解決理論).TRIZ是關于解決工程實際問題、快速實現創新的方法學類的知識，是知識工程的核心理論之一.

TRIZ是由前蘇聯發明家阿利赫舒列爾(G.S.Altshuller)在1946年創立的，Altshuller也被尊稱為“TRIZ之父”.TRIZ的含義是“發明問題解決理論(Т е о р и я Р е щ е н и я Й з о б р е г а т е л ъ с к и х З а л а ч)”，按照其俄文首字母 “Т Р Й З”的縮寫，遵從ISO/R9—1968E規定，轉換成拉丁字母，就形成了專用詞匯“TRIZ”.

現代TRIZ的核心思想主要體現在三個方面[22]:首先，不論是一個簡單產品還是復雜的技術系統，其核心技術的發展都是遵循著客觀規律的發展演變的，即具有客觀的進化規律和模式;其次，各種技術難題、沖突和矛盾的不斷解決是推動這種進化過程的動力;最后，技術系統發展的理想狀態是用最少的資源實現最多的功能.

TRIZ解決工程實際問題的系列工具包括:沖突矩陣、76個標準解答、ARIZ、AFD、物質-場分析、ISQ、 DE、8種演化類型、科學效應、40個創新原理、39個工程技術特性、物理學、化學、幾何學等工程學原理知識庫等，常用的有基于宏觀的矛盾矩陣法(沖突矩陣法)和基于微觀的物場變換法.事實上TRIZ針對輸入輸出的關系(效應)、沖突和技術進化都有比較完善的理論.這些工具為創新理論軟件化提供了基礎，從而為TRIZ的實際應用提供了條件.

相對于傳統的創新方法，比如試錯法、頭腦風暴法，TRIZ具有鮮明的特點和優勢.它成功地揭示了創造發明的內在規律和原理，著力于澄清和強調系統中存在的矛盾，而不是逃避矛盾，其目標是完全解決矛盾，獲得最終的理想解.目前TRIZ廣泛應用于工程技術領域，并已逐步向其他領域滲透和擴展，如自然科學、建筑、微電子、化學、生物學、社會學、醫療、食品、商業及教育等領域.韓國三星電子采用TRIZ取得了巨大成功.據統計，2003年，三星電子采用TRIZ指導項目研發而節約相關成本15億美元，同時通過在67個研發項目中運用TRIZ技術成功申請了52項專利.在美國的很多大企業，如波音、通用、克萊斯勒、摩托羅拉等的新產品開發中，TRIZ也得到了應用，創造了可觀的經濟效益.

2) 新一代知識工程的理論基礎之二—本體論(ontology).本體論原是古希臘哲學家研究世界上客觀事物存在的本質和關系的一個哲學概念.在西方哲學史中，本體論指關于存在及其本質和規律的學說.

自Gruber教授[23]提出“本體是概念體系的明確的規范說明”之后，Studer等人[24]也分別給出了各自的定義.本體作為知識表達、知識共享的工具，越來越受到人們的重視.

從本質上來說，本體論是一個或幾個領域的概念以及反映這些概念間關系的集合.關系構成了本體論的靈魂.常見的本體關系包括:同義關系、上下位關系、同位關系、組成關系、因果關系、問題關系和解決方案關系、動詞修飾關系和名稱修飾關系.

本體論的作用是將錯綜復雜、游離的信息片斷按照同義關系和層次關系全部關聯在一起，形成有用的信息鏈和信息網.由于信息之間彼此關聯，不再出現斷點，因此從任何一個信息節點出發，都可以沿著某個路徑到達其他所有的信息節點，實現了創新的知識組織方式.基于本體論構建制造創新知識庫，有利于高效的知識檢索和處理，快速獲取知識，尤其是具有學科跨度的、意想不到的知識[25-26].

目前，廣泛通用目的的本體庫已經出現.例如，聯合國開發計劃署(United Nations Development Program)和美國鄧白氏公司(Dun & Bradstreet)共同聯合開發產品和服務的通用分類標準(universal standard products and services classification, UNSPSC)本體，此本體為產品和服務提供通用的分類術語學.

有些領域已經開發出了大型的本體庫.例如:在醫療保健領域，美國的新澤西理工學院已研發出面向對象保健詞匯知識庫項目(object-oriented healthcare vocabulary repository project, OOHVR)本體，在語義網中大約有5 000個有組織的概念，并都儲存在面向對象數據庫中;語義知識庫WordNet為用自然語義解釋的100 000多個術語提供辭典;最大和最全的領域本體是美國德克薩斯州奧斯丁的MCC和Cycorp公司共同開發的大型常識知識庫系統CYC本體，該庫中大約有50 000個概念，概念之間的約束和關系多于4 000 000個，為常識知識的多個方面提供形式化的公理理論[27].

在我國，本體論的應用研究也是方興未艾.如在計算機科學界，中科院陸汝鈴院士主持并由清華大學、中山大學、中科院計算技術研究所等單位參加的“常識知識的經驗研究”，此研究的主要目的是采用主體和本體來表示知識，以便建立大規模的常識知識庫PANGU，并探討利用常識知識解決機器翻譯和自然語言理解等實際問題[25,28].此外，陸汝鈴院士結合代數和概念圖的方法給出了形式化本體(formal ontology)的定義，這為領域知識的共享和復用提供理論支持[26].依托國家和省部級項目資助，浙江大學也開展了廣泛的本體應用研究[29-30].

3.3 新一代知識工程的研究內容

知識工程的研究內容包括知識的產生、處理、表達、組織、共享、檢索、應用和更新.

(1) 知識的產生.生成解決問題的新知識;通過自動知識挖掘工具，發現、收集知識庫以外以及游離于管理制度之外的各類知識獲取新知識;把隱性知識轉化為顯性知識;把個體的知識轉化為公有的、有組織的、能夠共享的知識.(2) 知識的處理.將知識進行整理分類，組織專家進行評估，解決“應用目的”問題，關注的重點是:原理知識(know-why)、技能知識(know-how)、人力知識(know-who).(3) 知識的表達.將知識以最佳的形式表達出來，便于高效理解和掌握.(4) 知識的組織.建立知識間彼此關聯的本體關系，把零散的知識碎片串接成“信息鏈”和“信息網”，實現知識的高效組織.(5) 知識的共享.以知識庫為核心，以網絡為手段，構建知識管理平臺，實現在合適的時機將合適的知識以合適的量傳送到處于合適的位置的合適的人.(6) 知識的檢索.基于本體關系實現知識的高效檢索與查詢，實現對已有知識的獲取.(7) 知識的應用.輔助需要知識的對象充分運用知識，解決應用知識的創新問題，使知識在使用過程中為企業創造價值.(8) 知識的更新.知識庫的定期整理，淘汰過時知識，維持知識庫的實用性和實時性.

3.4 新一代知識工程的作用

知識工程的研究結果表明[22]，企業的知識積累越豐富，知識庫越充實，企業的技術創新能力越強大.也就是說，企業知識庫中積累的知識多少，與知識重用直接相關;企業的知識庫越充實，就越容易實現創新;知識必須被經常性地重復使用，即維持知識庫的動態調用，知識積累才有意義.

動態的知識一定是流動的，處于隨時隨地的更新狀態.知識在關聯中重用，在重用中流動與更新，在流動與更新中實現增值.促進知識重用的最主要的企業活動就是知識工程.如圖2所示.

網絡的普及與發展，為人們提供了信息獲取與通信的巨大空間，也將知識工程的研究帶入了一個新時代.這個新時代的標志有兩個，一是把處理對象從規范化的、相對好處理的知識進一步深入到非規范化的、相對難處理的知識;二是把處理規模和方式從封閉式擴大為開放式，從小手工作坊式的知識工程擴大為能進行海量知識處理的大規模工程[8].

因此，新一代的知識工程技術應著重研究解決網絡時代知識的復雜性與非規范性問題，研究如何在海量的、動態的、開放的因特網知識海洋里進行大規模知識共享的途徑和方法(包括建立適宜的知識模型、有效的知識組織和管理方式、創新的Web知識挖掘算法和各種算法的評價體系等).

圖2 知識工程促進知識重用與創新

4 智能知識管理

在知識經濟主導的21世紀，信息技術和互聯網飛速發展，實現了全球的信息共享和交互.伴隨而來的是浩如煙海的信息.身處信息和知識爆炸的時代，數據挖掘技術得到了廣泛的研究和應用.目前，發達國家的數據挖掘技術已經成功地應用到了多個領域，如生物、金融、保險、零售等行業，成為后信息化時代獲取知識的關鍵技術[31-32].

作為信息時代知識獲取的主要工具，數據挖掘在應用中還存在諸多問題，如:數據挖掘方面的研究主要集中在挖掘算法、挖掘過程等方面;如何選擇應用數據挖掘得到的大量規則知識;不同算法得到的挖掘結論不一致;挖掘結論的靜態性與現實知識動態性之間的矛盾等等.因此，研究數據挖掘知識的進一步加工、有效利用，使之智能化將是今后知識管理領域的研究重點.

4.1 智能知識的定義及特點

智能知識是指通過數據挖掘技術得到的，通過人機交互的處理后具有記憶、識別、自我更新和消亡等特征的有價值的知識[10].其定位如圖3所示.

圖3 智能知識的定位圖

其中的原始知識是利用數據挖掘工具從數據和信息中直接發現的模式、規則、權重系數等原始結果，是沒有經過篩選的粗糙的知識.對原始知識進行篩選、過濾、審計得到對管理決策有價值的知識，稱為有用知識.

4.2 智能知識管理

智能知識管理[10]是引入心理學、復雜系統、人工智能等理論和技術，對通過數據挖掘獲取的原始知識(粗糙知識)與主體知識(規范知識、經驗、領導意圖、企業情境等因素)相結合，并對其進行過濾、篩選、提取、存儲、轉化和利用，以智能地支持企業有效管理決策的管理過程.

智能知識管理具有如下特征:(1) 智能知識管理的對象是通過數據挖掘獲取的有用知識;(2) 實現知識管理智能化的途徑是首先實現知識個體的智能化，而不是讓智能的知識管理平臺系統去管理沒有智能的知識;(3) 智能知識管理是一個系統工程，涉及數據集的處理、數據挖掘算法，及對知識的審計、孵化、組織存儲和智能應用、淘汰等全過程，涉及主體、對象、平臺的相互作用等;(4) 智能知識管理需要組織在戰略、組織結構、文化、業務過程、人員、技術等多方面的協同合作.

智能知識管理的研究框架如圖4所示

圖4 智能知識管理研究框架

4.3 智能知識管理的實現方法和路徑

實現數據挖掘知識的智能化及其有效管理，需要以下方法的相互聯系與相互促進[10]:

1) 知識獲取過程的智能化方法.知識和目標的關聯是實現知識智能化的重要一步.目前數據挖掘的分類算法和最終的商業目標缺乏有效關聯，導致挖掘出的知識缺乏智能性.改進數據挖掘方法產生智能性的知識是智能知識管理最直接的方法之一.

2) 知識表達過程的智能化方法.目前知識的表達限于知識本身內容的表達和關于知識的知識即元知識的存儲.元知識對理解知識本身發揮了很大的作用，但不足以使知識本身具備學習能力.因此，需要改進表達形式和存儲方式，賦予知識以大腦，使知識本身具備學習的能力.

3) 知識審計過程的智能化方法.目前數據挖掘得到的知識需要專家和業務人員人工評價、過濾、篩選，工作量大，效率低下，審計質量差.在審計過程中加入自動過濾、通信和記憶機制使知識和現有知識地圖溝通，獲取評價指標和評價標準并自我評分，從而使知識具備自我審計能力，實現知識的毛遂自薦.

4) 知識應用過程的智能化方法.加入自學習機制使知識能適應環境，引入推理機制使知識之間相互融合產生新的知識，并與業務流程集成實現特定目標相關知識的主動推送.

5 結 論

本文遵循知識管理的發展脈絡，歸納與分析了知識管理在不同歷史階段的研究內容和核心問題.隨著知識對經濟社會的推動作用日益增強，知識的重要性愈益凸顯.知識資源成為企業的核心競爭要素之一，知識管理成為企業必須關注的重要課題.知識來源于實踐，來源于長期的生產經營活動.因此，從大量數據和信息中挖掘、提煉和結晶知識，研究其有效利用和智能化管理，具有重要的學術價值和應用價值.

[1] WOOLF W J Jr,BISHOP J M. Implications of competency-based education for undergraduate sociology[J]. The American Sociologist, 1980,15(1):50-58.

[2] 史忠植. 知識工程[M]. 北京:清華大學出版社,1988.

[3] FUERST W L, RAGUSA J M, TURBAN E. Expert systems and multimedia:Examining the potential for integration[J].Journal of Management Information Systems-Special section:Information technology and IT organizational impact,1994,11(3):155-179.

[4] SECORD W A, WIIG E H. Interpreting figurative language expressions[J]. Folia Phoniatrica et Logopaedica, 1993,45(1):1-9.

[5] 曹立明,陳石麟,周強. 知識工程原理[J]. 徐州:中國礦業大學出版社,1995.

[6] BECKMAN S J. Classroom assessment in a baccalaureate nursing course[J]. Assessment Update, 1997,9(4):12-13.

[7] DAVENPORT T, PRUSAK L. Learn how valuable knowledge is acquired, created, bought and bartered[J]. Australian Library Journal, 1998,47(3):268-272.

[8] 陸汝鈴. 研究知識科學,發展知識工程,推進知識產業—關于國家中長期發展規劃的一點想法[EB/OL]. (2008-03-24)[2010-06-18].http://tongx.net/filedown/zsgl/llsj/135.pdf.

[9] MEYER C. Relentless growth: how silicon valley innovation strategies can work in your business[J]. New York:The Free Press, 1998.

[10] 李興森,石勇,張玲玲. 從信息爆炸到智能知識管理[M]. 北京:科學出版社,2010.

[11] DRUCKER P F. Managing for the future:The 1990s and beyond[M]. New York:Truman Talley Books/Plume, 1992.

[12] 左美云. 國內外企業知識管理研究綜述[J]. 科學決策,2000(3):31-37.

[13] ABECKER A, BERNARDI A, HINKELMANN K, et al. Toward a technology for organizational memories[J]. IEEE Intelligent Systems, 1998,13(3):40-48.

[14] AMT. 知識管理(KM)初級[EB/OL]. (2003-09-10)[2010-06-20].http://www.amteam.org.

[15] 戚永紅,寶貢敏. 國外知識管理研究述評[J]. 科研管理,2003,24(6):36-43.

[16] 王德祿. 知識管理:競爭力之源[M]. 南京:江蘇教育出版社,1999.

[17] SVEIBY K E. The new organizational wealth:Manageing & measuring knowledge-based assets[M].San Francisco:Berrettkoehler Publishers, Inc, 1997.

[18] ALLEE V. Knowledge networks and communities of practice[J]. OD Practitioner: Journal of the Organization Development Network, 2000,32(4):4-13.

[19] BONTIS N. The rising star of the chief knowledge officer[J]. Ivey Business Journal, 2002(3/4):20-26.

[20] IKUJIRO Nonaka, HIROTAKA Takeuchi. The knowledge-creating company: How Japanese companies create the dynamics of innovation[M]. Oxford:Oxford University Press, 1995.

[21] IKUJIRO Nonaka. A dynamic theory of organizational knowledge creation[J]. Organization Science, 1994,5(1):14-37.

[22] 施榮明,趙敏,孫聰. 知識工程與創新[M]. 北京:航空工業出版社,2009.

[23] GRUBER T R. Towards principles for the design of ontologies used for knowledge sharing[J]. International Jouranl of Human-Computer Science, 1995, 43(5/6):907-928.

[24] STUDER R, BENJAMINS V R, FENSEL D. Knowledge engineering:Principles and methods[J]. Data & Knowledge Engineering, 1998, 25(1/2):161-197.

[25] LU Ruqian, ZHANG Songmao. PANGU: An agent-oriented knowledge base[C]//Proceedings of the 16th IFIP World Computer Congress Conference on Intelligent Information Processing. Beijing: Publishing House of Electronic Industry,2000:486-493.

[26] LU Ruqian, JIN Zhi. Formal ontology:Foundation of domain knowledge sharing and reusing[J]. Journal of Computer Science & Technology, 2002, 17(5):535-548.

[27] 馮志勇,李文杰,李曉紅. 本體論工程及其應用[M]. 北京:清華大學出版社,2007.

[28] 陸汝鈴,石純一,張松懋,等. 面向Agent的常識知識庫[J]. 中國科學:E輯,2000,30(5):453-463.

[29] 倪益華,吳昭同,顧新建. 基于本體的制造企業知識集成技術的研究[D]. 杭州:浙江大學,2005.

[30] 葉范波,唐任仲. 基于本體的制造企業業務過程知識集成研究[D]. 杭州:浙江大學,2008.

[31] OLSON D L, SHI Yong. Introduction to business data mining[M]. New York:McGraw-Hill/Irwin, 2007.

[32] HAN J, KAMBER M. Data mining:Concepts and techniques[M]. 2nd ed. San Francisco:Morgan Kanfmann, 2006.

(責任編輯: 時 新)

Development of Knowledge Management

GUO Cai-fen1,2
(1.Jiangsu Support Software Engineering R&D Center for Modern Information
Application in Enterprise, Suzhou 215104, China; 2.Department of Mechano-electronic Engineering,Suzhou Vocational University, Suzhou 215104，China)

G93；TP39

A

1008-5475(2011)01-0005-08

2010-10-11;

2010-10-20

郭彩芬(1965-),女,遼寧葫蘆島人,教授,博士,主要從事制造業信息化、制造系統智能控制研究.