知识的分类（精选12篇）
知识的分类 篇1
随着知识经济时代的到来,知识成为经济和社会发展中不可缺少的资源,知识管理成为一种重要的管理思想,知识交易的现象越来越多,知识交易问题成为知识经济和知识管理中必须研究的问题。
知识交易指知识拥有者通过对知识转移进行排他性控制进而获得经济利益的过程[1]。更简单地说,知识交易是买卖双方以知识为交易对象、以货币为媒介的价值的交换。交易的买方要获得知识的使用价值,卖方要获得知识及知识相关劳动的价值。
在知识交易相关的研究中,对知识交易相关问题的研究时经常会出现不完全相同的结论,甚至完全不同的结论。如关于知识是否可以交易的问题不同学者就会有不同的观点。Nelson、Arrow等经济学家认为将知识等同公共品来处理,认为知识只能通过政府供给,不存在知识交易的问题[2,3],Teece等认为知识具有公共品属性,知识难以定价,知识转移存在障碍,市场也不是生产和配置知识的可行机制,知识不可交易[4]。但Romer提出了知识交易的概念[1];Simon认为知识属于经济系统中频繁交易的商品类型之一,知识生产需要成本,知识获取需要价格,知识市场广泛存在[5];Davenpor等认为知识活动与传统的、有形的商品有相同之处,知识可以交易、购买、交换、寻找与制造[6]。
这些不统一的观点的出现,是因为不同类型的知识具有不同的经济特征。同样是在研究知识交易,但不同的学者可能在研究“知识”的不同子集。因此对知识交易的深入研究,应该建立在对知识在知识交易视角下的合理分类的基础上。
本文试图在知识交易视角下对知识进行分类,目的是使知识便于知识交易的研究。
1 知识交易视角下知识分类的方式
陈洪澜总结了知识分类的最主要的十种方式,分别是知识的效用、研究对象、知识属性、知识形态、事物运动形式、思维特征、自然现象和社会现象、知识研究方法、知识的内在联系、学科发展趋势[7]。
本文在知识交易视角下对知识的分类方式是第八种,即按照知识研究方法对知识分类。因为本文的研究目的是通过对知识分类便于对知识交易的研究。因此本文对知识分类的标准是否可以用管理学和经济学来研究知识交易,这正是对知识按照知识研究方法分类的一种方式。
知识研究是人类发现知识与求证知识的重要活动,不同的研究方法可以定义出不同的知识, 这就是人们以研究方法来区别知识类别的原由[7]。如根据是否可以用数学方法进行研究,知识分为成熟的学科和准学科;根据是否可以用逻辑学研究方法研究,知识分为抽象的学科、具体的学科以及介于抽象与具体之间的学科;根据是否可以采用实验方法研究,知识划分为实验学科和非实验学科等。
由此类推,在知识交易视角下对知识分类,就是区分哪些知识是可以进行交易的、哪些知识是不易于知识交易的,即哪些知识是可以做知识交易研究的,而哪些知识是不便于做知识交易研究的。
2 知识交易视角下对知识进行分类
查阅国内外文献对知识的分类,在知识交易视角下对知识进行分类的文献鲜有见之。但有一种知识分类是对知识交易下的知识分类有启发的。
1966年,Towers、Lux、Ray将人类知识分类成“描述性知识”、“规范性知识”、“形式性知识”与“实践性知识”四大领域。描述性知识是描述现象或事件的知识,这种知识用以追求及建立现象或事件的事实,如物理、化学、生物和社会相关知识;规范性知识是判断现象或事件适切性、好坏、美丑的知识,这种知识用以追求现象或事件的价值与信念,如哲学知识;形式性知识是统整所有知识的知识,如数学、语言及逻辑等知识;实践性知识是对现象或事件采取适宜行动、实践的知识,这种知识用以追求有效的应用行动,如医疗、新闻、工程、设计和教育等知识[8]。
可以看到实践性知识是易于被感受到使用价值的一种知识,因为实践性知识的目的是将知识转化为有效的行动,是能够切实解决事件中遇到的问题的。
如一所大学购买了自动排课软件就可以马上实现自动排课,教学管理的效率立刻提高;一个组织购买了办公楼装修图纸就可以立刻开始装修施工;一个企业的管理问题采纳了咨询师的意见迅速得到了解决。由此看来实践性知识是有使用价值的,因此是可以交易的。而非实践性知识,即描述性的知识、规范性的知识、形式性的知识的使用价值不是直接能够为人所感知的。如学习了哲学知识,一个人的哲学水平并不是马上能够上升一个台阶;哲学思想也没有办法物化到一种形式中让一个人短时间内体会到哲学思想对他的指导。
马克思主义政治经济学认为,使用价值是一切商品都具有的共同属性之一。任何物品要想成为商品都必须具有可供人类使用的价值;反之,毫无使用价值的物品是不会成为商品的。知识想要成为商品,必须有使用价值,甚至必须有人们能够明显地体会到的使用价值。在任何交易中,商品消费者是为了获取使用价值。知识可以帮助人们直接解决其所遇到的问题时,人们才有购买知识的意愿。
实践性知识正是一种人们能够明显地体会到其使用价值的知识,因此实践性知识是可以成为商品的,是可以作为交易对象的。
而非实践性知识不是没有使用价值,而是其使用价值不易为人所感知,或者在较短时间难以体现出来,因此非实践性知识不易于交易,或者说交易的形式非常单一,如可以想到的对物理、化学、生物、哲学、数学、语言、逻辑这些知识的交易形式只能是课堂讲授。
通过这种知识分类可以看到,实践性知识是可以或易于交易,而非实践性知识是不易于、甚至不能交易的。为了便于知识交易的研究,实践性知识应当与非实践性知识区别开来。
3 通过知识抽象-实用度模型对知识分类
3.1 知识抽象-实用度模型
周波根据知识的抽象程度将知识进行一个连续的分类,令α,α∈(0,1)为知识抽象度参数,α=1的知识为极度抽象知识,表示人们完全看不到该知识的具体应用价值,令β,β∈(0,1)为知识实用度参数,β=1的知识为极度实用、具有确定而唯一的使用价值的知识(具有确定而唯一的使用价值),对于任何一件知识i,有下列等式成立αi+βi=1,人类全部知识分布在图1的AB线段中[9]。
这个模型从抽象度和实用度将知识进行连续排列,对研究知识分类很有意义,但这个模型也有一些不足。原模型的不足与改进如下:
1)原模型中只能体现出知识的抽象度和实用度的相对值,而没有体现出抽象度和实用度的绝对值。
知识的抽象度和实用度的相对值表示一个知识的抽象度和实用度的比例关系,而知识的抽象度和实用度的绝对值则表示一个知识的抽象程度和实用程度究竟是多少,相对值是绝对值标准化的结果。设A(A>0)为知识的抽象度绝对值,而B(B>0)为知识的实用度绝对值,则
抽象度和实用度可以表示一个知识本身的抽象价值多一些,还是实用的价值多一些。而多个知识相比时不能用抽象度和实用度来表示,只能用抽象值和实用值来表示。如知识一和知识二的抽象度和实用度均为0.4和0.6,但实际上知识一的抽象值和实用值都要远远高于知识二的抽象值和实用值。甚至知识一的抽象度为0.3,而知识二的抽象度为0.5,但知识一的抽象值可能远远大于知识二的抽象值。
解决这个问题的方法是在原模型中增加对知识的抽象值和实用值的表示 。
2)原模型中的AB线段上的点与知识不是一一对应的。
图中AB线段上的点对应的不止一个知识,甚至不止一类知识。如前面的例子,知识一和知识二的抽象度和实用度均为0.4和0.6,但实际上知识一的抽象值和实用值都要远远高于知识二的抽象值和实用值,但这两个知识在原模型中位于一个点上。而且即使两类知识的抽象度、实用度、抽象值、实用值均相同,也不能认为这就是相同的知识。
解决这个问题可以在模型中增加知识个数的维度,使此二维模型成为三维模型,但知识并非实体产品,难以计数或计类,所以增设知识个数的维度意义不大。因此只要在原模型中明确指出AB线段中的每一个点都代表了一些知识,而不是一个知识即可。
3)原模型认为β=1的知识为极度实用、具有确定而唯一的使用价值的知识。
而笔者认为β=1的B点已经不是知识了,而是实体产品或服务了,因为在B点已经完全不具有抽象度,只具有实用度。
4)原模型的形式不符合一般的数学坐标形式,不利于理解。
模型一般应该采用笛卡尔直角坐标系,在此模型中可以用x轴来表示实用值,用y轴来表示抽象值。比原模型中有两个纵轴、一个横轴的坐标形式更容易理解。
将经过改进之后的模型命名为“知识抽象-实用度模型”,如图2所示。
知识抽象-实用模型中,纵轴A表示抽象值,横轴B表示实用值。原模型未对“抽象度”和“实用度”进行详细解释,改进后的模型对“实用值”的解释是人们主观能够体会到的知识的实用的程度,而不是知识客观上的实用程度;对“抽象值”也指人们主观能够体会到的知识的抽象程度,而不是知识客观上的抽象程度。事实上也没有办法衡量知识客观上的实用程度和抽象程度。人们主观能够体会到的知识的实用值和抽象值可以通过对多个人对一组知识的实用程度和抽象程度的排列,然后求平均值来得到一个值。
任何一个知识i都可以在知识抽象-实用度模型中的AOB平面找到一个对应的点K。由图2可知,点K的纵横坐标分别是知识i的抽象值Ai和实用值是Bi;而直线A+B=1与OK射线的交点的纵横坐标分别表示知识i的抽象度αt和实用度βi。
AOB平面中的每一个点表示相同抽象值、实用值、抽象度、实用度的一些知识;AOB平面中每个角度的OK射线表示一组抽象度、实用度相同的知识,离原点O越远,抽象值和实用值越大。
3.2 通过知识抽象-实用度模型对知识分类
通过知识抽象-实用度模型对知识分类。
1)OK0射线是非实践性知识和实践性知识的分界线。
若在AOB平面中添加一条临界射线OK0,平面BOK0内的知识为实践性知识,如图3所示。这些知识的特征是实用度相对较大,而知识的抽象度相对较小。OK0射线的斜率不一定是45度,OK0是非实践性知识和实践性知识的分界线,AOB平面中左上方是非实践性知识,右下方是实践性知识;OA轴是伪知识,因为如果知识没有任何的实用性也就没有存在的必要;OB轴上是传统产品,即实体产品若服务,因为OB轴的内容毫无抽象性,只有实用性。
2)射线B=B0是显式使用价值较高与较低的分界线。
另外,知识的实用值需要到达一定的值时,知识的实用性才显著,人们都会认识到知识的使用价值,知识才会有需求。在AOB平面中用一条平行于OA的射线B=B0将AOB平面分成两个部分,左边部分的知识是被人们认为使用价值较低的知识,即显式使用价值低的知识;右边部分的知识是被人们认为使用价值较高的知识,即显式使用价值高的知识,如图3所示。人们往往认为显式使用价值高的知识有购买和消费的必要。
3)OK0射线和射线B=B0将知识分为四类。
图3将包括人类所有知识的AOB平面被OK0射线和射线B=B0分成了四个部分,顺时针编号为Ⅰ区、Ⅱ区、Ⅲ区、Ⅳ区,分别代表四类不同的知识。
Ⅰ区是显式使用价值较低的非实践性知识,即抽象度大于实用度、实用值也比较小。这类知识没有明显的使用价值,或其使用价值完全无法为人所感知。这类知识几乎没有交易的可能,这类知识靠知识的拥有者主动地无偿地传播给别人。如宗教知识的显式使用价值不高,抽象度较高,实用度较低。传教士就是坚定地信仰宗教,拥有宗教知识的人,他们远行并向不信仰宗教的人们传播宗教,大部分宗教使用传教士来扩散它的影响。
Ⅱ区是显式使用价值较高的非实践性知识,即抽象度大于实用度,但实用值比较大。如哲学、数学、逻辑等,这些知识比较抽象,但人们也都知道这些知识的实用度比较高。这种知识的传播主要靠课堂讲授。课堂讲授不能算做是完全的知识交易,通过课堂消费者可以拿到理论知识本身,但不一定会运用这些知识解决问题。这种情况下,知识并没有使用价值。而知识是否有使用价值,才是判断知识是否是商品,是否能成为交易对象的标准。
Ⅲ区是显式使用价值较低的实践性知识,即实用度大于抽象度,但实用值比较小。这类知识有实用性,但实用性较小,不值得交易。如如何才能把地扫得更干净的知识,有实用性,但价值较低,这类知识一般靠口口相传。
Ⅳ区是显式使用价值较高的实践性知识,即实用度大于抽象度,并且实用值比较大。这类知识实用性很强,并且能够解决人们难以解决的、对人们很重要的问题,人们如果获得这样的知识会感到有很大的效用。如管理软件的开发知识、装修图纸的设计知识、管理咨询的相关知识等。这类知识是有巨大的市场需求的,是有消费需求的,是可以交易的。
Ⅳ区知识也可以通过课堂讲授的形式来传播。如前所述,课堂讲授不等同于知识交易,对以下两种情况相对比,第一种情况是通过课堂学习了软件开发知识和管理知识,然后去开发管理软件,第二种情况是直接购买了管理软件。第一种情况的交易对象是教师讲授的能力,因为教师讲授的能力在这个过程中是有使用价值的,教师讲授的能力使得学生听懂了教师所讲授的内容,学生的所付的学费购买的是教师讲授的能力,而教师所讲授的知识在这个过程中对作为消费者的学生并没有使用价值,或者说教师所讲授的知识并不会在短时间内发挥出作用;第二种情况的交易对象是软件开发知识和管理知识,以及物化之后的软件,消费者可以通过软件这种载体立即体会到知识的使用价值。
通过知识抽象-实用度模型,把知识分成了四类,如表1所示。
通过知识抽象-实用度模型对知识分类,发现实用值较高的实践性知识是适合于交易的,根本原因是实用值较高的实践性知识是人们容易感知到其使用价值的知识,而使用价值是商品的自然属性。
3.3 知识的发展方向
在知识抽象-实用度模型对知识分类的过程中,实用值指的人们主观能够体会到的知识的实用价值,而不是知识客观上的实用价值。因此随着社会的发展,随着人们对某类知识的认识的加深,从知识交易视角来看,知识是会发展的。
从知识交易视角来看,人们知识的认识逐步加深,知识的发展是实用值会越来越大,抽象值越来越小,因此实用度也会越来越大。实用值越来越大,意味着知识向右方发展;实用度和抽象度的比例越来越大,意味着知识向右下方发展,如图3所示。
知识发展的实践也证明了这一点。如物理、化学这些今天看上去实用度很高的知识,在它们刚刚被发现的时候,人们还不能意识到这些知识的实用价值,那个时候物理、化学知识还处于图3中的Ⅰ区,传播方式是知识的拥有者无偿地传播给别人。如明清时期,传教士为中国带来了很多西方科学文化知识。今天人们认为是没有什么用的知识,可能到若干年后是有实用价值的。
知识由抽象向实用发展,实用值由低向高发展,在知识抽象-实用度模型中体现为向右下方发展。
也因为这样的原因,就用“实践性知识”这个词来描述实用值较高的实践性知识即可,因为实用值较低的实践性知识随着知识本身的进一步发展或人们对知识的认识的深入,也是会发展成为实用值较高的实践性知识的。
3.4 实践性知识和非实践性知识、传统产品的经济特征对比
通过知识抽象-实用度模型可知,非实践性知识、实践性知识、传统产品是从抽象到实用的一个渐变过程。非实践性知识是不易于交易的,实践性知识是易于交易的,传统产品是完全可以交易的。非实践性知识、实践性知识、传统产品的经济特征有较明显的区别,也是一个渐变的过程,如表2所示。
4 结论
综上所述,可得出如下结论:
1)知识交易视角下对知识的分类是一种按照知识研究方法对知识分类的方式,目的是找到哪些是适合知识交易、可以用知识交易相关方法来研究的知识;
2)根据改进的知识抽象-实用度模型把知识分成四种,其中实用值较高的实践性知识是适合交易的知识。知识的发展方向是由抽象到实用、实用值由小到大;
3)非实践性知识、实践性知识和传统产品的经济特征是渐变的过程,是从不易交易到完全可以交易的一个渐变过程;
4)知识交易可以集中到对实践性知识交易的研究,进一步的研究可以是实践性知识交易的具体经济特征的分析、实践性知识交易的价格模型、实践性知识交易价格模型的实证研究等。
参考文献
[1]ROMER P M.Endogenous Technological Change[J].Jour-nal of Political Economy,1990,98(5):74-102.
[2]NELSON R R.The Simple Economics of Basis Research[J].Journalof Political Economy,1959(67):197-307.
[3]ARROW K J.The Economic Implications of Learning by Do-ing[J].Review of Economic Studies,1962(29):155-173.
[4]TEECE D J.Towards an Economics Theory ofthe Multiprod-uct Firm[J].Journal of Economic Behavior and Organization,1982(3):39-63.
[5]SIMON HA.The Many Shapes of Knowledge[J].Revue D'économie Industrielle,1998,88(2):23-39.
[6]DAVENPORT H T,PRUSAK L.Working knowledge:HowOrganizations Manage What They Know.Boston[M].MA:Harvard Business School Press.1998.
[7]陈洪澜.论知识分类的十大方式[J].科学学研究,2007,25(1):26-31.
[8]TOWERS,LUX,RAY.A rational and structure for industrialarts subject matter[G].Columbus:Ohio State University,1966.
[9]周波.知识交易及其定价研究[D].上海:复旦大学,2006.
知识的分类 篇2
第一、从功能上划分，可分为五种。
1、“使人知”演讲。这是一种以传达信息、阐明事理为主要功能的演讲。它的目的在于使人知道、明白。如美学家朱光潜的演讲《谈作文》，讲了作文前的准备、文章体裁、构思、选材等，使听众明白了作文的基本知识。它的特点是知识性强，语言准确。
2、“使人信”演讲。这种演讲的主要目的是使人信赖、相信。它从“使人知”演讲发展而来。如恽代英的演讲《怎样才是好人》，不仅告知人们哪些人不是好人，也提出了三条衡量好人的标准，通过一系列的道理论述，改变了人们以往的旧观念。它的特点是观点独到、正确，论据翔实、确凿，论证合理、严密。
3、“使人激”演讲。这种演讲意在使听众激动起来，在思想感情上与你产生共鸣，从而欢呼、雀跃。如美国黑人运动领袖马丁.路德.金的《在林肯纪念堂前的演说》，用他的几个“梦想”激发广大的黑人听众的自尊感、自强感，激励他们为“生而平等”而奋斗。
4、“使人动”演讲。这比“使人激”演讲进了一步，它可使听众产生一种欲与演讲者一起行动的想法。法国前总统戴高乐在二战期间的英国伦敦作的演讲《告法国人民书》，号召法国人民行动起来，投身反法西斯的行列。它的特点是鼓动性强，多以号召、呼吁式的语言结尾。
5、“使人乐”演讲。这是一种以活跃气氛、调节情绪，使人快乐为主要功能的演讲，多以幽默、笑话或调侃为材料，一般常出现在喜庆的场合。这种演讲的事例很多，人们大都能听到。它的特点是材料幽默，语言诙谐。
第二、从表达形式上划分，可分为五种类型。
1、命题演讲，即由别人拟定题目或演讲范围，并经过准备后所做的演讲。它包含两种形式：全命题演讲和半命题演讲。全命题演讲的题目一般是由演讲组织部门来确定的。某单位搞“让雷锋精神在岗位上闪光”主题演讲，为了让演讲员各有侧重，分别拟了《把爱送到每个顾客的心坎上》、《练好本领，为民服务》、《从一点一滴做起》三个题目，给了三个演讲者，要求以此组织材料，准备演讲。半命题演讲指演讲者根据演讲活动组织单位限定的范围，自己拟定题目进行的演讲。1986年，中央电视台和《演讲与口才》杂志社联合举办的“十城市青少年演讲邀请赛”命题演讲即是以“四有教育”为范围，具体题目自拟。命题演讲的特点是：主题鲜明、针对性强、内容稳定、结构完整。
2、即兴演讲，即演讲者在事先无准备的情况下就眼前场面、情境、事物、人物临时起兴发表的演讲。如婚礼祝辞、欢迎致辞、丧事悼念、聚会演讲等。它的特点是：有感而发、时境感强、篇幅短小。它要求演讲者要紧扣主题，抓住由头，迅速组合，言简意赅。
3、论辩演讲，即指由两方或两方以上的人们因对某个问题产生不同意见而展开的面对面的语言交锋。其目的是坚持真理、批驳谬误、明辨是非。比如，我们生活中常见的法庭论辩、外交论辩、赛场论辩，以及每个人都曾经历过的生活论辩等。它的特点是：针锋相对，短兵相接。论辩演讲较之命题演讲、即兴演讲更难些，要求演讲者必须具备：正确的思想、高尚的品质、严密的逻辑性、较强的应变性。
4、单人演讲，演讲者为一人的演讲。
5、多人演讲，演讲者为2人以上的演讲。
第三、从内容上划分，大致可分为五种类型。
1、政治演讲。凡是为了一定的政治目的，出于某种政治动机，就某个政治问题以及与政治有关的问题而发表的演讲均属此类。它包括外交演讲、军事演讲、政府工作报告、政治宣传等。
2、社会生活演讲。指演讲者就社会生活中存在的各种问题、风俗、现象而作的演讲，它表达了演讲者对这些问题的看法、见解和观点。这种演讲涵盖的内容更加广泛，如：亲情友谊、吊贺、迎送、答谢等均属此类。
3、科学学术演讲。指演讲者就某些系统、专门的知识和学问而发表的演讲。一般指学校和其他场合的专题讲座。一般指 学校和其他场合的专题讲座、学术报告、学术发言、学术评论。它必须具有内容的科学性、论证的严密性和语言的准确性三大要素。这是与其他类型演讲的一大区别。
4、法律法庭演讲。即指公诉人、辩护代理人在法庭上所作的演讲、律师的辩护演讲。法庭演讲有自己的突出特征：公正性和针对性。
5、宗教演讲。指的是一切与宗教仪式、宗教宣传有关的演讲。它主要包括布道演讲和一些宗教会议演讲。这种演讲在我国的影响不大，听演讲和作演讲的人都不多。
另外，从风格是分为激昂型演讲、深沉型演讲、严谨型演讲、活泼型演讲等；从目的上分为说服型演讲、鼓动型演讲、传授型演讲、娱乐型演讲等；从场所上分为街头演讲、战地演讲、集会演讲、课堂演讲、法庭演讲、电视演讲等。总之，依据不同的标准，站在不同的角度，可以把演讲分为不同的类别。
知识的分类 篇3
云服务是云计算得以实现的具体形式。各种云计算的研究与开发，最终都要归结到提供更加灵活、方便、适应个性需求的服务，即所谓的云服务。因此云服务也是云计算实现的重要标志。信息资源管理与云计算的相关研究中，云服务是最需要关注而且也是最重要的领域。
本期专稿发表的一组文章，是邓仲华教授主持的人文社会科学重点研究基地重大项目“信息资源云体系与服务模型研究”（项目批准号：11JJD630001）和国家自然科学基金资助项目“云计算环境下图书馆的信息服务等级协议研究”（批准号：71173163）的部分研究成果。内容包括：《面向信息资源云服务的知识分类研究》探讨适合于云服务的知识分类组织方法；《虚拟化与信息资源云服务》分析信息资源虚拟化以实现云服务的技术问题；《图书馆云服务的参与方关系模型研究》结合图书馆云服务的特点，研究云服务中的各个参与方及其特征，提出了图书馆云服务参与方的关系模型；《美国图书馆的云服务》考察美国图书馆的云服务并分析对我国的启示。
摘 要：知识分类是信息资源云中重要的基础部分。文章考察了现有的典型的知识分类方法，分析总结了他们各自的特点，针对信息资源云构建过程中的特征，从用户需求和知识的使用频率稳定性两个维度出发，探讨了适合于信息资源云服务的知识分类方法。
关键词：信息资源 云服务 知识分类
中图分类号： G203 文献标识码： Ａ 文章编号： 1003-69３８（２０12）０3－0001-05
Research on Knowledge Classification for Cloud Service of Information Resources
Abstract Knowledge classification is the important basis of cloud service of information resourcesand ways of classification are varied. This paper examines the existing typical methods of knowledge classification, analyzes and concludes each characteristic. According to the feature of cloud service of information resources and from the dimension of user' needs and the stability of the use frequency, this paper designs a knowledge classification which is suitable to cloud environment of information resources.
Key words information resources； cloud service； knowledge classification
知识是一个庞杂系统，必须通过适当的分类方法，才能将知识资源进行有效的组织。知识分类是知识检索及知识服务的必要条件，特别是在构造知识性云服务时，服务内容的提取既涉及到知识体系本身，又与传播过程中知识受体的背景知识相互作用。这就要求知识分类既要适应传统的知识组织，又要满足云服务所提出的新要求。
在当前云服务的发展中，通常将云服务分为三个层次：应用层服务（AaaS）、平台层服务（PaaS）和基础设施层服务（IaaS）。这种分层的概念，较好的揭示了层次上的特点，因而成为目前普遍采用的云服务层次模型［1］。但这种三层方案忽略了信息资源这一重要因素，不便于云服务体系中的资源组织与管理，影响了信息资源在云服务中的应有作用。事实上，信息资源可作为一个辅助层（独立于三层模型之外）进行单独的组织与构建，它可以对上面三层服务进行“预服务”，即进行资源的合理组织，以使上面三层在提供服务时更高效［2］。
信息资源层要对各层提供支持，所以要根据各层的特点采用合适的知识分类方法。各种知识分类方法并没有好坏（或优劣）之分，而只有适合的程序有高有低，在云服务中这种表现尤为明显。因此分析它们的特点和适用的场合就是信息资源云的构建研究的重要任务。
1 现有的典型的知识分类
知识分类是根据知识管理的需要和标准，通过比较，把人类的全部知识按照相同、相异、相关等属性划分成为不同类别的知识体系，以此显示其在知识整体中的应有位置和相互关系。知识分类可作为寻求知识的出发点，它犹如学海的航标，既可指明求学的门径，也可为从事知识管理的人提供理论指导，以便使纷繁复杂的知识得以依类分理，各有归属，从而建立起次序化、规范化、系统化的知识世界［3］。
各种知识分类方式都有其明确的目的，如隐性知识和显性知识的分类方案就是为了研究知识的转移与传播而提出的。从应用目标的视角分析，知识分类方式可以归为三种，它们分别是：揭示知识本质的分类、用于管理/检索的分类以及用于知识运动规律研究的分类。
1.1 关于知识本质的分类
nlc202309020724
很多大家，包括孔子、柏拉图、亚里士多德、黑格尔、文德尔班、培根、笛卡尔、恩格斯、钱学森等等，都对知识的本质和分类作过探讨。
知识起源于人们的日常生活需要。中外许多大家在研究知识本质的分类时，虽显现出不同的分类方式，但是都体现出了满足人们日常生活需要的这一特性。儒家的杰出代表孔子在讲学时就已经采用了分科授徒的方式，体现其经世致用的思想特征。西方哲学家亚里士多德对知识的分类（理论知识、实用知识和创造知识）也是源于人类的实践活动，其目的同样是为了解决人类在客观世界中所出现的问题。
1.2 用于管理/检索的分类
知识的积累，必须有相应的管理手段。在图书馆学和教育研究学界，这种用于管理而产生的分类方式体现的尤为明显。
在图书馆学中，主要是进行图书的分类。图书分类法以其载体类型分为传统文献分类法（受控）和网络信息分类法（不受控），传统文献分类法以纸质图书为媒介，而网络信息分类法以网络为媒介。传统的文献分类法，大多是以学科类目为基准，以文献搜索查找为目的。而网络信息分类法是以网络信息资源为对象，以主题为聚类标准的分类方法。通过对部分网络信息的标引，建立网络信息分类导航系统，提供浏览式的分类查询手段［4］。
在教育研究学界中，无论是以教育为目的的分类法（事实性知识、概念性知识、程序性知识和原认识知识），还是以研究为目的的分类法（知识二分法、学科三分法等），都是为了对知识进行更系统的管理，从而进一步实现教育研究的目标。
1.3 关于知识运动的分类
波兰尼按知识的形态将知识分为言传知识和意会知识（即显性知识和隐性知识），这种分类方式依照了知识的运动规律，把人自身的活动看作知识动态生成和表达的源泉，揭示了人的内在知识底蕴与人类活动的关系。简而言之，关于知识运动形态的种种分类，目的是为了研究知识的转移与传播，加强人类对知识的交流和共享。现代，人类的实践生产活动中，特别是涉及经济领域中，关于知识的分类大多是以知识的运动形态为基础，进行进一步的实际性划分。
2 相关文献管理的分类法
2.1 体系分类法
体系分类法是一种直接体现知识分类的等级概念标识系统，是通过对概括文献信息内容及某些外表特征的概念进行逻辑分类（划分与概括）和系统排列而构成的［4］。体系分类法的主要特点是按学科、专业集中文献，并从知识分类角度揭示各类文献在内容上的区别和联系，提供从学科分类检索文献信息的途径。
《七略》：汉代的刘向、刘歆根据当时的国家藏书完成的图书分类目录。它基本上是按照图书的内容性质来划分的，综合性的系统反映藏书的分类目录，共有六大类三十八小类。我国图书馆学界普遍认为《七略》是我国第一部图书分类法［5］。
《杜威十进分类法》（Dewey Decimal Classification， DDC）：是图书馆广为使用的分类法，这个分类系统最早在1837年时Melvil Dewey有此分类构想，于1876年正式出版。DDC是用传统的学科来分类，总共以10个主要的学科（main classes）来涵括所有的知识体系，每个大类下细分10类（divisions），接着又再分成10小类（sections）。它的十个大类（main classes）分别是：总论、哲学、宗教、社会科学、语言、自然科学和数字、技术（应用科学）、艺术、美术和装饰艺术、文学、地理、历史及辅助学科［6］。
《中国图书馆图书分类法》：简称《中图法》，是目前中国大陆地区图书情报界使用最广的综合性分类法。它把全部图书分为马克思主义/列宁主义/毛泽东思想、哲学知识、社会科学知识、自然科学知识、综合性图书知识5大部类，总共22个大类［7］。
《中图科学院图书馆图书分类法》：简称《科图法》，是对图书的一种分类方法，将知识门类分为5大部分，在这5个基本部类序列的基础上，组成了25个基本大类。
2.2 分面分类法
分面分类法，也称组配分类法或分析-综合分类法等。其构成原理为：主要依据概念的分析与综合原理，将概括文献、信息、事务的主题概念组成“知识大纲-分面-亚面-类目”的结构，按照一定的组配规则，通过各个分面类目之间的组配来表达文献主题的一种分类法。阮冈纳赞的《冒号分类法》、布朗的《主题分类法》、布利斯的《布利斯书目分类法（2版）》等是分面分类法的代表。
2.3 半分面分类法
半分面分类法，亦称体系-组配分类法，是介于体系分类法与分面分类法之间的一种分类法。它基本上是体系分类法大量采用分面分类方法的结果，即大量使用各种通用复分表、专用复分表、类目仿分以及组配符号等，并且使分类号尽量保持分段的组配形式，在详细列举类目结构的基础上，广泛喜欢用各种组配方式编制的分类法。这种分类法具有直观性较强的特点，也有较强的文献主题概念的组配功能。其主要代表为《国际十进分类法》［8］。
2.4 网络信息分类法
网络信息分类法必须要满足网络信息组织的需要、满足网络用户信息查询的需要、适应网络技术环境的特点。其分类的对象类型多种多样，包括文本、图像、多媒体、网站等等。网络信息分类法的基本功能是通过对部分网络信息的标引，建立网络信息分类导航系统，提供浏览式的分类查询手段。典型代表为分众分类法。
分众分类的英文原名“FOLKSONOMY”一词公认是由著名的信息构建专家Thomas Vander Wal所创，以“Folk”（民间的）和“Taxonomy”（分类体系）所组成。因此，通俗的讲，“FOLKSONOMY”指的就是平常百姓的分类管理系统，国内通常又翻译成“大众分类法”、“自由分类法”、“通俗分类法”、“群落分类法”等［9］。其特点为平面性、主观性、社会性、时效性。目前在社会化书签、博客、网络社区以及图片视频分享网站得到了广泛的应用［10］。
3 分类方法对比研究总结以及在信息资源云环境下的适用性
没有哪一种方法是适用于所有情况的，分类方法都是根据当下所要达到的目标为导向来进行的。
nlc202309020724
（1）关于知识本质的分类方法。关于知识本质的分类大多源于哲学分类。哲学分类是很多分类方法的基础，特别是在一些应用场景（领域）分类中。正是由于其基础性的地位，所以它的分类方法较为宏观，不够细化。
（2）关于管理/检索的分类方法。传统的文献分类法的设置大都是以学科类目为基准，在文献搜索查找中是具有优势的。但是如果放在网络环境或信息资源云环境下，就不一定适用。哥伦比亚大学图书馆参考馆员Ellyssa Kroski在2005年就指出，图书馆自上而下的阶层式分类法的优点是毫无疑问的，但是对网络资源进行分类显然不适宜［11］。例如：用户现在需要一个资源，涉及到数学、物理、经济和宗教四个方面的知识，这时用户需要的是一种平面性的查找。如果按照文献分类的方法去进行查找，自上而下，层层递进，这样就给用户的使用造成了负担，而且不能最大限度的满足用户的需求。这样有悖于云服务的目的。
网络信息分类法，是以网络资源为分类对象，这一点和信息资源云环境下的分类是有共同点的，都是对资源的分类，而且都与网络相关。近年来，影响最大的是分众分类法。
分众分类以标签（TAG）的方式进行分类，通过标签的字号大小以及颜色的不同来表示其“受欢迎”的程度，能够实现快速而自动的信息聚类，生成系列加权列表和标签云（Tag Cloud），具有较强的大众趋同性、直观性和易用性［12］。分众分类所适用的环境以及它“标签”的概念，与信息资源云环境下的知识分类的应用场境相似，但存在一些问题：①分众分类法在使用过程中是“多对一”的映射关系，多个用户需求一项资源。而信息资源云环境下的分类所反映的是“一对多”的映射，因为是一个用户需求多项资源。②分众分类法在使用中的优点，是组织用户之间互相推荐和共享信息。而目前的云计算基本上还是私有云为主导，各个用户之间的资源有各自的私密性。
（3）关于知识运动形态的分类方法。关于知识运动形态的分类主要体现在具体的应用场景中。大多是以实际场景中的具体需求为导向，在一个领域内分类。这种分类方法不具有普适性，而且基本上是在传统环境中进行的，与信息资源云环境各个方面相去甚远，所以不适用于信息资源云环境。但是也有其可取性，如，云计算是一种商业服务模式，目前的应用主要是企业用户为对象，那么经济场景中的一些分类的方式可以为其提供一些参考。
每一种分类都有其优缺点，没有绝对完美的划分，也不存在好或坏。我们在一个新的环境重新进行资源知识分类时，要根据所在场景的具体要求去处理、分划。
4 面向用户需求的信息资源云环境下的知识分类
信息资源云环境下的知识分类有两点需要把握。一是要符合其应用场景，以寻求一种适合的知识类型的划分，这体现了用户对知识类型的需求。二是要找寻一种适用于网络环境的快速便捷的分类方法，以提高其服务的有效性，这体现了用户对服务质量的需求。
曾伟生曾从投入和产出两个方面对知识进行分类，按知识关键度和知识可用度这两个维度把知识划分成为了四类：发展类知识；生存类知识；一般类知识；边缘类知识［13］。另一种基于知识的使用频率和稳定性差异，把知识分为常规性知识和非常规性知识［14］。这两种分类方案可作为我们在知识类型划分上的重要参考。
分众分类法的标签TAG也是使用频率的一个体现，且它是在网络环境下的分类方法。用分众分类法的部分可取的手段，从“知识使用频率及稳定性”这个维度进行类别划分，提供给用户快捷方便的服务。
在此，从用户需求和知识使用频率及稳定性这两个维度出发，参考曾伟生分类以及分众分类法的标签TAG，我们可以把知识分为四类（见图1）。
4.1 内容划分
偶发类知识：使用频率低并且因时、因地、因认知客体而异的知识，用户需求度不高。这类知识不是人们有意识获取的知识，通常是由于偶然，或无意识地保留下来的知识。
常规类知识：此类知识已经形成了一定的规范化和程序化，稳定性很高，在用户群中也形成了约定俗成的概念，因此需求度并不高。
发展类知识：此类知识可划分到隐性知识一类，稳定性不高，但有导向作用，价值性较高。
核心类知识：此类知识是用户目前最需求的一部分。
4.2 类与类之间的区别
用户高频使用，但并未进行深度挖掘的，属于成熟的，并且约定俗成的归为常规类。同样高频使用，但是在不同维度进行了深度挖掘，则归为核心类。
用户使用频率低，并且显示出只是一种表面层次的使用的归为偶发类。同样使用频率低，但是通过TAG的关联关系，显示出用户对资源有挖掘的，则称之为发展类。
4.3 特点优势
类别的划分并不是一成不变的，它具有扩展性，流动性，更替性。扩展性适应了信息资源云的主要特征。流动性较好地反映了知识的游离性质，例如核心类的知识，由于知识的更新和扩展，原属于这一部分里的知识需求度降低或者说是使用频率降低，它就会流动到常规类或发展类之中去。而发展中的知识，在用户的使用过程中，随着它使用频率的升高以及进一步的知识挖掘，就流动到核心类。更替性体现在，当一类知识它的使用率越来越低，直到一个值的时候，它会被替代，而不存在于这些分类当中。
4.4 缺陷及解决办法
这种理论模式在实际的使用中，需要引入一些参数。例如影响因子、权重等，来比较清晰客观的进行处理。另外还需要克服TAG辨识的模糊性。例如一词多义的时候，TAG就会有判断上的错误。这需要利用语义概念，引入同义词控制技术来进行优化［15］，以达到用户使用的最优效果。同义词控制系统采用基于语义的人工智能技术，系统基于语义分析方法自动对相同或者是相近语义的标签进行分类统计，将语义相近或相同的关键字合作，再进行使用频率统计。更高阶的同义词控制的目标就是智能化地识别TAG的低相关度的问题，采用语义近似或相同的其他关键字来避免标签的模糊性，保证分类的清晰有用。目前基于XML的同义词控制还不能完全解决标签的模糊问题，在未来的语义平台上，有望实现更加智能化的同义控制。
nlc202309020724
5 结语
随着技术的进步，云计算的影响越来越深，信息资源管理的发展需要传统的分类方法作出改变来适应云计算的深入。以用户需求和知识的使用频率稳定性两个维度出发，提出的知识分类方法是适应这种改变的需要。文中分析为这种分类方法的优点、缺陷及应对方案，但还有很多不完善之处。随着技术的不断加强，如何更快的解决这些不完善的地方，这是值得我们研究探讨的问题。
参考文献：
［1］刘鹏.云计算［M］.北京：电子工业出版社，2011：1-3.
［2］ZhongHua Deng，YongBo Liu， YouLin Zhao. Analysis on Integration Technology for Information Resources Cloud［C］. 2011 International Conference on Fuzzy Systems and Neural Computing （FSNC 2011）.
［3］陈洪澜.论知识分类的十大方式［J］.科学学研究，2007，（1）：26-31.
［4］张丽英.中美图书分类法比较研究—从历史沿革、编订机制、应用现状与发展趋势角度出发［D］.福州：福建师范大学社会历史学院，2008.
［5］周若立，陈树年.文献分类学［M］.武汉：武汉大学出版社，2001：32.
［6］张燕飞.中外现代主要图书分类法之比较［J］.图书情报知识，1990，（4）：9.
［7］穆安民.科技文献检索［M］.重庆：重庆大学出版社，1996：22.
［8］司莉.信息组织方法与原理［M］.武汉：武汉大学出版社，2011：15.
［9］中国图书馆学会.中国图书馆学会2007年年会论文汇编［C］.2007.
［10］刘洋.大众分类法的应用现状及前景分析［J］.现代经济信息，2010，（5）：205-206.
［11］EllyssaKroski.The-hive-mind：-folksonomies-and-user-based-tagging［EB/OL］.［2010-02-10］.http：//infotangl-e.blogsome.com/2005/10/07/the-hive-mind-folksonomies-and-user-based-taggong/.
［12］朱婷.情报中的序性结构初探［J］.图书情报知识，2008，（3）：9-11.
［13］曾伟生.企业知识分类与管理策略［D］.北京：北京交通大学经管学院，2007.
［14］陈洪澜.知识分类与知识资源认识论［M］.北京：人民出版社，2008：140-186.
［15］周荣庭，郑彬.网络时代的新型信息分类法［J］.现代图书情报技术，2006，（3）：73-74.
作者简介：邓仲华（1957-），男，博士，武汉大学信息管理学院教授，博士生导师；苏娟（1985-），男，武汉大学信息管理学院研究生；李志芳（1987-），女，武汉大学信息管理学院研究生；陆颖隽（1963-），男，武汉大学信息管理学院副教授，硕士生导师。
知识的分类 篇4
本文试图在知识交易视角下构建一个知识分类的模型, 分类的标准是使不同类别具有不同的经济特性, 目的是使便于对知识交易的进一步的研究。
1 知识的定义
知识是人们在认识世界和改造世界实践活动中的认识和经验的总结, 不同的学者对知识的定义各不相同。
一部分学者对知识的定义建立在对数据、信息、知识、智能等相关联的概念的认识上, 如Zack、Fahey&Prusak、Bender&Fish等[1,2,3]。这种认识中, 认为数据是对客观事实的记录;信息是在一定的情况下对数据的解释;知识则是信息的应用, 是对信息进行分析、归纳而形成的规律性认识;智能不仅要发现事物的规律, 还要对知识进行创新用以解决实际的问题, 是创造性的产物, 是知识的最高形式。这种知识的定义指出了知识的作用, 而没有指出知识具体包括的内容。
另一类对知识的定义则明确指出了知识包括的内容。Nonaka认为知识是充分证实的真实信仰[4]。Davenport和Prusak将知识解释为一种具备流动性特质的综合体, 如文字化的信息、结构化的经验、专家独特的见解等都属于知识的范畴, 知识无处不在, 它不但可以隐藏在日常例行的工作、规范之中, 也可以借助于文件化、系统化的机制将知识储存在组织的数据库中[5]。这种对知识的定义更加明确, 更容易让人理解什么是知识, 哪些内容是知识。
在知识交易视角下, 笔者更认同Davenport和Prusak对知识的定义, 有如下两个原因:首先这种对知识的定义认为知识有实用性, 如经验和见解都是解决具体问题的;其次, 这种对知识的定义认为知识是可以物化的, 如文件形式的知识、数据库形式的知识。知识的这两个特点都决定了知识是可以交易的。
2 知识分类概况
知识分类就是按照知识的学科属性将其予以一一揭示, 并分门别类地把它们系统组织起来的方法。知识经过分类后, 就可以显示出每一种知识的学科性质和它们之间的内在联系。性质相同就聚集在一起, 性质相近就联系在一起, 性质不同就予以分开[6]。
陈洪澜总结了知识分类的最主要的十种方式, 分别是知识的效用、研究对象、知识属性、知识形态、事物运动形式、思维特征、自然现象和社会现象、知识研究方法、知识的内在联系、学科发展趋势[7]。
本文在知识交易视角下对知识的分类方式属于按照知识研究方法对知识分类, 本文的研究目的是通过对知识分类便于对知识交易的研究。
知识研究是人类发现知识与求证知识的重要活动, 不同的研究方法可以定义出不同的知识, 这就是人们以研究方法来区别知识类别的原由[7]。如根据是否可以用数学方法进行研究, 知识分为成熟的学科和准学科;根据是否可以用逻辑学研究方法研究, 知识分为抽象的学科、具体的学科以及介于抽象与具体之间的学科;根据是否可以采用实验方法研究, 知识划分为实验学科和非实验学科等。
由此类推, 在知识交易视角下对知识分类, 就是区分哪些知识是可以进行交易的、哪些知识是不易于知识交易的, 即哪些知识是可以做知识交易研究的, 而哪些知识是不便于做知识交易研究的。在知识交易视角下对知识分类的研究比较少。
3 知识抽象———实用模型的构建
知识交易指知识拥有者通过对知识转移进行排他性控制进而获得经济利益的过程[8]。通俗地讲, 知识交易是买卖双方以知识为交易对象、以货币为媒介的价值的交换, 交易的买方要获得知识的使用价值, 卖方要获得知识及知识相关劳动的价值。
任何物品要想成为商品都必须具有可供人类使用的价值;反之, 毫无使用价值的物品是不会成为商品的。知识想要成为商品, 必须有使用价值, 必须有人们能够明显地体会到的使用价值。
因此, 知识是否有用决定了知识是否易于交易, 知识是否有用应该是知识交易视角下知识分类的重要分类标准。
关于知识分类的国内外文献很多, 但在知识交易视角下对知识的分类方式没有查到。但有一个知识分类标准与知识的有用性有关, 对知识交易视角下的知识分类有一定的启发。
2006年, 周波在其《知识交易及其定价研究》一文中提到了一个模型, 此模型根据知识的抽象程度将知识进行一个连续的分类。这个模型具体内容如下:
令α, α∈ (0, 1) 为知识抽象度参数, α=1的知识为极度抽象知识, 表示人们完全看不到该知识的具体应用价值, 令β, β∈ (0, 1) 为知识实用度参数, β=1的知识为极度实用、具有确定而唯一的使用价值的知识 (具有确定而唯一的使用价值) , 对于任何一件知识i, 有下列等式成立αi+βi=1, 人类全部知识分布在图1的线段AB中[9]。
这个模型抽象度和实用度将知识进行连续排列, 在此称此模型为“抽象度-实用度模型”。虽然此模型在表述过程中强调了抽象度的重要性, 但同时也提到了实用度, 与知识交易视角下对知识分类的标准“知识是否有用”相一致。可以通过借鉴和改进这个模型来构建知识交易视角下的知识分类模型。
分析这个模型, 发现照搬这个模型作为知识交易视角下的知识分类模型有一些不合理之处。
(1) 原模型中抽象度和实用度本本身是一个表示程度的相对量, 而不是一个绝对量, 抽象度和实用度需要通过其它绝对量求出, 这样对进行知识分类不够直观。
解决这个问题的方法是用知识的抽象值和实用值替代抽象度和实用度来作知识分类的维度。知识的抽象值和实用值表示一个知识的抽象程度和实用程度究竟是多少, 知识的抽象度和实用度表示一个知识的抽象值和实用值的比例关系, 是对抽象值和实用值标准化的结果。
设A (A>0) 为知识的抽象度绝对值, 而B (B>0) 为知识的实用度绝对值, 则原模型中
(2) 原模型的形式不符合一般的数学坐标形式, 不利于理解。
模型一般应该采用笛卡尔直角坐标系, 在此模型中可以用x轴来表示实用值, y轴来表示抽象值。比原模型中有两个纵轴、一个横轴的坐标形式更容易理解。
将经过改进之后模型命名为“知识抽象-实用模型”, 如图2所示。
知识抽象-实用模型中, 纵轴表示抽象值A, 横轴表示实用值B。原模型未对“抽象度”和“实用度”进行详细解释, 现对知识抽象-实用模型中的变量进行解释。
“实用值”是人们主观能够体会到的知识的实用的程度, 而不是知识客观上的实用程度;“抽象值”也人们主观能够体会到的知识的抽象程度, 而不是知识客观上的抽象程度。知识的实用值和抽象值只能通过人主观地体会, 无法衡量知识客观上的实用程度和抽象程度。
接下来产生了两个问题, 即抽象值和实用值的大小如何来衡量、单位应该是什么。知识抽象值和实用值的大小的衡量可以采用多个人对一组知识的实用程度和抽象程度的排列, 然后求取平均值的方法来求得。当然知识的抽象值大小会与来参加评价知识的人的学识的多少、感受的强弱程度有关。如何才能使更科学地衡量知识的抽象值和实用值的大小, 应该是下一阶段研究的问题。知识抽象值和实用值的单位应该是什么, 现有的知识相关研究中也未曾提及, 但这个单位是什么不是非常重要, 在这里也不做讨论, 也可以是下一阶段深入讨论的一个问题。
现在先回到知识抽象———实用模型本身来讨论。任何一个知识i都可以在知识抽象———实用模型中的AOB平面找到一个对应的点K。由图2可知, 点K的纵横坐标分别是知识i的抽象值Ai和实用值是Bi;而直线A+B=1与OK射线的交点的纵横坐标分别表示知识i的抽象度αt和实用度βi。
(3) 原模型中性质完全不同的知识可能会重叠在一个点上。
假设有这样两种知识。知识一的抽象程度和实用程度都比较低, 知识二是的抽象程度和实用程度都比较高。对于知识一本身来说, 其抽象程度和实用程度基本一样, 因此知识一的抽象度和实用度均为0.5;同样对知识二本身来说, 其抽象程度和实用程度也基本一样, 因此知识二的抽象度和实用度也均为0.5。在图1中这两个点都会位于O点, 但明显地, 知识一没有太大的实用价值, 是不适合交易的知识, 而知识二是实用程度高的知识, 是适合交易的知识。
如果用知识的抽象值和实用值来作为知识分类的维度, 已经解决了这个问题。在图2中知识一可能会位于K1的位置, 而知识二会位于K2的位置。实用程度不同的知识不会在改进后的模型中出现重叠的现象。
知识抽象-实用模型中, AOB平面中的每一个点表示相同抽象值、实用值、抽象度、实用度的一些知识。AOB平面中每个角度的OK射线表示一组抽象度、实用度相同的知识, 离原点O越远, 抽象值和实用值越大。
(4) 原模型中的AB线段上的点与知识不是一一对应的。
已经知道图1中AB线段上的点对应的不止一个知识, 甚至不止一类知识。
改用知识的抽象值和实用值作分类维度之后, 这个问题得到了部分解决。在图2的模型中, 一个点已经对应了一类知识, 即相同抽象值、实用值、抽象度、实用度的一类知识, 比原模型要好一些。
但如果想让知识和模型中的点一一对应起来, 需要在知识抽象———实用模型这个二维模型中增加另外一个维———知识的序数, 使之成为三维模型。但知识并非实体产品, 难以计数, 所以增设知识序数维意义不大。因此只要在抽象-实用模型中明确指出AB线段中的每一个点都代表了一些知识, 而不是一个知识即可。
(5) 原模型认为β=1的知识为极度实用、具有确定而唯一的使用价值的知识。但笔者认为β=1的B点已经不是知识了, 而是实体产品或服务了, 因为在B点已经完全不具有抽象度, 只具有实用度。
对原模型的不合理之处一一进行改进之后, 形成了较为合理的知识抽象———实用模型, 如图1所示。
4 知识交易视角下的知识分类
知识抽象———实用模型中可以看到:左上部分的知识的实用度较小、抽象度较大;右下部分是实用度较大、抽象度较小;左边部分的知识的显式使用价值较低, 右边部分的知识的显式使用价值较高。
在模型中添加临界射线OK0, 作为实用度较高和较低的知识的分界线;添加射线B=B0, 作为实用值较高与较低知识的分界线。
图3将包括人类所有知识的AOB平面被OK0射线和射线B=B0分成了四个部分, 从上到下、从左到右编号为Ⅰ、Ⅱ、Ⅲ、Ⅳ, 分别代表四类不同的知识。
Ⅰ区实用度较低、实用值也较低的知识。这类知识的抽象值要比实用值高, 实用值较小, 甚至人们几乎不能用它来解决任何实际问题。这类知识几乎没有交易的可能, 这类知识靠知识的拥有者主动地无偿地传播给别人。如宗教知识的显式使用价值不高, 抽象度较高, 就属于这类, 宗教知识靠传教士等信仰宗教、拥有宗教知识的人去传播, 一般不会有人去购买这类知识。
Ⅱ区是实用度较低、但实用值较高的知识。实用度是实用值和抽象值的比例关系, 实用度低、实用值高这两个特征并不矛盾。如哲学、数学、逻辑等, 这些知识比较抽象, 但人们也都知道这些知识是有实用价值的, 可是这些知识却也不能直接拿来解决什么问题。这种知识的传播主要靠课堂讲授, 知识的接受者通过课堂了解了这些知识后仍需较长时间的领会的过程, 有的人可以通过较长的时间将这些知识用于实践, 有的人在较长时期内也只明白相关理论, 无法将这些知识用于实际问题的解决中。课堂讲授不是知识交易, 学费购买的只是教师讲授课程、管理课堂等的能力, 而不是知识。学生并没有支付知识的价格, 也没有能够拿来课堂上的知识直接去解决什么实际问题。
Ⅲ区是实用度较高、实用值较低的知识。实用度是实用值和抽象值的比例关系, 实用度高和实用值低这两种情况也是可能同时出现的。这类知识几乎没有什么抽象性, 实用值比抽象值高, 但实用值也小, 不值得交易。如如何才能把地扫得更干净的知识, 有实用性, 但价值较低, 一般没有人去购买这类知识, 这类知识一般靠口口相传。
Ⅳ区是实用度和实用值都较高的知识。这类知识实用性很强, 能够解决人们难以解决的、对人们很重要的问题, 人们如果获得这样的知识会感到有很大的效用。这类知识也有抽象值, 但抽象值并不妨碍人们去使用这种知识去解决问题。如管理软件、装修图纸、企业管理方法都是有抽象程度的, 但更重要的是可以拿来直接去用、去解决问题。这类知识是有巨大的市场需求的, 是可以交易的。
对这四类知识的总结如下, 如表1所示。
通过知识抽象———实用模型对知识分类, 发现实用度和实用值都较高的知识才是适合于交易的, 可以用“实践性知识”一词来描述这类知识。“实践性知识”一词来源于Towers、Lux、Ray对知识的分类, 实践性的知识 (Praxiological Knowledge) 是对现象或事件采取合宜行动、实践的知识, 此种知识用以追求有效的应用行动, 医疗、新闻、工程、设计和教育等知识即属之, 技职教育所探讨传授的知识即属于实践性的知识[10]。虽然Towers等人对知识的分类标准不是知识交易视角、分类目的也不是知识交易的研究、分类的结果也与知识抽象-实用模型下的分类不同, 但实践性知识的含义与此处的“实用度高且实用值高的知识”非常接近。
在知识抽象-实用模型对知识分类的过程中发现, 实用值指的人们主观能够体会到的知识的实用价值, 知识客观上的实用价值是无法衡量的。因此从知识交易视角来看, 知识是会发展的。人们知识的认识逐步加深, 实用值会越来越大, 抽象值越来越小, 因此实用度也会越来越大。实用值越来越大, 意味着知识向右方发展;实用度越来越大, 意味着知识向右下方发展, 如图3所示。
知识发展的实践也证明了这一点。如物理、化学这些今天看上去实用度很高的知识, 在它们刚刚被发现的时候, 人们还不能意识到这些知识的实用价值, 那个时候物理、化学知识还处于图3中的Ⅰ区, 传播方式是知识的拥有者无偿地传播给别人。如明清时期, 传教士为中国带来了很多西方科学文化知识, 因为那时人们并没有意识到这些知识的实用性, 而现在这些知识已经生产生活中必不可少的知识。同样, 今天人们认为是没有什么用的知识, 可能到若干年后才知道这些知识也是有实用价值的。
知识的实用度由小到大发展、实用值由低向高发展, 在知识抽象-实用模型中体现为向右下方发展。
5 结论
(1) 知识抽象———实用模型下, 把知识分成四类, 其中实用度高、实用值也高的实践性知识是适合交易的知识, 应该是知识交易研究的对象。
(2) 知识抽象———实用模型表明, 知识的发展方向是由抽象到实用、实用值由小到大;
(3) 对此模型可以进一步深入研究的问题有:知识的实用值和抽象值的单位和大小应该如何确定;如何去确定OK0射线的斜率;B0的值应该如何确定。
参考文献
[1]ZACK M.Managing Codified Knowledge[J].Sloan Management Review, 1999, 40 (4) :45-58
[2]FAHEY L, PRUSAK L.The Eleven Deadliest Sins of Knowledge Management[J].California Management Review, 1998, 40 (3) :265-276
[3]BENDER S, FISH A.The Transfer of Knowledge and the Retention of Expertise:the Continuing Need for Global Assignments[J].Journal of Knowledge Management, 2000, 4 (2) :125-137
[4]NONAKA I.A Dynamic Theory of Organizational Knowledge Creation[J].Organization Science, 1994, 5 (1) :14-37
[5]DAVENPORT, T H, PRUSAK L.Working Knowledge:How Organizations Manage What They Know[M].Boston, MA:Harvard Business School Press, 1998:231
[6]张余.知识分类新探[J].图书馆论坛, 2006, 26 (6) :175-177
[7]陈洪澜.论知识分类的十大方式[J].科学学研究, 2007, 25 (1) :26-31
[8]ROMER P M.Endogenous Technological Change[J].Journal of Political Economy, 1990, 98 (5) :74-102
[9]周波.知识交易及其定价研究[D].复旦大学博士学位论文, 2006:45
分类督导员上门宣传分类知识 篇5
南湖半岛花园小区废物分类作业的顺利展开，除了居委会、大街办事处等作业人员的劳绩外，还少不了两个关键人物—同和街废物分类督导员刘安娜和物业清洗主管陈迎芳。
在展开废物分类之初，刘安娜和大街、居委的作业人员一同，在小区许多显眼的当地都张贴了宣扬海报。她还上门向居民派发废物分类指引和宣扬单张，派发分类废物桶和废物袋，培育他们的分类认识。
除了宣扬，刘安娜还和居委会作业人员一同在小区里安排废物分类游戏，规划了废物分类问答、模拟废物分类投进等游戏，参加的居民都可取得奖赏。此外，居委会的游园活动也参加废物分类元素，一年至少4次的大型游园活动都有废物分类常识竞赛等环节，经过这种方法吸引居民尤其是小朋友参加，带动整个小区废物分类的氛围。
除了分类督导员的耐性指导，一线的物业清洗人员在推动废物分类作业之初使命愈加艰巨。在采纳何种投进形式的问题上，小区物业公司清洗主管陈迎芳和物业司理商议后，顶住压力吊销了每层楼楼道里的废物桶，将废物桶设在每栋楼的地下车库里。
没了废物桶，部分居民并不理解和支持，甚至有居民激烈对立。“你们撤了废物桶我就把废物扔到游水池里去。”曾有住户对陈迎芳说了这样一句话。为了消除居民的怨气，压服他们参加到废物分类中来，陈迎芳曾到该住户家中与其交流数小时，许诺将把节省下来的清洗力量投入到小区其他方面。
尔后，陈迎芳努力实现她的许诺。曾经环卫工人需到每层楼收运废物，如今定点投进后，环卫工人尽管要进行二次分拣，但花的时刻反而少了。她把小区保洁力量投入到其他当地，让小区全体环境愈加洁净整齐。平常她还随身携带火钳和抹布，不断地在小区巡查，看到有废物就会捡起来，看到废物桶上有脏东西就会擦洁净。
在陈迎芳和搭档们的努力下，小区的环境更好了。居民们看到吊销废物桶、展开废物分类能让居住环境变好，也就理解了陈迎芳的作业，并活跃合作进行分类。
陈迎芳通知记者，她从2002年开端做清洗方面的作业，从一名普通员工到清洗主管，在这个岗位上现已作业了12年。
陈迎芳很喜欢研讨废物分类的作业方法。她常常与大街进行交流，而且多次到万科蓝山等其他废物分类做得好的小区进行学习。她通知记者，她预备在不一样的小区实行不一样的废物投进方法。南湖半岛花园由于楼多人多，能够采纳守时定点投进形式；而在别墅区，她预备测验“废物不落地”的投进形式。
知识的分类 篇6
一、知识及其分类
现代认知心理学认为，知识是个体与环境相互作用后获得的信息及其组织，储存在个体内的是个体的知识；储存在个体外的是人类的知识。据此，把知识分为两类：陈述性知识和程序性知识。
陈述性知识是个人能够有意识地去提取线索，能够用言语直接陈述的知识，是关于世界是什么的知识，是一种静态的知识。程序性知识是个人没有提取线索，只能借助于某种方式间接推测其存在的知识，是回答“怎么办”“如何做”的知识，是一种动态的知识。两种知识在本质上都是概念和规则，在测量、表征、激活和提取、遗忘方面存在着明显区别。但两者并不是各自独立、截然分开的，它们是互为条件、互相促进的。
思想品德课程涉及到大量的概念、原理、观点、事实等，它们属于陈述性知识；行为习惯、各种能力（包括参与社会的能力、与他人沟通的能力、辨别是非的能力、自我调适控制的能力、独立思考质疑反思的能力、寻求法律保护的能力）及情感态度价值观的形成等则属于程序性知识。在实施教学的过程中，对不同类型的知识，应采用不同的学习方法和教学方式，以更好地完成学习任务，达成教学目标。
二、陈述性知识的教与学
思想品德课中的陈述性知识，不需要学生花大量时间去探究，但要求学生进行识记和理解。在教学中，应在对知识精加工和组织的基础上，以教师讲授为主，引导学生理解并掌握。
1．对知识进行精加工
所谓知识的精加工，是指增加、补充某些内容使材料组织得更好。具体做法是释义、写概要、创造类比、用自己的观点写出注释、自问自答等。通过对所学习知识的精加工，能帮助学生对知识产生更好的联想与回忆，有利于学生更好地记忆相关的知识点。
例如，九年级“我们的共同理想”这一单元涉及“全面小康目标”概念，教师可以从小康生活的最早提出、当时的涵义、历史上人民对小康生活的向往，“小康”作为我国发展目标的提出和不断完善的过程，全面小康在政治、经济、社会、文化、环境领域的具体表现等方面的知识加以扩展和充实，并让学生将联合国对居民生活水平的规定和我国全面小康目标的指标、人民现在的生活水平进行比较，据此对全面小康生活展开想象，描绘全面小康的宏伟蓝图，畅谈自己的感想。这种对全面小康目标的精加工，使学生既对这一概念形成了深刻的印象，又能意识到自身所肩负的实现民族伟大复兴使命的艰巨性。
实施知识的精加工，要求教师事先准备充分的材料，也可发动学生搜集资料；在教学时，教师要对材料进行筛选和组织，切忌偏离主题。
2．对知识进行组织
知识的组织是指将分散孤立的知识组合成一个整体来记忆。具体做法有生成原则、主题词系统、分层提取原则等。这样做有助于学生区分一些容易混淆的概念，在不同的条件下做出正确的判断。
在教学法律基础知识时，教师采用生成性原则能够取得更理想的教学效果。例如，在讲授八年级下册第四课“肖像和姓名的权利”时，关于盗用和冒用公民姓名的侵权行为，教师准备了两个相应的案例，以时间为线索，以讲故事为形式将概念串起来。由盗用他人姓名过渡到冒用他人姓名，其中主人公保持不变，但其身份由受害者向侵权者发生转变，最终酿下苦果。通过这一事例，使学生认识到：盗用和冒用公民姓名权都是侵害公民姓名权的行为，两者既有联系又有区别：前者的侵权人是用他人的名义实施某种活动，不妄称自己就是某人。后者的侵权人妄称自己就是某人，侵权人完全以姓名权人的身份从事活动。在讲故事时，若经学生同意，也可以学生的名字来命名故事中的人物，更能激发学生参与和讨论的热情。在整个过程中学生听得认真，看得专注，说得热烈，记得深刻。在师生互动、学生参与及课堂氛围等方面都收到了很好的效果。
值得注意的是，教师在组织各个知识点时，要贴近社会、贴近学生生活和认知实际。
三、程序性知识的教与学
在思想品德课程序性知识的教学中，要求学生针对具体情况，能够正确地采取某种措施或做出合理的行为，对各种社会现象能表明自己的立场。这种知识只能通过学生的亲身参与、行动或实践，在体验中不断积累，才能真正内化为学生的能力。对此，教师可采用情境模拟、角色扮演、实践性作业等策略进行教学。
1．情境模拟
教师可设置变化的情境，促使学生关注并采取正确措施。经过多次练习，使学生的相关能力在一系列不同问题的形式或情境中得到深化。
教学九年级《实施可持续发展战略》一课时，在讲授了我国资源问题形势严峻、解决资源问题的基本战略后，教师可提出一个问题：“中学生应怎样为解决资源问题作贡献？”教师可设置多个情境，并结合《历史与社会》教材中的相关内容，从不同角度让学生进行讨论：可以从立场态度、资源知识的宣传普及、家庭生活、学校学习、社会公共生活等入手，也可选择学生熟悉并经常接触到的生活细节，如水、电、土地、生物等进行。如此，理论联系实际，使学生懂得解决资源问题可以从我做起、从小事做起，每个公民都应做出力所能及的贡献的道理。
2．角色扮演
在课堂教学中，让学生根据故事或事件的情节，扮演各种社会角色，领会各种社会角色的责任，体验相应角色的感受，练习“承担”相应角色的义务，学习承担一定社会角色所应有的态度和所需的能力。
例如，讲授九年级《信守承诺、勇担过错》一课时，笔者参与到角色扮演中，凭借教师事先的预设、自身丰富的阅历、成熟的经验，反客为主扮演学生一方，而让学生扮演经理。经过一番演绎，不着痕迹地把学生引领到预设的教学目标上，取得了意想不到的效果。角色扮演可以使学生身临其境，明是非，辨美丑，受到道德情感的熏陶；同时，学生的主体地位也得以凸显。角色扮演适用的范围比较广阔，不同年级、不同教学内容皆可运用，是初中思想品德课程序性知识学习的一条有效途径。
在实施角色扮演时，教师只有创设合适且有效的情境，营造良好的课堂氛围，牢牢把握课堂中出现的生成性资源，对学生适时启发引导，才能取得良好效果。
3．实践性作业
“实践出真知。”道德知识最终需要得到实践的检验，而作业就是一条重要的途径。通过布置一些实践性的作业，既能检查学生掌握运用理论分析问题、解决问题的能力，又能衡量、培养、提高学生的实际行为能力和操作能力。实践性作业包括资料收集、家务劳动、社会实践、家庭小实验等。
在讲授七年级下册《告别依赖，学会自立》一课时，教学的能力目标要求学生学会运用自立的正确方法，初步形成管理自己学习和生活的能力。要达到这一要求，仅靠课堂上理论的认知、情感的体悟是不够的，教师可通过布置操作性作业——“我当一天家”，让学生去体会和感悟。该作业要求学生在规定的金额下，独立完成四菜一汤的烹调任务，同时要求学生记录整个过程及感悟，并请家长就学生的当家表现和作业本身写下评语。该作业经过多次实践，每届学生都感到收获颇丰，而且颇受家长的好评，真正实现了知行结合，互相促进。
实践性作业布置后，作业的反馈非常重要。教师要对总体情况、收获和不足等加以分析、点评和总结。同时，在作业过程中，教师应及时加以指导，及时解决出现的问题。
（作者单位：宁波市李兴贵中学 浙江宁波 315000）
基于知识的人力资源分类与策略 篇7
知识是人们在改造世界的实践中所获得的认识和经验的总和。
知识分为显性知识和隐性知识两大类。显性知识是指可以文件化、标准化、系统化的知识;隐性知识包括无法用文字描述的经验式知识、不容易文件化与标准化的独特性知识, 以及必须经由人际互动才能产生共识的组织知识。显性知识可以用各种语言形式表达出来, 易于在个体之间共享与交流, 也很容易在不同组织之间流传, 这就使得组织很难凭借外显知识来培育自身的核心竞争力。而隐性知识因为其难以复制性与易增值性, 受到越来越多组织的重视, 并成为构成组织核心能力的知识库 (Knowledge Base) 的主体。
2 基于知识的人力资源分类
战略人力资源管理要求人力资源策略应与组织战略相一致, 组织战略的正确制定和实施, 可以促成组织目标的实现。但在组织内部, 不同的人力资源是以不同的类型而存在的, 而且各自对组织战略的贡献和作用是不同, 为了使得以不同类型而存在的人力资源各自发挥作用, 应该对其采取不同的人力资源策略。
美国管理学家D.Lepak和S.Snell (2002) 从工作特性以及雇佣模式的角度对人力资源策略类型进行了划分。在D.Lepak和S.Snell的模型中, 作者主要从工作本身的独特性和价值性两个维度出发来划分人力资源类型, 但是这忽视了即使是工作, 它也必须是和工作的主体结合在一起的, 单纯地讨论工作的性质, 而不将工作主体———人, 纳入考虑的范围, 是不合适的。
由于工作本身的特点是由于从事该项工作的主体所主要依靠的知识的不同而不同, 在一定情况下, 所采用知识的性质就反映了该种人力资源的独特性特征。当主要采用显性知识时, 由于这种知识是较容易传递的, 因此获得这种知识的人数就相应较多, 所以就能够在雇佣市场上较容易地获得;相反, 当雇佣对象主要采用隐性知识时, 由于隐性知识的不易传递性, 导致只有很少的人能掌握这种知识, 甚至在某些情况下, 只有当事人一个人具备这种知识, 所以在雇佣市场上也就比较难获得这种人力资源了。因此, 我们可以将D.Lepak和S.Snell两位教授的模型从知识的角度重新加以诠释。在我们的模型中, 将工作的价值既对实现组织目标的重要程度考虑在内, 同时也将人的因素即人在工作时所依赖的知识性质作为一个指标, 这样就能更好地认识人力资源类型间的不同。
因此, 从知识的性质和工作贡献的角度来分析, 企业内部的人力资源可以分为四类: (1) 主要运用显性知识———工作价值高的义务性人力资源; (2) 主要运用显性知识———工作价值低的辅助性人力资源; (3) 主要运用隐性知识———工作价值高的核心人力资源; (4) 主要运用隐性知识———工作价值低的独特性人力资源;
如下图所示。
3 基于知识的人力资源策略
针对不同的人力资源类型, 组织应该采取不同的人力资源策略。总体而言, 当雇佣对象的工作主要依靠的是显性知识, 其工作范围容易确定, 替代性也强, 那么就倾向于采取针对工作本身的管理模式;而当雇佣对象的工作主要依靠的是隐性知识, 其工作范围难以确定, 而且替代性较低, 那么就倾向于采取针对工作主体的管理模式。具体如下表所示。
具体而言: (1) 当某种人力资源是属于显性知识———低价值的时候, 那么组织可以采取无论是物质方面和精神方面都需要较低投入的基于命令———服从的人力资源策略; (2) 当某种人力资源是属于显性知识———高价值的时候, 那么组织可以采取精神方面投入较低, 但物质方面投入较高的基于生产力的人力资源策略; (3) 当某种人力资源是属于隐性知识———低价值的时候, 那么组织可以采取物质方面投入较低, 但精神方面投入较高的基于合作的人力资源策略; (4) 当某种人力资源是属于隐性知识———高价值的时候, 那么组织可以采取无论是物质方面还是精神方面都投入较高的基于信任、长期承诺的人力资源策略。
参考文献
[1]王广宁.知识管理——冲击与改进战略研究[M].北京:清华大学出版社, 2004.
[2]王素珍, 刘戈衡.知识经济时代的创新与管理[J].商业研究, 2001, 234 (10) .
基于本体的分类知识管理方法研究 篇8
知识分类就是按照一定的规则将知识进行分类, 最终将知识组织成为树形结构, 这样的知识管理方式具有很好的组织结构, 可以实现知识的快速检索和利用。但是对于分类知识如何管理却没有很好的方法来解决。传统的分类知识管理主要是通过数据库或者文本文档来实现, 采用这些方法只能简单表示分类知识的层次关系, 因为它不能够有效的表示知识的属性以及知识之间的关系。本文采用基于本体的方法来管理分类知识, 采用OWL文档来存放本体表示的分类知识。
1. 基于本体的分类知识表示模型
本体 (Ontology) 是共享概念模型的明确的形式化规范说明[1]。它是一个规范的、已经得到公认的描述。它包含词表 (或称名称表、术语表) , 词表中的术语是与某一学科领域相关的, 词表中的逻辑声明用来描述那些术语的含义和术语间的关系 (它们是怎样和其他术语相关联的) [2]。
通过定义可以看出, 本体通过对概念模型的共享和统一的形式化定义后:一方面保证了知识通过模型化后, 在传递和共享过程中知识理解的唯一性和精确性;另外, 通过使用逻辑声明来表示知识之间的层次与约束关系。如图1所示的就是一个动物分类知识的本体表示方式, 其中动物分为哺乳动物和鱼类, 哺乳动物包括狗和猪, 二者都有脊椎这一属性;鱼类包括鲨鱼和带鱼, 二者都有生活在水中这一属性。
基于本体的分类知识管理的存储形式为OWL文档, OWL (Web Ontology Language) 是W3C开发的一种本体语言, 用于对本体进行语义描述。由于OWL是针对各方面的需求在DAML+0IL的基础上改进而开发的, 所以一方面要保持对DAML+0IL/RDFS的兼容性, 另一方面又要保证更加强大的语义表达能力, 同时还要保证描述逻辑 (DL, Description Logic) 的可判定推理, 因此, W3C的设计人员针对各类特征的需求制定了三种相应的OWL的子语言, 即OWL Lite、OWL DL和OWL Full, 而且各子语言的表达能力递增[3]。
在基于本体的知识分类表示过程中, 首先需要对知识资源进行面向对象的抽象, 抽取出对象/概念以及他们之间的关系, 然后遵循OWL的语法要求, 建立对应的抽象类 (包括概念、属性、关系等) , 并将这些类和实例存放在一个OWL文档中[4]。
2. 基于本体的分类知识管理
基于本体的分类知识管理主要通过:分类知识的存储、检索、展示和修改四个方面来分别介绍。
2.1 分类知识的存储
分类知识的本体表示采用OWL文档进行存储, 我们使用的知识分类方法为百科知识分类法, 将全部知识共分为55个大的类别, 分别代表不同领域的知识。55个分类知识对应55个OWL文档, 然后再在不同层次的知识上根据需要分别建立相应的OWL文档, 并且对OWL建立索引, 实现知识的检索利用。
2.2 分类知识的检索
分类知识的检索利用开源检索工具Lucene来实现, 上面所述的OWL文档索引也通过Lucene来建立的。Lucene提供了完整的查询引擎和索引引擎, 部分文本分析引擎 (英文与德文两种西方语言) [5]。Lucene的目的是为软件开发人员提供一个简单易用的工具包, 以方便的在目标系统中实现全文检索的功能。由于Lucene不支持中文文本分析, 不能实现中文的分析检索。我们对Lucene进行了部分改进使其可以满足我们对OWL文档检索的要求。
2.3 分类知识的展示
分类知识的展示通过下面三种形式来实现, 包括树形列表、类和实例关系图以及属性框架三个部分[6]。
2.3.1 树形列表
树形列表主要反映分类知识之间的层次关系, 如图2所示主要有类与类之间的层次关系和类与实例之间的层次关系。
2.3.2 关系图
关系图反映分类知识之间的所有关系, 包括层次关系、包含关系、互斥关系等。通过动态关系图使得类和实例之间的关系更加直观, 更加形象。如图3所示为军事科学这一分类知识的关系图。
2.3.3 属性框架
属性框架用来描述一个具体类或者实例的属性及其属性值。这里所说的属性是指对类或者实例某些方面特性的描述。如4所示就是军事科学这个类的属性和属性值, 它的属性有3个分别是定义、任务和性质, 通过这3个属性的描述, 使我们对军事科学这个类有更准确的认识。
2.4 分类知识的编辑和修改
由于分类知识采用OWL文档来存储, 而且完全遵循OWL的语法规则。因此对于知识分类的编辑和修改可以使用protege4来进行。
3. 总结与展望
基于本体的分类知识管理方法可以很好的实现分类知识的关系以及知识属性的表示, 同时将知识存入OWL文档中实现了知识的快速检索、传递和修改。同时由于分类知识管理支持OWL DL语言, 下一步我们将研究实现知识的推理。
摘要：目前的知识组织形式多是通过知识分类的方式来实现的, 但是对于分类知识如何管理却没有很好的方法。本文提出的基于本体的分类知识管理方法, 通过本体来表示分类知识, 使得分类知识之间的关系以及知识的属性能够完整的表示出来。同时将本体的表示的分类知识利用OWL文档进行存储, 实现了分类知识的快速检索利用和编辑修改。
关键词：分类知识,本体,管理方法,检索
参考文献
[1]Gruber, T.R., A Translation Approach to Portable OntologySpecifications[J].Knowledge Acquisition, 1993, 5 (2) :199-220
[2]刘柏嵩, 基于本体的知识管理关键技术研究[J], 情报学报, 2005, 24 (1) :75-81
[3]McGuinness, D.L.and van Harmelen, F.OWL Web OntologyLanguage[C], W3C Recommendation 10 February 2004
[4]A.Aldea et al., An Ontology-Based Knowledge ManagementPlatform[J], Computer, 2002, 35 (11) :56-59
[5]U.Shah, T.Finin, A.Joshi, R.S.Cost, and J.Mayfield.InformationRetrieval on the Semantic Web[C], In 10th rnational Conference onInformation and Knowledge Management, ACM Press, 2003
知识的分类 篇9
随着我国经济的飞速发展, 社会保障制度的不断完善, 人民大众的整体生活水平正逐渐稳步提高。根据马斯洛的需求层次理论来看, 在最基本的物质生活得到提升并达到满足的同时, 人们将开始寻求更高层次的需要。其中, 健康保障是一切需要的基础, 只有拥有健康, 才能有足够的精力和时间工作、学习, 因此大众健身成为人们所密切关注的问题。1995年6月20日国务院颁布实施了《全民健身计划纲要》, 这一具有历史意义的政策旨在更好地加强群众性体育活动, 增强人民身体素质, 提高生活质量。
《全民健身计划纲要》和《全民健身计划 (2011-2015) 》的不断实施推进, 更多的人加入到体育锻炼这一有效安全的健身方式中。然而, 如何正确的应用健身知识、规划合理的健身过程、达到最大的健身效果成为众多体育健身者急需要了解和解决的共识。因此, 加大健身知识的科普推广与应用, 才能从最初确保健身的合理有效。
2、“健”“身”的内涵
健身, 顾名思义即是健康的身体, 从字面上理解是指通过运用一定的手段和方法促使身体达到健康状态。然而, 就“健”和“身”分别理解, 却有着更深层次的含义。健, 是健康。根据世界卫生组织给健康下的定义可以看出:健康包括身体健康、心理健康和良好的社会适应能力。对于“身”的理解, 则是由外在的躯体和内在的思想、心理所组成。所以, “健身”不仅仅是对身体健身, 还应有心理健身和良好社会适应能力的健身。
3、科普健身知识的必要性
科学知识是进行科学研究、社会实践以及认识事物、解决问题的途径和基本手段, 是人们揭示客观世界奥秘、获得新知识和探索真理的工具。在健身已经上升为全民参与的今天, 基本知识的普及尤为重要。健身者只有对健身基本知识不断地学习和强化, 才能由量的积累引起质的飞跃。同时, 对健身知识的科学普及还能让更多的人了解健身是什么, 为什么要健身、健身有什么益处, 从而自觉积极的加入到健身的行列。
3.1、选择科学的健身方法
基本知识的掌握首先为正确的运用奠定了基础, 知其然也要知其所以然。科学合理的将所学到的知识运用到健身中, 选择出科学的方法已经是成功的一半。例如, 多数女性的健身目的是通过运动消耗多余的脂肪, 以达到减肥的效果, 这就需要运用到健身中的运动生理学知识。但方法是因人而异的, 同样的方法应用到不同的人, 结果必然不尽相同, 知识不仅仅是知道了解, 还需要和自身的实际情况相结合。所以, 科普知识的首要益处是告诉健身者如何选择适合自己的健身方法, 做到正确、科学、合理的运用。
3.2、计划合理的健身过程
计划不是对已经形成的事实和状况的描述, 而是在行动之前对行动的任务、目标、方法、措施所作出的预见性确认。[2]预见性、针对性、可行性是制定合理健身的关键。即选择科学的健身方法之后, 必须要制定出一套针对性的健身过程, 如果计划制定过高, 在实施的过程中难免力不从心, 身心疲惫;反过来说, 计划制定过低, 虽然比较容易实现, 但却达不到预想的健身效果。健身过程主要包括强度、频率等, 每一项内容的选择都需要知识的积累和应用。计划合理的过程是整个健身的重点, 关系到健身效果的最大化。因此科普知识的推广和应用存在于健身的每一个步骤, 如果缺少其中任何一个方面, 必然导致健身过程的失败。
4、健身知识的分类构想
对健身相关知识进行系统化的归纳和整理, 不仅有利于科普工作者对知识的推广宣传, 更有助于大众对健身知识的整体把握, 科普知识应由易到难、层层深入, 使健身者快速找到自己所需要的知识, 以达到选择科学的健身方法、计划合理的健身过程等目标。就目前而言, 在科普健身知识的过程中, 国内还没有统一明确的分类标准。
国际上现在已有一个比较成熟的教育目标分类标准, 这就是美国心理学家布鲁姆等人提出的以心理结构为框架建立的教育目标体系。健身知识的分类可以借鉴这一教育目标的分类标准, 将其分为认知、情感和动作技术三大领域, 同时结合健身特点加入运动损伤这一特有的方面。
4.1、认知知识
几乎在所有的学习过程中, 知识的获取都是最重要的第一个阶段。认知知识普及的目标是让健身者获取并掌握健身的基本知识和要领。认知会促进大众进一步了解健身的作用和意义, 什么是健身、为什么要健身、健身需要注意什么, 而从对健身形成正确态度。但是, 就健身而言, 不仅仅是要告诉大众健身者纯粹的理论知识, 还应结合实践, 只有将理论知识与大众健身者的实际需求相结合, 健身者体会到知识的益处, 对健身起到良好的指导作用, 才具有现实意义。以近几年中老年十分流行的八段锦健身气功为例, 最后一式“背后七颠百病消”的动作看似简单易学, 但是从字面意思来看, 很容易让健身者理解为放松颠七次即可达到百病消除的作用, 这显然是一个误区。为什么要背后七颠、如何做到百病消除, 让大众健身者明白动作的真正含义、作用, 这才是认知知识需要普及的重点内容。
4.2、情感知识
情感是伴随人的需要满足而产生的体验, 是个体心理健康的重要内容和核心标志。情感是一种动力机制, 积极的情绪、情感能使人身心愉悦, 驱动人积极的行为, 调动人参加活动的积极性。情感的养成在一定程度下受到所学知识的影响, 并且不会轻易的改变。个人的喜好决定了人们是否主动选择学习某领域知识并运用到实际生活中。情感知识的普及推广, 是为了促使大众健身者主动获得相关知识, 掌握动作技术, 在身心愉悦的状态下, 更好地激发出健身者的运动潜能, 养成终身体育的意识, 自觉地成为生活中不可或缺的部分, 以达到长期的健身效果。因此, 情感知识的普及是决定一个人选择健身的关键。
4.3、动作技术知识
动作技术是健身的主体阶段, 对所选择的健身项目没有一定的动作技术, 就等于“纸上谈兵”, 只知道书本的理论知识却不能很好的为己所用, 科普健身知识的目的就不能很好的体现出来。其次, 动作技术知识的普及、推广应遵循由易到难、由简到繁的原则, 在健身者掌握相对较为简单知识后, 能够很好地运用, 这必然能提高健身者学习的兴趣, 调动健身的积极性, 从而有动力的选择学习之后的健身知识, 为进一步提高动作技术打下了坚实的基础。同时, 动作技术知识还应贴近大众, 选取简单易行、效果明显的健身方法, 让健身者感觉到知识的亲切感。因此, 动作技术知识是健身知识普及的重中之重。
4.4、运动损伤知识
体育运动不同于其他行为的一个明显特征, 是在健身的过程中存在着运动损伤的风险。运动损伤的出现可以分为两类:健身者自身原因和外界原因, 对于健身者而言, 参加对抗性项目的可能性相对较小, 因此, 导致运动损伤出现的外界原因很大一部分是健身器材选择不当造成的, 在这一方面应告知大众如何使用健身器材避免伤害。自身原因出现运动损伤的例子也不在少数, 例如健身者为了达到短期内健身的效果, 盲目的运动过量甚至出现锻炼成瘾的现象。剧烈运动往往会破坏人体内外运动的平衡, 加速体内某些器官的“磨损”和一些生理功能的失调, 结果导致人的生命进程缩短, 出现早衰或早逝。另外空腹晨练、营养不均衡均会使健身效果大打折扣。所以, 在健身之前一定要结合自身需要, 运用运动损伤的知识制定出适合自己的运动形式、运动频率、运动强度、运动周期等, 开出科学合理的运动处方, 并定期及时的调整。
5、科普健身知识的创新推广
将健身知识整理和撰写之后, 普及给大众需要运用科学合理的方法。目前为止, 已知的知识科普多集中在开展科普竞赛, 宣传栏张贴等简单易行的形式, 但是普及面相对小众化且效果不太明显。本文尝试将健身知识的科普与多种知识技术相结合, 不仅要让知识容易传播, 更重要的是要大众感受到健身的魅力。
5.1、运用符号理论
“文本”属于符号学的范畴, 常被应用到解释学的理论研究。符号学家让·克罗德·高认为文本是一种表达方式。科普文本是科技文本的一种变体, 它和专业科技文本的最大区别的就是词语通俗易懂, 句法简明灵活, 复杂晦湿的科技术语较少, 结构复杂的长句不多。
2008年北京奥运会, 多种体育项目符号化, 给人们留下了很深刻的印象。因此, 对于系统庞大、专业用语复杂、多种领域相结合的健身知识, 简化为大众容易接收的文本、符号, 能够让大众健身者更好地学习和运用。例如, 将一套复杂的健身方法如操类运动用简单的线条组合, 每一个动作作为一个符号衔接连贯起来, 会在一定程度上提高大众的理解度, 并提升运动兴趣和自主学习的能力。
5.2、活用3D技术
目前, 3D技术已经在电视电影领域得到了非常广泛的应用。当人们观看3D影片时会有一种和放映画面融为一体, 身临其境的感觉。健身很重要的一点就是本体感觉, 本体感觉决定了健身者对方法、强度、频率的选择, 以及健身效果是否有效。3D技术如果应用在健身知识的科普方面, 例如建立3D科普馆定时放映健身的相关知识, 讲解理论的同时结合健身项目的FLASH动画展出, 加入符号理论循序渐进科普健身知识, 能让大众在没有运动的情况下最大限度的感受到健身的益处和动作技术的魅力, 提高健身的兴趣和技能。因此, 对大众来说活用3D技术将会是一个很有吸引力的科普方式。
6、总结
在物质生活得到保障的同时, 人们逐渐追求精神层面的享受, 提高身体素质、强身健体成为人们追求的共识。大众必然需要掌握大量的知识, 才能开始良好的健身行为。科普健身知识首先需要对其进行合理科学的分类, 本文利用心理结构为框架建立的教育目标体系, 结合体育特点将科普健身知识分为认知知识、情感知识、动作技术知识以及运动损伤知识, 让大众对健身有一个全面的了解并能快速得到想要的知识。如何高效率的普及也是重中之重, 符号理论、3D技术这些看似和健身没有关系, 但如若能创新活用将提升科普健身知识的有效率。大众健身的参与离不开科普工作者的工作态度, 只有切切实实为大众服务, 才能逐步达到全民健身的理想效果。
参考文献
[1]程乐.有效提高重庆市社区科普教育活动实效的实现途径研究[D].重庆:重庆大学, 2007.
[2]周成.计划的重要性[J].管理纵横, 2010 (3) .
[3]程达.教学目标论[M].长沙:湖南教育出版社, 2000.
[4]庄永昌.关于构建健身气功科学知识普及教育目标与内容体系的研究[D].北京:北京体育大学, 2006.
[5]谭宏彦, 闫振龙等.全民健身运动新论——论健身运动中的误区[J].体育文化导刊, 2006 (3) .
知识的分类 篇10
遥远的感知, 解释为运用现代光学、电子学探测仪器, 不与目标物相接触, 从远距离把目标物的电磁波特性记录下来, 通过分析、解译揭示出目标物本身的特征、性质及其变化规律。遥感技术的特点归结起来, 主要有三点: (1) 涉猎范围广, 可以进行大范围探测, 精准高效。 (2) 高光谱、高分辨率, 可以满足大多数研究要求。 (3) 多分辨率影像结合, 从不同角度描述问题。 (4) 全天候, 高时间分辨率。 (5) 斜视、立体观测等全方位观测。遥感技术是目前国土资源调查中最常规的方法, 很多方面也是其他技术无法比拟的。
土地覆盖研究是关系全球生态建设、经济建设、民生建设的重要组成部分, 也是现阶段遥感技术研究的重点。随着科学技术的发展, 遥感技术的应用使得地表覆盖类型的研究从人工解译发展到计算机解译。遥感影像通常是通过像元的亮度值和灰度值来反应地物的空间差异。遥感影像解译是利用计算机来分析不同地类的光谱特征和空间信息, 按照一定的规则来划分影像。早期应用最多的人工解译, 工作量大, 比较耗时, 但是精度却是最高的。李英利[9]等利用XML的简洁和灵活特性, 将高分影像目视解译为乔木林、灌木林、绿化林地、人工那个幼林等十多种类型。接下来是基于光谱的计算机自动分类, 是人们根据不同的亮度值将地物进行分类, 常用于中等分辨率大范围的分类。李素[10]结合南京市的具体情况, 利用中等分辨率遥感影像, 通过混合相元分解获取亚相元尺度上土地覆盖组分丰富度图像。基于专家知识树的决策树分类, 除了可以利用光谱信息之外, 还可以结合其他遥感影像源, 比如DEM、土地规划图。Paul V.Bolstad[11]在TM数据基础上加上地质地形专题信息, 提高了土地利用分类精度。针对高分辨率影像发展的面向对象特征提取, 是利用影像分割与合并技术, 来充分利用高分辨率影像的优势。孙艳霞[12]应用均值方差法、最大面积法方法, 结合理论研究理念, 获取高分影像的最优分割尺度, 采用面向对象方法进行分类, 为高分分类可行性提供依据。地物的识别与地表的反演, 主要利用微量元素来反演, 由于肉眼无法判断某种元素含量多少, 比如地表温度、水体叶绿素、土壤重金属含量等, 可以通过不同波段繁衍出含量, 进而做变化检测。黄金国[13]等对鄱阳湖叶绿素a浓度进行反演, 得出BP网络反演模型试验精度高于统计回归构建遥感反演模型。地形信息提取, 利用光学影像可以从立体像对中提取出地形信息。本文, 主要介绍通过DEM数据和TM数据结合, 来分类山地植被, 区分陡坡和缓坡、朝南和朝北。
1. 研究区概况及图像预处理
本文选取詹姆斯敦的一小块山体作为研究区, 詹姆斯敦以山地为主, 全境只有一条街道, 山体走势明显。从USGS上下载TM影像和DEM数据, 均为30m分辨率。TM数据具备较高空间分辨率, 可以满足一般地物信息提取。王建平[14]等人用TM卫星影像反演悬浮物、CODMn、溶解氧、总磷、总氮和叶绿素浓度, 反演结果相对误差在0.25左右。本文对TM影像多光谱信息进行预处理。
辐射校正是指对由于外界因素, 数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正, 消除或改正辐射误差而引起的影像畸变的过程[1]。图像滤波是一种图像增强的一种方法, 目的是提取和突出图像空间信息, 压抑或去除无用的信息[2]。
2. 决策树规则定义
基于知识的决策树分类是基于遥感影像数据及其他空间数据, 通过专家经验总结、简单的数学统计和归纳方法等, 获得分类规则并进行遥感分类[3]。分类规则易于理解, 分类过程也符合人的认知过程, 最大的特点是利用的多源数据。规则定义有两种方法, 经验总结和样本统计。刘晓娜利用TM和Modis数据, 提取了中缅交接处的橡胶树, 并分析其生长情况[7]。吴健生运用QUEST决策树方法得出, 在地形复杂的山地地区, 针对TM影像数据, 选择基于QUEST决策树分类能够有效提高土地利用分类结果精度[8]。
根据研究区域现状, 将地表覆盖类型分为水体、裸地、无数据和背景、缓坡植被、陡坡朝南植被、陡坡朝北植被。根据遥感影像结合谷歌地球, 均匀选取影像上的水体、裸地、缓坡植被等样本, 通过分析样本光谱信息, 总结如下:根据ndvi区分植被和非植被, 当ndvi小于等于0.3时, 为非植被, 大于0.3时为植被;由于多光谱数据的第四波段, 近红外波段, 处于水体强吸收区, 用来区分水体和裸地及背景。根据研究区具体情况, 当b4大于0小于20时, 判为水体, 大于等于20时, 判为裸地;等于0时, 判为背景。结合DEM数据, 坡度大于等于20时, 为陡坡, 小于为缓坡。坡向大于90小于270时, 为朝南, 其次为朝北。决策树构建如图1所示。
3. 分类结果
按照规则, 对影像进行分类, 结果如下图2左图所示。可以明显看到, 随着山体走势, 植被的颜色变化。浅绿色为缓坡植被, 深蓝色为朝南陡坡植被, 深绿色为朝北陡坡植被。运用envi的3D查看效果, 可以旋转观察山体植被分布, 截取一部分如下图2右图所示。山体植被分布较多, 占总研究区的百分之三十以上, 陡坡朝南植被比朝北植被数量多。
4. 总结
决策树分类方法, 是基于二叉树分支的思想, 将不同的地物一层一层, 按照特性不同, 分离开来。与研究人员对地物的了解程度紧密相连, 根据不同波段的组合, 进行实验验证, 最终得出结论。本文根据ndvi大小, 比较精确的区分了山体植被的缓坡与陡坡, 朝南和朝北。并充分利用DEM的立体特性, 展示地貌的三维状况。在以后的研究中, 可以考虑结合高分数据, 综合利用多种分类方法, 来提高分类精度。也可以在分类算法和波段组合方面进行更深入的研究, 达到提高分类精度的目的。
参考文献
[1]陈趁新, 胡昌苗, 霍连志, 等.Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响[J].遥感学报, 2014, 18 (02) :320-334.
[2]周雨薇, 陈强, 孙权森, 等.结合暗通道原理和双边滤波的遥感图像增强[J].中国图象图形学报, 2014, 19 (02) :313-321.
知识的分类 篇11
一、皮亚杰关于知识分类的理论介绍
1.三类知识的涵义
根据知识的最终来源和获取方式不同，皮亚杰将知识划分为三种类型：社会或习俗知识(social／conventional knowledge)、物理知识(physical knowl—edge)和逻辑一数理知识(logico-mathematical knowl，edge)。
社会知识是社会约定俗成的知识。如一支粉笔上没有什么东西标明它必须被叫作“粉笔”：树就叫“树”而不叫其他也没有什么理由：农历八月十五是中秋节等都属于社会知识。社会知识不以人的意志为转移，由特定的文化决定。因而具有随意性。如世界上有些人庆祝中秋节，而另一些人不庆祝；在不同的语言体系中，同样的东西可以有不同的名称。正因为社会知识的随意性，儿童获得社会知识，主要靠社会传递，而不能通过自己的行动探索发现。
物理知识是事物客观存在的知识。如苹果的颜色、重量和味道，皮球的形状、质地和运动方式等。物理知识是事物客观存在的属性，它不因社会文化的不同而改变，具有不随意性。如一只红苹果。无论哪个社会或文化中的人看它都是红色的，不会因人而异。物理知识的获得主要依靠主体作用于客体，并对客体性质进行直接抽象，皮亚杰称之为“简单抽象”。如人们认识苹果的颜色、重量和味道。只要看一看、掂一掂和尝一尝等对苹果施加个别动作就可以直接获得；要认识皮球的形状、质地和运动方式，只要看一看、摸一摸、滚一滚就可以直接了解。
逻辑一数理知识则是有关事物间关系的知识，它不是某一事物自身独立存在的属性。如单一个物体，无所谓大小，要判断其大小。一定要与其他物体进行比较，离开了参照物，它所谓大小的属性就会消失：与不同的参照物进行比较，它的大小属性也会随之发生变化。再比如，对“3朵花”来说，数量3不是任何一朵花的特征，而是3朵花共同构成的一种关系。与物理知识的获得一样，逻辑一数理知识的获得也需要主体作用于客体的动作，但是不同之处在于这种动作不是个别动作，而是一系列动作。主体需要对客体施加一系列动作，并对一系列动作加以协调和抽象，皮亚杰称之为“反省抽象”。如幼儿要确定物体的数量，就需要将每一个物体与自然数列里从“1”开始的自然数之间建立起一一对应的关系，而且不能重复，也不能遗漏，数到最后一个物体所对应的数就是物体的总数。物体的总数是从具体的物体之间抽象出来的数量特征。这种数量特征不属于每一个物体，而是物体之间的一种数量关系。逻辑一数理知识不具有随意性，即“3+2=5”“交通工具比火车多”等不管在哪个文化中都是一样的。
2.三类知识之间的关系
虽然三类知识的最终来源和获取方式不同，但它们之间并非相互对立，而是相互依存、彼此交织在一起的。
社会知识是物理知识和逻辑一数理知识的语言表征。为了与他人交流，儿童必须知道在特定文化中各种事物的名称，也需要将物理知识和逻辑一数理知识用符合社会语言习惯的语言表达出来，因此，社会知识对于物理知识和逻辑一数理知识来说是重要的，它是物理知识和逻辑一数理知识在社会层面沟通与交流的必需。没有语言，心理体系就是个人的，缺少相互作用的社会调节。此外，语言也是物理知识和逻辑一数理知识的概括，它虽然不能单独解释和发展物理知识和逻辑一数理知识，但仍然是其发展的必要条件。
物理知识是建构逻辑一数理知识和社会知识的基础，同时它也为个体将来理解不可感知事物所进行的更抽象的思考打下了基础。如果儿童观察不到物体不同的特性，他就不可能建立起“不同”的关系。同样，如果儿童没有见到过一年四季树叶的变化，那么，他就不能认识落叶树和常绿树。逻辑一数理知识的获得必须依赖于一定的物理知识。如果不为幼儿提供操作的机会，幼儿就无法得知一堆物体的数量。此外，物理知识也是理解社会知识的基础。例如如果一个人是全色盲，他从未看见过各种颜色，那么，他就不会理解“五彩斑斓”的含义。
在皮亚杰看来，在三类知识中，逻辑一数理知识最为重要。因为它是物理知识和社会知识建构与发展的基础。也是智力发展的关键。如果没有逻辑一数理知识框架的帮助，儿童不可能把所观察到的事物和已具有的知识联系起来，那他就不能建构物理知识和社会知识。比如，为了表明某种鱼是红色的。儿童必须用分类法把红色和其他颜色区分开来，还要用分类法把鱼从他所知道的其他物体中区分出来，再比如要认识一个杯子是透明的，儿童需要通过与不透明的材料进行比较来识别透明。分类、比较、概括等对于物理知识的获取和增长来说都是必需的。在皮亚杰看来，物理知识的源泉“部分的”在于客体，强调“部分的”原因是在认识物理知识时，逻辑数学知识框架或分类框架是非常必要的。因此，物理知识不完全在于客体，它还受逻辑一数理知识的制约。同样，社会知识也不能只凭社会传递，或者准确地说，它也只是“部分地”依赖于社会传递。之所以说它是“部分地”依赖于社会传递，是因为它与物理知识一样，也需要数理逻辑结构来吸收和组织它的内容。虽然语言中充满了对逻辑关系的表述，目但词语仅仅是概念的名称，而不是概念本身。只有逻辑才能赋予词语以意义。比如，幼儿要掌握“六月一日是儿童节”这一知识，必须先知道一年中有几个月，每个月有多少天，才可能理解六月一日具体指哪月哪天，要真正掌握“常绿树”和“落叶树”，幼儿需要先比较落叶树和常绿树的区别，在比较、概括和分类之后才能掌握和正确使用这些词汇。因此，社会知识的掌握也需要以相应的逻辑一数理知识作为前提。在学习社会知识时，仅仅靠社会传递这个途径是不充分的，因为儿童通过成人指导的语言或教育接受有价值信息的条件是儿童对这些信息处于能理解的状态。也就是说。要接受信息，儿童必须具有一个使他能同化这些信息的结构，
这三类知识常常交织在一起。当教师在某个特定时刻观察儿童的学习行为时，很难明确地指出其
行为只包含了哪种类型的知识。换言之，教学内容中所蕴含的知识通常是三类知识类型的综合体，
二、知识分类理论对幼儿园教学的启示
1.教师应正确认识教育内容所蕴含的知识类型
如前所述，在教育活动中，教育内容所蕴含的具体知识常常是三类知识的综合体，即既包含社会知识的成分，也包含物理知识和逻辑一数理知识的成分。因此，在所有领域的教学活动中，教师的社会传递、儿童的操作探索和反省抽象等都必不可少。教师切勿将教学内容所蕴含的具体知识简单地视为社会知识，企图通过口头传授直接教给幼儿，而忽视幼儿的主体地位和主动探索。例如。在一个学习《国王生病了》的图画故事教学活动时，教师没有请幼儿讨论“国王为什么会生病?”“为什么国王按照运动计划表请其他人代替他做运动后他的病没有好而其他人却病倒了?”“为什么后来国王按照医生所开列的运动计划表进行运动后他的病就好了?”而是将教学重点放在让幼儿复述国王每天所做的运动项目上，最后教师直接将故事的核心思想“健康在于适度的运动”告诉幼儿，并让幼儿复述几遍以便记忆。在该活动中，教师将“健康在于适度的运动”作为纯粹的社会知识来加以传递的。那么，“健康在于适度运动”到底是不是纯粹的社会知识呢?仔细分析就会发现，要理解“健康在于适度运动”，幼儿必须分析不同运动量与健康的关系，即不做运动身体会生病，运动量过大或过小身体也会生病，只有适度运动才能保持身体健康。可见，“健康在于适度的运动”不仅属于社会知识，也属于逻辑一数理知识。误将很多知识都当作纯粹的社会知识来加以传递，是灌输式教学存在的重要原因。
2.教师应尽可能为幼儿提供外部操作的机会
皮亚杰的知识分类理论表明动手操作是物理知识和逻辑一数理知识获得的途径，“正规教育失败的真正原因，主要是人们从语言开始(伴随着绘图、想象或描述的动作等)，而不从真正的实际动作开始。”既然教学内容所蕴含的知识都是三类知识的综合体，那么在任何领域教学活动中，幼儿的外部操作或亲身体验都是必不可少的。因此，无论在哪个领域的教学活动中，教师都应尽可能地为幼儿提供外部身体活动的机会。例如，在认识圆柱体时，教师不能仅让幼儿通过观察来认识圆柱体的基本特征，而应为幼儿提供实物，让其在操作摆弄中感受圆柱体的基本特征。在学习故事《竹篱笆和牵牛花》时，教师可以让幼儿通过观察图片和角色扮演来体验竹篱笆和牵牛花在互相帮助前后所发生的变化及所产生的不同的心理感受，帮助幼儿理解“帮助别人就是帮助了自己”的道理。
3.教师应激发幼儿产生内在的思维活动
逻辑一数理知识的获得不仅需要主体向客体施加一系列动作并对一系列动作加以协调，而且需要主体对一系列动作所反映的关系进行抽象，后者就是幼儿内部的思维活动。由于各类知识的获得和增长都以逻辑一数理知识为基本框架，因此在各领域教学活动中，仅让幼儿动手操作都是不够的，教师还应激发幼儿内在的思维活动，引起幼儿了解动作操作的全过程、并将当前事物或事件发生的变化与已有的经验进行比较，巩固或转变已有的经验结构。分析、综合、比较、分类、抽象、概括、具体化和系统化等是幼儿的思维加工过程。仍以学习《竹篱笆和牵牛花》为例。在学习《竹篱笆和牵牛花》时，教师应将重点放在比较竹篱笆和牵牛花在互相帮助前后各自发生的变化，这种比较和归纳就是内部的思维动作。再以认识椭圆为例，教师不仅要让幼儿通过观察和触摸来了解椭圆的基本特征，而且还应让幼儿在与圆形的比较中来归纳椭圆形与圆形的共性与区别，将椭圆形的基本特征纳入幼儿已有的经验结构中去。
在教学活动中，教师如何做才能激发幼儿的思维参与呢?皮亚杰认为，幼儿能否进行反省思维，还要看其认知准备程度。当外界信息与主体现有认知结构差距过大时，主体会忽略新信息，不对其做出反应；当外界信息与主体现有认知结构差距过小时，主体会同化新信息，其认知结构不会发生质的改变：只有当外界信息与主体现有认知结构差距适中，对其造成适当干扰时，主体才会主动调整自身的认知结构以应对外界信息，在这一过程中，幼儿的认知结构才能得到发展。因此，教师教学的重点应放在激发幼儿产生认知冲突上。
4.教师激发幼儿产生认知冲突的一些策略
(1)为幼儿创设良好的同伴互动环境
皮亚杰认为，由于儿童与成人之间在知识、地位等方面具有较大的差距，儿童与成人互动时，一般会顺从成人的权威，因而难以产生认知的重新建构。他强调与具有同样知识经验的同伴互动。儿童在与同伴进行互动时，会认识到自己的想法和知识同他人的想法和知识之间的差异，产生认知的冲突。为了消除这种冲突，他们会努力将他人的思考、知识和观点同化到自己的认知结构中，由此达到新的平衡和知识的重新构造。因此，教师应充分认识同伴互动的价值，并在教学活动中为幼儿同伴互动提供充足的时间、轻松的心理氛围环境和必要的智力支持，引导幼儿同伴之间展开充分互动，
(2)充分利用“错误”这一教育资源
知识的分类 篇12
知识是现代企业的核心资源。企业在其运作过程中产生了大量的知识,知识的有效存储、高效检索和方便使用是现代企业的核心竞争力的来源。知识分类是知识存储和检索的关键技术之一,因此,企业知识分类的理论研究与实践受到了理论界和企业界的极大关注。
我国基于汉语的显性知识分类的研究经历了从可行性探讨、辅助分类系统及自动分类系统三个发展阶段。目前,我国己研制出一批辅助归类系统及自动归类系统。例如,1995年,清华大学电子工程系的吴军开发了以语料相关系数作为分类依据,字频、词频及其常用搭配为补充、人工指导的自动分类系统[1];2001年,北京大学计算机系的王爱华等利用基于信任函数的信息综合方法对多个文本分类器进行组合使用[2];2005年,南京理工大学张雪英等提出了新的中文文本表达方法,他认为文本表达过程就是抽取出表达文献主题的多个词汇(N-gram)作为文献的关键词或标引词,在这种文本表达方式的基础上,实现了一个基于粗糙集的文本自动分类系统[3]。
企业等组织机构具有大量的业务、技术、管理文档,在建立企业知识库时,这些文档知识通常按部门、按岗位和业务种类等方法进行分类[4,5],评价知识分类好坏的一个重要指标就是知识访问的方便性以及与业务系统的集成的方便性。本文讨论一种面向业务流程的企业文档知识分类方法,能方便地实现面向业务处理的知识自动推送,成为企业知识分类的一种优选方案。
1企业知识表达
知识模式可以用来描述知识管理对象中的知识语义。知识分类是一个语义匹配过程,可以通过知识模式匹配的方法实现:先确定知识类别的知识语义,将其用知识模式表达,如果要确定一个知识是否属于这一类别,同样也需要将类别的知识语义用知识模式来表达,从而将分类转化成知识模式的匹配过程。
知识模式是对分类对象的一种知识语义表达,它由一个二元组的集合组成:
KP={(m1,s1),(m2,s2),…,(mn,sn)}其中m1,m2,…,mi,…,mn为元知识,s1,s2,…,si,…,sn相应的元知识在分类对象中的权重值,根据应用需要,权重值可以为连续值,也可以为离散值。由于本研究基于粗糙集理论实现,因此,元知识的权重采用离散值。
元知识从企业的知识生产实践中抽象出来,用于表示企业知识。在显性知识的机器处理中,抽取元知识是维度约简的有效手段。一般来说,用于企业知识分类的元知识应具备以下几个特征:(1) 元知识应能高度概括某一知识类别的特征,并且这一特征为本类别的知识所共同拥有。(2) 元知识对分类特征的描述具有无二义性,即描述企业知识类别S的元知识及元知识的权重值确定后,这组元知识及元知识的权重值能且只能唯一确定企业知识类别S。
为了减少知识属性的比较次数、提高知识模式提取的速度,本文使用区分矩阵来表达知识,对知识属性进行简约计算。二进制区分矩阵则是针对区分矩阵的改进,它采用二进制的方法直接描述每个属性对论域中对象的区分情况,直接反映信息系统中蕴涵的知识。
设知识表达系统S=(U,A,V,F),其中U={u1,u2,…,uk},A={a1,a2,…,an},令
即当对象up和uq在属性aj取值相同时,对应的二进制区分矩阵的元素就为0,否则为1。
二进制区分矩阵的各行中的属性之间为析取关系,因为每行中为1的属性都可以区分该行对应的对象对。各行之间的关系为和取,因为只有同时满足各行的规则,才能不改变原属性集的分类能力。对于某两行,若(up,uq)+(ur,us)=(up,uq)则(up,uq)可以去掉。
以某软件公司的软件测试流程为例,由于该流程中涉及的知识包括项目计划、用户需求、BUG跟踪、测试方案、测试计划、集成测试、单元测试、验收等知识,知识语义可以抽象为:软件测试、方案、计划、需求等元知识。其中单元测试、集成测试,可以看成是软件测试的同义词。
对隐性知识的元知识的抽取,可以作类似处理,不同的是在目前的技术条件下机器还无法去理解人的思想,因此通过机器自动分析隐性知识的元知识非常困难,只能通过人工的方式对其进行分析,以提取出表示其知识语义的元知识。
计算元知识和分类对象之间权重的基本原理是:把企业元知识库中的每个元知识都作为空间的一个维度,把分类对象作为空间中的一个向量,分类对象向量和元知识维度之间的内积或余弦就是元知识在分类对象中的权重。
本文使用lucene的评分机制来计算权重,词项的权重通过计算词项在文档(tf)和文档集(idf)中的频率得出,规定如下:tf(i,j)为词项j在文档i中的频率,df(j)为词项j的文档频率,也即包含词项j的文档数量,idf(j)为词项j的反文档频率:log2(N/df(j))。
词项i在某个文档j中的权重通过下面的公式计算得出:
Wi,j=tf(i,j)×idf(j)
实际计算中,对tf(i,j)可以先作归一化处理,即先除以最大值。
2文本知识模式的提取
为了对企业知识进行分类,首先要分析知识语义,抽取出其知识模式。知识模式可以由领域专家根据其经验结合实际人工建立,也可以通过中文文本处理技术自动攫取,如图1所示。对隐性知识只能由领域专家指定,而显性知识则可以通过文本预处理、元知识评分等步骤自动提取。
2.1知识预处理
文本预处理的目标就是要过滤掉显性知识中的格式信息,将其转化为机器能自动处理的字节流。一般来说,程序最方便处理的就是纯文本格式,而企业的显性知识大多以Word文件、pdf格式以及网页等格式存在。以HTML格式的网页文件为例,其中包含着大量的标签信息,如<table><div><html>等,这些标签用来控制网页的显示格式,而真正能表示知识语义的只是显性知识的标题、开头、正文、结尾等,必须先对其进行处理,取出能表示知识语义的信息。考虑到元知识在文章不同部分中出现时,其权重值应有所不同,为了方便元知识权重的计算,从文本格式中提取出来的文本信息分为四部分进行存放,即:标题、摘要、正文以及结尾。
2.2建立知识索引
知识索引的建立目标就是将经过预处理的显性知识切分成一系列由特征词汇组成的文档,这些特征词在文档中以空格分开,并建立关键词到文档映射的倒排索引。使用lucene建立倒排索引基于如下原理:每个文档都可以用一系列特征词来表示,从检索目的来说,这些特征词描述了文档的内容。只要找到文档,便可以找到文档中的特征词。反过来,如果按特征词建立到文档的索引,便可以根据特征词快速地检索到相关文档。这种倒排文件的方法几乎被当前所有的商用信息检索系统所采用。
2.3知识模式提取
知识模式的提取步骤如下:
(1) 元知识评分
遍历元知识库中的每一个知识,对其进行评分。如果元知识存在同义词,则取所有同义词的加权值为元知识的最终得分。同义词在本研究中的理解为对知识语义表述没有差别的词语,而忽略同义词之间对知识语义表述的差异,因此取其加权值作为元知识的评分是合理的抽象。
(2) 元知识评分值离散化
粗糙集不能处理连续的属性值,必须要将其离散化。一般来说,最优的离散化算法应该满足下面两个条件[7]:① 离散化后的信息系统的空间维数尽量少,即离散化后的信息系统剩余的属性值个数要尽量少;② 离散化后的系统不应改变原系统中的不可辨识关系。这表示离散化后的信息丢失要尽量少。
这里采用MD (Maximal Discernibility Heuristics) 方法来离散化连续的属性值。这是一种基于布尔逻辑和粗糙集理论相结合的离散化算法,该算法可以根据给出的信息系统求出所有可能的断点集,在最终求出的任一种断点集基础上得到的新信息系统都不会改变原信息系统的不可分辨关系,而且不会引入新的冲突。但是当知识表达系统的条件属性数目多且每个属性上的属性值也多的情况下,计算代价很高。Nguyen S.H已证明连续属性的最优划分问题是NP完全问题[7]。
(3) 抽取知识模式
给定一个阈值,离散评分小于此阈值的元知识不加入知识模式,否则将此元知识和离散分值组成的二元组加入企业知识的知识模式。极限情况是没有一个元知识的离散评分大于此阈值,则表明该知识根据目前的元知识库判断并不是本企业的知识,应予以剔除。
3业务流程的知识模式提取
业务流程的知识模式提取同样也可以用领域专家人工指定,也可以通过训练集辅助推导。辅助推导基于粗糙集中的二进制区分矩阵,其基本思想是:首先由用户指定一个训练集,该训练集为企业目前已知的知识,可以是显性知识也可以是隐性知识,但前提条件是必须要将知识以知识模式表达,系统将这些知识模式用二进制区分矩阵表示,然后提取出能区分这些知识的规则,形成一系列的分类组合,由领域专家比较各种分类组合,找出最优的分类组合,然后指定这个分类组合中的规则分别用来描述那个流程,最后将这些规则转化为流程的知识模式。
使用二进制区分矩阵辅助推导可以分为如下几个步骤,即:训练集分析,二进制区分矩阵规则知识提取以及业务流程知识模式提取。业务流程的知识模式提取过程如图2所示。
3.1训练集分析
训练集分析所做的工作是要找出所有知识模式中所包含的元知识的并集,将流程的知识模式用信息表的形式表示。其基本步骤为:
指定一组知识集合U={K1,K2,…,Kn}与流程P相关联,其中K1,K2,…,Kn为用知识模式表示的知识,也即:Ki={(m1,s1),(m2,s2),…,(mp,sp)},其中m1,m2,…,mp为元知识,s1,s2,…,sp为相应的元知识在分类对象中的权重值。
从定义可知,知识集合U属于流程P这一知识类别,因此可以将知识集合U作为训练集来提取流程的知识语义,也即知识模式。训练集分析这一步所做的工作就是构造出知识集合U的信息表,如表1所示。
3.2二进制区分矩阵规则知识提取算法
设矩阵M中行为(u′r,u′s),以每行中“1”的个数将矩阵M分成m-1个区域(m为信息表中列的个数)Mi(i=1,2,…,m-1)。M1在矩阵M最上方,是每行仅含一个“1”的行的集合。依次排序,Mm-1在M的最下方,是每行含m-1个“1”的行的集合。每次生成二进制区分矩阵MI中的行(up,uq)与M中行依次比较,若(up,uq)i+(u′r,u′s)j=(u′r,u′s)j,则结束此次比较,生成MI。
设N为信息表可生成对象对(up,uq)个数。
使用二进制区分矩阵进行规则知识提取的基本步骤如下:
(1) 0→i。
(2) i++。
(3) 生成(up,uq)i//(up,uq)i表示对应MI中的第i行,但此算法并不保留MI,仅动态使用MI中的信息。
(4) 对(up,uq)i与M中(u′r,u′s)j,从上至下逐行比较。
① 若(up,uq)i +(u′r,u′s)j=(up,uq)i,则去掉(up,uq)i,并转步骤(5)。
② 若(up,uq)i+(u′r,u′s)j=(u′r,u′s)j,则去掉(u′r,u′s)j,继续与M中剩下行比较。
③ 把(up,uq)i放入M中相应区域。
(5) 若i<N则转步骤(2)。
(6) 输出M为行化简后的二进制区分矩阵。
3.3业务流程知识模式提取
约简后的二进制区分矩阵,行数缩小,于是可以采用遍历算法,从行中提取一个为1的属性,组成的元知识就能区分训练集中的知识。取出所有可能的元知识组合,用到的算法可以描述如下:想象每一行中都有一个指针,初始状态全部在每行中的第一列,第一次遍历,将每行中的指针指向第一个值为1的列,取出这些列,作为第一次遍历的结果,用下列规则开始下一次遍历:
(1) 每次遍历从最后一行开始到第一行结束。
(2) 第i+1行遍历结束后,在开始遍历第i行之前,必须先将第i+1行的指针置回第i+1行中第一个为1的列。
(3) 遍历的结束条件为:第一行中的指针指向了最后一个为1的列。
(4) 每次遍历开始之前指针所在的位置为前一次遍历的结果。
4基于知识模式匹配的知识分类与搜索
知识模式的匹配也是基于空间向量模型。假设有两个知识模式:
KP1={(m1,s1),(m2,s2),…,(mp,sp)},KP2={(m1,s1),(m2,s2),…,(mq,sq)}其模式匹配的步骤如下:
(1) 寻找知识模式KP1和知识模式KP2中元知识的并集:
M={m1,m2,…,mp}∪{m1,m2,…,mq}
(2) 把元知识集M中的每一个元知识作为空间中的一个维度,将知识模式KP1和知识模式KP2看作这个空间中的两个向量,计算两个向量之间的余弦或者内积即为这两个知识模式的匹配度。
企业知识分类基于知识模式提取和匹配,分类过程最后都转化成了知识模式的匹配过程,使用企业元知识对知识进行语义分析,找出这个知识的企业知识模式表达,如果这个知识模式的维度为0,也即意味着在现有的企业元知识表达下,本知识不是企业所需要的知识,故可以剔除掉。为了和流程相关联,最后将该知识的知识模式和流程的知识模式相匹配,得出分类结果,最后存储到知识库中。
企业知识搜索是知识分类的目的,进行企业知识搜索的一般过程为:首先要对查询语句进行分析,找出其知识模式,再与企业知识库的知识模式库进行匹配,即可找出与此查询语句语义相关的知识。具体搜索过程为:
(1) 查询语句语义分析 对查询语句进行分析的目的是找出查询语句的知识语义。系统在实现时,先对查询语句进行分词,避免断句位置不同造成知识歧义,然后使用企业元知识及元知识的同义词对查询语句进行分析,找出查询语句的知识模式,考虑用户历史行为对企业知识库的影响,使用历史搜索行为对此知识模式进行调整。
(2) 使用查询语句的知识模式进行搜索 得出查询语句的知识模式后,使用此知识模式进行最大联想最小匹配搜索,所谓最大联想,也即对语义相关的元知识进行搜索,最小匹配也就是搜索语句的知识模式和企业知识的知识模式进行综合评分,找出语义最接近的元知识。
5实验结果
我们利用JAVA语言开发了一个B/S结构的面向业务流程的知识分类实验系统。编程实现时使用了目前比较成熟的开源框架,如开源的搜索引擎架构lucene、OR Mapping工具Hibernate、MVC的开源框架Struts以及日志记录工具log4j等。系统测试采用信息检索中普遍采用的性能评价指标:查全率、查准率作为测试指标,对某软件公司的96篇技术文档进行测试。定义好元知识后,对五个流程提取知识模式,所耗费时间和提取的知识模式个数及准确率如表2所示,表中准确率意义为:如果所提取的知识模式中包含能完整准确表述流程知识语义的知识模式,则为优,如果所提取的知识模式对元知识有所遗漏,则为一般,如果所提取的知识模式不能准确表达知识语义,则为不合格。
经过分析,流程知识模式的提取瓶颈主要在于“流程知识模式提取”。其余各步如二进制区分矩阵的约简等所耗费的时间基本可忽略不计,分析其原因是知识模式算法复杂度为O(n3),本算法要扫描各种可行情况,故算法还有待改进。
根据流程进行知识搜索其查全率、查准率如表3所示。“合同实施流程—准备工作”这一流程知识模式的提取准确率为“一般”,原因在于和这个流程相关联的知识太少,系统分析出来的元知识不足以表达知识语义。
从表3可以看出,根据流程去查找知识查准率偏低,这主要是由于元知识的知识语义粒度较大,如果将元知识进一步细分,如“开发流程”,查准率就会上升,这也说明系统对元知识的依赖性较强。
6结语
本文阐述了面向业务流程的企业知识分类中的几个关键技术,提出了用知识模式去表达知识语义,知识模式为一个二元组的集合,其中的二元组由元知识以及元知识在该描述对象中的权重值组成。从原理到算法上阐述了自动提取企业知识的知识模式,以及半人工提取业务流程的知识模式的方法。籍由知识模式的表达,企业知识分类和知识搜索最终都转化成了知识模式的匹配,也即知识分类是要找出与知识类别语义最相近的企业知识,知识搜索是要找出与查询语句所表示的语义最为贴切的知识。本研究的不足之处是知识分类对元知识库的依赖性过强,元知识库的不完备,对知识语义表达的不清晰都会造成知识模式提取的不精确,从而直接影响知识分类的准确率。
参考文献
[1]吴军,王作英,禹锋,等.汉语语料的自动分类[J].中文信息学报,1995,9(4):25-32.
[2]王爱华,张铭,杨冬青,等.PCCS部分聚类分类:一种快速的Web文档聚类方法[J].计算机研究与发展,2001,38(4):415-421.
[3]张雪英,刘凤玉.Jurgen Krause粗糙集分类算法中的近似决策规则和规则匹配方法[J].计算机科学,2005,32(6):129-132.
[4]张国旺.基于创新的企业知识分类及其特征探析[J].天津商业大学学报,2008,28(1):62--67.
[5]苑忠磊,张成洪,张诚,等.面向流程的企业知识地图及其本体实现[J].计算机集成制造系统,2006,12(9):1524-1536.
[6]Lenarick A,Piasta Z.Probabilistic rough classifiers with mixture of dis-crete and continuous variables[M]//T YLin,N Cercone.Rough Setsand Data Mining:Analysis for Imprecise Data.Boston:KluwerAcademc Publishers,1997:373-383.
【知识的分类】推荐阅读：
知识文档分类08-30
数学知识分类09-09
知识竞赛垃圾分类07-19
公文写作基础知识：公文的定义和分类07-02
国际快递邮件分类知识08-26
分类补充-企业文化知识测试08-03
垃圾分类知识问答答案08-22
中外园林史分类知识点07-27
2022垃圾分类知识竞赛题目汇总07-28
圆知识点分类练习题09-07