Managementul cunoa ş terii î n universit ăţ i

1. Managementul cunoaşterii în universităţi Prof. dr. Constanţa Bodea, bodea@ase.ro Drd. Vasile Bodea, vbodea@ase.ro Academia de Studii Economice din Bucureşti

2. Aspecte abordate • Descoperirea modelelor de comportament pentru predictia performantelor studentilor - aplicatie • Managementul cunoasterii – cadru general • Managementul cunoasterii in universitati – cerinte si aplicatii potentiale

3. I. Descoperirea modelelor de comportament pentru predictia performantelor studentilor - aplicatie

4. Aplicatie – ASE, CSIE • Surse 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.

5. Modelul de date pentru data mining

6. Analize preliminare

7. Analize preliminare

8. Analiza importantei atributelor Importanta atributelor pentru predictia performantelor studentilor din anul II

9. Analiza importantei atributelor Importanta atributelor pentru predictia comportamentului referitor la optiunea de specializare (anul III)

10. Arbori de clasificare Arborele de clasificare in raport de optiunea de specializare

11. Date referitoare la • interactiuni • - Oferte • Rezultate • Context • Date referitoare la atitudini • - Optiuni • Preferinte • Nevoi • Dorinte Text si Web mining Anchete Baze de date viziune studenti • Date descriptive • Atribute • Declaratii • Date geo- si demografice • Date referitoare la comportament • - Cursurile urmate • - Examene • Teste • - Participari la activitati Categorii de date

12. Aplicatii posibile • Eficacitatea institutionala • Evaluarea performantelor studentilor • Managementul inscrierilor • Marketing • Alumni

13. 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)?

14. 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?

15. 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?

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

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

18. Aplicatia este un exemplu de Data mining = achizitionare a cunostintelor din date

19. Data Mining este… • Modelare predictiva • Regresie lineara/logistica • Retele neuronale • Arbori de decizie • Clusterizare • Cu ajutorul retelelor Kohonen • Cu ajutorul algoritmului K-Means • Prin metode ierarhice

20. Data Mining este… • Segmentare • Analiza cluster • Arbori de decizie • Retele neuronale • Modelare predictiva • Analiza afinitatilor • Reguli de asociere • Generatori de secvente

21. Metodologia CRISP-DM CRoss Industry Standard Process for Data Mining • Intelegerea problemei • Intelegerea datelor • Pregatirea datelor • Modelarea • Evaluarea • Aplicarea • Actualizarea

22. Selectarea tehnicii de modelare Stabilirea categoriei de studenti Clasificarea • 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 Predictia succesului studentilor Predictie Gruparea studentilor Segmentare Identificarea pachetelor de discipline Asocierea Identificarea paternurilor si trendurilor Secvente

23. Aspecte tehnice • Scalabilitate • Flexibilitatea interfetei cu baza de date • Diversitatea algoritmilor si efectul algoritmicii utilizate • Validare & Scoring

24. Comparatii si optiuni • Rationament inductiv vs. deductiv • Validare ipoteze vs validare acuratete • Statistica traditionala vs Data mining

25. II. Managementul cunoasterii – cadru general

26. 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.

27. 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.

28. 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.

29. Abordarea sistemică: Managementul cunoaşterii reprezinta o nouă problemă care trebuie rezolvată folosind multiple metode. Problemele de cultură organizaţională sunt importante dar nu sunt singurele.

30. 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.

31. 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).

32. Niveluri: Niveluri: trei Data Mining Knowledge Base Knowledge Workers unu Portaluri CRM Middleware OLAP doi Collaborative Working Environment (CWE) doi Data Warehouses Enterprise Resource Planning (ERP) unu Knowledge Mapping trei Cunoastere explicita Cunoastere tacita Modelul TKMM al managementului cunoasterii

33. Nivel trei: Mining : Clementine, Enterprise Miner, Statistica, Mineset, Darwin, SpotFire Statistica SPSS, SAS, BMDP, SysStat Nivel doi: Interogari: BrioQuery, Business Objects, PowerPlay Access, Foxpro OLAP: ASP, JSP, iHTML, XML Nivel unu: SGBD SQL Server, Oracle, Informix, Sybase, UniData, DB2 ERP Oracle, SAP, Banner, PeopleSoft, Datatel Modelul TKMM - Managementul cunoasterii explicite

34. III.Managementul cunoasterii in universitati – cerinte si aplicatii potentiale

35. Situatia actuala – cateva aspecte 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)

36. 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

37. 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)

38. 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)

39. Aplicatii potentiale ale managementului cunoasterii in universitati - 1 Aplicaţii ale managementului cunoaşterii în procesul de cercetare ştiinţifică

40. Aplicaţii ale managementului cunoaşterii în procesul de dezvoltare curriculară

41. Aplicaţii ale managementului cunoaşterii în realizarea serviciilor pentru studenti

42. Aplicaţii ale managementului cunoaşterii în realizarea serviciilor administrative

43. Aplicaţii ale managementului cunoaşterii în planificarea strategica

44. 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

45. 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.