云環(huán)境下高校知識管理平臺的構(gòu)建研究

袁小艷，賀建英，唐青松，成淑萍

（四川文理學(xué)院 計(jì)算機(jī)學(xué)院，四川 達(dá)州 635000）

當(dāng)前是知識經(jīng)濟(jì)時(shí)代，知識呈爆發(fā)性的增長，海量知識急需管理。知識管理就是利用集體的智慧提高應(yīng)變能力和創(chuàng)新能力，通過知識獲取、知識共享和知識應(yīng)用來達(dá)到知識創(chuàng)新的目的。根據(jù)IDC的統(tǒng)計(jì)，美國企業(yè)在2007年投入近50億美元用于知識管理，Chevron公司就通過最佳實(shí)踐共享節(jié)省了1.5億美元，可見知識管理的重要作用。越來越多的企業(yè)已認(rèn)識到知識是企業(yè)創(chuàng)造競爭力的核心，知識管理的重要性越來越得以凸顯，然而很多高校卻還沒意識到知識管理的重要性。

高校是知識密集型組織，其創(chuàng)造價(jià)值的核心是知識，衡量高校的產(chǎn)出是看其科研成果和培養(yǎng)的人才，而科學(xué)研究和人才培養(yǎng)都是知識積累、應(yīng)用、創(chuàng)新的過程，因此知識管理日益成為提高高校競爭力的關(guān)鍵因素。高校只有將知識管理置于戰(zhàn)略實(shí)施的核心地位，才能在提升高校競爭力方面收到事半功倍的效果，所以開發(fā)高校知識管理平臺迫在眉睫，是高校改革的需要，是高校信息化的需要。

1 高校知識管理

高校是知識生產(chǎn)的源頭，它的所有活動都與知識管理有關(guān)，但高校的知識也是最分散的，教學(xué)、科研、人事、學(xué)生、招生就業(yè)、院系等各部門掌握的知識缺乏交流和共享，跨學(xué)科的共同研究難以展開，學(xué)生很難有觀摩杰出學(xué)者研究活動的機(jī)會。這些問題的產(chǎn)生是因?yàn)楝F(xiàn)行高校的制度妨礙了高校的產(chǎn)學(xué)研一體化活動，不利于提高高校的知識生產(chǎn)率，也不利于提高高校的核心競爭力。為了解決這些問題，高校需要從全局出發(fā)，強(qiáng)化知識管理，克服知識的學(xué)科和部門分割，共同致力于高校知識資源的積累、整合和優(yōu)化增值，實(shí)現(xiàn)知識的共享、交流和創(chuàng)新。

高校知識分為兩類，顯性知識和隱性知識。顯性知識是指Know-what、Know-why的知識，即知道是什么和知道為什么，屬于直接感知、事實(shí)陳述和科學(xué)理論型的知識，容易用文字和符號、圖像記載，如教程、教案、學(xué)術(shù)論文、科研項(xiàng)目、畢業(yè)設(shè)計(jì)與論文等；隱性知識是指Know-how、Know-who的知識，即知道怎么做和知道是誰，屬于技術(shù)型和社會人文型知識，很難用文字和語言表達(dá)，即“只能意會、不能言傳”的知識，如教學(xué)經(jīng)驗(yàn)、科研方法、學(xué)習(xí)興趣、人際關(guān)系等。如果顯性知識是“冰山”的尖端，那么隱性知識則是隱藏在水面下的大部分，是社會知識最主要的來源[1]。高校知識管理的關(guān)鍵就在于顯性知識和隱性知識的相互轉(zhuǎn)換，即顯性知識通過知識共享轉(zhuǎn)化為個(gè)人或團(tuán)隊(duì)的隱性知識，個(gè)人或團(tuán)隊(duì)又經(jīng)過一系列的思考、創(chuàng)新活動產(chǎn)生新的知識，用一定方式表現(xiàn)出來，形成新的顯性知識，其實(shí)這就是知識創(chuàng)新的一個(gè)過程。創(chuàng)新在很大程度上是集體智慧的產(chǎn)物，它必須是參與的個(gè)人之間有更深層次的合作，知識的高度融合是團(tuán)隊(duì)合作創(chuàng)新的基本要求，也是最重要的保證。

2 知識管理平臺構(gòu)建

2.1 知識管理平臺的體系架構(gòu)

本文知識管理平臺分為知識管理和知識社群管理，采用瀏覽器/服務(wù)器架構(gòu)，在瀏覽器端，用戶通過瀏覽器完成知識錄入、知識獲取、知識共享和知識搜索，同時(shí)用戶的所有活動都將記錄在服務(wù)器端（云端）的日志庫中。在服務(wù)器端，管理員通過知識管理后臺維護(hù)3個(gè)知識庫和1個(gè)本體庫，即學(xué)校知識庫、教師知識庫和學(xué)生知識庫，并以本體的形式實(shí)現(xiàn)知識的表達(dá)。除此之外，為了提高知識搜索的搜索效率和搜索精度，還必須對已經(jīng)存在知識庫中的歷史知識進(jìn)行維護(hù)（生命周期、在線式的維護(hù)），即通過修訂、刪除、合并歷史知識，以及修改知識的表達(dá)形式、索引機(jī)制等知識庫維護(hù)操作以減少知識庫中的冗余知識和信息。

本平臺的知識量非常大，越來越多的計(jì)算需求讓高校不得不經(jīng)常購買新的服務(wù)器和存儲設(shè)備，但服務(wù)器大多數(shù)的時(shí)間都是閑置的，為了解決這個(gè)問題，本文使用了云計(jì)算。在云計(jì)算平臺中，由服務(wù)提供商對分布在網(wǎng)絡(luò)上的各種資源進(jìn)行分配、負(fù)載均衡和安全控制，用戶根據(jù)自身的需求申請一定配額的資源，并可以根據(jù)需求的變化動態(tài)的調(diào)整申請配額，用戶再也無需為了瞬時(shí)的峰值而購買大量的服務(wù)器，可以在峰值抵達(dá)之前提高申請的配額，以動態(tài)適應(yīng)變化的需求[2]。云計(jì)算方便了用戶對資源的獲取與管理，降低了用戶的成本需求。本文的知識管理平臺系統(tǒng)架構(gòu)如圖1所示。

圖1 云環(huán)境下高校知識管理平臺的體系結(jié)構(gòu)Fig.1 The architecture of university knowledge management platform of cloud environment

2.2 知識管理平臺模型結(jié)構(gòu)

本文高校知識管理平臺理論模型的構(gòu)建，借鑒了APQC（美國生產(chǎn)力和品質(zhì)中心）的知識管理構(gòu)架，如圖2所示，并作為高校知識管理平臺的理論依據(jù)，該模型包括高校知識管理的過程與方法，是一個(gè)循環(huán)的過程。高校知識管理的主體是學(xué)生、教師和學(xué)校，即個(gè)人和學(xué)校兩個(gè)層面。高校知識管理的過程主要包括六個(gè)階段，即知識的錄入和獲取、知識的處理、知識的存儲、知識的共享、知識的交流、知識的應(yīng)用和創(chuàng)新，在這個(gè)過程中不斷促進(jìn)隱性知識到隱性知識的社會化、隱性知識到顯性知識的外化、顯性知識到隱性知識的內(nèi)化和顯性知識到顯性知識的組合化，以實(shí)現(xiàn)個(gè)人知識和學(xué)校知識螺旋式增長[3]。

圖2 高校知識管理平臺模型結(jié)構(gòu)Fig.2 Structure model of university knowledge management platform

2.3 知識管理平臺的業(yè)務(wù)功能

高校知識管理主要分為學(xué)校知識的管理、教師知識的管理和學(xué)生知識的管理。

2.3.1 學(xué)校知識管理

學(xué)校知識管理主要從學(xué)校各個(gè)部門獲取知識，并審核這些知識是否符合要求，如果審核通過就發(fā)布知識。學(xué)校知識被獲取后還要進(jìn)行分類，如教學(xué)知識、科研知識、招生就業(yè)知識、畢業(yè)設(shè)計(jì)及論文、各種文檔、各學(xué)科前沿知識等，另外要采用思維導(dǎo)圖和知識地圖等工具表示各種知識的聯(lián)系。知識共享時(shí)可以采用知識搜索、專家咨詢、實(shí)時(shí)交流和論壇的方式實(shí)現(xiàn)，最后還要進(jìn)行知識評價(jià)。學(xué)校知識管理的業(yè)務(wù)功能如圖3所示。

2.3.2 教師知識管理

圖3 學(xué)校知識管理的功能模塊Fig.3 Function module of the school knowledge management

教師知識的管理是對教師個(gè)人和教師團(tuán)隊(duì)知識的管理，教師個(gè)人的知識包括學(xué)科知識、教學(xué)方法、教學(xué)技巧、科研知識、私密知識和人際網(wǎng)絡(luò)知識。教師通過獲取網(wǎng)摘和撰寫學(xué)習(xí)日志、教學(xué)反思日志來把自己的隱性知識轉(zhuǎn)化為顯性知識；教師的團(tuán)隊(duì)包括教學(xué)團(tuán)隊(duì)、科研團(tuán)隊(duì)和教研組，教學(xué)團(tuán)隊(duì)需要進(jìn)行協(xié)作備課，科研團(tuán)隊(duì)需要進(jìn)行協(xié)作學(xué)習(xí)，教研組需要進(jìn)行網(wǎng)絡(luò)教研。教師采用知識地圖、知識搜索、專家咨詢和論壇等方式進(jìn)行知識共享。教師知識管理的業(yè)務(wù)功能如圖4所示。

圖4 教師知識管理的功能模塊Fig.4 Function module of the teachers'knowledge management

2.3.3 學(xué)生知識管理

學(xué)生知識的管理是對學(xué)生個(gè)人和學(xué)生學(xué)習(xí)團(tuán)隊(duì)知識的管理，學(xué)生個(gè)人知識包括專業(yè)知識、興趣知識、私密知識和人際網(wǎng)絡(luò)知識。學(xué)生通過獲取網(wǎng)摘和撰寫學(xué)習(xí)日志把自己的隱性知識轉(zhuǎn)化為顯性知識；學(xué)習(xí)團(tuán)隊(duì)需要進(jìn)行協(xié)作學(xué)習(xí)。學(xué)生與教師一樣，采用知識地圖、知識搜索、專家咨詢和論壇等方式進(jìn)行知識共享。學(xué)生知識管理的業(yè)務(wù)功能如圖5所示。

圖5 學(xué)生知識管理的功能模塊Fig.5 The function of the students knowledge management module

3 知識管理平臺的關(guān)鍵技術(shù)

3.1 云存儲

本文知識管理平臺的搭建是基于微軟云平臺和Google云協(xié)作平臺的搭建，數(shù)據(jù)的存儲采用微軟云平臺的存儲和Google云的Docs存儲。本平臺學(xué)校的知識采用Blob存儲，關(guān)系數(shù)據(jù)庫采用Sql Azure存儲。Blob是塊存儲，用來存儲檔案與二進(jìn)制數(shù)據(jù)（如音樂、視頻、壓縮文件等），外界可以使用它所開放的REST API或.NET Framework的 Data Service API來存取它，以下載和上傳不同的檔案數(shù)據(jù)。SQL Azure數(shù)據(jù)庫是在SQL Server的基礎(chǔ)上構(gòu)建的基于云的關(guān)系數(shù)據(jù)庫服務(wù)，開發(fā)人員可以使用現(xiàn)有的T-SQL方面的知識和熟悉的關(guān)系數(shù)據(jù)模型來使用關(guān)系數(shù)據(jù)庫。Google云協(xié)作平臺可以幫助我們進(jìn)行協(xié)同操作、網(wǎng)絡(luò)論壇、網(wǎng)頁設(shè)計(jì)、小文件存儲等強(qiáng)大功能，學(xué)生和教師知識管理的協(xié)同學(xué)習(xí)、協(xié)同備課、協(xié)同教研和論壇交流可以使用Google云的協(xié)作平臺來實(shí)現(xiàn)。

3.2 知識獲取

知識獲取是從專家或特定的知識源處獲取資源，然后從現(xiàn)有的資源進(jìn)行推理，得到一些新的信息，這就是知識。知識的獲取目前有3種辦法：人工獲取、半自動獲取和全自動獲取，本平臺采用半自動獲取知識的辦法。本平臺的半自動獲取是從大量的Web網(wǎng)頁和文檔中提取相應(yīng)的概念和上下位關(guān)系，構(gòu)造出相應(yīng)的本體，并對知識本體進(jìn)行公理化約束，再進(jìn)行知識消解。部分公理如下：

公理 1 （forall（?target1（kind_of?target1 target1）））

公理 2 （forall（?target1?target2）（=>

（（kind_of?target1 ?target2） （kind_of?target1 ?target2））（=?target1?target2）））

公理 3 （forall（?target1?target2?target3）

（=>（and （kind_of?target1?target 2） （kind_of?target2?target3））

（kind_of?target1?target3））

kind_of（x，y）是用于描述一門課程各知識點(diǎn)的關(guān)系的常用公理，可以用于知識推理。

3.3 知識表示

知識獲取后要用相應(yīng)的方法表示出來，本平臺采用RDF框架來描述知識，但機(jī)器無法理解自然語言，只好把知識通過數(shù)學(xué)和邏輯公式抽象自然語言，其中一種就是描述邏輯DL。DL通過描述概念屬性內(nèi)涵及其相互關(guān)系給出領(lǐng)域知識模型，它具有很強(qiáng)的表達(dá)力和判斷力，總能保證推理算法停止，并返回正確結(jié)果。例如：

命題1：每門課程都有重點(diǎn)。

命題2：如果沒有課程，就沒有重點(diǎn)。

基于描述邏輯的謂詞定義為：

M（a）：表示“a是課程”

I（a）：表示“a 是重點(diǎn)”

E（a，b）：表示“a 屬于 b”

S（a，b）：表示“a 有重點(diǎn) b”

基于描述邏輯將上述兩個(gè)命題形式化地表示為：

（?a）（（?b）（S（a，b）∧M（b））→（?c）（I（c）∧E（a，c）））

（?a）I（a） → （?b）（?c）（～（S（b，c）∧M（c）））

3.4 知識管理工具

目前知識管理工具用得較多的有思維導(dǎo)圖和知識地圖。在個(gè)人知識管理中，學(xué)生和教師肯定有“靈光乍現(xiàn)”的情況，而這樣的情況轉(zhuǎn)瞬即逝，只有將這些隱性知識有效地管理起來，才能更大程度地激發(fā)學(xué)生、教師的創(chuàng)造力，提高其學(xué)習(xí)和工作的效率。思維導(dǎo)圖的一大特色就是讓思考看得見，思考最大的敵人是復(fù)雜，最大的障礙是混亂，運(yùn)用思維導(dǎo)圖可以是所思所想流程化、圖形化、清晰化[4]。圖6就是一個(gè)思維導(dǎo)圖。

圖6 思維導(dǎo)圖Fig.6 Mind mapping

知識地圖是一種幫助個(gè)人合理使用團(tuán)隊(duì)知識的工具，為個(gè)人提供學(xué)習(xí)上的導(dǎo)航，并通過知識間的聯(lián)系來實(shí)現(xiàn)知識創(chuàng)新。知識地圖有兩種，一種是針對顯性知識共享設(shè)計(jì)的，它把顯性的知識進(jìn)行關(guān)聯(lián)、形成網(wǎng)狀的結(jié)構(gòu)，用戶可以快速查找到自己關(guān)心的知識；另一種是針對隱性知識共享設(shè)計(jì)的，由于隱性知識無法用文字表達(dá)，所以建立了專家地圖，設(shè)計(jì)出專家的網(wǎng)狀地圖，用戶想要了解哪個(gè)方面的知識可以通過查詢這個(gè)專家，獲得需要的隱性知識。

圖7 知識地圖Fig.7 Knowledge map

3.5 知識搜索

當(dāng)今社會知識爆炸，如何在海量的知識中找到適合、有效的知識非常關(guān)鍵，其中知識搜索功不可沒。知識搜索的方法有很多，本平臺采用人工蜂群算法來搜索知識。人工蜂群算法主要模擬蜂群的智能采蜜行為，蜜蜂根據(jù)各自的分工進(jìn)行不同的采蜜活動，并實(shí)現(xiàn)蜜源信息的共享和交流，從而找到問題的最優(yōu)解[5]。在人工蜂群算法中，蜜蜂分為偵查峰、采蜜峰和觀察蜂，出去尋找蜜源的是偵察蜂，偵察蜂找到蜜源后就會變成采蜜蜂進(jìn)行采蜜，并通知在舞蹈區(qū)等待的觀察蜂，觀察蜂得到蜜源信息后變成采蜜蜂，并以一定的機(jī)制選擇附近的蜜源進(jìn)行采蜜，沒有被選中的蜜源處的采蜜蜂就變?yōu)閭刹旆?，去搜索新的蜜源?/p>

一個(gè)函數(shù)優(yōu)化的問題表示如下：

min fun=fun（θ），θ=（θ1，θ2，…，θS）∈SN，SN=[θiD，θiG]

其中，fun 表示目標(biāo)函數(shù)，θ為 S 維變量，[θiD，θiG] 是第 i維變量對應(yīng)的上下界。

為了找到最低的N個(gè)適應(yīng)度低的蜜源位置，隨機(jī)產(chǎn)生2N個(gè)位置的表達(dá)式如下：

Vij=θjD+random×（θjG-θjD）

其中，Vij是第 i個(gè)蜜蜂在第 j維搜索后的位置，θiD、θiG是第j維變量的上下界。

為了逐漸縮小蜜源的領(lǐng)域范圍，搜索新蜜源的表達(dá)式如下：

Vij=θij+Rij×（θij-θnj）

其中，Vij為新的蜜源位置，θij是蜜源 i的第 j維位置，θnj是隨機(jī)選擇的不等于i的蜜源n的第j維位置，Rij是[-1，1]間的隨機(jī)數(shù)。

被放棄的蜜源將會被新的蜜源所取代，這一操作的表達(dá)式如下：

θij=minj+rand（0，1）（maxj-minj）

在每個(gè)競爭者位置Vi計(jì)算出來后，與θi進(jìn)行比較。如果新的蜜源更好，則由它取代舊的，否則舊的被保留，也就是說蜜源被選擇的過程采用的是貪心選擇機(jī)制。

3.6 知識貢獻(xiàn)評價(jià)

作為高校知識源頭的學(xué)生和教師，是掌握高校核心知識的高層次創(chuàng)新人才，如何評價(jià)和激發(fā)他們的知識貢獻(xiàn)行為是非常關(guān)鍵的，發(fā)揮他們的創(chuàng)新能力，是提高高校競爭力的制勝途徑。本平臺的知識貢獻(xiàn)評價(jià)采用模糊評價(jià)法，有利于得出較客觀的評價(jià)。其步驟如下：

步驟1確定學(xué)生或教師的評價(jià)指標(biāo)體系：V=（V1，V2，…，VN），V 中子集指標(biāo)層 Vi=（vi1，vi2，vi3，…，vin）（i=1，2，3，…，N），即Vi為一級指標(biāo)，vij是Vi子集的二級指標(biāo)。

步驟2確定學(xué)生或教師的評價(jià)評語等級：U=（U1，U2，…，Um），它表示評價(jià)標(biāo)準(zhǔn)，每個(gè)等級可對應(yīng)一個(gè)模糊子集。

步驟 3 確定各評價(jià)指標(biāo)的權(quán)重 M=（M1，M2，…，MN），M 中子集權(quán)重層 Mi=（mi1，mi2，mi3，…，min）（i=1，2，3，…，N），即 Mi為一級指標(biāo)的權(quán)重，mij是Mi子集的二級指標(biāo)的權(quán)重。

步驟4建立模糊評價(jià)矩陣：對評價(jià)指標(biāo)體系的每個(gè)指標(biāo)進(jìn)行量化，即確定單個(gè)指標(biāo)相對于知識貢獻(xiàn)來說各等級模糊子集的隸屬度，進(jìn)而得到模糊關(guān)系矩陣A：

矩陣A中第p行第q列元素apq表示學(xué)生或教師從Vp因素來說Uq等級模糊子集的隸屬度。

步驟5對模糊矩陣A做運(yùn)算，得到模糊綜合評價(jià)結(jié)果向量 B：B=M?A=（b1，b2，…，bN），其中“?”代表廣義模糊算子，本平臺采取加權(quán)平均型C（●，+），即乘與和算子。式中bN是由M與A的第N列運(yùn)算得到的，表示某個(gè)知識從整體上看對UN等級模糊子集的隸屬度，各隸屬度的和為1，若不為1，需要做歸一化處理，最終得到學(xué)生或教師的知識貢獻(xiàn)行為和知識潛在價(jià)值的評價(jià)結(jié)果。

4 結(jié)束語

隨著全球化和知識經(jīng)濟(jì)的快速發(fā)展，知識對高校的重要性與日俱增，知識創(chuàng)新是高校發(fā)展的核心動力，因此知識管理工作也將成為高校生存和保持競爭力的關(guān)鍵活動。對高校的知識進(jìn)行管理好處頗多，如可以提高學(xué)生的學(xué)習(xí)興趣，提高教師的教育教學(xué)水平，進(jìn)而提高學(xué)生、教師和高校的競爭力，促進(jìn)教師的專業(yè)化發(fā)展，帶來教育的進(jìn)步與發(fā)展，促進(jìn)學(xué)術(shù)研究，降低高校管理成本等。本文借鑒企業(yè)和教育領(lǐng)域的研究成果，嘗試探索采用云技術(shù)構(gòu)建了一個(gè)適用于高校知識管理平臺的模型和體系結(jié)構(gòu)，并對云環(huán)境下高校知識管理平臺中的一些關(guān)鍵技術(shù)進(jìn)行了研究，對高校實(shí)施知識管理有一定的借鑒作用。

[1]汪澤.大學(xué)知識管理[D].上海：華東師范大學(xué)，2004.

[2]沈靜波.基于P2P和云計(jì)算的動態(tài)內(nèi)容管理研究[D].北京：中國科技技術(shù)大學(xué)，2011.

[3]韓曉會.教師知識管理支持系統(tǒng)的構(gòu)建研究 [D].揚(yáng)州：揚(yáng)州大學(xué)，2012.

[4]聶建國.圖書館專家知識地圖構(gòu)建與應(yīng)用[J].曲靖師范學(xué)院學(xué)報(bào)，2013，32（5）:113-116.NIE Jian-guo.Library expert knowledge map building and application[J].Journal of Qujing Normal College，2013，32（5）:113-116.

[5]銀建霞.人工蜂群算法的研究及其應(yīng)用[D].西安：西安電子科技大學(xué)，2012.

[6]張欣.基于本體的IT服務(wù)管理知識表示和檢索研究[D].北京:北京郵電大學(xué)，2011.

[7]Aurich J C，F(xiàn)uchs C，Wagenknecht C.Life Cycle Oriented Design of Technical Product-service Systems[J].Journal of Cleaner Production，2006，14（17）:1480-1494.