Google представил новую версию голосового поиска

2010-06-21 14:45

Google представил еще одну версию голосового поиска для нелатинского языка. Voice Search на корейском языке будет повышать конкурентоспособность Google против лидера локального рынка Naver в области мобильных сервисов. Voice Search позволяет пользователям вводить запрос голосом, а не с помощью введения текста.

Google Korea разрабатывал сервис с особенной тщательностью, используя самые современные разработки распознавания голоса и обработки данных. Поиск будет работать на iPhone и Android, соответствующие приложения можно будет скачать из AppStore и Android Market, сообщает компания.

Корейский стал восьмым языком, на котором работает голосовой поиск от Google. Проект, который стартовал в США в 2008 году, в настоящий момент предлагает поиск на английском, китайском, японском, французском, немецком, испанском и итальянском языках.

С сайта www.searchengines.ru
По материалам Korea Herald

Microsoft TechDays Літо 2010: Microsoft Office 2010/Cloud/Virtualization

18 червня 2010 р. Київ. прошел рабочий семинар фирмы Майкрософт - Microsoft TechDays Літо 2010: Microsoft Office 2010/Cloud/Virtualization

Технічні семінари TechDays Літо 2010: нові продукти Microsoft Office 2010, хмарні технології Microsoft Cloud Services, віртуалізація ПК і ЦОД.

Итак, семанар был посвящен облакам.

Интересные факты:
Докладчик выделил 5 поколений развития ИТ-инфраструктуры:
1970 - mainframe
1980 - client-server
1990 - web
2000 - SOA
2010 - Cloud

Определения.
Облако - абстракное наименование, введенное фирмой Майкрософт (технологическое).
Облако - это множество сервисов, находящихся в одном месте в интернете, и обладающее следующими свойствами:
- масштабируемость
- повсеместная доступность независимо от географического месторасположения клиента
- возможность использования на любом типе устройств.

Облачные вычисления - это новый подход к компьютерным вычислениям, позволяющий масштабируемость до размеров сети интернет, эти вычисления доступны везде и для любых устройств.

(Замечание автора - данное определение частично совпадает, и напоминает по своим формулировкам и форме, с определением приложения Семантического Веба (см. статью - ссылку вставлю позже), только не хватает семантики и использования стандартов Semantic Web).

Майкрософт предлагает следующие типы облачных решений:
(Типы облачных сервисов)

• SaaS - "бери и используй" (т.е. бери готовое облако Майкрософт и используй).
• PaaS - "строй поверх"
• IaaS - "мигрируй"

Еще прозвучал один новый для меня термин: "контентная БД".
Данный тип БД предназначен для хранения контента очень большого объема - видео и т.п. Смысл данного понятия состоит в том, что такая БД часть информации хранит обычным способом, а контент большого объема выносится во внешние хранилища, имеющие файловую структуру (и файловую ОС).

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований. Выводы.

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований (5)

---

Выводы

В данной работе представлен новый взгляд на проблему управления персоналом в связи с появлением новых технологий в области ИТ – в частности, проекта Semantic Web и Web 2.0, а также результатов исследований в области психологии, управления компетенциями, управления талантами и пр..
Предложено на основе имеющегося инструментария ПО по управлению персоналом расширить его функционал управления компетенциями путем интеграции средств управления знаниями –, онтологического анализа, элементов логического вывода, Web-сервисов и мультиагентной парадигмы программирования. Выделены функции, которые необходимо обеспечить в системах управления онтологическими знаниями для HRM. Предполагается, что этопозволит более полно и корректно использовать человеческие ресурсы, в частности научных сотрудников, как составной части планирования научных исследований. В перспективе планируется составить общий вид модели интеллектуальной задачи и разработать алгоритм сопоставления множества моделей компетенций с моделью задачи для эффективного планирования научных исследований.

Литература

1. Армстронг М. Практика управления человеческими ресурсами. — 8-е изд. / Пер. с англ. под ред. С. К. Мордовина. — СПб.: Питер, 2008. — 832 с.
2. Бояцис Р. Компетентный менеджер. Модель эффективной работы. / Пер. с англ.— М.: HIPPO, 2008. — 352 с.
3. Спенсер С., Спенсер Л. Компетенции на работе. Пер. с англ. — М.: HIPPO, 2005. — 384 с.
4. Лесько О.Н., Рогушина Ю.В. Использование онтологий для анализа семантики естественно-языковых текстов // Проблемы программирования, № 3, 2009. – С. 59-65.
5. Рогушина Ю.В., Гладун А.Я. Використання організаційних онтологій для пошуку експертів у нових предметних областях // Проблеми програмування, № 1, 2007. – С.73-84.

Begin 2 3 4 End.

Использование технологий Semantic Web для задачи управления компетенциями

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований. (4)

Использование технологий Semantic Web для задачи управления компетенциями

Необходимо построить теоретическую модель управления компетенциями, включающую:
1. профили компетенций и набор сервисов по их формированию, сопоставлению, хранению и анализу – аналог индекса ИПС и метаописаний ИР;
2. базу знаний, включающую онтологию ПрО, в которой решается задача, организационную онтологию и онтологию научной деятельности;
3. обобщенную модель задачи, для решения которой формируется набор исполнителей, включающую цели, которые должны быть достигнуты в результате выполнения работ, начальные данные, имеющиеся ресурсы и ограничения на процесс выполнения задачи (временные, финансовые, правовые и т.д.) -- аналог поискового запроса;
4. методы анализа и семантической разметки ЕЯ-текстов, содержащих как результаты работы кандидатов, так и описание целей и задач научного проекта – аналог средств индексирования ИР;
5. набор методов и алгоритмов, позволяющих автоматизированно по формализованному описанию научной задачи и сведениях о потенциальных исследователях сформировать набор исполнителей – собственно процедура выполнения поиска. Эти методы должны включать механизм формирования эмпирических правил и поддерживать логический вывод (аналог движка ИПС, специализированной для выбранной ПрО).
В перспективе планируется также разработка средств оптимального подбора команд исполнителей и прогнозирования эффективности их совместной работы.
Использование технологий Semantic Web обеспечит интероперабельность разрабатываемой модели и ее программной реализации, интеграции с другими ИР, БЗ и приложениями Semantic Web и возможности расширения и модификации.
Предполагается использовать следующие разработки Semantic Web, технологии Web 2.0 и средства Open Source для решения соответствующих подзадач:
1. Интеллектуальные Web-сервисы, OWL-S, сведения, доступные о людях через Web (FOAF), а также информацию, обнаруживаемую в Web с помощью интеллектуальной поисковой системы МАИПС (авт.свидетельство №32015 и № 32068 от 13.02.2010)
2. Онтологии в формате OWL, как доступные через Web (например, организационную онтологию Национальной академии наук Украины, таксономии и классификаторы), так и разработанные специально для решения конкретной задачи;
3. Онтологию задачи в формате OWL и ее расширения для конкретных ПрО;
4. RDF и средства семантической разметки, где в качестве тегов разметки используются термины соответствующих онтологий, а также методы оценки значимости ИР, аналогичные методам, которые используются в ИПС (например, индекс цитируемости Google);
5. Средства логического вывода на онтологиях, такие как Pellet, FaCT++, HermiT, Owlim
6. систему управления человеческими ресурсами OrangeHRM, средства редактирования онтологий и логического вывода и запросов к ним.
В результате анализа поставленной обобщенной задачи можно выделить следующие функции, которые необходимо обеспечить в системах управления онтологическими знаниями:
1. методы автоматизации создания и пополнения онтологии: по полтотекстовым ИР; путем обработки имеющихся метеописаний и семантической разметки; по другим онтологиям;
2. сравнение двух (или больше) разных онтологий: последовательных версий одной онтологии; онтологий, которые описывают одну ПрО, но созданные независимо друг от друга; онтологий, которые являются развитием одной онтологии для решения разных задач или разными разработчиками;
3. интеграция двух (или больше) разных онтологий: описывающих одну ПрО, но созданных независимо; развития одной онтологии для решения разных задач или разными разработчиками; описывающих разные ПрО, имеющие область пересечения терминологии (синергетика);
4. использование онтологических знаний: подтверждение или опровержение определенного факта относительно ПрО на основе соответствующей онтологии (задача, которая принципиально не всегда решается из-за того, что системы онтологических знаний используют парадигму открытого мира); поиск отношений между определенными объектами, которые описанные в онтологии, и их свойств.

Begin 2 3 4 End

Программные средства управления человеческими ресурсами

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований. (3)

---

Постановка задачи

Модель компетенций является в настоящее время эффективным средством управления персоналом в различных областях деятельности, требующих системного и аргументированного подхода к выбору и оценке сотрудников. Однако ряд проблем в этой области еще не решен. Проанализировав современные методы и прикладные системы управления компетенциями, необходимо определить, какие именно средства управления знаниями (СУЗ) необходимо в них использовать и какие уже имеющиеся стандарты и технологии могут для этого применяться.

Программные средства управления человеческими ресурсами

В качестве базовой системы используется система OrangeHRM. Она автоматизирует функции по управлению персоналом в организации: наем сотрудников, администрирование поощрений и выплат, управление рабочим временем работников.
OrangeHRM (http://www.orangehrm.com) – система управления персоналом с открытым кодом, которая разрабатывается по принципу открытых источников, имеет открытые программные коды и распространяется по свободной лицензии GPL. Эта система имеет модульную архитектуру и является Web-ориентированой системой, разработанной для использования на платформе LAMP (Linux+Apache+MySQL+PHP). Проект OrangeHRM активно развивается и довольно стабильно поддерживает процесс миграции на новые версии. Немаловажным фактором выбора этой платформы стал и тот факт, что этот проект имеет в Web широкое сообщество пользователей и разработчиков (адрес форума http://www.orangehrm.com/forum/), где очень хорошо организована обратная связь и есть возможность оперативно получать необходимую консультацию.
О популярности и распространенности этой системы свидетельствует тот факт, что начиная с даты выпуска первой бета-версии в январе 2006 года, на начало 2010 года (выход версии 2.5) было зарегистрировано больше 300 тысяч загрузок с сайта SourceForge. В декабре 2008 года проект был назван проектом месяца SourceForge.net. Система поддерживает большое количество языков, имеет видео материалы с инструкциями по установке и использованию, комплект учебных материалов. Установка системы очень проста и не нуждается в серьезных навыках по администрированию и работе с Web-серверами.
Платными для системы OrangeHRM являются плагины – аутентификации пользователей системы с помощью LDAP-сервера, экспорта отчетов для отслеживания событий, которые связаны с рабочим процессом.
Основные модули OrangeHRM: администрирования (Admin); управления персональной информацией (Personal Information Manager Module, PIM); персонализации работника (Employee Self Service Module, ESS); отчетов; отпусков (Leave Module); отслеживания за временем и посещением работников (Time and Attendance Module, Time); поощрений (Benefit Module); рекрутинга.
Модуль администрирования позволяет определять структуры организации, диапазоны оплаты, проекты, ведущиеся в организации.
Модуль управления персональной информацией поддерживает всю персональную информацию о сотрудниках – сведения о квалификации и опыту работы, фото, дополнительно прикрепляемые файлы документов.
Модуль персонализации работника позволяет сотрудникам самостоятельно вводить персональную информацию, такую, как контакты, образование, навыки, лицензии, осуществлять обновление личной информации с помощью Web-интерфейса, отправлять запрос на отпуск и редактировать личные расписания без непосредственного обращения к сотрудникам HR-отдела.
Модуль рекрутинга – набора персонала позволяет руководить в организации процессом подбора сотрудников. Менеджер по персоналу может создавать вакансии, которые состоят из перечня необходимых требований, названия подраздела и должности, и т.п.
Однако система OrangeHRM предоставляет только статические сведения и базовый функционал, который по обыкновению используется в обычных организациях. Отсутствие аналитики, возможности ведения и обработки специфической информации, учета компетенций, гибкости схемы базы данных и управление процессами побуждает к дополнению и дальнейшему развитию этой системы.
Для поддержки новых нужд, которые возникают перед менеджером по персоналу, предлагается систему ОrangeHRM дополнить новым функционалом, с использованием новых стандартов Semantic Web и результатов исследований в области управления человеческими ресурсами и психологии.

Begin 2 3 4 5

Область применения анализа компетенций

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований (2)

---

Область применения анализа компетенций

В последнее время в результате комплексных исследований по психологии, менеджменту и теории обучения приобрели распространение новые теории управления персоналом – управление компетенциями (competence management) и управление талантами (talent management).
Управление компетенциями – новое направлением стратегического менеджмента, позволяющее организации развивать конкурентные преимущества в систематическом и структурном отношении. Впервые изучение компетенций для прогнозирования уровня эффективности выполнения работы было предложено американским психологом Д.МакКлелландом [1], который доказывал, что как традиционные тестирования способностей и знаний, так и наличие каких-либо дипломов у потенциальных исполнителей работы не обеспечивают им эффективного выполнения работ и успеха в профессиональной деятельности. Такие выводы привели Д. МакКлелланда к поиску тех характеристик, которые позволяют отличить конкретных исполнителей, способных выполнить определенные работы, – компетенций. Для этого он изучал характеристики успешных исполнителей работы и сравнивал их с характеристиками, которые демонстрируют менее успешные исполнители той же работы.
Р.Бояцис, исследовавший характеристики, которые связаны с эффективностью работы менеджеров независимо от специфики деятельности их организаций, установил, что компетенции необходимы для эффективного выполнения работы, но они не имеют решающего значения, если не соответствуют функциональным требованиям самой работы и культуре организации [2]. Именно это утверждение объясняет тот факт, что, зачастую, меняя место работы, а вместе с ним и условия организационного окружения, эффективные исполнители уже не достигают высоких результатов при выполнении аналогичной работы, а при изменении функциональных обязанностей работника в пределах той же организации (например, повышение в должности) исполнители, достигшие выдающейся эффективности в прошлом, не всегда обеспечивают ее на других должностях.
Управление талантами (термин введен Д.Уоткинсом в 1998 году) – процесс привлечения высококвалифицированных работников и повышения эффективности работы имеющихся для обеспечения максимальной прибыли. Важной частью этой концепции является обучение, как составляющая развития компетенций и способностей персонала, что в результате влияет на общий успех компании.
В [3] компетенции рассматриваются как базовые качества индивидуума, имеющие причинное отношение к эффективному выполнению роботы, а уровень этой эффективности определяется конкретными критериями. Среди таких базовых качеств они выделяют мотивы, психофизиологические характеристики и способности, самообраз человека, то есть его установки и ценности, а также знания, умения и навыки. Важно, что знания, умения и навыки Спенсеры относят к поверхностным компетенциям, которые достаточно просто развивать у исполнителей. В отличие от них, психофизиологические характеристики, способности и мотивы — это глубинные компетенции, которые очень сложно оцениваются и развиваются. Если же в основе компетенции лежит самообраз человека, то такую компетенцию можно развивать путем проведения тренингов, психокоррекции, упражнений для формирования позитивного отношения, хотя, безусловно, все это потребует значительных усилий и времени.


Рис.1. Уровни компетенций.
Управление компетенциями являются составляющей управления персоналом с точки зрения системного подхода наряду с функциями предприятия и корпоративной культурой.
Разработка профиля должности является нетривиальной задачей, сильно привязанной к ПрО. В настоящее время не существует общепринятых стандартов в подходах к содержанию и структуре Профиля должности, но они должны быть описаны в той степени подробности и содержать такую информацию, чтобы созданный профиль являлся эталоном должности и содержал все требования, соблюдение которых будет обеспечивать выполнение сотрудником всех своих обязанностей с требуемым качеством и в необходимые сроки. Профиль должен включать в себя следующую информацию:
• Место должности в общей организационной структуре предприятия.
• Функциональные обязанности должности.
• Профиль профессиональных компетенций.
• Личностный профиль.
• Формальные требования к сотруднику, выполняющему обязанности должности.
С одной стороны, только специалист в конкретной ПрО может оценить знания и навыки кандидата и его профессиональный уровень. Но если предпринимается попытка автоматизировать эту работу, то знания такого эксперта ложатся в основу онтологии ПрО и могут затем применяться без привлечени я самого эксперта. Это, во-первых, освобождает эксперта от рутинной работой и позволяет ему заниматься непосредственно своей работой, а во-вторых, обеспечивает некоторую объективность и позволяет интегрировать знания нескольких экспертов.
Профиль должности должен обеспечивать терминологическую базу и способы определения, в какой мере тому или иному кандидату присущи те или иные свойства, значимые в данной ПрО, а также методы и алгоритмы, позволяющие определить, в какой мере при определенном значении этих свойств кандидат будет способен выполнять выбранную задачу.
Модель компетенций дает возможность создать такой набор критериев, который непосредственно связывает широкий спектр конкретных видов деятельности с управлением персоналом. Набор общих критериев управления персоналом имеет два важных преимущества:
• возможность разработки общей терминологической базы (онтологии) для описания работы организации в целом, т.е обеспечение однозначной интерпретации организационной информации сотрудниками различных отделов и разных уровней организации (например, все научные сотрудники понимают, что квартальный отчет должен содержать более десяти, но менее ста страниц).
• возможность достижения высокого уровня согласованности при оценке работника.
Модель компетенций – термин для обозначения полного набора компетенций (с уровнями или без них) и индикаторов поведения. Модели могут содержать детальное описание стандартов поведения персонала конкретного отдела или стандарты действий, ведущих к достижению специальных целей, но могут и включать основные стандарты поведения, разработанные для полного описания деловой структуры или деятельности, направленной на достижение комплекса разнообразных корпоративных целей. Набор деталей, входящих в описание модели компетенции, зависит от предполагаемого практического применения конкретной модели.
Число компетенций в моделях последних лет уменьшилось. Когда-то были распространены модели, включавшие в себя 30 и более разных стандартов; сейчас обычны модели, содержащие не более 20 компетенций, а иногда - всего лишь восемь. Многие пользователи считают набор компетенций из 8-ми-12-ти стандартов в одной модели оптимальным. Вот один из подходов, включающий критические компетенции:
• Перечислить самые сложные «критические» рабочие задания данной должности.
• Перечислить компетенции, которые потребуются, чтобы выполнить каждое из этих заданий.
• Распределить эти компетенции в порядке важности для исполнения должностных обязанностей. Если модель включает уровни, распределите их по такому же принципу.
• Определить, смогут ли люди, обладающие конкретными компетенциями, быстро исполнять работу на приемлемом уровне качества. Если нет, то эти компетенции можно убрать из методологии отбора.
Оставшиеся компетенции и будут необходимыми для отбора кандидатов на вакантную должность.
Если все компетенции, включенные в модель, относятся ко всем видам деятельности компании или отдела, то такую модель часто называют «Основной моделью компетенций».
Основная модель не включает компетенции, устанавливающие различия в деятельности рабочих групп, для которых эта модель предназначена. Основная модель компетенций состоит из компетенций, которые охватывают стандарты поведения, общие для всех видов деятельности, или только стандарты для особых видов работы в конкретной организации. Стандарты поведения, включенные в основную модель, являются действительно общими, поэтому для приложения этих стандартов к конкретным видам деятельности нужно проделать дополнительную работу.
Компетенции содержат стандарты поведения, выявленные при наблюдении за эффективным выполнением работы внутри самой организации. Компетенции лучше всего оцениваются, если потенциальные работники наблюдаются при решении реальных задач в реальной обстановке.
Программное обеспечение оценки компетенций позволяет автоматизировать процедуры планирования, проведения и анализа результатов различных типов оценочных процедур, в том числе различные формы оценки по компетенциям. Стандартные задачи, обычно решаемые такими системами (рис.2): 1) Ведение библиотеки компетенций, знаний, навыков, поведенческих индикаторов; 2) формирование профилей должностей на основе библиотеки компетенций; 3) поддержка разных типов оценочных процедур и тестов.

Рис.2. Интерфейс ввода профиля кандидата в разделе компетенций.
Но обычно в таких системах нет динамической связи с внешними информационными ресурсами (ИР) и базами знаний (БЗ), нет своих механизмов логического вывода и самообучения. Все это в значительной мере снижает их эффективность и сужает область применения.
Такие критерии, как образование, квалификация и опыт, можно выявить уже в самом начале отбора. Компетенции проявятся позднее, уже в процессе отбора. Но компетенции способны внести важный вклад во все этапы отбора. Тем не менее такие исследования довольно эффективны лишь для довольно четко формализованных и описанных профессий и не пригодны для подбора и аттестации персонала, который занимается научными исследованиями. Это связано с тем, что, во-первых, для оценки работы научных работников нужно использовать знания о той предметной области, которую они исследуют. Эта Про постоянно меняется, дополняется и зачастую вообще может быть спорной с точки зрения разных теоретических концепций. Во-вторых, необходимо объективно оценивать результаты их работы, представленные в основном в виде естественноязыковых документов (статей, докладов, отчетов и т.п.). Кроме того, довольно часто важно оценить не общий научный потенциал конкретного лица, а целесообразность его участия в решении конкретной проблемы и сотрудничества в определенном коллективе. Все это приводит к необходимости использования в таких системах онтологии разного уровня (предметных областей, проблем, организационных и т.п.). Кроме того, возникает проблема интерпретации семантики научных работ (автоматизация семантической разметки ЕЯ-текста, создание и обработка их метаописаний, выбор способов их адекватного структурирования и хранения).
Одной из ключевых проблем вовлечения в бизнес-процессы компании значительных ресурсов неявных знаний, является проблема выявления профилей компетентности специалистов, их формализованного описания и формирования на этой основе соответствующей базы знаний.
Несмотря на то, что управление компетенциями является в настоящее время самостоятельной областью иссследований, с точки зрения информационных технологий системы управления компетенциями можно рассматривать и как частный случай системы управления знаниями (СУЗ), и как информационно-поисковую систему (ИПС), так как, несмотря на собственную специфику, эти системы решают задачу представления и сопоставления знаний о двух типах объектов – заданий и исполнителях, способных выполнить данные задания. Задача управления компетенциями представляется перспективной областью внедрения технологий Semantic Web. Причинами этого являются, с одной стороны, актуальность и комплексность самой задачи (и отсутствие ее автоматизированных решений для общих случаев), а с другой – необходимость использовать для решения такой задачи гетерогенные знания, распределенно представленные в Web. Мы рассматриваем частный случай этой задачи, связанный с управления компетенциями в сфере научных исследований. Эта подзадача представляется нам наиболее сложной и интересной по двум причинам, первая из которых – слабая формализованность профилей компетенций научных сотрудников (практически каждая отдельная научная тема требует разработки собственного профиля) и большое влияние специфики домена исследований, что предполагает необходимость автоматизированной обработки внешних баз знаний, содержащихся в Web. Вторая причина – деятельность научных сотрудников и результаты их работы обычно достаточно четко формализованы и открыты для анализа: это научные публикации, патенты, отчеты, описания разработок и прочие материалы, представленные в виде естественноязыковых (ЕЯ) текстов с элементами структурированных данных (таблиц и графиков) и мультимедиа, в большинстве случаев представленных в электронной форме, что допускает создание средств их автоматизированного анализа.

Begin 2 3 4 5

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований

УДК 681.3: 519.68

Использование методов онтологического анализа для управления компетенциями персонала как составной части планирования научных исследований

Гришанова И.Ю., Рогушина Ю.В.,  к.ф.-м.н., доц., Інститут программных систем НАНУ, г. Киев

Предложены методы обработки онтологических знаний и их приложение в области управления компетенциями персонала как составной части планирования научных исследований. Предложено на основе имеющегося инструментария ПО по управлению персоналом расширить его функционал управления компетенциями путем интеграции средств управления знаниями –, онтологического анализа, элементов логического вывода, Web-сервисов  и мультиагентной парадигмы программирования.

Введение

Знания, интеллектуальный капитал, интеллектуальная собственность получают растущее признание в качестве нового источника прибыли организаций. В  частности, анализ управления компетенциями –  знаниями о способности персонала эффективно выполнять различные виды работ – является важной и перспективной задачей, для решения которой разработаны разнообразные модели и методики. Создано много методов, эвристик и программных средств, которые автоматизируют работу экспертов в этой сфере.

Next> 3 4 5