Vidensmodellering & Digitalisering (Bodil Nistrup Madsen & Hanne Erdman Thomsen)
•
0 recomendaciones•465 vistas
A session at the CBS Competitiveness Day 2015 - Workshoppen giver gennem oplæg, cases og hands-on en indføring i de nyeste principper og metoder til modellering af viden med særligt henblik på digitalisering. Målet er at give deltagerne indsigt i, hvordan de kan bidrage til at deres virksomhed eller organisation udvikler konsistente, holdbare og effektive løsninger til håndtering, formidling og udveksling af viden og data.
Recomendados
Recomendados
Más contenido relacionado
Similar a Vidensmodellering & Digitalisering (Bodil Nistrup Madsen & Hanne Erdman Thomsen)
Similar a Vidensmodellering & Digitalisering (Bodil Nistrup Madsen & Hanne Erdman Thomsen) (20)
Más de CBS Competitiveness Platform
Más de CBS Competitiveness Platform (20)
Vidensmodellering & Digitalisering (Bodil Nistrup Madsen & Hanne Erdman Thomsen)
- 1. 10 september 2015 14.00 – 16.30 VIDENSMODELLERING & DIGITALISERING Introduktion og eksempler Bodil Nistrup Madsen Hanne Erdman Thomsen
- 2. 2 • Introduktion og eksempler • Principper og metoder, værktøjer • Kaffepause 15.15 – 15.30 • Arbejde med case • Opsamling på case-arbejdet Program
- 3. 3 • Målet med workshoppen • Hvor er der brug for vidensmodellering • Hvad forstår vi ved vidensmodellering • Eksempler Oversigt – Introduktion og eksempler
- 5. 5 Workshoppen giver gennem oplæg, cases og hands-on en indføring i de nyeste principper og metoder til modellering af viden med særligt henblik på digitalisering. Målet er at give deltagerne indsigt i, hvordan de kan bidrage til at deres virksomhed eller organisation udvikler konsistente, holdbare og effektive løsninger til håndtering, formidling og udveksling af viden og data. Målet med workshoppen
- 6. 6 Hvor er der brug for vidensmodellering
- 7. 7 • Vidensstrukturering og vidensdeling i virksomheder og organisationer. • Digital forvaltning, vidensportaler eller e-handel. • Dataudveksling og interoperabilitet mellem forskellige systemer. • Udvikling af forretningsmodeller, informations- og it-arkitektur, design og integration af it-systemer. • Dokument- og indholdsstyring. Hvor er der brug for vidensmodellering?
- 8. 8 Hvad forstår vi ved vidensmodellering • modellering af begreber emner eller data, som resulterer i en vidensstruktur
- 10. 10 Kilde: Kriminalforsorgen Begrebsafklaring vha. terminologiske ontologier – Eksempel: straftyper inddelingskriterium trækspecifikation altid typerelation
- 11. 11 Mere viden om straftyper Polyhierarki: nedarvning af træk fra to overbegreber Ikke alle kombinationer Ikke: betinget bødestraf altid altidaltid
- 12. 12 Eksempler • Jf. slide 7: Hvor er der brug for vidensmodellering?
- 13. Vidensstrukturering og vidensdeling • entydig afdækning af begrebers betydning, sådan at de kan anvendes tværfagligt i en eller flere organisationer Sundhedsvæsenets begrebsbase Kreditforeninger Scania …
- 15. 15 Udsnit af totaldiagrammet Medicinering: To vigtige begreber, som der har været mange diskussioner om: medicingennemgang og ajourføring af FMK. Hvad er lægens rolle? Se næste slide.
- 17. Digital forvaltning • anvendelse af IT til intern effektivisering af arbejdsprocesserne i offentlige myndigheder • digitale selvbetjeningsløsninger, som offentlige myndigheder stiller til rådighed for borgere, virksomheder eller andre brugere på internettet. FORM – Forretningsreferencemodel for forvaltningsopgaver SKAT – Tast selv Borger.dk …
- 18. 18
- 20. 20 FORM er en klassifikation, ikke en terminologisk ontologi
- 21. 21 For det meste = beskrivelser af klasserne, ikke terminologiske definitioner med anførelse af nærmeste overbegreb og adskillende træk
- 22. 22 Udsnit af terminologisk ontologi for skatter Intensionale definitioner kan udarbejdes på baggrund af nærmeste overbegreb og adskillende træk, fx ejendomsskat: direkte skat hvor grundlaget er ejendommens grundværdi
- 23. 23 Polyhierarki Et begreb har flere overbegreber – alle kombinationer er ikke mulige.
- 24. 24 Sammenligning mellem terminologisk ontologi og klassifikation Udsnit af klassifikation: FORM version 1.3 Rækkefølge og inddeling virker ikke intuitiv
- 25. 25 Udsnit af klassifikation og ontologi for skatter Skatter på indkomst og formue (FORM version 1.3) • Personbeskatning • Ejendomsbeskatning • Pensionsbeskatning • Selskabsbeskatning • Fonds- og foreningsbeskatning I version 2.6 er der tilføjet nye klasser Inddeling og rækkefølge svarer til Finansloven
- 26. Inddeling og rækkefølge ikke den samme Inddeling og rækkefølge ikke den samme Her kunne med fordel anvendes en fælles terminologisk ontologi som basis for klassifikationerne hos SKAT og i FORM
- 27. Dataudveksling og interoperabilitet mellem forskellige systemer Justitsministeriet: Udveksling af data mellem anklagemyndigheden, domstolene, Politiet og Kriminalforsorgen
- 28. 28 Stævning: Anklagemyndighedens oprindelige definition: sagsdokument hvorved anklagemyndigheden indkalder tiltalte til hovedforhandling Domstolenes oprindelige definition: Anklagemyndighedens indkaldelse af tiltalte til retsmøde Forslag til fælles definition: indkaldelsesdokument der indeholder en formel indkaldelse af tiltalte til retsmøde Forskellige definitioner af sagsdokumenter
- 29. Forretningsmodeller, informations- og it-arkitektur, design og integration af it- systemer • Begrebsmodeller versus datamodeller Eksempel fra Fødevareministeriet, FVM (2008)
- 30. 30 Udsnit af Fødevareministeriets begrebsmodel for Kontrol Her er tale om en datamodel (beskrivelse af data), ikke en begrebsmodel (ontologi)
- 31. 31 Terminologisk ontologi for kontrol Beskrivelse af betydning (semantik) Bør opsplittes
- 32. 32 Fødevareministeriets beskrivelse af administrativ kontrol Description Som udgangspunkt foretages administrativ kontrol på materiale som myndigheden har til behandling. Dette indebærer kontrol af oplysninger, som kunden har afgivet til en myndighed gennem en ansøgning, indberetning af produktionsdata eller lignende. Administrativ kontrol foretages som udgangspunkt udelukkende internt hos myndigheden. Administrativ kontrol kan foretages på samtlige oplysninger i forbindelse med sagsbehandling og udbetaling eller anden aktivitet rettet mod kunde, produkt eller aktivitet. I forbindelse med sagsbehandling af støtteansøgninger foretages både en administrativ kontrol og en fysisk kontrol. Den administrative kontrol kan være en systematisk kontrol af alle oplysninger eller en stikprøveudvalgt del af oplysningerne. Den administrative kontrol kan ved behandling af eksempelvis ansøgninger opsættes som en systematisk maskinel udfør kontrol. Short description Ved administrativ kontrol forstås den kontrol, der foretages ved at sammenholde modtagne oplysninger og data vedrørende kunder, produkt eller aktivitet med gældende regler og andre relevante oplysninger.
- 33. 33 BEGREB FVM DANTERM kontrol på stedet Aktiviteten kontrol på stedet udføres som en kontrol hos en kunde eller dennes leverandør/aftager. kontrol der udføres hos en kunde eller dennes leverandør eller aftager administrativ kontrol Ved administrativ kontrol forstås den kontrol, der foretages ved at sammenholde modtagne oplysninger og data vedrørende kunder, produkt eller aktivitet med gældende regler og andre relevante oplysninger. kontrol der foretages hos en kontrolmyndighed FVM’s og DANTERMcentrets forslag til definitioner af kontrol på stedet og administrativ kontrol
- 34. 34 • Ved at anføre karakteristiske træk (i form af trækspecifikationer) og inddelingskriterier fås et godt grundlag for begrebsafklaring og udformning af konsistente definitioner – fx, hvad er det egentlig der adskiller begreberne kontrol på stedet og administrativ kontrol? • Begrebsrelationerne i ontologien afspejler bedre relationerne mellem begreberne end associationerne i den konceptuelle datamodel - fx relationen fra Kontrol på stedet til Prøveudtagning og analyse. Fordele ved at udarbejde en terminologisk ontologi
- 35. 35 Oprindelig (logisk) datamodel, jf. slide 30
- 36. 36 Terminologisk ontologi for kontrol - justeret Ikke noget begreb ‘control type’, kun ‘control’. On site control er en type control, ikke en type control type. Begreberne ‘sampling’ og ‘analysis’ indgår i ‘on site control’. De er ikke typer af ‘on site control’. Her er tale om to begreber.
- 37. 37 Oprindelig konceptuel datamodel for kontrol De røde cirkler markerer forskelle i den oprindelige og den nye konceptuelle datamodel, jf. slide 38.
- 38. 38 Ny konceptuel datamodel for kontrol
- 39. 39 1 •Terminologisk begrebsmodellering Udarbejdelse af en terminologisk ontologi der indeholder oplysninger om begreber i form af karakteristiske træk og begrebsrelationer - BEGREBSAFKLARING! 2 •Konceptuel datamodellering Udarbejdelse af en datamodel der afspejler typer af entiteter og deres indbyrdes relationer, og som udgør en abstrakt repræsentation af data. 3 •Logisk datamodellering Udarbejdelse af en datamodel der specificerer organiseringen af data på en måde, som afspejler den logiske struktur i et it-system. 4 •Fysisk datamodellering Udarbejdelse af en datamodel der afspejler den fysiske struktur i et it-system. Ideelt modelleringsforløb
- 40. 10 september 2015 VIDENSMODELLERING & DIGITALISERING Principper, metoder & værktøjer Bodil Nistrup Madsen Hanne Erdman Thomsen
- 41. 2 Principper og metoder - Fra begrebsforvirring… aktieavancesk at pensionsska t ejendomsværdiskat kapitalindkomstskat fondsskat lønsumsafgift arbejdsmarkedsbidr ag sundhedsbidrag moms aktieindkomsskat foreningsskat ejendomsskat boafgift spilafgift passagerafgift bundskat topskat
- 42. 3 Principper og metoder … til overblik og begrebsafklaring aktieavanceskat pensionsskat ejendomsværdiskat kapitalindkomstskat fondsskat lønsumsafgift arbejdsmarkedsbidrag sundhedsbidrag moms aktieindkomsskat foreningsskat ejendomsskat boafgift spilafgift passagerafgift bundskat topskat
- 44. 5 • Nedarvning af karakteristiske træk • Unikke primære trækspecifikationer • Adskillende træk / inddelingskriterier • Intensionale definitioner Principper
- 45. 6 Princip: nedarvning Primært træk: ikke arvet
- 46. 7 Princip: unikke primære træk Trækket herfra kan kun arves af begreberne i den store cirkel
- 47. 8 Princip: unikke primære træk Derfor må ‘kirkeskat’ være underbegreb til ‘personskat’
- 48. Ikke samme primære træk på underbegreber 9 ligheder
- 49. 10 ligheder Primære træk flyttes til fælles overbegreb
- 50. 11 Ikke samme primære træk på underbegreber /2
- 51. 12 Ikke samme primære træk på underbegreber /2
- 52. 13 Princip: Ét adskillende træk / inddelingskriterium Vigtigste forskel inddelingskriterium
- 53. 14 Princip: intensionale definitioner Nærmeste overbegreb + adskillende træk Personskat som modtages af kommunen
- 54. 15 • Nedarvning af karakteristiske træk • Unikke primære trækspecifikationer • Adskillende træk / inddelingskriterier • Intensionale definitioner Opsummering af principper
- 55. 16 • Netbaseret Termbase • Fleksible søgemuligheder • Understøtter alle sprog • Integration af multimediefiler • Egen emneklassifikation • Virksomhedsspecifikke felter • Kildebibliotek • Hyperlinks internt og eksternt • Eksport og import af data i XML Værktøjer: i-Term
- 56. 17 Værktøjer: i-Model • begreber fra i-Term • relationer mellem begreberne • tilføje adskillende træk og inddelingskriterier • direkte adgang til alle oplysninger i termbasen • begrebssystemerne som billedfiler • systematisk ordnede lister www.iterm.dk http://dtb.i-term.dk
- 57. 18 • dt Crawler- finder tekster på nettet • dt Tag– ordklasseopmærkning af alle ord i teksterne • dt eXtractor– finder termkandidater • dt Relations – intra • dt Relations – extra • dt Validator– tjekker ontologi for principperne Værktøjer: dtbTools www.dantermbank.dk - finder relationer i termer (personskat – skat – person) - finder relationer mellem termer (personskat – sundhedsbidrag)
- 58. 19 Spørgsmål?