Published January 1, 2021
| Version v1
Publication
Open
Implementation of Decision Tree Algorithm to Classify Knowledge Quality in a Knowledge Intensive System
Description
Knowledge is an important asset for an organisation as it facilitates organisational growth. To facilitate knowledge creation and sharing, this is where a knowledge-intensive system is required. One key area that hinders the effective use of knowledge-intensive systems in an organisation is the lack of knowledge quality. This causes the system to be underutilised, and as a result, knowledge will not be captured or shared effectively. Recent KM findings identified that machine learning could be beneficial to knowledge management. A literature review was conducted to identify knowledge of quality attributes and machine learning algorithms. From the findings, it was identified that the decision tree algorithm has a strong potential at classifying knowledge quality. An experiment was then devised to identify the training model required and measure its effectiveness using a pilot test. This involved using a knowledge-intensive system and mapping its variables to the respective knowledge quality attributes. From the experimentation result, the training model is then devised before implemented in a pilot test. The pilot test involved collecting knowledge using the same knowledge-intensive system before running the training model. From the results, it was identified that the decision tree could classify knowledge quality though the results yielded four different outputs at classifying knowledge quality. It was concluded that machine learning is beneficial in the area of knowledge management.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
المعرفة هي أصل مهم للمؤسسة لأنها تسهل النمو التنظيمي. لتسهيل إنشاء المعرفة ومشاركتها، هذا هو المكان الذي يتطلب نظامًا كثيفًا للمعرفة. أحد المجالات الرئيسية التي تعيق الاستخدام الفعال للأنظمة كثيفة المعرفة في المنظمة هو الافتقار إلى جودة المعرفة. وهذا يؤدي إلى عدم استخدام النظام بشكل كافٍ، ونتيجة لذلك، لن يتم التقاط المعرفة أو مشاركتها بشكل فعال. حددت النتائج الأخيرة لإدارة المعرفة أن التعلم الآلي يمكن أن يكون مفيدًا لإدارة المعرفة. تم إجراء مراجعة للأدبيات لتحديد المعرفة بسمات الجودة وخوارزميات التعلم الآلي. من النتائج، تم تحديد أن خوارزمية شجرة القرار لديها إمكانات قوية في تصنيف جودة المعرفة. ثم تم ابتكار تجربة لتحديد نموذج التدريب المطلوب وقياس فعاليته باستخدام اختبار تجريبي. وشمل ذلك استخدام نظام كثيف المعرفة وربط متغيراته بسمات جودة المعرفة ذات الصلة. من نتيجة التجربة، يتم بعد ذلك وضع نموذج التدريب قبل تنفيذه في اختبار تجريبي. تضمن الاختبار التجريبي جمع المعرفة باستخدام نفس النظام المكثف للمعرفة قبل تشغيل نموذج التدريب. من النتائج، تم تحديد أن شجرة القرار يمكن أن تصنف جودة المعرفة على الرغم من أن النتائج أسفرت عن أربعة مخرجات مختلفة في تصنيف جودة المعرفة. وخلص إلى أن التعلم الآلي مفيد في مجال إدارة المعرفة.Translated Description (French)
La connaissance est un atout important pour une organisation car elle facilite la croissance organisationnelle. Pour faciliter la création et le partage des connaissances, c'est là qu'un système à forte intensité de connaissances est nécessaire. Un domaine clé qui entrave l'utilisation efficace des systèmes à forte intensité de connaissances dans une organisation est le manque de qualité des connaissances. Cela entraîne une sous-utilisation du système et, par conséquent, les connaissances ne seront pas capturées ou partagées efficacement. Des résultats récents de KM ont identifié que l'apprentissage automatique pourrait être bénéfique pour la gestion des connaissances. Une revue de la littérature a été menée pour identifier les connaissances sur les attributs de qualité et les algorithmes d'apprentissage automatique. À partir des résultats, il a été identifié que l'algorithme de l'arbre de décision a un fort potentiel pour classer la qualité des connaissances. Une expérience a ensuite été conçue pour identifier le modèle de formation requis et mesurer son efficacité à l'aide d'un test pilote. Cela impliquait d'utiliser un système à forte intensité de connaissances et de mapper ses variables aux attributs de qualité des connaissances respectifs. À partir du résultat de l'expérimentation, le modèle de formation est ensuite conçu avant d'être mis en œuvre dans un test pilote. Le test pilote consistait à collecter des connaissances en utilisant le même système à forte intensité de connaissances avant d'exécuter le modèle de formation. À partir des résultats, il a été identifié que l'arbre de décision pouvait classer la qualité des connaissances bien que les résultats aient donné quatre résultats différents lors de la classification de la qualité des connaissances. Il a été conclu que l'apprentissage automatique est bénéfique dans le domaine de la gestion des connaissances.Translated Description (Spanish)
El conocimiento es un activo importante para una organización, ya que facilita su crecimiento. Para facilitar la creación y el intercambio de conocimientos, aquí es donde se requiere un sistema intensivo en conocimientos. Un área clave que dificulta el uso efectivo de sistemas intensivos en conocimiento en una organización es la falta de calidad del conocimiento. Esto hace que el sistema esté subutilizado y, como resultado, el conocimiento no se capturará ni compartirá de manera efectiva. Los hallazgos recientes de KM identificaron que el aprendizaje automático podría ser beneficioso para la gestión del conocimiento. Se realizó una revisión de la literatura para identificar el conocimiento de los atributos de calidad y los algoritmos de aprendizaje automático. A partir de los hallazgos, se identificó que el algoritmo del árbol de decisiones tiene un gran potencial para clasificar la calidad del conocimiento. A continuación, se ideó un experimento para identificar el modelo de formación requerido y medir su eficacia mediante una prueba piloto. Esto implicó el uso de un sistema intensivo en conocimiento y el mapeo de sus variables a los respectivos atributos de calidad del conocimiento. A partir del resultado de la experimentación, el modelo de entrenamiento se diseña antes de implementarse en una prueba piloto. La prueba piloto consistió en recopilar conocimientos utilizando el mismo sistema intensivo en conocimientos antes de ejecutar el modelo de capacitación. A partir de los resultados, se identificó que el árbol de decisiones podría clasificar la calidad del conocimiento, aunque los resultados arrojaron cuatro resultados diferentes en la clasificación de la calidad del conocimiento. Se concluyó que el aprendizaje automático es beneficioso en el área de la gestión del conocimiento.Files
matecconf_eureca2020_04002.pdf.pdf
Files
(24 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:7624dcbc096921e31a1da610e19a546e
|
24 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تنفيذ خوارزمية شجرة القرار لتصنيف جودة المعرفة في نظام المعرفة المكثفة
- Translated title (French)
- Mise en œuvre d'un algorithme d'arbre de décision pour classer la qualité des connaissances dans un système à forte intensité de connaissances
- Translated title (Spanish)
- Implementación de Algoritmo de Árbol de Decisión para Clasificar la Calidad del Conocimiento en un Sistema Intensivo de Conocimiento
Identifiers
- Other
- https://openalex.org/W3121942424
- DOI
- 10.1051/matecconf/202133504002
References
- https://openalex.org/W1981039744
- https://openalex.org/W2031167046
- https://openalex.org/W2098118776
- https://openalex.org/W2124867721
- https://openalex.org/W2132454116
- https://openalex.org/W2162162697
- https://openalex.org/W2227807253
- https://openalex.org/W2294713536
- https://openalex.org/W2404644114
- https://openalex.org/W2553832316
- https://openalex.org/W2789122978
- https://openalex.org/W2804290721
- https://openalex.org/W2805116217
- https://openalex.org/W2883473451
- https://openalex.org/W2886533274
- https://openalex.org/W2898543370
- https://openalex.org/W2903056849
- https://openalex.org/W2903703585
- https://openalex.org/W2904307226
- https://openalex.org/W2909150929
- https://openalex.org/W2909861393
- https://openalex.org/W2922748334
- https://openalex.org/W2934933251
- https://openalex.org/W2945568950
- https://openalex.org/W2980503130
- https://openalex.org/W2984353870
- https://openalex.org/W3104599990
- https://openalex.org/W4243390373