08.04.2020 | Автор: OleshkoV | 332 просмотров
Извлеченные уроки: обзор Денниса Пирса. Часть 6

Десятая заметка цикла посвящена определению границ урока (scoping). Мне не очень нравится этот перевод, поэтому буду благодарна, если кто-то из читателей в комментариях предложит более точную формулировку. В других источниках (обзор которых делал Деннис в первой части) этот этап называется “выделение сути”, “оценка”, “интерпретация”, “упаковка”. Он тесно связан с этапом сохранения урока – выполняется непосредственно до, одновременно или сразу после сохранения. Ошибки на этом этапе часто приводят к провалу работы всей системы извлечения уроков: при неправильном оформлении пользователям трудно понять, могут ли они применить конкретный урок в своем контексте. Под оформлением подразумевается то, как описан урок, какими примерами, метаданными и тегами он сопровождается, как его классифицировали.

Действия, которые выполняются на этом этапе:

  • “Выжимка” урока из всего объема знаний о произошедшем событии.
  • Интерпретация и оценка урока с точки зрения возможности его адаптации и более широкого применения в организации.
  • Фильтрация лишних уроков, чтобы они не попали в систему.
  • Расстановка приоритетов, оценка способов, которыми лучше всего распространять уроки, и их соответствующая “упаковка”.

Одна из сложностей, которая возникает на этом этапе, - определить границы применимости и детальность описания урока. Если слишком обобщать, урок может размыться и превратиться в “банальность”. Если описывать урок максимально специфично, может сузиться круг ситуаций, где его можно применить. Нужно искать “золотую середину”.

Еще одна тонкость: из одного и того же события можно вынести уроки разной “глубины”. Это про понимание коренных причин – спросить 5 раз “Почему?”. Поверхностные причины могут касаться физических объектов (материалов, оборудования, инструментов), а более глубокие – лежать в области организации процессов или культуры компании. Границы применимости у таких уроков будут, очевидно, разными.

Также на этом этапе цикла кто-то должен принять принципиальное решение о том, стоит ли вообще хранить этот урок в системе (отфильтровывать лишнее). Например, в процессе извлечения уроков Департамента энергетики США предусмотрено три контрольных точки, в которых урок оценивается и принимается решение о его дальнейшем распространении.

Вопрос построения эффективной базы извлеченных уроков Деннис рассматривает в своей одиннадцатой заметке. Эффективная база – та, в которой пользователь может быстро и легко найти уроки, которые применимы в его ситуации. Поэтому важно правильно структурировать контент в базе и поработать над метаданными.

Деннис изучил несколько баз извлеченных уроков (по открытым публикациям) и свел данные об их структуре в общую таблицу:

В этой таблице “контент” - это содержание самого урока, а “идентификация” и “категоризация” - метаданные. К идентификации относятся: порядковый номер, автор, информация о валидации (“утверждено”), дата создания или подачи на рассмотрение и т.п. Категоризация включает таксономическую структуру, ключевые слова, теги – все то, что помогает пользователю найти нужные уроки.

Анализируя эту таблицу, можно заметить несколько интересных моментов:

  • Событие, которое вызвало появление урока, в разных организациях называют по-разному: кто-то негативно (“проблема”), а кто-то – нейтрально (“условия”, “наблюдение”, “описание”). Негативное название потенциально может сузить круг событий, из которых извлекаются уроки – люди не будут учиться на положительном опыте.
  • Как мы говорили на этапе валидации, важно собирать информацию о доказательствах эффективности урока – в идеале в виде статистических данных. Но среди изученных Деннисом систем поле для таких доказательств предусмотрено только в базе NASA.
  • Только в двух системах есть отдельное поле для описания выгод применения урока и только в одной предложено поле для указания возможных областей его применения. По мнению Денниса, это может быть потому, что в остальных случаях выгоды считаются очевидными и включаются в описание решения, а область применения может быть ограничена с помощью категоризации урока.

Немного особняком стоит база Федеральной авиационной администрации США (Federal Aviation Administration - FAA). В большинстве случаев в системах извлеченных уроков указывается автор записи, чтобы пользователи могли с ним связаться для уточнения каких-то деталей. Но в FAA намеренно сохраняют анонимность, поскольку собирают в базе чувствительную информацию о потенциальных угрозах и проблемах (“near miss”). Благодаря анонимности больше шансов, что событие не “замнут” и сообщат о нем в системе. Атмосферу доверия поддерживают еще несколько особенностей системы:

  • В ней собирают информацию только о случаях “near miss”, когда ошибка не привела к нанесению ущерба. Отчеты о настоящих инцидентах собираются в Национальном совете по безопасности на транспорте (National Safety Transportation Board).
  • Базу администрирует не сама FAA, а специалисты NASA. Поэтому никто из FAA не может увидеть информацию, которая потенциально может помочь выявить авторов записей в системе.
  • В нормативных актах FAA есть специальный раздел, запрещающий использовать информацию из базы для наложения взысканий на внесшего данные в базу, даже если там идет речь о нарушении инструкций FAA.

Благодаря всему этому ежемесячно в базе FAA делаются тысячи записей. Это именно то, что необходимо для организации глубокого анализа и выявления паттернов и трендов, которые могут свидетельствовать о потенциальных угрозах безопасности полетов.

Еще один момент, на который обращает внимание Деннис: идентификацию, категоризацию, описание проблемы, решения, рекомендаций, доказательств эффективности урока можно рассматривать не только как поля в базе данных, но и как последовательные шаги определенной процедуры. Не всегда есть возможность или смысл заполнять сразу все поля. Например, в случае, если речь идет о проблеме, которая может привести к катастрофе и потере жизней людей, может быть критически важным как можно скорее внести информацию о ней в систему – еще до того, как найдено и апробировано решение. Кроме того, возможна ситуация, когда разные поля заполняются разными людьми в разное время. Поэтому надежная система извлеченных уроков должна обеспечивать возможность отсортировывать неполные уроки и со временем добавлять к ним недостающие кусочки информации, а также иметь встроенный процесс валидации и одобрения уроков.

Инструменты / 08.04.2020 | Просмотров: 332 | Добавил: OleshkoV | Всего комментариев: 0 / Теги: инструменты управления знаниями, базы знаний, lessons learned, кейс
ОБ АВТОРЕ
Виктория Олешко Олешко Виктория, бизнес-тренер, консультант, главный редактор сайта SixSigmaOnline.ru. Автор книги “Управление знаниями: коротко о главном” и блога “Управление знаниями”.
Хотите узнать больше об управлении знаниями? Присоединяйтесь к группе на facebook.
Есть вопросы по управлению знаниями? Интересует корпоративное обучение? Пишите или обращайтесь через мой профиль в сети LinkedIn.

ПОХОЖИЕ МАТЕРИАЛЫ


  Добавить комментарий
avatar
SixSigmaOnline.ru © 2009-2020            Хостинг от uWeb