在介绍最佳实践萃取技术的时候,被问到最多的一个问题是:最佳实践萃取技术历史的源头在哪里?它是怎么一步一步发展到我们现在看到的方法论和应用呢?就好比教练技术、引导技术等,大家可以追溯到国外的一些源头,找到相关的经典书籍、资料,于是更能理解国内的实践、应用和未来发展变化。那最佳实践萃取的技术有这样的渊源吗? 这的确是一个好问题! 当你知道这项技术的渊源和变化,才能更加清晰地了解它为什么重要、怎么样更好地为自己所用等切身的关键问题,对孙波老师书中的内容,你也能有更加全景式、深入的理解。
到哪里去溯源?
先要说明:如果我们只把最佳实践萃取理解为一般意义上的“经验总结和提炼”,那么这件事儿肯定是古而有之,因人而异,并无固定渊源可溯。但我们现在讲的最佳实践萃取,是跟教练技术(coach)、引导技术(facilitation)等一样,是一项有专门方法论和流程工具的技术,那么它确有其渊源和发展变化。 当然,我们可以去查浩如烟海的专业文献。但对于一般的学习者,最简单的是上网搜索。 如果你去百度、搜狗、甚至翻墙出去谷歌用中文搜索,输入关键词“最佳实践萃取”,一定会发现很多教育培训的从业者都在做“最佳实践萃取”,大家基本上都是从培训内容开发的角度、或者知识管理的角度,介绍最佳实践萃取的重要作用,以及相关的方法和工具,但对这件事情作为一项专门的“技术”,它到底有何渊源、如何发展变化,却很少人提及。 所以,我们最好去搜索英文网站。但如果你用类似“best practice extraction”等直译的关键词,那我要遗憾地告诉你,恐怕结果中没有你想要的东东呢!正确的方法是:在英文搜索中输入关键词:Knowledge Elicitation,或者Cognitive Task Analysis。恭喜你,大量的文章和书籍介绍会一下子涌到你眼前,你就可以慢慢去研究探寻了。
追溯最佳实践技术的两条主线 线索一:从人工智能到专家系统 (Expert System) 人工智能这个概念在上世纪50年代被提出以后,最初“落地”的应用就是在1965年开发出的一个专家系统DENDRAL,把化学分子领域专家的知识萃取整理出来,输进人机交互的程序,让机器变成该领域的专家,根据信息输入就能推断出化学分子结构。从那时到现在,很多领域都已经开发出这样的专家系统。 为支撑专家系统的开发,美国斯坦福大学教授爱德华·费根鲍姆(Edward Albert Feigenbaum)上世纪70年代倡导了知识工程(Knowledge Engineering)这个学科,也就是研究怎么样去处理知识,第一步就是如何获取专业领域的知识,可用的方法包括:人工萃取、智能程序提取、大数据分析等。 在人工萃取这个部分,有一群人被叫做“知识工程师”(Knowledge Engineer),他们运用一些流程、工具等,从领域专家(Domain Expert)身上萃取知识。这个过程就被叫做“知识诱出”(Knowledge Elicitation),就是我们现在所说的最佳实践萃取。
这条线索对最佳实践萃取技术的发展有两个重要意义:
线索二:知识管理 (Knowledge Management) 循着第一条线索,最佳实践萃取的技术一开始主要应用在基于人机交互的技术领域,但慢慢地,人们发现应用这项技术,可以去萃取、保留专家的经验、做法,于是这项技术的使用范围逐渐扩大。 自上世纪90年来以来,随着知识经济迅猛发展,知识管理的理念和建设知识管理系统在企业中越来越受到重视。知识管理的第一步就是获取知识,并且对它们进行加工,用结构化的形式呈现出来,为之后的传播、保存等环节服务。 在利用各种方法获取知识的努力中,大家发现知识诱出的核心路径、方法、技术和工具,也完全适用于组织的知识管理和教育培训的需求。而且大家尤为看重的是,如何利用知识诱出技术,把专家(或绩优人员)身上的隐性知识挖掘出来,变成显性的、其他人可复制的知识,为组织发展发挥更大价值。
这条线索对于理解当前最佳实践萃取技术的应用很有意义:
以上为大家梳理了溯源最佳实践的脉络线索,感兴趣的伙伴可以自己去这个知识的海洋里徜徉一番。回过头来再去看孙老师书,你一定能更加理解这项技术的“前生来世”! 容小编在这里打个广告~ |
|