Archivo para julio, 2008

Tipos de Conocimientos

Conocimiento común.- Es el conocimiento que se crear de forma cotidiana sin la necesidad de una planificación de una manera instintiva.
Conocimiento científico.- Es un conocimiento que implica mayor grado de comprensión y entendimiento y se esta en la capacidad de explicarlo.
Conocimiento empírico.- Este conocimiento carece de precisión y de valor científico.
Conocimiento directo.- Este conocimiento se basa en la observación de hechos, acciones en las presesiones diarias.
Conocimiento proposicional.- Este conocimiento se refiere a dos cosas el sujeto y el conocimiento, el sujeto es representado por símbolos y el conocimiento da valor a la preposicion.

Anuncios

Tipos de Conocimiento

El conocimiento es un conjunto de datos, los cuales en conjunto constituyen información sobre un hecho. El conocimiento se forma de la información obtenida a lo largo del tiempo sobre como funcionan las cosas.

Existen dos tipo de conocimiento: el explícito y el tácito.

El conocimiento explícito: Este conocimiento se lo puede expresar en palabras y números, puede ser fácilmente transmitido y compartido en forma de representaciones en medios codificados, fórmulas científicas o principios globales o universales.

El conocimiento tácito: está muy personalizado y su formalización es compleja. Por lo que es difícil de transmitir ya que no ha adoptado una forma explícita. [1]

En el “modelo de ciclos de producción del conocimiento”, se expresan los siguientes procesos de conversión del conocimiento:

1.    De tácito a tácito (Proceso de socialización): Los individuos adquieren nuevos conocimientos directamente de otros.
2.    De tácito a explícito (Proceso de externalización): El conocimiento se articula de una manera tangible a través del dialogo.
3.    De explícito a explícito (Proceso de combinación): Se combinan diferentes formas de conocimiento explícito mediante documentos o bases de datos.
4.    De explícito a tácito (Proceso de internalización): Los individuos internalizan el conocimiento de los documentos en su propia experiencia.[1]

La gestión del conocimiento tiene principalmente los siguientes objetivos:

Identificar, recoger y organizar el conocimiento existente.
Facilitar la creación del nuevo conocimiento.
Iniciar la innovación a través de la reutilización y apoyo de la habilidad de la gente a través de organizaciones para producir un realzado funcionamiento de negocio. [2]

La gestión del conocimiento es la base para el desarrollo de la sociedad, nos permite incrementar las investigaciones en todos lo campos existentes y ampliar las fronteras del saber.

Referencias
[1] Luís Alvarado Acuña, La Gestión del Conocimiento y la utilización de las Tecnologías de la Información y de las comunicaciones en la creación de valor en los proyectos de Innovación, disponible en:
http://www.monografias.com/trabajos12/lagc/lagc.shtml#INNOVAC

[2] Juan Carrión Maroto,  INTRODUCCIÓN CONCEPTUAL A LA GESTIÓN DEL CONOCIMIENTO disponible en: http://www.gestiondelconocimiento.com/introduccion.htm

Los Modelos Ocultos de Markov (HMM) representan un proceso en el cual se refleja un alto grado de probabilidades, probabilidades que generan una secuencia de acciones o eventos que se pueden observar, lo que no ocurre con el proceso de probabilidad utilizado, este no es observable, pero sí afecta directamente a la secuencia de acciones que lo son. Los Modelos Ocultos de Markov pueden ser definidos como un modelo de un proceso, el cual genera una secuencia de acciones o eventos de un dominio específico.

La principal meta de los HMM es identificar los valores desconocidos u ocultos de la secuencia de acciones generada a partir de valores o parámetros observables. “Un HMM se puede considerar como la red bayesiana dinámica más simple”. Los valores que se obtengan, son analizados y sus resultados pueden ser utilizados para desarrollarlas distintas aplicaciones como: reconocimiento de patrones, Traducción automática, Bioinformática, etc.

Según el desarrollo de dichas aplicaciones o el análisis que se requiera se utiliza una arquitectura de Modelos Ocultos de Markov. Esta arquitectura viene dada por el número de estados (variable aleatoria) que lo componen y las transiciones o conexiones entre los estados. De igual manera ocurre en las redes neuronales, su arquitectura depende mucho del número de neuronas (estados) y las transiciones entre estas (conexiones sinápticas). Existen dos modelos principales que representan la arquitectura de un HMM: Modelos HMM de izquierda a derecha y Modelos HMM ergódicos.

En los modelos de izquierda a derecha, los elementos o las probabilidades que genera las acciones o eventos deben cumplir con una condición Aij = 0, donde j<i. Esto significa que, si el modelo se encuentra en un determinado tiempo (t), en el siguiente instante (t+1), el modelo permanecerá con el mismo valor de probabilidad Aii, de no ocurrir esto, el modelo pasará a un estado j-ésino con una probabilidad Aij. Este modelo es idóneo para aquellas aplicaciones en los cuales se sigue un proceso secuencial, por ejemplo: la identificación de blancos aéreos, en los cuales se utiliza una secuencia de entrenamiento para cada objetivo basados en un conjunto de observaciones almacenadas en un array.

Lo contrario ocurre con los modelos ergódicos, estos pueden evolucionar desde cualquier estado a otro en un número finito de transiciones, todas las transiciones son posibles. Este modelo es aplicado en proceso en los cuales se produce una toma de decisiones, otro ejemplo claro, es el reconocimiento de gestos, en el cual se utiliza una base de entrenamiento construida en base a la información obtenida de los gestos, esta base se ajusta a los valores, se la interrelaciona y se obtiene los resultados.

Los modelos deben ser seleccionados según la aplicación, deben ser ejecutados adecuadamente y cumplir con las condiciones que en cada modelo se estimen pertinentes.

Autores:

Daniel Valdivieso

Diego Guamán