اصول مفهومی رای ون   مهارت ها بخشی از دانش هستند که یا از افراد قابل جدا کردن نیستند یا جدا کردن آن به صرفه نیست. تجربیات بخشی از دانش افراد است که می توان آن را مستقل از افراد، ولی با حفط ارزش دانشی آن منتقل کرد.

یک تقسیم بندی ساده برای انواع اشیاء دانش در رای ون

یک تقسیم بندی ساده برای انوع اشیاء دانش در رای ون
(کلیک کنید)
 
نمونه ساده بصری سازی در رای ون
نمونه ساده بصری سازی در رای ون
 
اصول مفهومی رای ون
   مدیریت دانش بایستی توسط مجموعه ای از سیستم های مبتنی بر فناوری های غیرهمگن و نامتجانس اطلاعات (سیستم هایی که برای اهداف دیگر، کمتر در کنار هم قرار می گیرند) پشتیبانی شود. رای ون بر اساس سه اصل مفهومی ایجاد شده است و به واسطه همین سه اصل است که می گوییم رای ون یک راهکار مدیریت دانش واقعی است:

   هوشمندی اجتماعی (Social Intelligence)

   رای ون
بیش از آن که بر هوش مصنوعی و تکنیک های مرتبط با آن تکیه کند (هر چند به این موضوع نیز به شکلی اثربخش توجه شده است) بر اصولی استوار است که بتواند از هوش اجتماعی یک سازمان برای حل مسائل استفاده نماید. به طور مثال یکی از اصول ساختاری رای ون استفاده از مفهومی به نام فکسونومی است؛

   نتیجه فعالیت گروهی و تعاملی افراد برای برچسب گذاری (Tagging) و یادداشت نویسی (Annotation) در مورد یک حوزه دانش یا محتوای دانش را فُکسونومی می گویند. در فُکسونومی ها، داده های توصیف کننده که به غنی سازی اطلاعات و تبدیل آن ها به دانش کمک می کنند تنها توسط افراد حرفه ای ایجاد نمی شوند بلکه، تولید کننده یا استفاده کننده محتوا هم می توانند به بدنه دانش آن محتوا اضافه کند. به عبارتی ساده تر فُکسونومی (=Folk+Taxonomy) یک تکسونومی است که توسط کاربران ساخته می شود.

   برچسب گذاری به دانشکاران این امکان را می دهد تا به صورت جمعی و تعاملی، اطلاعات را طبقه بندی کرده و بیابند. در رای ون از ابر برچسب (Tag Cloud) و موتور بصری سازی دانش استفاده می شود تا برچسب های فُکسونومی را به صورت بصری نشان دهند.

یک نمونه ابر برچسب

   هدف از برچسب گذاری در یک فُکسونومی این است که جستجو، حرکت بین اطلاعات و درک یک بدنه اطلاعات، در طول زمان و به تدریج برای دانشکاران آسان شود. از آن جا که فُکسونومی ها عموما در محیط های مبتنی بر اینترنت به وجود آمده اند، کاربران می توانند دریابند یک برچسب معین را چه کسی استفاده می کند و هم چنین او از چه برچسب های دیگری استفاده می کند. به این ترتیب کاربران می تواند به درک متقابلی از مجموعه بر چسب هایی برسند که دیگران برای تفسیر، درونی سازی و درک یک جزء اطلاعات نیاز دارند. این مورد می تواند در سیستم های مدیریت دانش انسان محور یک گام بزرگ رو به جلو باشد؛ چرا که قابلیت افراد در ساختاردهی صحیح دانش و هم چنین یافتن محتواهای مرتبط را بالا می برد. این اصل در یافتن اطلاعات مرتبط، Pivot Browsing نام دارد. بخش عمده ای از جاذبه فُکسونومی در توانمندی ذاتی و راحتی آن در یافتن اطلاعات نسبت به ابزارهای سنتی جستجو مانند موتورهای جستجوست.

   درهم تنیدگی معنایی (Semantic Interconnectedness)

  
تفاوت عمده رای ون با دیگر سیستم های مدیریت دانش و سیستم های اطلاعاتی در پیروی از اصل درهم تنیدگی معنایی است. رای ون دارای دو لایه مفهومی است:
لایه گره ها در رای ون لایه اشیاء دانش
   جداسازی این دو لایه از یکدیگر این امکان را می دهد تا در عین ایجاد فضای مجازی برای پوشش تمام فرآیندهای مدیریت دانش، امکانات مدیریتی و تحلیلی بیشتری بر روی اشیاء دانش داشته باشیم. در نمودار زیر دو لایه مفهومی با هم مرتبط شده اند.

ترکیب دو لایه مفهومی در رای ون
   به کارگیری موجودیت های دانش در قالب گره های مختلف (که خود نیز دارای زیرکلاس هایی هستند) به سیستم امکان نمایش بصری یک فضای مشترک را به صورت پویا می دهد. منظور از فضای مشترک برای یک فرد چیزهایی است که او می داند، اشیاء دانشی که او روی آن ها کار می کند، افرادی که با آن ها همکار است یا تعامل دارد و دانش افرادی که با آن ها همکار است. رای ون با بصری سازی این روابط و برخی روابط دیگر این فضای مشترک را ایجاد می کند. از سوی دیگر درهم تنیدگی معنایی، زیربنای اکتشاف دانش و استخراج مفهوم و نهایتا هوشمندی مصنوعی را فراهم می کند.

   بصری سازی دانش (Knowledge Visualization)

  
تبادل هر دو نوع دانش ضمنی (که به سختی قابل بیان است) و دانش آشکار (که به سادگی قابل ساختاردهی است) بین افراد، در یک فضای فیزیکی مشترک، شکل بهینه به خود می گیرد. رای ون این امکان را فراهم می کند که معانی و مفاهیم پرورش یابند؛ پیش نیازی که به عنوان زیربنای خلق دانش مطرح می شود. در این شرایط، فضای مشترک بین افراد به یک سری "چارچوب های تفسیری" قابل اطلاق است که از خود دانشی که به اشتراک گذاشته شده است سرچشمه می گیرد. این فضای مشترک می تواند شامل فعالیت های مشترک حول حوزه های دانش یا اشیاء دانش، روابط اجتماعی بین کارکنان سازمان، خود حوزه های دانش، زمینه های کاری و مهارت های مرتبط و همچنین مستندات مرتبط باشد. بصری سازی چنین روابطی گام مهمی در عملیاتی کردن یک فضای مشترک دانشی سایبر است که می تواند کیفیت تبادل دانش را در یک سازمان بهبود بخشد. به این ترتیب، بصری سازی روابط بین موجودیت های دانش، می تواند از خلق و به اشتراک گذاری دانش پشتیبانی نماید. روابط بین افراد، حوزه های دانش و اشیاء دانش (همان در هم تنیدگی معنایی) بخش مهمی از مدل سازی این فضای اشتراکی را در بر می گیرد، زیرا در اصل، این روابط هستند که چگونگی و ابعاد دانش و تعاملات درونی یک سازمان را به صورت واقعی توصیف می کنند.

   سیستم های مدیریت دانش می توانند شامل موجودیت های مختلفی در سطح کلان باشند: عناوین یا همان حوزه های دانش سازمان، فرایندها/فعالیتها، مستندات و افراد و ...

   سیستم ها و استراتژی های مختلف اهمیت متفاوتی برای این موجودیت ها قایل هستند. در میان انواع سیستم های مدیریت دانش، سیستم های مبتنی بر گراف، روابط درونی بین این موجودیت ها را مدل سازی کرده و نمایش می دهند و حتی از تحلیل آن ها استنتاجاتی به دست می دهند. سیستم های مبتنی بر گراف، شامل گره ها و کمان های بین آن ها هستند. به وسیله بازنمایی دانش توسط سیستم های مبتنی بر گراف، با بصری سازی روابط معنایی بین موجودیت های مدیریت دانش، می توان دانش موجود در حوزه های دانش پیچیده را کسب کرد.

   در رای ون پیوستگی ادراکی که یکی از ویژگی های نرم افزارهای بصری و نکته ای مهم در سیستم های مدیریت دانش است با متحرک سازی تمامی تغییرات در پوسته نرم افزار و با استفاده از تکنیک های ای جکس (AJAX) و JQuery فراهم می شود.
اخبار رای ون