Sistemas de Gestión de Ideas

Transcripción

1 Sistemas de Gestión de Ideas Aplicación de Tecnologías Semánticas para su filtrado Autor: Grupo de Sistemas Inteligentes Departamento de Ingeniería de Sistemas Telemáticos Universidad Politécnica de Madrid 1

2 - 2 - Contenido Contexto: sistemas de gestión de ideas Retos Tecnologías habilitadoras Soluciones, metodología y alternativas Lecciones aprendidas

3 1. Sistemas de Gestión de Ideas - 3 -

4 Ciclo de sobre-expectación de tecnologías emergentes Gartner - 4 -

5 Ciclo de sobre-expectación de tecnologías emergentes Gartner - 5 -

6 Ciclo de sobre-expectación de tecnologías emergentes Gartner - 6 -

7 Innovación abierta - 7 -

8 - 8 - Tecnología de Gestión de Ideas Un Sistema de Gestión de Ideas es un enfoque estructurado para la gestión de la innovación mediante la implantación de sistemas software que permitan gestionar: La generación, solicitud y captura de Ideas La colaboración para desarrollar ideas Recompensas o premios a las mejores ideas La revisión e implementación de ideas La monitorización de los resultados de las ideas,

9 - 9 - Enfoques Sistemas de Gestión de Ideas - SGI Buzón de Sugerencias de ideas Campañas de ideas

10 SGI = Buzones de Sugerencia de Ideas SGI transforman el buzón de sugerencias en un programa informático que procesa las ideas

11 Problemas SGI Si los usuarios no reciben realimentación sus ideas y se implementan, dejan de participar Evaluación opaca

12 Problemas SGI Avalancha de ideas Los empleados / clientes proponen ideas no alineadas con los intereses dela empresa Ideas duplicadas Ideas irrelevantes

13 Concurso de ideas Facilita que los usuarios estén motivados (periodo bien definido y con premio) Facilita alienar las ideas para un tema / problema concreto de la empresa Complementario del enfoque de innovación continua

14 Fases de un SGI (Opcional) Se inicia el concurso de ideas Los usuarios internos / externos proponen ideas (Opcional) pueden ver ideas del resto, colaborar en ideas existentes, puntuarlas, comentarlas, Las mejores ideas se evaluan por un comité, que selecciona unas ideas para implementarlas Se monitoriza su éxito

15

16

17

18 Contenido Contexto: sistemas de gestión de ideas Retos Tecnologías habilitadoras Soluciones, metodología y alternativas Lecciones aprendidas

19 2. Retos

20 Problemas Exceso de información Grandes cantidades de datos recogidos en el tiempo Datos con ruido Ideas similares, ideas obvias Picos de datos Muchas ideas en periodos muy breves Valorar la innovación Falta de métricas para valorar la innovación, mucho esfuerzo

21 Objetivo: mejorar cómo podemos filtrar las ideas automáticamente

22 Investigación hasta ahora Definir la ontología Gi2MO para formalizar y enlazar sistemas de gestión de ideas Conectar las ideas con los sistemas de las empresas siguiendo los principios de Linked Data Definir métricas para automatizar la caracterización / valoración de ideas

23 Resultados software... Software liberado como software abierto, todo disponible en

24 Contenido Contexto: sistemas de gestión de ideas Retos Tecnologías habilitadoras Soluciones, metodología y alternativas Lecciones aprendidas

25 3. Tecnologías habilitadoras

26 Tecnologías Semánticas en la Internet del futuro

27 Linked Data. Problemas de Wikipedia Ejemplo de inteligencia colectiva Cuántos futbolistas que han ganado el mundial lo ganaron de juveniles? No está automatizado

28 Tecnologías semánticas No estructurado para personas Estructurado para máquinas

29 Y ya es consultable, y enlazado con otros datos All soccer players, who played as goalkeeper for a club that has a stadium with more than seats and who are born in a country with more than 10 million inhabitants

30 Linked Data Usar tecnologías semánticas para Publicar datos estructurados en la web Establecer enlaces entre datos de diferentes fuentes RDF RDF RDF RDF RDF RDF RDF RDF RDF RDF RDF link RDF links RDF links RDF links A B C D E

31 Principios de Linked Data Usar URIs para los nombres de las cosas Usar HTTP Uris para que la gente pueda acceder a estos nombres Cuando alguien accede a una URI; obtiene RDF Incluir sentencias RDF que enlazan otras URIs para descubrir cosas relacionadas Tim Berners-Lee

32 El modelo de datos RDF pd:cygri rdf:type foaf:person foaf:name Richard Cyganiak foaf:based_near dbpedia:berlin Linking Open Drug Data Christian Bizer

33 Los datos e identifican con HTTP URIs pd:cygri rdf:type foaf:person foaf:name Richard Cyganiak foaf:based_near dbpedia:berlin pd:cygri = dbpedia:berlin =

34 Resolviendo URIs en la Web pd:cygri rdf:type foaf:person foaf:name Richard Cyganiak dp:population foaf:based_near dbpedia:berlin skos:subject dp:cities_in_germany

35 Desreferenciando URIs en la Web pd:cygri rdf:type foaf:person foaf:name Richard Cyganiak dp:population foaf:based_near dbpedia:berlin dbpedia:hamburg skos:subject skos:subject dp:cities_in_germany dbpedia:muenchen skos:subject

36 Ejemplo

37 - 37 -

38 LD Datasets : Mayo 2007 Alrededor de 500 millones de RDF triplas Alrededor de 120,000 enlaces RDF entre fuentes de datos

39 LOD Datasets: Septiembre

40 LOD Datasets: Marzo

41 LOD Datasets: Marzo

42 LOD Datasets: Julio

43 LOD: Septiembre

44 Consultando LD All soccer players, who played as goalkeeper for a club that has a stadium with more than seats and who are born in a country with more than 10 million inhabitants Gracias a Linked Data, la Web se puede consultar como una Gran Base de Datos, realizando la concepción de la Web Semántica

45 SPARQL SELECT DISTINCT?player {?s foaf:page?player.?s rdf:type < dbpedia2:position?position.?s < < < OPTIONAL {?s < Filter (?population in (< < < )) Filter (xsd:int(?pop) > ). Filter (xsd:int(?cap) <40000 ). Filter (?position = "Goalkeeper"@en?position = < = < } Limit 1000

46 Contenido Contexto: sistemas de gestión de ideas Retos Tecnologías habilitadoras Soluciones, metodología y alternativas Lecciones aprendidas

47 4. Soluciones

48 Metodología 1.Analizar sistemas industriales y trabajos académicos 2.Capturar elementos comunes y dinámica en la forma de ciclo de vida de las ideas 3.Listar propiedades comunes para cada estado del ciclo de vida 4.Formalizar el ciclo de vida como una ontología 5.Evaluar en sistemas reales

49 Proceso SGI

50 Metadatos de las ideas

51 Resultados: ontología Gi2MO

52 Panorámica de la ontología

53 Detalle ontología

54 Evaluación Scrapping de bancos de ideas Mappings a Gi2MO Cobertura del 87% de metadatos

55 Validación de Gi2MO Recuperación (scraping) de Ideas Dell IdeaStorm (10k ideas/ 520k triplas) mystarbucks (11k ideas/ 190k triplas) Adobe Ideas (580 ideas/ 17k triplas) Cisco i-prize (830 ideas/ 133k triplas) Experimentos con una instalación propia ETSIT Ideas (basada en PGI de Atos Origin / Drupal)

56 Gi2MO RDFme - Drupal Mapping Importar / Exportar

57 Gi2MO Idea Browser

58 Gi2MO Idea Analyst

59 Contenido Contexto: sistemas de gestión de ideas Retos Tecnologías habilitadoras Soluciones, metodología y alternativas Lecciones aprendidas

60 5. Lecciones aprendidas

61 Tecnología Ventajas de CMS como Drupal para desarrollo rápido frente a otras alternativas web Potencia de Linked Data para combinar datos frente a alternativas tradicionales Ventajas del modelo de software abierto para difundir resultados de investigación

62 Metodología investigación Es complejo el diseño de experimentos Compromiso completitud vs utilidad en metadatos Pueden requerir 'voluntarios' Amazon Mechanical Turk? Amigos? Importancia del rigor en la evaluación datos!

63 Preguntas?