Indholdsfortegnelse 1 Indledning...2 2 Videndeling som organisatorisk udfordring...4 2.1.Videndeling & 'social capital'...4 2.2.Videndeling af explicit og tacit knowledge...5 2.3.Facilitering af videndeling gennem informationssystemer...7 3 Review til expertsøgesystemer...10 3.1.Designaspekter ved people directorys...11 3.2.Domænemodel for people directorys...11 3.3.Case studier...13 3.3.1.Dokumentindhold som indikator for ekspertise...13 3.3.2.Brugeradfærd som indikator for ekspertise...16 3.3.3.Netværksinformation som indikator for ekspertise...17 4 Undersøgelsesspørgsmål...17 5 Undersøgelsesdesign...18 6 Survey...19 6.1.Koncepter og indikatorer...19 6.1.1.Systemdesign...19 6.1.1.1 Repræsentation af ekspertise & relevanskriterier ved 'expert seeking'...19 6.1.1.2 Funktionalitet...23 6.1.1.3 Opdatering...23 6.1.1.4 Systemintegration...24 6.1.2.Evaluering...25 6.1.3.Virksomhedskarakteristika...26 6.2.Surveyens undersøgelsesspørgsmål...27 6.3.Sampling...28 6.4.Dataindsamlingsmetode...28 6.4.1.Pilottestene...28 6.4.2.Udsendelse...29 6.4.3.Distributions-e-mail...29 6.4.4.Opfølgning for surveyens deltager...31 6.5.Operationalisering af koncepterne...32 6.5.1.Typer af spørgsmål...32 6.5.2.Sprog...32 6.5.3.Udformning af spørgsmålene...33 6.5.3.1 Indledning...33 6.5.3.2 Systembeskrivelse...34 6.5.3.3 Evaluering...35 6.5.3.4 Baggrundsspørgsmål...36 6.6.Databehandling / Datagrundlag...37 6.7.Dataanalysemetoder...37 7 Resultater...38 7.1.Besvarelse...38 7.2.Frafald...41 7.3.Virksomhedskarakteristika...41 7.4.Sociale medier...42 7.5. Profilerne...43 7.6.Opdatering...47 1
7.7. Funktionaliteter...48 7.8.Integration...49 7.9.Evaluering...50 7.10.Besvarelser fra virksomheder uden system...52 8 Diskussion af surveyens resultater...52 8.1.Tilgange til videndeling...53 8.2.Sammenhold af surveyens resultater & case studierne fra forskningen...57 8.2.1.Profiler i case studierne...57 8.2.2.Forskningskontekster i forhold til branchefordeling blandt respondenterne...60 8.3.Sociale medier & netværksdannelse...61 8.4.Business surveys som metodisk udfordring...65 9 Konklusion...68 Referenceliste...70 Bilag...76 Information systems for employee expertise search - a private enterprise best practice survey Abstract More and more companies have become aware of how important it is to know about their organizations intellectual resources and to support knowledge sharing. People directories are tools which support sharing of tacit knowledge by making human competences searchable. The objective of this study was to explore how expertise can be described for information retrieval. Based on a review of case studies and research on expertise seeking an international best practice survey was conducted to explore if and how companies in the the service sector make use of people directories in practice. The results indicate that only a minority of companies has IR-systems that both register expertise and support knowledge sharing processes. There is still a long way to go from system design described in research projects to general practice, especially with regard to use of user behavior data and social network data as source for expertise indexing. 1. Indledning En del forskning inden for knowledge management har påpeget betydningen af videndeling som forudsætning for organisatorisk succes. Videndeling er afgørende for, at organisationens intellektuelle ressourcer bliver udnyttet optimalt, og for at viden forbliver i organisationen, hvis en medarbejder for eksempel rejser (Yang/Huh 2008, 1445f; Ford/Murphy 2008; 400). Meget viden i organisationer bliver ikke brugt pga. af manglende bevidsthed om dens eksistens eller mangel på udvekslingskanaler. En del viden bliver 2
formidlet, idet det bliver lagt ud i databaser. Specielle færdigheder og fingerspidsfornemmelse baseret på mange års erfaring er derimod knyttet til ejermanden. At gøre denne form for viden tilgængelig kræver dialog og deltagelse. De efterfølgende afsnit kommer nærmere ind på de forskellige former for viden og udfordringerne, der knytter sig til formidlingen. Dette studie undersøger, om der i praksis findes informationssystemer, der faciliterer udveksling af viden i organisationer ved at gøre personer og deres kompetencer søgbare. Forskning inden for denne type informationssystemer - efterfølgende kaldt for people directories - er typisk casestudier, som omhandler udviklingen af specifikke løsninger eller sammenligner få cases. Der mangler p.t. en oversigt over, hvad der i dag i bred forstand er praksis i erhvervslivet. Formålet med dette studie er at lukke dette hul i forskningen ved at indhente best practice beskrivelser fra virksomheder på internationalt plan. Formålet med at undersøge best practice er at gøre den gode praksis fra ét sted tilgængeligt et andet sted og dermed spare ressource til udvikling af nye løsninger (jf. O'Dell/Greyson 1998, 158f). Resultaterne skal bidrage til at skabe retningslinjer til design af fremtidige ekspertsøgesystemer. En e-mailsurvey skal indhente beskrivelser af de forskellige systemer og indikatorer for, om implementeringen er lykkedes eller ej. Grundet en lav svarprocent har det ikke været muligt at besvare spørgsmålet efter nuværende best practice i det planlagte omfang. Den sidste kapitel af opgaven beskæftiger sig derfor mere indgående med de metodiske udfordringer ved gennemførelsen af business surveys og sammenholder erfaringerne fra dette studie med metodelitteraturen. Motivationen for studiet har været en konkret case. Et people directory skal udvikles til en multinational virksomhed, AirPlus, som tilbyder produkter til rejseomkostningsmanagement (fx virksomhedskonti, travel cards, informationsmanagement). Systemet skal gøre det muligt internt at finde kollegaer, der er kvalificeret til at hjælpe med en given problemstilling, som kræver specifik viden eller specielle kompetencer. Denne case er en udmærket ramme for studiet, da videndeling er af specielt stor betydning for virksomheder i servicebranchen, der 'handler' med viden, og en stor udfordring for internationale organisationer med mange geografisk fjerne kontorer. Det er derfor af mindre betydning for studiets overordnede formål, at nogle metodiske beslutninger er baseret på den ramme, som var givet gennem casen, fx udvalget af surveysamplen. De følgende afsnit (kap. 2) opridser studiets teoretisk baggrund og kommer nærmere ind på 3
videnbegrebet og forskellige former for viden. Det tredje kapitel gennemgår forskningen inden for søgning efter eksperter og beskriver de forskellige løsninger, der bliver præsenteret i forskningen. Efter en gennemgang af den metodiske opsætning af surveyen (kap. 4-6) følger en deskriptiv gennemgang af surveyens resultater i kapitel 7. Den efterfølgende perspektivering (kap. 8) diskuterer resultaternes implikationer for design af people diretorys og sammenholder data fra besvarelserne med konteksten for forskningslitteraturen til people directorys og dens resultater. De sidste kapitler er overvejelser om de metodiske udfordringer ved studier i en virksomhedskontekst og implikationerne af surveyens udfald. 2. Videndeling som organisatorisk udfordring 2.1. Videndeling & 'social capital' 'Social capital' (SC) er et begreb oprindeligt brugt inden for sociologi og politik. Pierre Bourdieu introducerede begrebet som en reaktion mod snæversynede makroøkonomiske analyser, der betragter økonomien som løsrevet fra resten af samfundet. 1 SC inddrager de sociale aspekter af markedsøkonomiske processer. At være del af et fællesskab og dele værdier, sprog, normer og følelsen af gensidig forpligtelse repræsenterer en værdi for fællesskabet, idet dets mellemmer har adgang til ressourcer, der ikke er tilgængelige for udenforstående. Begrebet kan anvendes på mange forskellige fællesskaber, alt fra personlige netværker til kulturfællesskaber (Huysman & Wulft, 2004,1). I løbet af det sidste årti har organisations- og managementstudier erkendt betydningen af 'social capital' for videndeling i organisationer og taget konceptet op. Et aspekt, som allerede indgår i definitionen af SC hos sociolog James Samuel Coleman, er betydningen af informationskanaler for SC: social relations constitute SC, as they provide 'the potential for information, that inheres in social relations.' (Manning 2009, 90). Også Choo (2006, 189) påpeger at SC understøtter fælles adfærd og videndeling og dermed skaber grundlag for innovation i organisationen. Fælles værdier, normer og erfaringer, skaber gensidig tillid og velvilje, der motiverer mennesker til at dele deres viden. Nyere informationsteknologiske tiltag baserer sig derfor på antagelsen af, at styrkelsen af det sociale netværk i organisationen øger dens sociale kapital (Manning, 1 Begrebet blev første gang empirisk undersøgt og operationaliseret af J. S.Coleman (1988) (Widén- Wulff/Ginman, 2004, 449) 4
2009; Widén-Wulff/Ginman 2004. 450, Huysman & Wulf, 2004, 6). Ikke desto mindre kan en høj grad af 'social capital' også have negativ konsekvenser. Personer, der står uden for fællesskabet, bliver udelukket, og internt kan der opstå konformitetspres. Forandringer, der sker uden for fællesskabet, bliver måske ikke registreret internt og dermed heller ikke taget højde for. Fællesskabet kan være meget afhængig af få centrale personer. Hvis personlig motiveret adfærd spiller ind i en professionel sammenhæng, kan det står i vejen for rationelle beslutninger (Huysman & Wulf, 2004, 7). IT kan være med til at understøtte netværksstrukturer i organisationer og skabe kommunikationskanaler - på betingelse af at der tages hensyn til kompleksiteten af SC. Huysman (2004, 197f) beskriver tre dimensioner af SC, som bør indgå i overvejelser ved design af værktøjer til videndeling. De tre dimensioner er (1) den strukturelle, (2) den kognitive og (3) den relationelle. (1) For det første bør en IT-forundersøgelse afdække eksisterende netværker og deres forbindelser. Strukturelle mangler betyder i praksis, at individerne mangler mulighed for at komme i kontakt med hinanden. (2) Den kognitive dimension af SC omhandler den delte betydningsrammer, fælles sprog og delte fortællinger. Mangler en kognitiv fællesramme, er det svært for individerne at forstå hinanden. (3) Den relationelle dimension er bestemt af omfanget af gensidig tillid og normer og graden af den enkles identifikation med fællesskabet. Manglen på det medfører manglende motivation til at dele viden med hinanden. Mange videndelingsinitiativer overser især sidstnævnte aspekt. Informationssystemer som intranet eller videndatabaser er designet til at registrere viden og understøtter kun en lille del af de hos Huysman (2004) beskrevne dimensioner. Personlig netværkdannelse er vigtiger for udveksling af ekspertise. Dette kan understøttes af ITsystemer, der formidler de enkelte medarbejders kompetencer og ekspertiser, også kaldt for 'tacit knowledge', og understøtter dialogen mellem de ansatte. De efterfølgende afsnit beskriver denne særlige type viden og udfordringerne, der knytter sig til dens formidling. 2.2. Videndeling af explicit og tacit knowledge Begrebet 'viden' har en kompleks etymologisk historie og er ikke nem at definere. Nonakas og Takeuchis (1995, 22ff) gennemgang af den vestlige epistemologi siden antikken og anvendelse af begrebet i teorier inden for økonomi og erhverv viser dets forskellige facetter og kompleksitet. Forfatterne beskriver splittelsen i den europæiske intellektuelle tradition 5
mellem rationalismus og empirismus og sætter det i kontrast til den japanske sammenhørighedstænkning af menneskeheden & natur, krop & sind, selv & andre. Kontrasten er grundlaget for en nyperspektivering af videnbegrebet, der resulterer i en teori om videndannelse i en organisatorisk kontekst. Nonaka & Takeuchis begrebspar tacit/explicit knowledge er det første forsøg på at beskrive forskellige typer af viden (Ford/ Murphy 2010, 401). Explicit knowledge er faktaviden, som kan artikuleres og udveksles mellem mennesker gennem videndatabaser o. lign.. Tacit knowledge (på dansk tavs viden ) er derimod personlig, kontekstuel og intuitiv viden, som ikke kan repræsenteres lingvistisk eller numerisk. (Nonaka & Takeuchi 1995, 8). Tilegnelsen af tavs viden sker som regel gennem erfaring og øvelse. Viden er et overordnet begreb i forhold til ekspertise, der refererer til et specifik videnområde, og som er 'tavs'. Prusak/Davenport (1998, 5f) formulerer en overordnet og pragmatisk definition af viden: Knowledge is a fluid mix of framed experience, values, contextual information, and expert insight that provides a framework for evaluation and incorporating new experiences and information. Ekspertise er derimod en persons specialiserede viden, som ligger langt over den gennemsnitlige viden inden for et begrænset felt (Bender/Fish, 2000, 126f). Ekspertise er vundet gennem erfaring, uddannelse og øvelse over et længere tidsrum og kan ikke uden videre overføres til andre personer. Transfer af ekspertise kræver derfor transfer af personer. Ekspertise beskrives her i opgaven i forhold til den gennemsnitlige viden i en organisation. Formidlingen af ekspertise begynder hos modtageren med optagelse af data, som bearbejdes og bliver til information, som senere kan blive til viden. To aspekter gør ekspertise svær at formidle: For det første kan mennesker ikke tvinges til at dele deres viden. For det andet er den eneste adgang til ekspertise gennem personen selv, og det kan derfor være svært at vurdere dens omfang (Yuan, Carboni, Ehrlich, 2010,702). Fordi udvekslingen af tavs viden bedst fungerer gennem face-to-face samtaler og deltagelse, har forskningen inden for videnmanagement fokus på identifikation af eksperter i en organisation og understøttelse af kommunikationen på tværs af organisationen (Yang/Huh 2008, 1446). 6
2.3. Facilitering af videndeling gennem informationssystemer Forskning i netværker og deres iboende dynamikker er kommet frem til en række resultater, der er relevante for at forstå, hvilke der faktorer påvirker videndeling på tværs af organisationer. Flere netværksstudier er kommet til den konklusion, at mennesker, som er tæt relateret i et netværk, til dels har samme viden. De svage led i et netværk er betydningsfulde for videndeling, fordi det er dem, som viser vej til ny viden (jf. Alvi/Leidner 2001, 121; Bogatto/Cross 2003, 434). Ifølge Huysman (2004, 201) er det først og fremmest eksplicit viden, som deles gennem svage forbindelser. Udvekslingen af tavs viden kræver et stærkt relationelt grundlag og dermed en stærk forbindelse mellem personerne. En viden om, hvilken medarbejder der sidder inde med hvilken viden, er kun det første trin til videndeling. Der opstår kun værdi for organisationen, hvis ekspertens viden bliver indhentet og anvendt, dvs. resulterer i ny adfærd eller nye ideer (Davenport/Prusak, 1998, 101). Et godt udgangspunkt for et fungerende design af informationssystemer til videndeling er derfor at tage afsæt i kendte udfordringer ved videndeling. Christensen (2007, 37-38) skelner mellem to typer af problemer i forbindelse med videndeling. Den første vedrører de kognitive begrænsninger, der følger med formidling hhv. forståelse af viden, fx når tavs viden skal forklares til andre. Den anden problemstilling knytter sig til sociale barrierer, der kan hæmme videndeling. Med udgangspunkt i disse to problemer identificerer han fem typer af dilemmaer, der kan stå i vejen for videndeling i organisationer. Ud over forskellen mellem tavs og eksplicit viden nævner han manglen på fælles identitet. Medlemmer af fx en virksomhedsafdeling har nemmere ved at dele viden, fordi gruppen deler erfaring og har fællesreferencer (fx et fælles sprog), der gør det nemmere at forstå hinanden. En anden udfordring er den enkeltes vilje til at dele sin viden. At skabe en fælles identitet er en opgave, der berører alle processer i en organisation. Sammenarbejde på tværs af afdelinger, korporative udviklingsprogrammer, diskussionsgrupper eller seminarer er initiativer, som kan understøtte dannelsen af fællesskaber (Swan et.a., 2000, 2). Informationssystemer alene kan ikke løfte denne opgave. Ligeledes er den enkeltes holdning til videndeling begrundet i organisationens kultur eller personen selv. Det er derfor de sidste to problemstillinger, som Christensen nævner, der især er relevante for denne undersøgelse: (1) den manglende forbindelse mellem sender og modtager og (2) manglende kendskab til den andens viden. O'Dell/Greyson (1998, 157) beskriver ligeledes modtagerens kendskab til den andens viden 7
som en af de største udfordringer ved videndeling. Gupta/Govindarajan (2000, 475) nævner en række indflydelsesfaktorer, der overlapper dem hos Christensen: informationens værdi, motivationen hos afsenderen, kommunikationskanalen, motivationen hos modtageren og modtagerens evne til at forstå informationen. Informationssystemer til videndeling skal ideelt set understøtte adfærd, der overvinder så mange af de foroven beskrevne barrierer som muligt. For at fremme udvekslingen af viden på tværs af organisationer, må deres funktionalitet være at gøre ekspertise synlig og sporbar (Yimam-Seid/Kobsa 2004, 327). IT-systemer kan på flere måder understøtte udvekslingen af tacit knowledge og styrke virksomhedens SC (Beck, Reichling, Wulf, 2004, 334-5). IT-systemer kan... bruges til at lave en netværksanalyse: En analyse af det eksisterende SC kan skabe en forståelse for netværksstrukturer fx gennem visualisering af netværker... facilitere personsøgning: Algoritmer sporer personer med bestemte kompetencer eller interesser....understøtte kommunikation mellem enheder i netværket. være relationsskabende: Understøtte opbyggelsen af tillid ved at åbne alternative udvekslingskanaler imellem personer. give mulighed for netværkspleje: Sociale netværker giver mulighed for at følge med i forandringer (adresseændringer, ændringer af jobfunktion el.lign.) hos medlemmerne i ens netværk. Der findes overordnet to IT-tilgange til ekspertise- og videndeling, der i forskellig omfang inddrager de ovenstående punkter. Den ene strategi er at eksternalisere viden, dvs. at omdanne tacit knowledge til eksplicite koncepter (Nonaka/Takeuchi 1995, 64), som kan gemmes og gøres tilgængelig i videndatabaser. Den anden tilgang sigter mod at fremme selve videndelingsprocessen ved at understøtte kommunikationen mellem individerne (jf. Skok/Kalmanovitch 2005, 732). Det kan fx ske gennem online-fællesskaber, hvor medlemmerne direkte kan stille spørgsmål. Hansen mfl (1999, 107) betegner de to strategier som codification og personalization og beskriver, hvad det betyder i praksis for HR-, økonomiske, knowledge management- og teknologiske strategier. Christensen (2007) stiller de to tilgange over for hinanden under begreberne externalisering versus expertise sharing, 8
som bliver brugt i det følgende. 2 Med udgangspunkt i en empirisk undersøgelse af en dansk produktionsvirksomhed skelner Christensen (2007) mellem forskellige typer af viden, deriblandt viden om hvem-ved-hvad hhv. hvem-gør-hvad under betegnelsen 'know-who' (Christensen 2007, 37). Det er denne type viden og dens formidling ved hjælp af informationssystemer, som dette studie har fokus på. Systemer, der har til formål at formidle 'know-who'-viden, har forskellige benævnelser i teori og praksis, alt efter sammenhæng og organisation (expert finder, yellow pages, recommender system..), men bliver efterfølgende opsummeret under betegnelsen people directory. I forhold til de to beskrevne tilgange ligger denne type system i midten på en skala med videndatabaser i den ene og online-fællesskaber i den anden ende, fordi den indeholder elementer fra begge sider (Ackerman & Halverson (2004, 277) 3. På den ene side fungerer et people directory efter samme princip som videndatabaser, idet beskrivelser af ekspertise eksternaliseres i personlige profiler. I stedet for informationsobjekter som dokumenter el.lign. er det personer, som bliver mærket op og gjort søgebare. Men på den anden side betyder dette ikke at ren viden bliver gjort eksplicit tilgængelig. Deres funktion er at facilitere kontakten mellem den informationssøgende og personen, som sidder inde med ekspertisen. Udvekslingen af viden fungerer dog kun, hvis kommunikationen mellem 2 Christensen kobler knowledge management teorier til organisationsteori og undersøger, hvordan forskellige typer af viden relaterer sig til den gensidige afhængighed, der består mellem forskellige enheder i en organisation. 3 Ackerman & Halverson beskriver tekniske muligheder for videndeling på en skala fra 'objectified' (svarende til externalisering) til 'embedded' i den anden ende. Såkaldte 'ad hoc-grupper' placeres som yderpunkt for 'embedded systems '. Efter forfatterens mening skiller denne type system sig dog ikke væsentlig ud fra online- communities og er derfor ikke taget med her. 9
den informationssøgende og informationskilden lykkes. Hvis formålet at understøtte videndeling skal opnås, kan design af people directorys derfor ikke nøjes med at kopiere designprincipper fra videndatabaser, men skal tage hensyn til de aspekter, der påvirker søgeadfærd ved søgning efter personer og dynamikkerne i netværker. Som Ehrlich (2003, 141) påpeger, er netværksdannelse en social proces, som people directories ikke er nogen garanti for. Til gengæld kan en people directory facilitere netværksdannelse ved at være et kontaktskabende element i processen. Swan et.a. (2000) illustrerer ved to case studier, hvor vigtigt det er, at videndelingstiltag inddrager virksomhedens kultur og organisatorisk kontekst, og at især externalization-strategien risikerer at isolere viden fra selve videndelingsprocessen. Profilerne i people directorys kan enten være oprettet manuelt eller automatisk. Ehrlich, Lin, Griffith-Fisher (2007, 118) skelner imellem recommender systems, der repræsenterer personer i profiler, der bygger på selvevaluering eller information vundet gennem data mining, og netværkslignende systemer. Det næste kapitel gennemgår de forskellige udformninger af systemer, der er beskrevet i forskningslitteraturen. 3. Review til expertsøgesystemer Forskningen i informationssystemer, der faciliterer expertise sharing, er delt i to felter: expertise seeking og expertise retrieval. Forskningen i expertise seeking undersøger søgestrategier, og hvilke faktorer der påvirker beslutningen om at kontakte en person eller ej. Formålet med denne forskningsretning er at udvikle modeller, der beskriver søgeadfærd og valg af informationskilder. Resultaterne kan understøtte beslutningen om, hvilke indholdselementer der skal indgå i ekspertprofiler, og hvilke funktionaliteter people directorys skal understøtte. Kapitel 6.1.1.1. behandler, hvordan ekspertise skal repræsenteres i ekspertsøgesystemer, og kommer ind på resultaterne fra forskning i expertise seeking i form af relevans- og udvælgelseskriterier ved søgning efter eksperter. Forskning i expertise retrieval er systemorienteret og fokuserer på automatisk identifikation af ekspertise gennem data mining eller netværksanalyse. De fleste studier har til formål at udvikle algoritmer baseret på forskellige typer af informationsindhold. Hoffmann & Balog (2010, 994) kritiserer, at der ved evaluering af denne type søgealgoritmer oftest ikke tages højde for brugerrelaterede aspekter. Resultaterne fra denne forskningsgren kan bruges til at 10
understøtte beslutningen om, hvilke data automatisk generede profiler skal hhv. kan bygges på. De dokumenter og filer, der bliver gennemsøgt for at finde indikatorer for ekspertise, bliver efterfølgende kaldt for 'ekspertindikatorer'. Det efterfølgende afsnit gennemgår eksisterende systemer med henblik på at undersøge, hvordan ekspertise er repræsenteret. 3.1. Designaspekter ved people directorys De i forskningen beskrevne people directorys er forskellige mht. følgende aspekter gennemgået hos Becerra-Fernandez (2006, 336-8). (1) Formålet med systemet kan være forskelligt, fx HR ressourcestyring eller facilitering af videndeling. (2) De fleste systemer giver adgang gennem organisationens intranet for at holde informationen intern. Andre systemer favner flere organisationer og er tilgængelige over internettet. (3) Et tredje aspekt er, om brugerne fortager en selvevaluering eller ej, og (4) hvor stor en del af organisationen, der er omfattet. Nogle systemer dækker hele organisationen, hvorimod andre er målrettet en videndomæne eller baserer sig på frivillig deltagelse. (5) For at beskrive kompetencer bruger mange virksomheder (egne eller standardiserede) taksonomier over vidensområder. (6) Der er også forskel på, hvorvidt omfanget af ekspertisen bliver defineret og hvis ja, hvordan. (7) Sidst, men ikke mindst, findes der teknologiske forskelle fx med hensyn til hvilken databaser, systemet er baseret på, programmeringssprog eller måden, data opdateres på. Det er iøjefaldende, at forskningen i people directorys hovedsageligt fokuserer på sidstnævnte aspekt. Det er især automatisk identifikation af ekspertise, dvs. den måde eksperternes navne bliver associeret med emneord fra kildefiler, og ranking af eksperter, som bliver undersøgt i casestudier. 3.2. Domænemodel for people directorys (Yimam-Seid & Kobsa, 2003, 340-1) har udviklet en model til at beskrive den grundlæggende struktur af people directorys med udgangspunkt i en række casestudier. Modellen er et godt udgangspunkt for at kortlægge de forskellige aspekter, der indgår ved design af people directorys. Modellen er baseret på en gennemgang af eksisterende systemer og tager dermed udgangspunkt i forskellene mellem systemerne. Bilag 1 viser en oversat og lettere udvidet version, der er tilpasset sprogbruget i dette studie. Kasserne i toppen af modellen indeholder de karakteristika, der indgår i alle systemer. Nedenunder står 11
de forskellige løsningstilgange, til dels med konkrete eksempler. Man kan skelne to måder at beskrive ekspertise på: Eksplicit gennem brugerne selv eller en anden person, som kræver en intellektuel, semantisk tilgang eller implicit i en automatiseret proces. Automatiske directorys kræver en forudgående definition af kilderne, efterfølgende kaldt for ekspertindikatorer, som bruges til at generere ekspertprofilerne. Her kan man differentiere mellem systemer, der også har en semantisk tilgang og bygger på emneordsanalyser i brugerrelaterede dokumenter, og dem, der analyserer brugerens adfærd fx brug af program features. Modellen skelner imellem domænespecifikke hhv. - uafhængige ekspertindikatorer, fordi en række casestudier præsenterer meget specifikke løsninger for afgrænsede arbejdsområder, der ikke kan anvendes i andre sammenhænge. Ekspertindikatorerne danner grundlag for en model af den enkelte persons ekspertise. I nogle systemer bliver modellen genreret i et IR-system ved queryen. En anden mulighed er, at personal agents på brugerens pc modellerer brugerens ekspertise hhv. søger efter eksperter. I nogle systemer bliver personer matchet mod modeller af ekspertise, der er defineret forud, fx i en ontologi, gennem organisationens struktur eller som en publikation. Forskellen blandt de eksisterende løsninger til automatisk identifikation af ekspertise ligger først og fremmest i, hvilke kildefiler eller indikatorer der anvendes til at definere de facetter, der indgår i profilen. Tilsvarende meget fylder forskning i algoritmer til ekspertsøgning og match making. Denne tendens blev understøttet af, at 'expert finding' i 2005 blev inddraget som selvstændig track i TREC (Liebregts & Bogers, 2009, 2). Mange af de tidlige systemer brugte kun en dokumentgenre fx e-mail eller software dokumentation, ofte inden for en afgrænset domæne. På grund af begrænsningerne i denne tilgang fokuserer nyere studier/ projekter på at inddrage multiple kildetyper og forskellige former for kompetence på tværs af domæner (Balog, Azzopardi & de Rijke, 2009, 3). Søgeresultatet kan præsenteres på forskellige måder - som liste eller visualisering af netværker og i nogle systemer kan visningen tilpasses, fx afhængig af brugerens eget ekspertiseniveau eller relevancefeedback. Et centralt aspekt ved design af people directorys, som ikke er en del af den oprindelige model hos Yimam-Seid & Kobsa (2003), er, hvordan ekspertise bliver repræsenteret. De aspekter, som vises som del af en ekspertprofil, udgør beslutningsgrundlaget for, hvem brugeren kontakter eller ikke kontakter. Årsagen til, at dette aspekt ikke indgår i modellen, er, at de fleste casestudier har en systemorienteret tilgang og ikke inddrager brugerrelaterede aspekter som netop relevansvurdering. 12
3.3. Case studier 3.3.1. Dokumentindhold som indikator for ekspertise Yiman-Seid/Kobsas (2003) giver et overblik over tidlige studier i automatisk ekspertidentifikation siden de første projekter i 1980erne. Hertil hører bl.a. HelpNet (1986), som beregnede sandsynligheden for, at en person kunne svare på et spørgsmål med udgangspunkt i personens emneklassifikation af sig selv. En af de første løsninger, der tager udgangspunkt i indeksering af dokumentindhold, er eksempelvis Expert/Expert-Locator (EEL) (Streeter & Lochbaum,1988), som bruger latent-semantic-indexing (LSI) og reagerer på natural-language forespørgsler. I stedet for at henvise til personer henviser EEL til forskningsgrupper, som står for de dokumenter, der matcher forespørgslen bedst. Nogle af de nyeste algoritmer modellerer eksperter på basis af relaterede dokumenter og anvender metoder fra document retrieval, som language modelling, til at generere resultatsættet (fx Balog, Azzopardi & de Rijke, 2009). Ifølge Balog, Azzopardi & de Rijke (2009, 3) findes der to modeller for automatisk ekspertsøgning: 1) Den ene model genererer en ekspertprofil ved at matche personen med relaterede dokumenter, som efterfølgende bliver ranket mod søgeemnet 2) Den anden model finder først alle relevante dokumenter og bagefter de personer, der knyttet sig til de relevante dokumenter. Model 2 er ifølge studiet mere effektiv og nemmere at implementere. Hewlett Packards CONNEX (1996) er den simpleste form for people directory. CONNEX består af en relationel database med et web browser interface. Efter udviklingen af søgefacetterne (navn, geografi og ontologi) err det op til eksperterne selv at fylde indhold på (Berreca-Fernadez, 2000; Davenport, 1996). Systemer som Answer Garden (1996) eller Chicago Information Exchange (1998) reagerer på forespørgsler (som regel vedr. tekniske spørgsmål) ved at søge i spørgsmål-svardatabaser og henviser til prædefinerede ekspertgrupper. Answer Garden (Ackerman & Halverson, 2004) er en blanding af videndatabase og netværk, hvor det er muligt at stille spørgsmål. Hvis brugeren ikke kan finde svar ved at browse gennem en spørgsmålguide, har han eller hun mulighed for at formulere spørgsmålet, som så bliver sendt videre til en ekspert. I den anden version af Answer Garden er det muligt at differentiere imellem grupper af personer, der eventuelt kan 13
besvare spørgsmålet, og successivt udvide søgningen fra det nærmeste netværk af kollegaer til bulletin boards, help desk og først i sidste trin til en ekspert. Yenta (Foner, 1997) er et matchmakingsystem, som viser klynger af personer med fællesinteresser, baseret på indhold i brugerrelaterede filer. Hvis der findes flere filer til samme emne, fortolkes det som interesse. Systemet matcher personer, hvis flere dokumenter af begge personer ligner hinanden. Systemet introducerer brugere til hinanden og tillader kontakt via e-mails. Det er vigtigt at understrege, at Yenta ikke afspejler ekspertise, men interesser. Der findes andre projekter (ReferralWeb, MEMOIR), der heller ikke har til formål at finde eksperter, men at matche personer med lignende interesser. Men idet de også omhandler søgning efter personer i tilknytning til emner, kan metoderne være brugbare for forskning i expertise retrieval, og disse cases bliver derfor oftest taget med i reviews og opsamlinger til ekspertsøgesystemer. Andre løsninger som ContactFinder (Krulwich & Burkley, 1996) følger indholdet på online opslagstavler og kategoriserer opslagene efter emner. Hvis meddelelsen er et svar, udtrækker systemet kontaktoplysningerne, og forfatteren registreres som ekspert på området. Ved spørgsmål søger ContactFinder efter en ekspert på området og sender en henvisning med ekspertens kontaktoplysninger. Referral Web (Kautz, Selman, Shah, 1997) er et interaktivt system, der visualiserer social networks på internettet og gør dem søgebare. Brugeren har mulighed for at søge efter relationen til en anden person ( What is my relationship to Marvin Minsky? ), ekspert ( What colleagues of mine, or colleagues of colleagues of mine, know about simulated annealing? ), emne (med udgangspunkt i en kendt ekspert) ( List documents on the topic annealing by people close to Scott Kirkpatrick. ) (s. 64). Netværkanalysen bygger på tæt fællesforekomst af navne i diverse offentligt tilgængelige webdokumenter som fx links på hjemmesider, medforfatterskab i rapporter eller organisationsdiagrammer MITs Expert Finder (Vivacquas, 1998) er et eksempel på et domænespecifikt system (Java programmering). Da feltet er så afgrænset, er det muligt at begrænse ekspertindikatorerne til personens Java kildefiler og de komponenter, der hyppigt bliver anvendt i dem. Et af de første forsøg på at undgå begrænsningerne ved kun at inddrage en bestemt kildedokumenttype eller et bestemt domæne er "P@noptic" (Craswell, Hawking, Vercoustre, & Wilkins, 2001). Systemet bygger profilerne på basis af dokumenter fra hele 14
organisationen relateret til personen. Også Expert Finder (ER) (McDonald, 2001) bruger et flertal af kilder. Det specielle ved ER er, at man bevidst har undladt at inddrage CVer eller lignende. Systemet søger kun i de filer, der opstår som resultat af det daglige arbejde, med det formål at registrere praksiserfaring. Søgningen i databasen kan begrænses til en bestemt heuristik, der bestemmer, hvilke ekspertindikatorer der anvendes fx. kun fra "version control system" eller kun netværksdata. Kildefiler er change history data og indholdet i den tekniske support database. I udvælgelsen af en ekspert tager systemet højde for både ekspertens lokation og netværksdata for at afgøre, hvem den bedste person i konteksten er. På den måde tager man højde for, at der ikke findes en ekspert, som er den rigtige kontaktperson for alle. MITRE's Expert Finder (Maybury, D'Amore, House, 2001 & 2002) er også baseret på dokumenter (fx korrespondance, publikationer), men inddrager ud over det de ansattes adfærd (i form af brug af software programmer) og rolle i projekter. Denne model tildeler CVer en endog meget stor betydning. Omfanget af ekspertise er udelukkende beregnet ud fra antallet af relevante dokumenter fundet om emnet med en ekstra vægtning af CVer. Som relevant regnes både dokumenter, der er publiceret af personen, og dokumenter, der nævner den ansatte i forbindelse med et bestemt emne fx i virksomhedsinterne newsletter. Shock (Adar et.a., 2003) er et peer-to-peer netværk, som ikke henviser til personer, men faciliterer selve videndelingsprocessen. I Schock er det muligt at sende spørgsmål ud til andre gennem integration af programmet i Outlook (mappestruktur, send shock questions, received questions,.. ). Et 'client modul' bygger ekspertprofiler baseret på interaktion med dokumenter, e-mail- & browsing historik, installerede programmer, den organisatoriske profil (fx location) og egen ekspert profil, som brugeren selv opretter. Netværkmodulet sender spørgsmål frem og tilbage og styrer interaktionen med Shock message serveren. Expert Seeker (Becerra-Fernandez, 2006) blev udviklet for The National Aeronautics and Space Administration (NASA). "Expert Seeker" bygger på mange forskellige ekspertindikatorer såsom NASAs adskillige databaser (HR-database, telefonbog, skills database, performance evaluation system), de ansattes hjemmesider og dokumenter. Expert Seeker linker direkte til SAGE (Searchable Answer Generating Environment), der er et ekspertsøgesystem blandt forskere tilknyttet universiteter i Florida. SAGE består af en relationel database, som indeholder information om forskningsprojekter og deres finansiering. Linket mellem de to systemer gør det muligt at udvide søgningen til eksperter 15
uden for NASA. Yang/Huh (2007) foretager automatisk ekspertidentifikation gennem tekstbaseret vector space modelling. Otomo mfl. (2008) har udviklet image, som analyserer strukturen af både RDF-metadata på projektrelaterede dokumenter og manuelt registrerede emneord i en database. Mønstrene fra RDF-graferne bliver eferfølgende anvendt som query. Søgeresultatet lister personer, som matcher emnet, og beskriver deres respektive funktion for de relevante projekter. Madokoro mfl. (2009) matcher emner fra mailing lists med koncepter fra en taksonomi. Taksonomien indeholder virksomhedens produkter samt opgaver, der knytter sig til det enkelte produkt. K-net (Shami et.a., 2007) bruger ligesom MITs Expert Finder både ekspertise fra dokumenter og sociale relationer for at matche personer. Modelleringen af ekspertise bygger på webdokumenter (fra 'software source control systems' og den tekniske supportdatabase) for at identificere navne relateret til søgeemnet. Medforfatterskab fortolkes af K-net således, at forfatterne står i social relation til hinanden. I denne forbindelse skal det siges, at systemet blev testet blandt datalogistuderende, som antageligt selv kunne vælge, hvem de arbejder sammen med. For at definere omfanget af ekspertise bruger K-net anbefalinger ( thumb up & thumb down ) fra andre, der har arbejdet sammen med vedkommende. Det samlede ekspertisescore beregnes som antallet af 'thumbs up' minus antallet af 'thumbs down'. Selvom denne fremgangsmåde er noget unuanceret det vides ikke om andre faktorer end den faglige kunnen påvirker vurderingen er dette et forsøg på at tage højde for dynamikkerne i sociale netværker. Antagelsen er, at det er mere sandsynligt, at en nær ven svarer end en fremmed ekspert. Ved resultatvisningen kan det derfor ske, at venner med en lavere ekspertisescore bliver listet højere end andre personer med højere pointtal. I 2007 bemærkede Balog & de Rijke (2007, 2658), at de fleste projekter om automatisk udtræk af ekspertprofiler, stadig var i udkaststadie, som regel målrettet meget specifikke behov i enkelte organisationer og manglede at blive evalueret. 3.3.2. Brugeradfærd som indikator for ekspertise Brugeradfærd kan også anvendes som indikator for ekspertise, selvom det i mange tilfælde er svært at skelne ekspertise fra interesse. Et meget tidligt eksempel er Specialization subgraph fra slutning af 80erne (Schwartz & Woods, 1993). Systemet lokaliserer personer med fælles interesser ved at analysere mønstre i e-mail korrespondanceadfærd og ikke 16
indholdet i e-mailene. Den måde, som grafen blev udviklet på, er dog ikke uproblematisk: Man tog udgangspunkt i en af forskernes netværk og tilpassede søgealgoritmen, indtil resultatet var realistisk. Allerede dengang bemærkede man den forstyrrende effekt, som ikke-faglige korrespondancer havde på resultatet. I betragtning af den betydning, som e- mail indtager i dag, er det svært at forstille sig metoden anvendt i praksis. Agent Knowledge Software er et kommercielt produkt, som identificerer ekspertise ud fra åbnede og redigerede dokumenter. MEMOIR (Pikrakis et.a., 1998) analyserer internetbrowsingadfærd. Det er bygget på antagelsen, at brugere med lignende interesser følger samme URL-links, og at deres spor derfor kan sammenlignes. 3.3.3. Netværksinformation som indikator for ekspertise Nyere projekter bruger i stigende omfang mulighederne, som følger med de nye Web 2.0. teknologier. IBMs Fringe Contacts bruger people tagging. En tag cloud på hver brugerprofil beskriver i grove træk vedkommendes kompetencer. Antallet af tags kan bruges som fingerpeg om, hvor meget personen ved om emnet. Tag'ene imellem personerne kan desuden indeholde nyttige informationer om det sociale netværk (Farrell/Lau, 2006). SmallBlue (Ehrlich, Lin, Griffith-Fisher, 2007) er IBMs næste projekt efter "Fringe" og en reaktion på, at mange systemer kun inddrager netværksinformation ved at vise brugerens nærmeste forbindelser bl.a. for at beskytte personlige oplysninger. "SmallBlue" kombinerer emneordssøgning med netværksdata. Brugeren får vist hele netværket og den nærmeste vej via egne kontakter og deres netværk til relevante eksperter. På denne måde giver systemet ikke kun oplysninger om who knows what, men også om who knows who. Det er muligt at differentiere rankingen af emneeksperter og personer med en central rolle i netværket. 4. Undersøgelsesspørgsmål Gennemgangen af teorien har vist, at det er afgørende for succesen af people directories, at systemet skaber bevidsthed om de andres ekspertise skaber udvekslingskanaler styrker det sociale netværk 17
gør eksperter i en organisation identificerbare og faciliterer personlig kontakt Som nærmere beskrevet i reviewen (Kap.2) vides der meget lidt om, hvorvidt disse krav bliver omsat i praksis og i givet fald hvordan. Formålet med denne undersøgelse er at indhente beskrivelser af eksisterende people directorys med særlig fokus på repræsentationen af ekspertise og brugernes interaktionsmuligheder med systemet. Opgavens undersøgelsesspørgsmål er således: 1. Hvad er best practice blandt internationale servicevirksomheder med mere end 500 medarbejdere mht. at registrere medarbejdere som ressourcer og gøre dem søgebare i et knowledge management system? Undersøgelsen er eksplorativ, dvs. den har ikke til formål at nå frem til en generalisering ud fra de indhentede data. Resultaterne kan bidrage til at skabe retningslinjer til design af fremtidige ekspertsøgesystemer under hensyntagen til de forskellige kontekster. 5. Undersøgelsesdesign Undersøgelsesspørgsmålet indeholder både et kvantitativt og et kvalitativt aspekt. For at få et realistisk billede af, hvad best practice angående people directories er, er det afgørende at nå ud til et stort antal virksomheder. Afgørende for valget af elektronisk spørgeskema som dataindsamlingsmetode var, at surveys af den type kan nå ud til mange virksomheder og samtidig kræver mindre ressourcer at gennemføre og administrere end fx. interviews. E- maildistribution af spørgeskemaet gør det også nemmere at administrere surveyens forløb, fordi skemaet når ud til alle respondenter samtidigt. Surveyens formål er (1) at identificere virksomheder, som har et IT-system, der understøtter søgningen efter kollegaer med en bestemt ekspertise, (2) at indhente en beskrivelse af det enkle informationssystem og (3) at indhente indikatorer for mangler ved systemet hhv. utilfredshed med systemet, der kan danne udgangspunkt for en opfølgende evaluering. Hvis informationssystemer skal være en succes, er en vellykket implementering i organisationen lige så afgørende som et match mellem 'kulturen' i organisationen og adfærden, som systemet lægger op til. Choo (2006, 135f) bruger udtrykket 'cultural knowledge' for at beskrive denne kulturelle ramme. 'Cultural knowledge' i en organisation udtrykker fælles værdier, målsætninger og normer for, hvordan ny information bliver 18
bearbejdet. Systemevaluering må derfor tage højde for, om kulturen i virksomheden modarbejder eller understøtter funktionaliteterne. Det er ikke muligt at få disse komplekse sammenhænge oplyst gennem en survey, som repræsenterer en persons synsvinkel. En reel evaluering af systemerne var derfor ikke mulig inden for opgavens ramme. Surveymetoden er heller ikke egnet til at spørge til de mere tekniske systemegenskaber. Opgaven fokuserer derfor på at indhente beskrivelser af systemernes grundlæggende funktioner. Det næste kapitel kommer ind på, hvilke aspekter undersøgelsen fokuserer på. 6. Survey 6.1. Koncepter og indikatorer 6.1.1. Systemdesign Design af et informationssystem kræver, at man tager stilling til en række aspekter: systemets formål, brugerne, indhold, funktionalitet og integration med andre systemer. Surveyen skal især spørge ind til de aspekter, som de foregående kapitler har udpeget som kritiske for systemets brugsværdi. 6.1.1.1 Repræsentation af ekspertise & relevanskriterier ved 'expert seeking' Det centrale spørgsmål i designprocessen af et people directory er, hvordan ekspertise skal repræsenteres. Enhver personprofil skal indeholde de informationer, som er nødvendige for, at brugeren kan vurdere, om vedkommende er den rette person, dvs. om pågældendes ekspertise er relevant. Profil forstås her som brugergrænsefladen, der vises, når personen bliver søgt frem, og dens indhold. Profilen skaber grundlaget for kommunikationen mellem profilejeren 4 og den informationssøgende. En tilgang til repræsentation af ekspertise er at udvikle en taksonomi, som afspejler relevante kompetenceområder. Udfordringen ved at designe en taksonomi er bl.a. at fastlægge graden af specificitet, at sikre et fællessprog og beslutningen om, hvilket omfang af ekspertise skal inddrages (Ehrlich 2003, 143). En del studier inden for forskningen i relevanskriterier har påpeget den dynamiske og multidimensionale karakter af relevans (Borlund, 2003; Mizzaro, 1998; Park, 1993; Saracevic, 1996; Schamber, Eisenberg & Nilan 4 Betegnelsen 'profilejer' bruges her for den person, som er repræsenteret i en profil. 19
1990). Multidimensionalitet betyder, at relevans kan opfattes forskelligt af forskellige brugere i forskellige kontekster. Emnerelevans er kun et aspekt af mange, som påvirker brugernes beslutning om at kontakte en ekspert. 5 Dynamikken ligger i, at en brugers opfattelsen af relevans forandrer sig over tid. Det er derfor ikke tilstrækkeligt at begrænse repræsentationen af ekspertise til emneområder. Tværtimod skal alle relevanskriterier, som brugere anvender til at vælge eksperter, integreres i profilen enten som søgeparameter eller beskrivende elementer. Relevanskriterier er de kriterier, der anvendes af brugeren til vurdering af, om en post i et søgeresultat er relevant. Design af ekspertsøgesystemer, der matcher brugernes behov, kræver afklaring af, hvilke informationer brugerne skal have for at kunne vurderer en persons ekspertise og beslutte sig for at kontakte vedkommende. Relevanskriterierne kan bruges som 'access points' for at sikre, at brugeren kan foretage en meningsfuld søgning og finde relevante personer. McDonald (2001, 221) retter kritik mod de på daværende tidspunkt eksisterende people directories. Han bemærker, at de fleste systemer ikke tager højde for, at det ikke nødvendigvis er den samme ekspert, som er den rette kontaktperson for alle i organisationen, og fremhæver, at Expert Recommender på baggrund af netværksinformation vil kunne foreslår den i konteksten bdste person at kontakte. Man kan argumentere imod denne type automatiseret ranking, at beslutningen bør ligge hos brugeren, og at det derfor er vigtigere at inddrage beslutningskriterier i ekspertpræsentationen end at lade systemet ranke efter 'social relevans'. Der findes ikke meget forskning om brugernes relevansvurdering ved søgning efter personer. I den eksisterende forskning er der dog enighed om, at personer ikke kun baserer deres beslutning om at kontakte en person på rationelle aspekter. Bogatti/Cross (2003, 434) fastslår: The decision to seek information from a specific other is informed by characteristics of the relationship between the seeker and a set of other people he or she might turn to. Ehrlich (2003, 148ff) nævner fire aspekter, som mennesker forholder sig til ved etablering af en samtale, både med en fremmed og en kendt person: demographics, credentials, accessibility og behaviour. 6 Demographics placerer personen fysisk og i forhold til resten af organisationen. Ved siden af kontaktinformation hører herunder fx kontorets beliggenhed, antal år i virksomheden eller navn på supervisoren. Credentials beskriver en persons viden og omfanget af den. Denne type information er afgørende for vurderingen af, 5 Se fx Woudstra & van den Hoofs (2008) til betydning af informationskildens tilgængelighed vs. kvalitet 6 Ehrlich (2003) nævner desuden reputation, som efter min mening ikke adskiller sig væsentlig fra credentials. 20