MATUREContinuous Social Learning in Knowledge Networks
People Tagging –Aspekte und
Möglichkeiten zurGestaltung
Simone BraunAndreas Schmidt
Valentin Zacharias
Mensch & Computer 2010Duisburg, Sept. 13, 2010
http://mature-ip.eu
22
Kompetenzmanagement – eine gute Idee…
Kompetenzmanagement will Unternehmen ermöglichen, die Kompetenzentwicklung zu steuern
Dabei werden die Kompetenzen der Mitarbeiter explizit gemacht durch Profile, die mittels eines gemeinsamen Kompetenzkataloges formuliert werden …
… und Anforderungen und Ziele mit Hilfe dieses Kompetenzkataloges beschrieben …
… wie auch die entsprechenden Maßnahmen und ihre Ergebnisse
MATURE - Continuous Social Learning in Knowledge Networks
33MATURE - Continuous Social Learning in Knowledge Networks
Allerdings …
… wird es als Top-Down-Aktivität empfunden …
… relevante Entwicklungen finden nur langsam in den gemeinsamen Katalog …
… kaum Rückmeldung darüber, was tatsächlich benötigt wird …
… Profile werden zu selten aktualisiert …
… wird zu nutzlosen administrativen Übung …
Anwendungsbeispiel:Berufsberatungsunternehmen in UK
55
Connexions Northumberland
Geographisch verteilte Berufsberater mit unterschiedlicher Spezialisierung• Barriere für den Aufbau von Netzwerken
Klassische Kompetenzmanagementansätze werden als unpassend befunden – da zu rigide
Aber: Personalentwicklung benötigt Informationen darüber, welche Art von Expertise vorhanden ist bzw. benötigt wird
Wie können wir Kompetenzmanagement partizipativer gestalten?
MATURE - Continuous Social Learning in Knowledge Networks
66MATURE - Continuous Social Learning in Knowledge Networks
Neue Wege:
KollaborativesKompetenz-management
77
Semantisches People Tagging
Grundprinzip• Bottom-up und partizipativ• Leichtgewichtig und arbeitsintegriert
Ansatz• Kollaboratives Taggen von Kollegen• Verbreiten von Wissen, wer über
was Bescheid weiß• Kollektive “Bewertung” von
vorhandenen Kompetenzen• Tags werden kollaborativ zum/mit
Kompetenzkatalog weiterentwickelt
MATURE - Continuous Social Learning in Knowledge Networks
plumbing
Vacancydata
LMI specialist
Edinburgh
88MATURE - Continuous Social Learning in Knowledge Networks
99MATURE - Continuous Social Learning in Knowledge Networks
1010MATURE - Continuous Social Learning in Knowledge Networks
Potenziale & Risiken I
1111
Feldexperimente
Zwei Feldexperimente mit People Tagging
Als positiv und nützlich erachtet• “Leute zu taggen zwingt einen darüber nachzudenken, was
man tatsächlich über andere weiß”• “über andere zu lernen” und “neue Einblicke zu erhalten”• Tags “konvergieren zu den richtigen Ergebnissen”
Unterstützt Team Building durch nicht-fachliche Tags• z.B. über entdeckte gemeinsame Interessen
MATURE - Continuous Social Learning in Knowledge Networks
1212
Herausforderungen
Akzeptanz• hängt von klarer Botschaft über
den Zweck ab
Offene Punkte & Bedenken:• Furcht vor Transparenz• Klassische Expert Finder Bedenken: Mehrbelastung, …• Kaltstarteffekt• Vorschläge & Unterstützung beim Tagging• Grad der Kontrolle für den Einzelnen (Löschen von Tags)• Grad der Transparenz (Tagger, Tags, aggregiert/einzeln)• Fachliche Themen vs. eher soziale/persönliche Themen
MATURE - Continuous Social Learning in Knowledge Networks
1313MATURE - Continuous Social Learning in Knowledge Networks
Potenziale & Risiken II
1414
Feedback von HR-Experten-Fokusgruppen
People Tagging kann ein Katalysator für die organisationale Entwicklung sein
People Tagging in Verbindung mit anderenexistierenden Funktionen
Transparenz von Diskussionen und Änderungen kann mit organisationalerHierarchie in Konflikt geraten
MATURE - Continuous Social Learning in Knowledge Networks
1515
Feedback von HR-Experten-Fokusgruppen
Vokabular-Restriktionen in Einklang mit strategisch-orientiertem Kompetenzmanagement• Bewusste Reduktion (d.h. Priorisierung)• Neue Entwicklungen können Revisionen anregen, sollte aber
kontrolliert ablaufen
Flexibilität in den Suchalgorithmen• Nicht nur um die Nutzungserfahrung des Einzelnen zu
verbessern, sondern als organisationale Einschränkung
Flexibilität auf unterschiedlichen Ebenen• Individuum (micro), Abteilung (meso), Unternehmen (makro)
MATURE - Continuous Social Learning in Knowledge Networks
Design Framework
1717
Umsetzung von People Tagging
Die tatsächliche Umsetzung von People Tagging hängt stark vom organisationalen Kontext ab (die Kultur eingeschlossen)
Die technische Ausführung eines People Tagging Systems kann unternehmensspezifisch angepasst werden: • Involvierte Personen• Kontrolle & Semantik des Vokabulars• Kontrolle von Tag-Zuweisungen• Sichtbarkeit von Tag-Zuweisungen• Suchalgorithmen
MATURE - Continuous Social Learning in Knowledge Networks
1818
Involvierte Personen
Wer darf annotieren?• Andere Personen
o Einschränkung auf bestimmte Nutzer oder Nutzergruppen, wie z.B. Freunde oder Teamkollegen
• Selbstannotation
Wer darf annotiert werden?• Nur interne/externe Kontakte• Annotierte Person kann aussteigen• Annotierte Person muss der Teilnahme zustimmen
MATURE - Continuous Social Learning in Knowledge Networks
1919
Kontrolle & Semantik des Vokabulars
Wie wird das Vokabular kontrolliert?• Fixes kontrolliertes vs. freies Vokabular• Schwarze Liste
o Sperrung vs. “freundlicheren” Alternativeno A priori vs. a posterior Überprüfung
• Tag-Vorschlägeo Nur Tags aus dem Vokabularo Weitere Vorschläge
• Soziale Regelno Nur fachliche Tagso Auch nicht-fachliche Tagso Erlauben von negativen Tags
MATURE - Continuous Social Learning in Knowledge Networks
2020
Kontrolle & Semantik des Vokabulars
Was ist die semantische Aussagekraft?• Tags ohne weitere Semantik• Tags mit bestimmter semantischer Relation
o ‚interessiert an‘o ‚hat Kompetenz‘o ‚beschäftigt sich mit‘o Gewichtung (auf Niveau XY)
MATURE - Continuous Social Learning in Knowledge Networks
2121
Kontrolle von Tag-Zuweisungen
Ist eine vorherige Freigabe nötig?• Explizite Freigabe durch die annotierte Person• Automatische Sperrung über eine schwarze Liste• Sofortige Freigabe
Welche Löschoptionen gibt es?• Annotierte Person darf löschen• Annotierende Person darf löschen• Gardener darf löschen• Jeder darf löschen• System kann auf Basis einer schwarzen Liste löschen
Wie werden annotierende Personen beeinflusst?• Anzeige bereits vorhandener Tags für eine Person• Seeding über externe Quellen, z.B. Publikationen
MATURE - Continuous Social Learning in Knowledge Networks
2222
Sichtbarkeit von Tag-Zuweisungen
Für wen sind Tags sichtbar?• Nur für die annotierte Person• Für eine eingeschränkte Personengruppe• Für jeden
Welcher Detaillierungsgrad ist sichtbar?• Nur aggregiert und anonymisiert• Die annotierende Person ist sichtbar• Eingeschränkt nach Personengruppe• Niveau
o Für jedeno Eingeschränkt auf bestimmte Personengruppeo Nur für die annotierte Person
MATURE - Continuous Social Learning in Knowledge Networks
2323
Indikatoren für Suchalgorithmen
Tags der annotierten Person Häufigkeit der Tags Zeitpunkt der Tag-Zuweisung Tags der annotierenden Person Tagging-Aktivitäten der annotierenden Person
Weitere Aspekte:• Verfügbarkeit• Soziale Beziehungen• Semantisches Hintergrundwissen• Weitere Aktivitäten
MATURE - Continuous Social Learning in Knowledge Networks
2424MATURE - Continuous Social Learning in Knowledge Networks
Zusammenfassung
2525
Zusammenfassung
People Tagging und das Konzept des kollaborativenKompetenzmanagements adressieren Problematik der Pflege von Kompetenzkatalogen und -profilen
Sie unterstützen auf lange Sicht kompetenzorientierte Anwendungsfälle durch einen informellen und leichtgewichtigen Ansatz• Finden von Personen oder Experten• Personalentwicklungsplanung• kollektives Bewusstsein für Kompetenzen (wie beschreiben und
mit Praxis verbinden)
MATURE - Continuous Social Learning in Knowledge Networks
2626
Lessons Learned
Wechselwirkung zw. Technologie und organisationaler bzw. Team-Kultur ist wichtig:• People Tagging kann ein Katalysator für organisationale
Entwicklung sein• Werkzeuge müssen an die kulturellen Eigenheiten und
Zielkontext angepasst werden
Entwurfsentscheidungen sind nicht eindeutig an kulturellen Charakteristiken festzumachen
Besser: Guidelines für ein „System-Culture-Fit“• Organisationanalyse & moderierter Einführungsprozess• Potenziale & Risiken von Design- & Konfigurationsaspekten
aufzeigen MATURE - Continuous Social Learning in Knowledge Networks
2727
Kontakt
MATURE - Continuous Social Learning in Knowledge Networks
Simone BraunWiss. MitarbeiterinFZI Forschungszentrum [email protected]
Valentin ZachariasBereichsleiter IPEFZI Forschungszentrum [email protected]
Andreas SchmidtAbteilungsleiter / Wiss. Koordinator MATUREFZI Forschungszentrum [email protected]
http
://m
atur
e-ip
.eu