Hoe bedenk je het ondenkbare?

Hoe bedenk je het ondenkbare?
Innovatieve ICT-oplossingen lijken soms toevalstreffers. Er is echter een concrete methodische benadering die ondersteuning biedt bij ICT-gebaseerde innovaties: de C-K-theorie.
Guido Dedene en Jonas Poelmans
Al decennia zijn we bezig met de ontwikkeling van informatie- en communicatiesystemen, met recentelijk steeds bredere standaarden op het vlak van Enterprise Architectuur (UML, Archimate, BPMN, et cetera). Daarmee lijkt het alsof we stilaan greep krijgen op het incrementeel ontwikkelen van ICT-systemen, die grotendeels via gekende technieken, patronen/sjablonen en modellen de automatisering van bedrijfsprocessen bewerkstellingen.
De vraag naar nieuwe toepassingen blijft echter stijgen, waarbij de productiviteit van de technieken onvoldoende is om de vraag bij te houden. Bovendien zijn er in toenemende vragen te stellen waarop de traditionele methoden geen antwoorden kunnen bieden. Zo gaat een modelgebaseerde methode er vaak van uit dat men a priori weet wat men gaat modelleren. Het is echter juist het kenmerk van een innovatieve vraag dat men op voorhand niet weet wat de sleutel is van het antwoord: er stelt zich het fameuze probleem van de ‘unknown unknowns’. Bij gebrek aan systematische methoden lijkt het alsof innovatieve ICT-oplossingen als het ware bij toeval – op goed geluk – ontstaan. Wellicht spelen een dosis intuïtie, creativiteit en gezond verstand een rol bij het bedenken van innovatieve oplossingen, maar ICT’ers hebben behoefte aan meer houvast, aan meer systematiek.
Het meespelen van – op het eerste gezicht niet-rationele – parameters bij succesvolle innovatie heeft ook aanleiding gegeven tot veel literatuur die eerder onder opiniestukken dan onder wetenschappelijke bijdragen gerangschikt kan worden. De wet van Newton was een verifieerbaar principe, niet zomaar een uit het hart gegrepen mening over wat zich afspeelt. Hoe goed bedoeld ook, eenmalige opinies voldoen niet aan de toets van de objectieve verifieerbaarheid en reproduceerbaarheid. Het was lang zoeken naar een wetenschappelijk onderbouwde methode die potentieel had om ondersteuning te bieden bij het bedenken van innovatieve oplossingen.
Een antwoord kwam enkele jaren geleden vanuit gezamenlijk onderzoek van Ingenieurswetenschappen en Wijsbegeerte in de schoot van de Parijse universiteiten: de C-K-theorie [Hatchuel & Weil, 2002]. De C-K-theorie positioneert zich vrij ambitieus als een nieuwe aanpak voor creatief ontwerp, in eerste instantie bedoeld voor het ontwerp van industriële producten en oplossingen. De succesverhalen stapelden zich op, maar bleven in eerste instantie in de hoek van material-gebaseerde oplossingen. Het ligt dan ook voor de hand om de C-K-theorie ook toe te passen bij ICT-gebaseerde innovaties en innovaties binnen ICT.
Dit vraagt om technieken die aansluiten bij de stateof-the-art van ICT, uiteraard voortbouwend op de verworvenheden van de tot nu toe ontwikkelde analyse- en designmethoden binnen ICT.
De notie van ‘concept’ zoals die in C-K-theorie wordt gehanteerd, nodigt in ieder geval uit voor een verbreding van de theorie. In de oorspron
kelijke C-K-theorie worden concepten in de conceptruimte geordend volgens hiërarchische principes: kennisbomen vormen de primaire structuur die aangewend wordt voor de rangschikking van de concepten die uit bestaande kennis worden gepuurd. De beperkingen van het hiërarchisch denken zijn inmiddels goed bekend, en al in 1966 waarschuwde de architect Alexander voor de verregaande beperkingen van ontwerpen op basis van (hiërarchische) boomstructuren.
Tijdens ons onderzoek naar innovatiemethoden werd enkele jaren terug de aandacht getrokken naar een alternatief voor de hiërarchische conceptordening, met name de Formele Concept Analyse FCA [Wille, 2005]. FCA biedt een methode om willekeurige associatieverbanden tussen ‘objecten’ en ‘kenmerken’ om te zetten naar een ‘conceptrooster’.
Zo’n rooster biedt een partiële orde voor de concepten die naar voren worden geschoven. De partiële orde is evident semantisch veel rijker dan een hiërarchie en biedt meer ruimte voor veelzijdigheid in het ontdekken en bedenken van nieuwe, innovatieve concepten in de conceptruimte. De combinatie van de C-K-theorie en FCA bleek in ons onderzoek een schot in de roos te zijn. Via verschillende doctoraten en praktijkprojecten is de doelmatigheid van de aanpak duidelijk geworden. Voor alle duidelijkheid: het is slechts één mogelijke aanpak voor innovaties, en zeker geen alomvattend methodisch antwoord op alle innovatievraagstukken. Maar de resultaten zijn van die aard dat iedere ontwerper die geconfronteerd wordt met innovatieve uitdagingen misschien toch even de C-K-theorie in overweging kan nemen.
Oorspronkelijke formulering
De C-K-theorie [Hatchuel & Weil, 2003], [Hatchuel et al. 2004], [Hatchuel et al., 2006] maakt gebruik van twee ‘ruimtes’:
(1) K – de kennisruimte – is de ruimte van de feiten en beweringen die voor de ontwerper een logische weergave zijn van de bestaande kennis. De kennisruimte is vaak niet-expliciet, de kennis zit verborgen of vervlochten in feiten en verbanden die vooralsnog niet evident zijn, en op zijn zachtst gezegd ongestructureerd zijn. Het begrip ‘logisch’ verwijst naar een feit dat de elementen in de K-ruimte aanvaard worden als ‘evident’ (bijvoorbeeld, in een gerechtscontext, als ‘bewijsmateriaal’).
De kennisruimte kan gebruik maken van elke gegevensvorm, dus ook multimediale gegevens en de zogenaamde ‘big data’ behoren tot het potentieel van de kennisruimte.
(2) C – de conceptruimte – is de ruimte van formele constructen, die niet noodzakelijk a priori evident zijn, en desnoods gevalideerd moeten worden in de K-ruimte. Concepten vormen ‘afbeeldingen’ van aspecten in de K-ruimte, en zijn dus ook een ‘view’ op de K-ruimte. De conceptruimte wordt geacht een formele notie van ‘concept’ te hanteren, en deze concepten volgens bepaalde structuren te ordenen en te groeperen. De conceptruimte kan ideeën uit de informatiewetenschappen hanteren, zoals talen, gegevensstructuren of kennisregels.
De kennisruimte is dus de neerslag (in gegevens) van een bepaald kennis- of ervaringsgebied.
De kennisruimte vertegenwoordigt de feitelijke werkelijkheid, met zijn bekende, maar ook ongekende feiten en regels. De conceptruimte is een formele voorstelling van bepaalde (in-)zichten op de kennisruimte. De conceptruimte is derhalve niet de werkelijkheid, maar slechts een partiële conceptuele voorstelling van bepaalde facetten van de werkelijkheid.
Vervolgens zijn er vier verbanden tussen de twee ruimtes:
(a) Disjunctie is een afbeelding van de kennisruimte K op een conceptruimte C, waarbij een conceptuele voorstelling gemaakt wordt van een (bestaand deel van een) kennisruimte. Er zijn geen a priori technieken voor disjunctie, maar ons bewuste onderzoek komt aan bod in het volgende deel van dit artikel.
(b) Expansie/Projectie is een techniek waarbij uit bestaande concepten nieuwe concepten worden afgeleid. De uitbreiding van de concepten kan gebeuren in de ‘diepte’ en in de ‘breedte’ naargelang de aard en de structuur van de voorliggende concepten. Dit is een belangrijke stap, aangezien hierbij de conceptstructuren worden aangewend als een hulpmiddel voor het creatief ontwerp. De conceptruimte moet zo gestructureerd zijn dat zij de ontwerper wijst op ‘zwarte gaten’, blinde vlekken in de kennisrepresentatie. Zij moet dus ondersteuning bieden bij het ontdekken van ‘unknown unknowns’. De nieuw ontdekte concepten kunnen op zich ‘wilde’ ideeën zijn, die vooralsnog geen evidentie hebben in de K-ruimte (daarvoor dient de conjunctie).
(c) Conjunctie is de activering van nieuwe concepten uit de conceptruimte C naar de kennisruimte K. Nieuwe concepten dienen experimenteel gevalideerd te worden. Het is vanzelfsprekend dat de kennisexperts rond het betrokken kennisgebied cruciaal zijn in deze stap.
(d) De feitelijke Innovatie is de stap waarbij de gevalideerde concepten nieuwe actieve kennis worden, die dan ook daadwerkelijk kan ingezet worden in de werkelijkheid. Een belangrijk aspect in de praktijk is het operationaliseren van deze nieuwe kennis.
Figuur 1. De ruimtes en hun verbanden in de C-K-theorie
Figuur 1 vat de ruimtes en de verbanden samen. Laat het meteen duidelijk zijn dat dit geen geautomatiseerde, noch verregaand automatiseerbare aanpak is. Vooralsnog is de menselijke inbreng, en zeker de expertkennis rond het kennisgebied cruciaal voor het succes van de innovatiestap. Dat zal ook blijken in de gevallenstudies. Nieuwe kennis kan op drie manieren tot stand komen in de C-K-benadering (figuur 2) .
Figuur 2. Het ontstaan van nieuwe kennis vanuit de conceptruimte
 

(1) Er zijn evident de directe inzichten door de conceptualisatie, die verbanden legt die wellicht voordien ongekend waren. Vaak doet zich hier ook het probleem voor van de ‘aha’-beleving: de domein-experts menen in deze resultaten soms slechts een bevestiging te zien van wat ze ‘eigenlijk al wisten’. Uiteraard stelt zich dan de vraag waarom deze kennis niet geëxpliciteerd is geweest ?
(2) Er zijn de bijkomende inzichten door expansie en verkenning binnen de conceptruimte. De expansie kan zowel in de diepte gebeuren als in de breedte (door op zoek te gaan naar meer attributen om variaties van een concept te begrijpen). De finaal ontdekte concepten worden nieuwe kennis.
(3) De structuur binnen de conceptruimte kan ook suggesties geven voor ‘kennisgaten’: ‘Wat als de waarde van een attribuut gelijk zou zijn aan…?’ is zo’n typische onderzoeksvraag die aanleiding kan geven tot nieuwe ‘crazy’ concepts [Hatchuel et al., 2006]. Een veel geciteerde gevallenstudie rond het succes van de C-K-theorie is de stoel die geen stoel meer is. Het ging om het vraagstuk om een gemakkelijk zitje te bedenken dat bruikbaar is voor massamanifestaties, eenvoudig te produceren en te verdelen, en uiteraard medisch verantwoord. De C-K-theorie werd gebruikt om dit vraagstuk op te lossen:
(a) Vertrekpunt is de kennisruimte K die bestaat uit alle mogelijke exemplaren van gemakkelijke stoeltjes die we kennen. De sfeer van campingzitjes en de meerkleurige veelzijdigheid ervan spreekt wellicht tot de verbeelding.
(b) De innovatie-uitdaging is om een stoel uit te vinden die meer is dan ‘zomaar een lichtere versie van al het voorgaande’, ook omdat dit de eenvoud van productie en materialen wellicht in de weg zou staan.
(c) De conceptruimte start van de conceptualisering van campingzitjes, waarbij klein en licht de aandachtspunten zijn. Al gauw blijkt het aantal poten van de stoel ook een rol te spelen: er zijn zitjes met 4 poten, 3 poten, 2 poten…
(d) Een ‘crazy concept’ is het idee van een stoel zonder poten. Daarbij is het nieuwe concept ‘evenwicht’. Evenwicht kan bereikt worden door de persoon die zit, door het instrument waarmee de persoon zit, of door beide. Voorbeelden uit yoga tonen evidente en rustgevende evenwichtsposities die de persoon in een goed evenwicht brengen. Het nieuwe zitje moet de persoon dus motiveren om de juiste houding aan te nemen.
(e) De eenvoudigste manier om de juiste houding aan te nemen blijkt een riem te zijn. De plastiek verpakking van de riem kan dienen als zitvlak in de natte ondergrond. Verder voldoet de nieuw ontdekte ‘stoel’ aan alle vereisten die hierboven waren gesteld. De nieuwe stoel is gecommercialiseerd door Vitra. Andere industriële succesverhalen volgden, zoals het ontwerp van de band zonder binnenband voor Michelin, of het gebruik van teflon voor totaal nieuwe toepassingen door Tefal. Het is dus een evidente vraag: waar blijven de toepassingen van C-K-theorie in ICT-innovatie ? Het antwoord volgde uit een kritische analyse van de C-K-theorie zelf.

Uitbreiding van conceptruimte C

In zijn originele formulering zijn de auteurs van de C-K-theorie vrij restrictief over de exploratietechnieken binnen de conceptruimte. Zij stellen dat enkel splitsing en groepering gebruikt kunnen worden voor de exploratie van nieuwe concepten, en dat als gevolg daarvan de conceptruimte noodzakelijkerwijze hiërarchisch gestructureerd is.
In ons onderzoek naar innovatiemethoden, startend in 2007, werd al gauw duidelijk dat de hiërarchische restrictie een artificiële belemmering was. Binnen ICT is genoeg ervaring met het falen van puur hiërarchische benaderingen (denk maar aan de initiële hiërarchische databases, hiërarchische decompositietechnieken, boomstructuren, et cetera). Bovendien was er al een verwittiging vanuit architectuurkringen, waarbij in 1966 Christopher Alexander (die later ook beroemd werd als de auteur van ‘design patterns’, lang voordat die in de ICT bekend werden) waarschuwde bij het ontwerp van een nieuwe stad in Indië: ‘A city is not a tree’. [Alexander, 1966] Het antwoord op de vraag hoe de conceptruimte dan wel gestructureerd kan worden kwam rond dezelfde tijd in 2005 vanuit de wiskunde, met een nieuwe conceptualiseringstechniek onder de naam ‘Formele Concept Analyse’, afgekort FCA [Wille, 2005]. In deze techniek wordt gewerkt met roosters van concepten in plaats van hiërarchieën. Maar er is meer: FCA biedt ook een concrete disjunctietechniek, met een ruim scala aan toepassingsmogelijkheden [Poelmans et al., 2013a, 2013b]. Immers, het standaard FCA-algoritme vertrekt van een associatiematrix die door middel van kruisjes verbanden legt tussen de rijen (‘objecten’) en de kolommen (‘attributen’, kenmerken). Concepten zijn groepen van objecten die bepaalde groepen van kenmerken delen. Stel dat een bibliografisch onderzoek van een aantal papers op basis van een aantal thema’s noodzakelijk is, dan zou de toepassing van FCA in dat geval kunnen vertrekken van de associatiematrix in figuur 3 , die papers in verband brengt met thema’s. Figuur 4 toont het bijbehorend conceptrooster in FCA.
Figuur 3. Voorbeeld van een associatiematrix
 
Figuur 4. Voorbeeld van een conceptrooster
Het rooster toont onder meer hoe paper 1 een verfijning is van paper 4. Het toont ook hoe alle papers over browsing ook over software gaan (niet andersom). Het gebruik van associatiematrixen is een belangrijke en effectieve disjunctietechniek. Door middel van indexeringshulpmiddelen kunnen lijsten gemaakt worden van trefwoorden of kenmerken van objecten van velerlei aard: tekst, beeld, geluid, et cetera. Zoals eerder gesteld moet de ordening in de concepttruimte mee helpen om ‘unknown unknowns’ te suggereren. Stel dat bijvoorbeeld de kenmerken van een type misdaad onderzocht moeten worden. Het is handig om dan in de conceptruimte een kenmerk toe te voegen dat het al dan niet voorkomen van dat type misdaad weergeeft. In het conceptrooster komen vervolgens de dossiers naar voren waarin het type misdaad voorkomt, met de kenmerken van de dossiers. Indien de kenmerken maar in staat zijn om gedeeltelijk het voorkomen (of niet-voorkomen) van een misdaadtype te herkennen, dan moet gezocht worden naar bijkomende kenmerken (expansie in de breedte), of verfijning van kenmerken (expansie in de diepte). Figuur 5 toont een dergelijke navigatie door een conceptrooster [Poelmans, 2010].
Figuur 5. Navigatie en exploratie in het conceptrooster
Wanneer FCA op zichzelf niet voldoende is voor de expansie, kunnen bijkomende technieken ingeschakeld worden in de conceptruimte. Typische voorbeelden zijn classificatietechnieken op basis van neurale netwerken. Deze technieken helpen ook om onzuiverheden en fouten in de gegevens uit te klaren.

Misschien ontstaat onterecht de indruk dat de conceptruimte alleen over data gaat. Recente onderzoeksresultaten hebben echter duidelijk gemaakt hoe FCA perfect gebruikt kan worden voor de conceptualisatie van processen. Figuur 6 en 7 tonen een voorbeeld van een FCA-rooster voor een proces, met de bijbehorende Hidden Markov Model voorstelling [Peters, 2013]. In dit op zich theoretisch voorbeeld is een evident kennisgat de meervoud-naar-meervoudovergang in de processtap C. Dit kan ook achterhaald worden door de probabiliteiten van de uitvoeringspaden van het Markov-model te vergelijken met de FCA-resultaten: elke afwijking wijst op een anomalie. In het onderzoek werd duidelijk dat de krachtige toepassingen van de C-K-theorie pas tot stand konden komen door de hiërarchische ordening in de conceptruimte los te laten en te vervangen door de modernere FCA.

Figuur 6. Een conceptrooster voor een procesmodel
 

 

Figuur 7. De bij figuur 6 horende Hidden Markov Model voorstelling
 
Gevallenstudies
De gevallenstudies komen vaak neer op vraagstukken waarbij de klassieke systeemanalyse onmachtig blijkt te zijn. Als er bijvoorbeeld gevraagd wordt om op een innovatieve manier de strijd met mensenhandel aan te gaan, dan kan je niet meer zomaar beginnen met een klassieke ‘use case’-analyse en ‘class diagrams’. Daarmee willen we niets verkeerds zeggen over deze technieken, want we hebben ook aangetoond dat ze formeel gesproken toepassingen zijn van FCA [Poelmans et al., 2012]. Maar er is dus meer nodig: voorafgaand aan de gestructureerde analyse is de C-K-cyclus nodig. Klassieke ‘requirements analyse’ weet ook helemaal geen raad met ongestructureerde gegevens, zoals in het geval van mensenhandel de combinatie van camerabeelden, telefoontaps, interceptie van e-mails en SMS-verkeer. De gegevensverzamelingen waarmee gewerkt worden in de kennisruimte K kunnen zeer groot zijn, letterlijk ‘big data’, vaak omdat ze de sporen (‘traces’) zijn van de e-weg-interacties die zo kenmerkend zijn voor gebruikers van Web 2.0.
Wat nu volgt is een lijst met slechts enkele voorbeelden van gevallenstudies waarbij de benadering die we in dit artikel beschreven met succes werd toegepast. Voor geen enkel van de gevallenstudies waren de onderzoekers domeinexperts. (a) Door middel van C-K-theorie in combinatie met FCA voor Data Discovery werd een methode ontwikkeld voor de Politie om op een innovatieve manier om te gaan met bepaalde soorten criminaliteit. In de periode van de studie stond huiselijk geweld hoog op de politieke agenda [Poelmans et al., 2009, 2010a, 2011b, 2011c]. De kennisruimte bestond uit ongestructureerde politieverslagen rond dit type geweld. De aanpak beschreven in dit paper heeft geleid tot een beter begrip en uiteindelijk ook een betere preventie van dit type geweld. Bij de verdieping in de conceptruimte is gebruik gemaakt van bijkomende ‘machine learning’-technieken (zoals Emergent Self Organizing Graphs, ESOM). De techniek die ontwikkeld is liet toe om met 95 procent nauwkeurigheid potentieel huiselijk geweld te herkennen in observatieverslagen. De ‘crazy’ concepten in dit onderzoek waren onder meer geweld tussen verschillende partnertypes (grootouders, homoseksuele partners, et cetera) die in de standaarddefinities van de politie niet onderkend waren.
De rol van de expert-inspecteurs was vooral de meest relevante attributen te leren onderkennen.
(b) Waar de vorige gevallenstudie nog werkte rond teksten (‘verslagen’) is in een volgend project de methode uitgebreid met multimediale gegevens. Uiteindelijk werden in twee jaar tijd vijf belangrijke gevallen van mensenhandel onderschept in Amsterdam [Poelmans et al., 2011a], [Elzinga et al., 2012]. De juiste categorisatie van beeldmateriaal speelde een belangrijke rol. Door de tijd mee toe te voegen als een kenmerk in de disjunctie ontstaat ook de mogelijkheid om evolutiepatronen te verkennen.
Daarmee was het mogelijk om ‘early warning’signalen te ontdekken voor mogelijk radicalisering in bepaalde groepen [Elzinga 2011].
(c) Een andere uitdaging was de vraag om op een innovatieve manier gebiedsdekkende voorzieningen met hun bijhorende strategie en prioriteiten in beeld te brengen voor een langzaam vergrijzend deel van Nederland. In dit geval bestond de kennisruimte K uit bevragingen van de overheidsbestuurders en het werkveld op basis van aangeboden diensten en waarden. De C-K-methode liet toe de juiste accenten te leggen bij de verbreding of verdieping of juist afschaffing van bepaalde diensten. De ‘methode van Bedel’ werd gebruikt om de prioriteiten te bepalen. De voorgestelde landkaart van gebiedsdekkende voorzieningen vormde de basis voor een objectieve discussie op politiek vlak, waarbij tal van emotionele parameters door de studie in een juist perspectief waren gebracht.
(d) Administratieve processen vertonen vaak waardelekken die niet a priori gekend zijn. De benadering van dit artikel is meerdere malen met succes toegepast om innovatieve procesverbetering te bereiken. De kennisruimte bestaat uit de feitelijke uitvoeringsgegevens van processen, zoals die meestal zijn weergegeven in een eventlog (die zeer groot kan zijn, wanneer het bijvoorbeeld gaat over enkele miljoenen administratieve verrichtingen per dag). De disjunctietechniek die gebruikt wordt, is een combinatie van FCA en Hidden Markov Modellen [Peters, 2013]. Uit het onderzoek bleek dat de traditionele procesmodelleringstechnieken (zoals Petri-netten en BPMN) ontoereikend waren voor een goede ordening van de conceptruimte en bepaalde ‘unknown
unknowns’ zelfs in stand hielden. Zo zijn audits gebeurd van klantenverloop, contact centers en ‘claims handling’-processen. Door de innovatieve aanpak zijn telkens verbeteringen tot stand gekomen variërend tussen twintig en veertig procent.
(e) Compliance aan internationale en overheidsregels (inclusief een beter begrip van fraude) is een ander scala van gevallenstudies. Deze studies staan nog onder ‘non-disclosure’, maar in proefconcepten zijn reeds ROI-resultaten tot een factor twintig(!) vastgesteld. De kennisruimte bestaat uit dossiers die getoetst moeten worden op hun compliance. De rol van de domeinexperts is cruciaal in zulke projecten.
(f) Een laatste belangrijk toepassingsgebied is de gezondheidszorg. Niet alleen innovatief onderzoek naar nieuwe behandelingen, maar ook een beter begrip van de zorgprocessen in functie van de patiënt zijn belangrijke aandachtsgebieden [Poelmans et al., 2010b, 2010c], [Peters & Dedene, 2011]. De kennisruimte is de database met de patiënten-resultaatgegevens, vaak een ad-hoc verzameling van gegevens vanuit allerlei medische bronnen, bijeengebracht op patiëntniveau. Een van de gevallenstudies behaalde een internationale award [Poelmans et al, 2010b]. Deze partiële lijst van gevallenstudies toont aan dat de innovatiemethode op basis van de C-K-theorie, aangevuld met bijkomende technieken zoals FCA, wel degelijk harde resultaten oplevert, die verder gaan dan wat wellicht met een traditionele analyse bereikt had kunnen worden.
Discussie en besluit
Met de voorbeelden die gegeven zijn mag het duidelijk worden dat we slechts een topje van de spreekwoordelijke ijsberg van toepassingsmogelijkheden zien. Op dit moment lopen nieuwe proeftrajecten rond ICT-gebaseerde innovatie inzake mobiliteit en parkeren in grote steden, alignatie van politieke besluitvorming tussen verschillende overheden, exploratie van stijlkenmerken en ontbrekende karakteristieken bij de inventarisatie van kunstpatrimonia, enzovoort… Uiteraard gaat ook het onderzoek rond FCA zelf verder. Naast de discrete versie die in dit artikel is beschreven, bestaan fuzzy en meerwaarde-versies van FCA, en wordt FCA uitgebreid naar elke wiskundige structuur die partiële ordes toelaat. Dit laat toe om zeer esoterische conceptruimtes in meerdere dimensies te verkennen. Bij de KU Leuven is ondertussen besloten dat FCA een zo belangrijke nieuwe techniek is in de informatica dat elke student in de Beleidsinformatica er mee zal geconfronteerd worden in een nieuw basisvak rond ‘structuren in de informatica’.
Een belangrijk aandachtspunt in de praktijk blijft de schaalbaarheid van de hulpmiddelen rond de technieken die beschreven zijn in dit artikel. Alle tot nu toe gekende ‘open source’-hulpmiddelen, vaak in Java ontwikkeld, schalen niet, en lopen vast bij enkele duizenden concepten. Ze zijn goed om speelgoedvoorbeelden te illustreren op kleine proefverzamelingen, een euvel dat vaak voorkomt in onderzoekspapers waar men nalaat om de feitelijke toepasbaarheid van de technieken op grote gegevensverzamelingen te toetsen. Ook dit blijft een centraal onderzoeksgebied en verklaart waarom professioneel ontwikkelde hulpmiddelen noodzakelijk blijven: innoveren doe je niet met speelgoed (alleen).
Vermeldingen
Een aanzienlijk aantal gevallenstudies is verwezenlijkt in onderzoeksleerstoelen aan de KU Leuven, soms in samenwerking met Universiteit van Amsterdam. Concrete leerstoelen waren de ‘Knowledge Discovery’-leerstoel vanuit de Politie Amsterdam-Amstelland in samenwerking met dr. Paul Elzinga, en de ‘Process Discovery’-leerstoel vanuit OpenConnect (Dalles, TX, U.S.) in samenwerking met dr. Ir. Edward Peters.
Daarnaast zijn verschillende projecten gerealiseerd in samenwerking met Rick Warnar & Naomi Woestenenk, bezielers van DENION (DE Nieuwe Onderneming, Lathum, NL).
 
Guido Dedene is hoogleraar aan de KU Leuven en aan de Universiteit van Amsterdam. E-mail: guido.dedene@kuleuven.be
Jonas Poelmans was aspirant bij het Fonds voor Wetenschappelijk Onderzoek FWO en wetenschappelijk medewerker aan de KU Leuven. Momenteel leidt hij Data Discovery Science. E-mail: jonas.poelmans@kuleuven.be
 
Literatuur
[Alexander, 1966] Alexander Ch. (1966), A city is not a tree, Design, London Council of Industrial Design, No. 206, 1966.
[Elzinga et al., 2012] Elzinga, P., Poelmans, J., Viaene, S., Dedene, G. (2012) Nieuwe kennis uit ongestructureerde tekst. Informatie, February, vol. 54(1), pp. 8-14. [Elzinga, 2011]
Elzinga, P. (2011), Formalizing the concepts of crime and criminals, PhD-thesis Universiteit van Amsterdam 2011.
[Hatchuel & Weil, 2002] Hatchuel, A., Weil, B. (2002) La théorie C-K: fondements et usages d’une théorie unifiée de la conception. Proceedings of Colloque sciences de la conception, Lyon, 15-16 mars. [Hatchuel & Weil, 2003]
Hatchuel, A., Weil, B. (2003) A new approach of innovative design: an introduction to C – K theory. Proceedings of ICED’03, august 2003, Stockholm, Sweden, pp. 14.
[Hatchuel et al., 2004] Hatchuel, A., Weil, B., Le Masson, P (2004) Building innovation capabilities. The development of Design-Oriented Organizations: In Hage, J.T. (Ed), Innovation, Learning and Macro-institutional Change: Patterns of knowledge changes.
[Hatchuel et al., 2006] Hatchuel, A., Le Masson, P., et Weil, B. (2006), The design of science based-products: an interpretation and modelling with C-K theory. 9th International Design Conference, Dubrovnik, 15th-18th May 2006, pp. 33-44.
[Peters & Dedene, 2011] Peters E. & Dedene G. (2011), Business Process Discovery & Workforce Intelligence Techniques in Healthcare, International Journal of Health Management and Information, 2(1), 25 - 39.
[Peters, 2013]
Peters, E. (2013), Discovering value leaks and service imperfections in Business Processes, PhD-thesis Universiteit van Amsterdam, 2013. [Poelmans et al., 2013a] Poelmans, J., Kuznetsov, S., Ignatov, D., Dedene, G.,(2013) Formal Concept Analysis in Knowledge Processing: a survey on models and techniques, Expert Systems with Applications vol(40), Issue 16, pp. 6601-6623.
[Poelmans et al., 2013b] Poelmans, J., Ignatov, D., Kuznetsov, S., Dedene, G.,(2013) Formal Concept Analysis in Knowledge Processing: a survey on applications, Expert Systems with Applications vol(40), Issue 16, pp. 6538-6560.
[Poelmans et al., 2012] Poelmans J, Dedene G, Snoeck M, Viaene S, (2012), An iterative requirements engineering framework based on Formal Concept Analysis and C–K theory, Expert Systems with Applications, vol. 39, no. 9, pp. 8115 - 8135.
[Poelmans et al., 2011a] Poelmans, J., Elzinga, P., Viaene, S., Dedene, G., Kuznetsov, S. (2011) A concept discovery approach for fighting human trafficking and forced prostitution. Lecture Notes in Computer Science, 6828, 201-214, 19th International Conference on Conceptual Structures, July 25-29, Derby, England. Springer. [Poelmans et al., 2011b] Poelmans, J., Elzinga, P., Viaene, S., & Dedene G. (2011). Formally analysing the concepts of domestic violence, Expert Systems with Applications, 38(4), 3116 – 3130.
[Poelmans et al., 2011c] Poelmans, J., Van Hulle, M., Viaene, S., Elzinga, P., & Dedene G. (2011). Text mining with emergent self organizing maps and multi-dimensional scaling: A comparative study on domestic violence, Applied Soft Computing, 11(4), 3870 – 3876..
[Poelmans et al., 2010a] Poelmans, J., Elzinga, P., Viaene, S., Dedene, G. (2010). Curbing domestic violence: instantiating C-K theory with formal concept analysis and emergent self-organizing maps, Intelligent Systems in Accounting, Finance & Management, 17, 167 – 191.
[Poelmans et al., 2010b] Poelmans, J., Dedene, G., Verheyden, G., Van der Mussele, H., Viaene, S., Peters, E. (2010). Combining business process and data discovery techniques for analyzing and improving integrated care pathways, Advances in Data Mining. Applications and Theoretical Aspects, 10th Industrial Conference (ICDM), Berlin, Germany, July 12-14, 2010. Best Paper Award
[Poelmans et al., 2010c] Poelmans, J., Dedene, G., Verheyden, G., Peters, E., Van Der Mussele, H., Viaene, S. (2010). Concept mining and discovery in clinical pathways. INFORMS Data mining and health informatics (DM-HI) Workshop. Austin, Texas (US), 7-10 November 2010.
[Poelmans, 2010] Poelmans J., (2010), Essays on using formal concept analysis in Information Engineering, PhD-thesis KU Leuven, 2010. [Poelmans et al., 2009] Poelmans, J., Elzinga, P., Viaene, S., Van Hulle, M. & Dedene G. (2009). Gaining insight in domestic violence with emergent self organizing maps, Expert systems with applications, 36, (9), 11864 – 11874.
[Wille 2005], Wille R., (2005), Formal Concept Analysis as Mathematical Theory of Concepts. In: B. Ganter et al.: Formal Concept Analysis. Foundations and Applications, Springer, 2005.

Tag

Onderwerp



Niet gevonden? Vraag het de redactie!

Heeft u het antwoord op uw vraag niet gevonden, of bent u op zoek naar specifieke informatie? Laat het ons weten! Dan zorgen we ervoor dat deze content zo snel mogelijk wordt toegevoegd, of persoonlijk aan u wordt geleverd!

Stel uw vraag