Análisis de árbol de fallos adaptado a la estructuración del conocimiento: un estudio de caso de cooperación...

Área de la Ciencia:

• Gestión del Conocimiento
• Cooperación Internacional para la Seguridad
• Ingeniería de Sistemas

Sus antecedentes:

• La transferencia de conocimiento sostenible en la cooperación internacional de seguridad de Japón enfrenta desafíos debido a restricciones institucionales, conocimiento tácito y rotaciones de personal.
• Los métodos de capacitación tradicionales son insuficientes para una transferencia de conocimiento duradera en contextos de I+D y adquisición.
• La pérdida de conocimiento es un problema importante, que afecta la continuidad del proyecto y puede conducir a errores repetidos.

Objetivo del estudio:

• Proponer y evaluar un método novedoso de ingeniería del conocimiento para externalizar la experiencia de los profesionales en cooperación de seguridad.
• Desarrollar un sistema para estructurar el conocimiento basado en procedimientos y propósitos en grafos auditables e interpretables por máquinas.
• Mejorar la continuidad del conocimiento y mitigar la pérdida de conocimiento en I+D y adquisición de seguridad internacional.

Principales métodos:

• Se desarrolló un método de ingeniería del conocimiento utilizando el Modelo Convincente de Acción Humana Racionalizada (CHARM) para la estructuración del conocimiento.
• Se integró el Análisis de Árbol de Fallos (FTA) para obtener y articular el razonamiento causal implícito y los pares propósito-acción.
• Se crearon grafos de conocimiento auditables, enlazados e interpretables por máquinas, basados en procedimientos y propósitos, incrustando Casos de Referencia (RC) con anotaciones derivadas de FTA.
• Se evaluó empíricamente la efectividad del método a través de análisis cualitativo y cuantitativo de entrevistas y un taller.

Principales resultados:

• El método externalizó con éxito la experiencia de los profesionales, produciendo 42 Casos de Referencia (RC) y 133 acciones adjuntas a casos.
• El conocimiento externalizado demostró un mayor volumen y granularidad, formando unidades de propósito-acción que portan procedencia.
• El enfoque generó activos reutilizables e interpretables por máquinas adecuados para la colaboración humano-IA.
• El enfoque CHARM adaptado a FTA demostró potencial para mejorar la continuidad durante las transferencias y la preparación de negociaciones.

Conclusiones:

• El método de ingeniería del conocimiento propuesto, que integra CHARM adaptado a FTA, aborda eficazmente los desafíos en la transferencia de conocimiento sostenible para la cooperación internacional de seguridad de Japón.
• La creación de grafos de conocimiento interpretables por máquinas facilita la continuidad del conocimiento y reduce la dependencia del conocimiento tácito.
• Este enfoque ofrece una solución viable para mitigar la pérdida de conocimiento y mejorar la efectividad operativa en colaboraciones internacionales complejas.