BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Kania Krzysztof (Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach)
Title
Koncepcja systemu pozyskiwania wiedzy o funkcjonowaniu organizacji
Source
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2003, nr 975, s. 188-198, bibliogr. 14 poz.
Issue title
Pozyskiwanie wiedzy i zarządzanie wiedzą
Keyword
Wiedza w organizacji, Hurtownie danych
Knowledge in organization, Data warehouse
Abstract
Przedstawiona koncepcja jest jedynie przykładem systemów, które mogą być oparte o ideę rozszerzonej analizy temporalnej. Zasygnalizowane możliwości i wymagania, zastosowane narzędzia oraz różnice, ale i podobieństwa do systemów HD i OLAP sugerują potrzebę poszerzania zakresu działania tych systemów. Dotyczy to zarówno źródeł informacji, zawartości, sposobu (modelu) ich przechowywania, narzędzi analizy i sposobów wizualizacji. Niektóre z postulowanych zmian nie mają charakteru prostych uzupełnień i wskazują na osiągnięcie trudnych do ominięcia ograniczeń obecnych rozwiązań. Być może jest to sygnał do pojawienia się rozszerzonych wersji obecnie eksploatowanych systemów HD i OLAP. (fragment tekstu)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. Nardi B. (ed.): Contexts and Consciousness, Activity Theory and Human-Computer Interaction, The MIT Press, Cambridge, MA, 1996.
  2. Virkkunen J.K.: Expansive Transition From Individual to Team and Network Based Knowledge Work, in: Blackler F. (ed.), Knowledge Work, Organizations and Expertise: Europe and Perspective, London, 1997.
  3. Iivari J., Linger H.: Knowledge Work as Collaborative Work: A Situated Theory View, Poc. Of the 32nd Hawaii Intl. Conf. On System Sciences, 1999.
  4. Kania K.: Źródła wiedzy korporacyjnej i narzędzia ich eksploracji. [w:] Komputerowo Zintegrowane Zarządzanie, tom I, WNT, W-wa, 2003.
  5. Agraval R., Srikant R.: Fast algoritms for mining association rules, Proc. Int. Conference Very Large Data Bases, Santiago, Chile, 487-499, 1994.
  6. Mannila H., Toivonen H., Verkamo A.: Efficient algorithms for discovering association rules, Proc. AAAI'94 Workshop Knowledge Discovery in Databases (KDD'94), Seattle, WA, 1994.
  7. Mannila H., Ronkainen P.: Similarity of event sequences. Proc. of the 4th Intl. Workshop on Temporal Representation and Reasoning (TIME'97), Daytona Beach, 1997.
  8. Moen P.: Attribute, Event Sequence, and Event Type Similarity Notions for Data Mining. Report A-2000-1, University of Helsinki, 2000.
  9. Po-shan Kam., Ada Wai-chee Fu.: Discovering Temporal Patterns for Interval-Based Events, 2nd Intl. Conf. Data Warehousing and Knowledge Discovery, London, 2000.
  10. Ale J.M., Rossi G.H.: An approach to discovering temporal association rules. SAC conference, Como. Italy, 2000.
  11. Lesh N., Zaki M., Mitsunori Ogihara: Mining Feature for Sequence Classification. 5th ACM SIGKDD Int. Conf. On Knowledge Discovery and Data Mining, 1999.
  12. Sanfilippo L., Voorhis Van J.: Categorizing Event Sequences Using Regular Expressions. IASSIST Conference, Odense, Denmark, 1997.
  13. Kimball R.: The Data Warehouse Toolkit. John Wiley & Sons, Inc., New York, 1996.
  14. Weber M., Alexa M., Muller W.: Visualizing Time-series on Spirals. Proc of the IEEE Symposium on Information Visualization INFOVIS'01, 2001.
Cited by
Show
ISSN
0324-8445
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu