طراحی مدل هوشمند استخراج دانش از گزارشهای پس از حادثه؛ تلفیق پردازش زبان طبیعی و گراف دانش برای شناسایی شکافهای مهارتی و شخصی سازی آموزش آتشنشانان

گزارشهای پس از حادثه آتشنشانی مخزنی از روایتهای عملیاتی، تصمیمها، خطاهای قابل یادگیری و تجربههای موفقاند؛ اما پراکندگی اصطلاحات، ساختار نامنظم متن و فقدان پیوند روشن با برنامههای آموزشی، بهرهبرداری نظاممند از آنها را محدود میسازد. هدف پژوهش حاضر طراحی مدل مفهومی هوشمند برای استخراج دانش از این گزارشها و تبدیل درسآموختهها به شواهد قابل بررسی درباره نیازهای آموزشی آتشنشانان است. روش پژوهش مروری تحلیلی و سنتز طراحی مبتنی بر ادبیات مدیریت دانش حوادث، پردازش زبان طبیعی، گراف دانش و آموزش مبتنی بر شایستگی است. نتیجه تحلیل، معماری هشتلایهای شامل حکمرانی و گردآوری گزارشها، ناشناسسازی، پالایش متن، استخراج موجودیتها و روابط، اعتبارسنجی خبرگانی، ساخت گراف دانش، تطبیق با ماتریس شایستگی و پیشنهاد مسیر یادگیری با نظارت مربی است. در مدل پیشنهادی، مشاهده خطا در یک گزارش، بهتنهایی نشانه فقدان مهارت فردی تلقی نمیشود؛ زیرا کمبود تجهیزات، شرایط محیطی و محدودیت فرماندهی نیز ممکن است بر نتیجه اثر بگذارند. هر پیوند گراف باید به سند منشا، زمان و درجه اطمینان متصل باشد و پیشنهاد آموزشی با ارزیابی مستقل شایستگی تکمیل گردد. برای آزمون آینده، شاخصهای دقت استخراج، صحت روابط، پوشش شایستگیها، سودمندی توصیه برای مربیان و انتقال مهارت به تمرین عملیاتی پیشنهاد میشود. این مطالعه مدل نرمافزاری را پیادهسازی نکرده و داده میدانی تازهای گردآوری نکرده است. نتیجه آنکه یادگیری سازمانی از گزارشها زمانی به بهبود ایمنی کمک میکند که استخراج خودکار به بازبینی انسانی، عدمتنبیهیبودن فرایند یادگیری و سنجش واقعی اثربخشی آموزش وابسته باشد.

کلیدواژه ها:

گزارش پس از حادثه ، پردازش زبان طبیعی ، گراف دانش ، آموزش شخصیسازیشده