2 Knowledge-Based Systems and Impli

2 Knowledge-Based Systems and Implicit Learning
In one of the earliest works on decision-aiding tools, decision support systems (DSSs) were defined as coherent sets of computer-based technology thatmanagers can interact with and use as aids for their decision-making activities (Keen and Morton 1978). This definition has spurred a tremendous amount of research in improving the functionalities of DSSs and understanding their impact on users’ decision-making activities (Elam et al. 1996). Research studies and reports from practice
indicate that, indeed, the use of a DSS can lead to substantive improvements in decision-making outcomes and processes (Sharada et al. 1998, Todd and Benbasat 1991). Many research avenues are pursued in DSS research, with one path of inquiry focusing on improving the functional capability of a DSS by embedding it with knowledge of the problem area. These systems are often referred as KBSs or intelligent DSSs (Goul et al. 1992, Holsapple and Whinston 1996). Decision making is a knowledge-intensive activity where knowledge of a particular problem area is used to understand and make choices during the decision process. Hence, including a knowledge base in a DSS can be very advantageous in that the system can interject and provide necessary knowledge at the appropriate points in the decision process (Holsapple and Whinston 1996). In addition, researchers in the humancomputer interface field recommend that users of systems be less burdened with
cognitive load, wherever that knowledge inputs can come from within thesystem (Norman 1998, Schneiderman 1992). For example, a KBS for supporting manufacturing planning activities may suggest to the user a method to reduce the setup time for manufacturing when the user is engaged in developing a manufacturing plan. The decision maker is provided this information showing how to reduce setup time based on the expertise that is embedded in the knowledge base as rules (Kimand
Arinze 1992). KBSs are used in many diverse applications such as financial planning, manufacturing, tax planning, equipment design, etc., and are more useful, in fact, than expert systems that attempt tototally replace the decision makers (Goul et al. 1992, Santhanam and Elam 1998, Wong and Monaco 1995). Another research avenue has used changeagency perspectives to investigate how design attributes could influence users’ decision choices. A DSS could be designed to restrict users’ choices and lead them through a specific decision strategy,
or it could suggest possible decision choices and thus allow the user to follow a certain strategy (Schneiderman 1992, Silver 1990, Silver 1991a, Silver 1991b). A DSS interface designed with a restrictiveness approach limits a user to a subset of all possible decision-making options, while a system with a decisional guidance approach guides its users by advising and assisting them in choosing decision options. These design principles could also be used to develop a KBS in that the system could use the
embedded knowledge to provide guidance on a topic or restrict the user from making certain choices. For example, a restrictive interface in a KBS for strategic planning may restrictthe user from utilizing multi-objective decision modeling options but allow the use of uniobjective decision programming modeling options. To achieve the same objective, a guidance interface will make available all the modeling options,
both multiobjective and uniobjective, but suggest to users thatthey use a uniobjective modeling approach. Thus, with a guidance interface, the system recommends design choices, but does not restrict choices. These design principles have been researched with findings indicating that attention to these design principles help inbuilding more focused and effective DSSs (Limayen and DeSanctis 2000, Montazemi et al.
1996, Norman 1998, Silver 2006, Singh 1998, Wheeler and Valacich 1996). Thus, considerable research is being conducted to identify ways to enhance the functional capabilities and design attributesof a DSS/KBS (Holsapple and Whinston 1996, Santhanam and Elam 1998). But a less-researched aspect also deserves attention. When users interact with the KBS and are focused on task completion, they may be implicitly learning about concepts, rules, and principles in the problem area that improve their knowledge structures. By the very definition of a KBS, knowledge about the specific problem area is embedded within the system. When
the system intervenes, it uses this embedded knowledge to provide advice and may even state it in the form of knowledge rules. For example, while a user is using a tax-planning KBS, the system may advise using a taxation rule that could be applied to prepare a better plan. Or, based on its knowledge rules, the KBS may identify and intervene to reveal an error in the tax plan. The user may not be specifically focused on learning or memorizing the corresponding taxation rules, but during the course of preparing taxes may become aware of a rule, thereby learning
unconsciously and improving knowledge of taxation rules. Thus, a KBS may promote implicit learning about the problem area becauseit can intervene to prevent user errors and to suggest choices in the decision process. Implicit learning has been discussed in various forms in cognitive psychology literature: implicit memory, unconscious learning, selective versus unselective learning, incidental versus intentional learning, etc. (Bright and Burton1998, DeShon and Alexander 1996). For this study, implicit learning refers to a situation in which people may learn about a complex domain without intending to do so. When asked, they may not even be able toarticulate or recall what they learned.
Implicit learning occurs without awareness when a person is exposed to problem exemplars, to right and wrong conditions, and negative and positive instances of problems. The user may not even have spent attentional resources for learning (Berry and BroadBent 1984, Curran and Keel 1993, DeShon and Alexander 1996, Holyaok and Spellman 1993, Reber 1993). A KBS constantly presents the user with suggestions for the completion of a task, warnings, and error messages. These situation-specific interventions and recommendations can be construed as
problem exemplars. Furthermore, the system may alert users to errors and pointto correct solutions. In these situations, users become aware of correct and incorrect solutions to problems, and these experiences could be sources of implicit learning regarding concepts and rules in the domain. It is generally believed that people can acquire knowledge in a domain even though it is not presented in a declarative or concrete form (Paul 1997). A KBS may intervene and highlight an error but not state the correct rule/principle in a declarative form. People can make inferences from these situations and from interactions with their environment, thus developing knowledge structures about a particular domain (Anderson and Finchman 1994). Therefore, expectations that interactions with a decision-aiding KBS can help the user implicitly learn about the problem domain are theoretically justified. Knowledge of software design can be embedded into computer-aided software engineering (CASE) tools (Jankowski 1997). Thus some CASE tools can be considered KBSs. In this study, we consider a KBS that has embedded knowledge on
data modeling. During data-modeling activity, user requirements are turned into database structures. It is considered a complex and error-prone decision process (Antony and Batra 2002, Batini et al. 1992). Therefore, the development and use of KBS to support this complex decision process is recommended, and several tools have been successfully developed (Lo and Choobineh 1999, Purao 1999,
Storey and Goldstein 1993). A KBS for data modeling could intervene, suggest design choices, recognize errors in the conceptual model, and advise users to correct the model. KBS for data-modeling activities can help users develop better quality data models (Batini et al. 1992). Based on the discussion on implicit learning, it is proposed that when users interact with this KBS, receive advice, and observe their data-modeling errors being highlighted, they may implicitly learn about some rules, principles, and heuristics on data modeling. Hence, the first hypothesis is stated (in the alternate form):
H1: After interaction with a knowledge-based system for data modeling, users will exhibit improved learning on data-modeling knowledge topics when compared with users who interact with a system that is not a knowledgebased system. As stated earlier, the manner in which a KBS intervenes and provides advice to prevent the user from making erroneous choices is an interface design attribute that is of interest. A KBS could be designed with a restrictive interface that limits the users’ choices or guides the user by suggesting a course of action. Experiments
conducted to test the effects of the two different interfaces do not indicate a clear superiority of an interface type, but the outcome seems to depend on the specific task context (Norman 1998, Wheeler and Valacich 1996). In terms of implicit learning, it is not clear which of these systems will result in greater user learning. The restrictive system will stop the user from using erroneous operators, and the user may use these problem instancesof correct choices as cues to infer the correct principles in the domain. The guidance system provides advice on the correct choice, and users may encode their knowledge from this advice. To examine whether implicit learning occurs through either one of the interfaces, these hypotheses were tested:
H1A: Users who interact with a knowledge-based system on data modeling through a restrictive interface will exhibit improved learning outcomes when compared with users who interact with a system that is not a knowledge based system.

Kết quả (Việt) 1:

2 các hệ thống dựa trên kiến thức và học tiềm ẩn
trong một trong những tác phẩm sớm nhất về các công cụ hỗ trợ quyết định, Hệ thống hỗ trợ quyết định (DSSs) được định nghĩa là mạch lạc bộ máy tính dựa trên công nghệ thatmanagers có thể tương tác với và sử dụng như là viện trợ cho các hoạt động ra quyết định (Keen và Morton 1978). Định nghĩa này đã thúc đẩy một số tiền to lớn của các nghiên cứu trong việc cải thiện các chức năng của DSSs và tìm hiểu về tác động của hoạt động ra quyết định của người dùng (Elam et al. 1996). Nghiên cứu nghiên cứu và báo cáo từ thực hành
chỉ ra rằng, thực sự, sử dụng một DSS có thể dẫn đến những cải tiến đáng kể trong quyết định kết quả và các quá trình (Sharada et al. năm 1998, Todd và Benbasat năm 1991). Nhiều nghiên cứu con đường đang theo đuổi nghiên cứu DSS, với một con đường của yêu cầu thông tin tập trung vào việc cải thiện khả năng chức năng của một DSS bằng cách nhúng nó với kiến thức về khu vực vấn đề. Các hệ thống này thường được gọi là KBSs hoặc thông minh DSSs (Goul et al. 1992, Holsapple và Whinston năm 1996). Quyết định là một hoạt động chuyên sâu kiến thức mà kiến thức của một khu vực vấn đề cụ thể được sử dụng để hiểu và thực hiện sự lựa chọn trong quá trình quyết định. Do đó, trong đó có một kiến thức cơ bản trong một DSS có thể rất thuận lợi trong đó hệ thống có thể xen và cung cấp các kiến thức cần thiết tại các điểm thích hợp trong quá trình quyết định (Holsapple và Whinston năm 1996). Ngoài ra Các nhà nghiên cứu trong lĩnh vực giao diện humancomputer đề nghị rằng người dùng của hệ thống ít được gánh nặng với
nhận thức tải, bất cứ nơi nào mà kiến thức độc có thể đến từ trong thesystem (Norman 1998, Schneiderman năm 1992). Ví dụ, KBS để hỗ trợ sản xuất kế hoạch hoạt động có thể đề nghị cho người dùng một phương pháp để giảm thời gian thiết lập để sản xuất khi người sử dụng là tham gia vào việc phát triển một kế hoạch sản xuất. Các nhà sản xuất quyết định được cung cấp thông tin này thấy làm thế nào để giảm thời gian thiết lập dựa vào chuyên môn được nhúng vào trong cơ sở kiến thức như quy tắc (Kimand
Arinze năm 1992). KBSs được sử dụng trong nhiều ứng dụng đa dạng chẳng hạn như sản xuất lập kế hoạch, tài chính, thuế quy hoạch, thiết kế thiết bị, vv, và là hữu ích hơn, trong thực tế, hơn hệ thống chuyên gia cố gắng tototally thay thế các nhà sản xuất quyết định (Goul et al. 1992, Santhanam và Elam 1998, Wong và Monaco năm 1995). Một nghiên cứu avenue đã sử dụng những quan điểm changeagency để điều tra cách thiết kế thuộc tính có thể ảnh hưởng đến người dùng quyết định lựa chọn. DSS một có thể được thiết kế để hạn chế sự lựa chọn của người dùng và dẫn họ thông qua một chiến lược cụ thể quyết định,
hoặc nó có thể đề nghị có thể quyết định lựa chọn và do đó cho phép người sử dụng theo một chiến lược nhất định (Schneiderman năm 1992, bạc 1990, bạc 1991a, Bạc 1991b). Một giao diện DSS được thiết kế với một cách tiếp cận Recognized giới hạn người dùng đến một tập hợp con của tất cả tùy chọn có thể đưa ra quyết định, trong khi một hệ thống với một cách tiếp cận decisional hướng dẫn hướng dẫn người sử dụng bởi các tư vấn và hỗ trợ họ trong việc lựa chọn quyết định lựa chọn. Những nguyên tắc thiết kế cũng có thể được sử dụng để phát triển một KBS trong hệ thống có thể sử dụng các
nhúng kiến thức để cung cấp hướng dẫn về một chủ đề hoặc hạn chế người sử dụng từ làm cho sự lựa chọn nhất định. Ví dụ, một giao diện hạn chế trong một KBS cho kế hoạch chiến lược có thể restrictthe người sử dụng đa mục tiêu quyết định mô hình lựa chọn, nhưng cho phép việc sử dụng của uniobjective quyết định lập trình mô hình lựa chọn. Để đạt được mục tiêu tương tự, một giao diện hướng dẫn sẽ làm cho có sẵn tất cả các tùy chọn mô hình,
multiobjective và uniobjective, nhưng đề nghị cho người dùng toả sử dụng một uniobjective mô hình hóa phương pháp tiếp cận. Vì vậy, với một giao diện hướng dẫn, Hệ thống khuyến cáo thiết kế lựa chọn, nhưng không hạn chế sự lựa chọn. Những nguyên tắc thiết kế đã được nghiên cứu với kết quả chỉ ra rằng sự chú ý đến những nguyên tắc thiết kế trợ giúp inbuilding tập trung hơn và hiệu quả DSSs (Limayen và DeSanctis 2000, Montazemi et al.
1996, Norman 1998, Silver 2006, Singh 1998, Wheeler và Valacich năm 1996). Do đó, đáng kể nghiên cứu đang được tiến hành để xác định cách để tăng cường khả năng chức năng và thiết kế attributesof một DSS/KBS (Holsapple và Whinston năm 1996, Santhanam và Elam năm 1998). Nhưng một khía cạnh nghiên cứu ít cũng xứng đáng chú ý. Khi người dùng tương tác với các KBS và tập trung vào nhiệm vụ hoàn thành, họ có thể là ngầm tìm hiểu về khái niệm, quy tắc, và nguyên tắc trong khu vực vấn đề cải thiện cơ cấu kiến thức của họ. Theo định nghĩa rất của một KBS, kiến thức về khu vực vấn đề cụ thể được nhúng trong hệ thống. Khi
hệ can thiệp, nó sử dụng kiến thức nhúng này để cung cấp tư vấn và thậm chí có thể nhà nước nó trong các hình thức quy tắc kiến thức. Ví dụ, trong khi người dùng đang sử dụng một kế hoạch thuế KBS, Hệ thống có thể tư vấn cho việc sử dụng một quy tắc thuế có thể được áp dụng để chuẩn bị một kế hoạch tốt hơn. Hoặc, dựa trên các quy tắc kiến thức, các KBS có thể xác định và can thiệp để lộ một lỗi trong kế hoạch thuế. Người dùng có thể không được đặc biệt tập trung vào học tập hoặc ghi nhớ các quy tắc thuế tương ứng, nhưng trong quá trình chuẩn bị thuế có thể trở thành nhận thức của một quy tắc, do đó học
vô thức và nâng cao kiến thức về thuế quy tắc. Vì vậy, một KBS có thể thúc đẩy học tập tiềm ẩn về khu vực vấn đề becauseit có thể can thiệp ngăn chặn người dùng lỗi và đề nghị lựa chọn trong quá trình quyết định. Tiềm ẩn học tập đã được thảo luận trong các hình thức khác nhau trong văn học tâm lý học nhận thức: tiềm ẩn bộ nhớ, vô thức học tập, chọn lọc so với unselective học tập, ngẫu nhiên so với cố ý học tập, vv (Bright và Burton1998, DeShon và Alexander năm 1996). Cho nghiên cứu này, học tiềm ẩn đề cập đến một tình huống trong đó mọi người có thể tìm hiểu về một tên miền phức tạp mà không có ý định làm như vậy. Khi được hỏi, họ có thể thậm chí không là có thể toarticulate hoặc gọi lại những gì họ đã học được.
Tiềm ẩn học xảy ra mà không nhận thức khi một người được tiếp xúc với vấn đề exemplars, với điều kiện đúng và sai, và trường hợp tiêu cực và tích cực của vấn đề. Người dùng có thể không thậm chí có chi attentional nguồn lực cho việc học tập (Berry và BroadBent 1984, Curran và Keel 1993, DeShon và Alexander 1996, Holyaok và năm 1993 Spellman, Reber năm 1993). KBS một liên tục giới thiệu người dùng với các gợi ý để hoàn thành một nhiệm vụ, cảnh báo, và lỗi tin nhắn. Những tình huống cụ thể can thiệp và khuyến nghị có thể được hiểu như là
vấn đề exemplars. Hơn nữa, Hệ thống có thể cảnh báo người dùng lỗi và giải pháp chính xác pointto. Trong các tình huống này, người dùng trở thành nhận thức đúng và sai giải pháp cho các vấn đề, và những kinh nghiệm có thể là nguồn học tiềm ẩn liên quan đến khái niệm và các quy tắc trong phạm vi. Người ta nói chung tin rằng mọi người có thể tiếp thu kiến thức trong miền mặc dù nó không được trình bày trong một hình thức hỏa hoặc bê tông (Paul năm 1997). KBS một có thể can thiệp và làm nổi bật một lỗi nhưng không nhà nước quy tắc chính xác/nguyên tắc trong một hình thức kỹ. Mọi người có thể làm cho suy luận từ các tình huống và tương tác với môi trường của họ, do đó phát triển kiến thức cấu trúc về một tên miền cụ thể (Anderson và Finchman 1994). Do đó, mong đợi rằng các tương tác với một quyết định giúp đỡ KBS có thể giúp người dùng tìm hiểu ngầm về miền vấn đề lý thuyết hợp lý. Kiến thức về thiết kế phần mềm có thể được nhúng vào công cụ công nghệ phần mềm máy tính hỗ trợ (trường hợp) (Jankowski năm 1997). Do đó một số công cụ trường hợp có thể được coi là KBSs. Trong nghiên cứu này, chúng tôi xem xét một KBS đã nhúng kiến thức trên
mô hình hóa dữ liệu. Trong mô hình dữ liệu hoạt động, người sử dụng yêu cầu được biến thành cấu trúc cơ sở dữ liệu. Nó được coi là một quá trình quyết định phức tạp và dễ bị lỗi (Antony và Batra 2002, Batini et al. 1992). Do đó, việc phát triển và sử dụng KBS để hỗ trợ quá trình quyết định phức tạp này khuyến khích, và một số công cụ đã được phát triển thành công (Lo và năm 1999 Choobineh, năm 1999 Purao,
tầng và Goldstein 1993). KBS để làm mô hình dữ liệu có thể can thiệp, đề nghị lựa chọn thiết kế, nhận ra sai sót trong các mô hình khái niệm, và tư vấn cho người dùng để sửa chữa các mô hình. KBS cho các hoạt động mô hình dữ liệu có thể giúp người dùng phát triển mô hình dữ liệu chất lượng tốt hơn (Batini et al. 1992). Dựa trên các cuộc thảo luận về việc học tiềm ẩn, nó đề xuất rằng khi người dùng tương tác với KBS này, nhận được lời khuyên, và quan sát của lỗi lập mô hình dữ liệu đang được đánh dấu, họ có thể tìm hiểu ngầm về một số quy tắc, nguyên tắc và chẩn đoán trên mô hình hóa dữ liệu. Do đó, giả thuyết đầu tiên được nêu (trong các hình thức khác):
H1: sau khi tương tác với một hệ thống dựa trên kiến thức để làm mô hình dữ liệu, người dùng sẽ triển lãm các học tập cải tiến về các chủ đề kiến thức tạo mô hình dữ liệu khi so sánh với người sử dụng có tương tác với một hệ thống đó không phải là một hệ thống knowledgebased. Như đã nêu trước đó, theo cách mà trong đó một KBS can thiệp và cung cấp lời khuyên để ngăn cản người sử dụng thực hiện sự lựa chọn sai lầm là một thuộc tính thiết kế giao diện là quan tâm. KBS một có thể được thiết kế với một giao diện hạn chế giới hạn sự lựa chọn của người dùng hoặc hướng dẫn người dùng bằng cách gợi ý một khóa học của hành động. Thí nghiệm
tiến hành để kiểm tra những ảnh hưởng của hai khác nhau giao diện không cho thấy một ưu thế rõ ràng của một loại giao diện, nhưng kết quả dường như phụ thuộc vào ngữ cảnh cụ thể nhiệm vụ (Norman 1998, Wheeler và Valacich năm 1996). Trong điều khoản của việc học tiềm ẩn, nó không phải là rõ ràng mà các hệ thống này sẽ dẫn đến nhiều hơn người sử dụng học tập. Hệ thống hạn chế sẽ ngăn chặn người dùng từ việc sử dụng nước sử dụng sai, và người dùng có thể sử dụng các lựa chọn chính xác instancesof vấn đề như là dấu hiệu để suy ra các nguyên tắc chính xác thuộc phạm vi. Hệ thống dẫn đường cung cấp lời khuyên về sự lựa chọn đúng, và người dùng có thể mã hóa của kiến thức từ lời khuyên này. Để kiểm tra cho dù học tiềm ẩn xuất hiện thông qua hoặc là một trong các giao diện, Các giả thuyết đã được thử nghiệm:
H1A: người sử dụng có tương tác với một hệ thống kiến thức dựa trên dữ liệu mô hình thông qua một giao diện hạn chế sẽ triển lãm kết quả học tập cải tiến khi so sánh với người sử dụng có tương tác với một hệ thống đó không phải là một hệ thống kiến thức dựa trên.

Kết quả (Việt) 2:

2 Kiến thức dựa trên hệ thống và học tập tiềm ẩn
trong một trong những công trình sớm nhất về các công cụ trợ giúp ra quyết định, hệ thống hỗ trợ quyết định (DSSS) được xác định là bộ mạch lạc của thatmanagers công nghệ dựa trên máy tính có thể tương tác và sử dụng viện trợ cho các hoạt động ra quyết định của họ (Keen và Morton 1978). Định nghĩa này đã thúc đẩy một lượng lớn nghiên cứu trong việc cải thiện các chức năng của DSSS và sự hiểu biết tác động của các hoạt động ra quyết định của người sử dụng (Ê-lam et al. 1996). Nghiên cứu và báo cáo từ thực tế
cho thấy, trên thực tế, việc sử dụng một DSS có thể dẫn đến những cải tiến đáng kể trong kết quả và quá trình ra quyết định (Sharada et al. 1998, Todd và Benbasat 1991). Nhiều con đường nghiên cứu đang theo đuổi nghiên cứu DSS, với một con đường của cuộc điều tra tập trung vào việc cải thiện khả năng chức năng của một DSS bằng cách nhúng nó với kiến thức về các vấn đề khu vực. Các hệ thống này thường được gọi là KBSs hoặc thông minh DSSS (Goul et al. 1992, Holsapple và Whinston 1996). Ra quyết định là một hoạt động tri thức mà kiến thức về một vấn đề khu vực đặc biệt được sử dụng để hiểu và có những lựa chọn trong quá trình ra quyết định. Do đó, bao gồm một cơ sở tri thức trong một DSS có thể rất có lợi trong hệ thống có thể xen vào và cung cấp kiến thức cần thiết tại các điểm thích hợp trong quá trình ra quyết định (Holsapple và Whinston 1996). Ngoài ra, các nhà nghiên cứu trong lĩnh vực giao diện humancomputer khuyên người dùng của hệ thống được ít gánh nặng với
tải nhận thức, bất cứ nơi nào mà đầu vào kiến thức có thể đến từ bên trong thesystem (Norman 1998, Schneiderman 1992). Ví dụ, một đài KBS để hỗ trợ các hoạt động lập kế hoạch sản xuất có thể đề nghị cho người dùng một phương pháp để giảm thời gian thiết lập cho sản xuất khi người dùng tham gia vào phát triển một kế hoạch sản xuất. Người ra quyết định được cung cấp thông tin này cho thấy làm thế nào để giảm thời gian thiết lập dựa trên chuyên môn được nhúng vào trong cơ sở tri thức như các quy tắc (Kimand
Arinze 1992). KBSs được sử dụng trong nhiều ứng dụng đa dạng như kế hoạch tài chính, sản xuất, lập kế hoạch thuế, thiết kế thiết bị, vv, và có ích hơn, trên thực tế, so với hệ thống chuyên gia mà cố gắng tototally thay thế các nhà sản xuất quyết định (Goul et al. Năm 1992, và Santhanam Ê-lam năm 1998, Wong và Monaco 1995). Một đại lộ nghiên cứu đã sử dụng quan điểm changeagency để điều tra làm thế nào các thuộc tính thiết kế có thể ảnh hưởng đến sự lựa chọn quyết định của người sử dụng. Một DSS có thể được thiết kế để hạn chế sự lựa chọn của người sử dụng và dẫn họ thông qua một chiến lược quyết định cụ thể,
hoặc nó có thể đề nghị lựa chọn quyết định có thể và do đó cho phép người dùng theo một chiến lược nhất định (Schneiderman năm 1992, Bạc năm 1990, Bạc 1991a, Bạc 1991b). Một giao diện DSS thiết kế với một cách tiếp cận hạn định giới hạn một người sử dụng một tập hợp con của tất cả các tùy chọn đưa ra quyết định có thể, trong khi một hệ thống với một cách tiếp cận hướng dẫn ra quyết định dẫn người sử dụng bằng cách tham mưu, giúp họ trong việc lựa chọn các lựa chọn quyết định. Các nguyên tắc thiết kế cũng có thể được sử dụng để phát triển một đài KBS trong hệ thống có thể sử dụng
kiến thức nhúng để cung cấp hướng dẫn về một chủ đề hoặc hạn chế người sử dụng từ việc lựa chọn nhất định. Ví dụ, một giao diện hạn chế trong một KBS cho kế hoạch chiến lược có thể restrictthe người dùng từ việc sử dụng tùy chọn mô hình quyết định đa mục tiêu nhưng cho phép sử dụng uniobjective quyết định lập trình tùy chọn làm mẫu. Để đạt được mục tiêu đó, một giao diện hướng dẫn sẽ cung cấp tất cả các tùy chọn mô hình,
cả hai multiobjective và uniobjective, nhưng đề nghị cho người dùng thatthey sử dụng một cách tiếp cận mô hình uniobjective. Như vậy, với một giao diện hướng dẫn, hệ thống khuyến cáo lựa chọn thiết kế, nhưng không hạn chế sự lựa chọn. Các nguyên tắc thiết kế đã được nghiên cứu với kết quả chỉ ra rằng ý đến những nguyên tắc thiết kế giúp Inbuilding tập trung hơn và hiệu quả DSSS (Limayen và DeSanctis 2000, Montazemi et al.
1996, Norman năm 1998, Bạc năm 2006, Singh năm 1998, Wheeler và Valacich 1996). Vì vậy, nghiên cứu đáng kể đang được tiến hành để xác định cách để nâng cao khả năng hoạt động và thiết kế attributesof một DSS / KBS (Holsapple và Whinston 1996, Santhanam và Elam 1998). Nhưng một khía cạnh ít được nghiên cứu cũng cần được quan tâm. Khi người dùng tương tác với các đài KBS và đang tập trung vào hoàn thành nhiệm vụ, họ có thể được ngầm hiểu về các khái niệm, quy tắc và nguyên tắc trong vấn đề khu vực để cải thiện cấu trúc kiến thức của họ. Bởi định nghĩa của một đài KBS, kiến thức về các vấn đề khu vực cụ thể được nhúng vào trong hệ thống. Khi
hệ thống can thiệp, nó sử dụng kiến thức nhúng này để cung cấp tư vấn và thậm chí có thể nhà nước nó trong các hình thức quy tắc kiến thức. Ví dụ, khi người dùng sử dụng một KBS thuế lập kế hoạch, hệ thống có thể tư vấn cho sử dụng một quy tắc thuế có thể được áp dụng để chuẩn bị một kế hoạch tốt hơn. Hoặc, dựa trên nguyên tắc kiến thức của nó, là KBS có thể xác định và can thiệp để tiết lộ một lỗi trong kế hoạch thuế. Người sử dụng có thể không được tập trung đặc biệt vào việc học tập hoặc ghi nhớ các quy tắc thuế tương ứng, nhưng trong quá trình chuẩn bị các loại thuế có thể nhận thức được quy định, do đó học
một cách vô thức và nâng cao kiến thức về các quy định thuế. Do đó, một đài KBS có thể thúc đẩy việc học tập tiềm ẩn về vấn đề khu vực becauseit có thể can thiệp để ngăn chặn các lỗi người sử dụng và đề xuất lựa chọn trong quá trình ra quyết định. Học tập tiềm ẩn đã được thảo luận trong các hình thức khác nhau trong văn học tâm lý học nhận thức: bộ nhớ tiềm ẩn, học tập vô thức, chọn lọc so với học tập unselective, ngẫu nhiên so với học tập có chủ ý, vv (sáng và Burton1998, DeShon và Alexander 1996). Trong nghiên cứu này, học tập tiềm ẩn đề cập đến một tình huống trong đó mọi người có thể tìm hiểu về một lĩnh vực phức tạp mà không có ý định làm như vậy. Khi được hỏi, họ có thể không được toarticulate thể hoặc nhớ lại những gì họ đã học được.
học tập tiềm ẩn xảy ra mà không nhận thức khi một người tiếp xúc với vấn đề những hình mẫu, điều kiện đúng và sai, và các trường hợp tiêu cực và tích cực của vấn đề. Người dùng có thể thậm chí không có nguồn tài nguyên dành cho việc học attentional (Berry và Broadbent 1984, Curran và Keel 1993, DeShon và Alexander năm 1996, Holyaok và Spellman 1993, Reber 1993). Một KBS liên tục hiện cho người dùng với các đề xuất để hoàn thành một nhiệm vụ, cảnh báo và thông báo lỗi. Các biện pháp can thiệp và đề nghị tình hình cụ thể có thể được hiểu như
vấn đề ví dụ. Hơn nữa, hệ thống có thể cảnh báo người dùng các lỗi và pointto giải pháp đúng. Trong những tình huống này, người sử dụng nhận thức của các giải pháp chính xác và không chính xác cho các vấn đề, ​​và những kinh nghiệm này có thể là nguồn tiềm ẩn liên quan đến học tập các khái niệm và quy tắc trong miền. Nó thường tin rằng mọi người có thể tiếp thu kiến thức trong một miền mặc dù nó không được trình bày trong một hình thức khai báo hoặc bê tông (Paul 1997). Một KBS có thể can thiệp và làm nổi bật một lỗi nhưng không nêu rõ nguyên tắc đúng / nguyên tắc trong một hình thức khai báo. Mọi người có thể làm cho suy luận từ những tình huống và từ sự tương tác với môi trường của họ, do đó phát triển cấu trúc kiến thức về một lĩnh vực cụ thể (Anderson và Finchman 1994). Do đó, kỳ vọng rằng sự tương tác với một quyết định trợ giúp của đài KBS có thể giúp người sử dụng ngầm tìm hiểu về vấn đề tên miền là về mặt lý thuyết hợp lý. Kiến thức về thiết kế phần mềm có thể được nhúng vào máy tính hỗ trợ kỹ thuật phần mềm (CASE) công cụ (Jankowski 1997). Do đó một số công cụ CASE có thể được coi KBSs. Trong nghiên cứu này, chúng tôi xem xét một KBS đã nhúng kiến thức về
mô hình dữ liệu. Trong hoạt động dữ liệu mô hình, yêu cầu người dùng được chuyển thành cấu trúc cơ sở dữ liệu. Nó được coi là một quá trình ra quyết định phức tạp và dễ bị lỗi (Antony và Batra 2002, Batini et al. 1992). Vì vậy, việc phát triển và sử dụng của KBS để hỗ trợ quá trình ra quyết định phức tạp này được khuyến khích, và một số công cụ đã được phát triển thành công (Lo và Choobineh 1999, Purao 1999,
Storey và Goldstein 1993). Một KBS cho mô hình dữ liệu có thể can thiệp, đề nghị lựa chọn thiết kế, nhận ra sai sót trong mô hình khái niệm, và tư vấn cho người sử dụng để sửa chữa các mô hình. KBS cho các hoạt động dữ liệu mô hình có thể giúp người sử dụng phát triển mô hình dữ liệu chất lượng tốt hơn (Batini et al. 1992). Dựa trên các cuộc thảo luận về việc học tiềm ẩn, đó là đề xuất khi người dùng tương tác với đài KBS này, được tư vấn, và quan sát lỗi dữ liệu mô hình của họ được nhấn mạnh, họ có thể ngầm hiểu về một số quy tắc, nguyên tắc và công nghệ tự động trên mô hình dữ liệu. Do đó, giả thuyết đầu tiên được ghi nhận (theo hình thức luân phiên):
H1: Sau khi tương tác với một hệ thống dựa trên tri thức cho mô hình dữ liệu, người sử dụng sẽ được cải thiện triển lãm học tập về các chủ đề kiến thức dữ liệu mô hình khi so sánh với những người dùng tương tác với một hệ thống là không phải là một hệ thống knowledgebased. Như đã nói, cách thức mà một KBS can thiệp và cung cấp lời khuyên để ngăn chặn người dùng từ việc lựa chọn sai lầm là một thuộc tính thiết kế giao diện đó là quan tâm. Một KBS có thể được thiết kế với một giao diện hạn chế giới hạn sự lựa chọn của người sử dụng hoặc các hướng dẫn người sử dụng bằng cách gợi ý một quá trình hành động. Thí nghiệm
được tiến hành để kiểm tra tác động của hai giao diện khác nhau không chỉ ra một ưu thế rõ ràng của một loại giao diện, nhưng kết quả dường như phụ thuộc vào bối cảnh công việc cụ thể (Norman 1998, Wheeler và Valacich 1996). Về học tập tiềm ẩn, nó không phải là rõ ràng mà các hệ thống này sẽ cho kết quả học tập người sử dụng lớn hơn. Hệ thống hạn chế sẽ ngăn chặn người dùng từ việc sử dụng các nhà khai thác sai lầm, và người dùng có thể sử dụng các vấn đề instancesof lựa chọn đúng như tín hiệu để suy ra các nguyên tắc đúng trong miền. Hệ thống hướng dẫn cung cấp lời khuyên về sự lựa chọn đúng, và người dùng có thể mã hóa kiến thức của mình từ lời khuyên này. Để xem xét liệu học tập tiềm ẩn xảy ra thông qua hoặc là một trong các giao diện, những giả thuyết này đã được thử nghiệm:
H1A: Người dùng tương tác với một hệ thống tri thức dựa trên mô hình dữ liệu thông qua một giao diện hạn chế sẽ trưng bày kết quả học tập được cải thiện khi so sánh với những người dùng tương tác với một hệ thống đó không phải là một hệ thống tri thức.