Representation of Knowledge from Intelligent Data Analysis as Requirements Raymundo Camarena Tania Olivier Karla Olmos-Sánchez al151096@alumnos.uacj.mx al144857@alumnos.uacj.mx kolmos@uacj.mx Alexis Plata Macario Ruiz-Grijalva Jorge Rodas-Osollo al150666@alumnos.uacj.mx al150625@alumnos.uacj.mx jorge.rodas@uacj.mx Departamento de Eléctrica y Computación Instituto de Ingeniería y Tecnología, UACJ Maestría en Cómputo Aplicado Cd. Juárez, Chih., México ABSTRACT El IDA, al no tener restricción de la cantidad de datos pa- The technological dependence that society suffers has propitiated ra analizar fue diseñado para dar soluciones a problemas that the information stored in servers of the whole world has an complejos e imprecisos mediante el análisis de la informa- exponential growth. As a consequence of this phenomenon the ción relacionada con el problema. Regularmente el IDA es useful information consultation becomes complex and it is asociado en el análisis de la información médica, biomédica, necessary to use intelligent methods to reach it. This article educación, ingenierı́a de software, cambio climático, etcéte- mentions how Intelligent Data Analysis helps to search for ra. Una discusión detallada de las coincidencias y diferencias knowledge within information banks regardless of their size. entre ellas se puede encontrar en [2]. Para que tanto el KDD como el IDA brinden conocimiento, RESUMEN es necesario tener claridad en cuanto a cómo es la relación Título: Representación del Conocimiento proveniente del e interacción entre las partes comprendidas en el dominio del problema a resolver. Esto es un problema no trivial, es- Análisis Inteligente de Datos como Requisitos pecialmente en los dominios que con más frecuencia atiende La dependencia tecnológica que sufre la sociedad ha propiciado que el IDA, ya que además de tratar con conocimiento explı́cito la información almacenada en servidores de todo el mundo tenga un del dominio del problema a resolver, es necesario contem- crecimiento exponencial. Como consecuencia de este fenómeno la plar grandes cantidades de conocimiento tácito o implı́cito consulta de información útil se torna compleja y es necesario que por su naturaleza carece de estructura, siendo más com- emplear metodos inteligentes para llegar a ella. Este artículo plejo el análisis de la información. menciona como el Análisis Inteligente de datos ayuda a la búsqueda de conocimiento dentro de bancos de información sin importar su tamaño. Palabras Clave Análisis inteligente de datos; Representación del Conoci- miento; Requisitos 1. INTRODUCCIÓN La transferencia y el almacenamiento diario de i nformación digital crece exponencialmente. Esto ha obligado a l os i n- vestigadores a desarrollar técnicas y herramientas para l a Figura 1: Esquema representativo del proceso gene- depuración y el análisis de l a i nformación con l a finalidad de ral del KD. El KD consta de seis etapas principales identificar i nformación útil, es decir conocimiento. que parte de los datos y concluye en el descubri- El conocimiento adquirido de la información puede ser pro- miento de conocimiento para la toma de desiciones ducto del proceso llamado Análisis Inteligente de Datos (IDA, Intelligent Data Analysis) o del Descubrimiento de Conoci- La clave para obtener conocimiento al aplicar el IDA es la miento en Grandes Bases de Datos (KDD, Knowledge Dis- habilidad para reconocer el problema a resolver. Algunas covery Data) [1]. de las técnicas empleadas son: agrupación, visualización de En ambas áreas se recurre a un proceso i nteractivo e i terativo datos, interpretaciones de datos en el tiempo. de análisis que i nvolucra l os siguientes pasos: conocimiento Un ejemplo de la aplicación del IDA en medicina menciona- del dominio, preparación de l os datos, extraer i rregularida- do por [3], es la implementación de los siguientes métodos: des, búsqueda de patrones ocultos, evaluación y refinamiento Reglas simbólicas explicitas para entrenar casos y usarlos de l os patrones encontrados para determinar cuáles de ellos en inducción basada en reglas o en arboles de decisiones, puedan ser considerados como nuevo conocimiento. clasificando los datos de interés. El aprendizaje basado en El KDD se i deó para trabajar con grandes cantidades de da- tos, regularmente está asociado con el análisis de i nforma-ción para el área financiera, i ngenierı́a, seguridad i nformáti-ca, instanciación almacena casos ya entrenados para referenciar, Inteligencia Artificial, Simon [4] postula que existen dos ti- cuándo hay nuevos casos se clasifican comparandolos con los pos de problemas: los Bien Estructurados y los Parcialmente casos almacenados (CBK). Estructurados. Los primeros tienen una formulación correc- Otro caso es la probabilidad condicional empleando la abs- ta, se puede determinar el estado inicial y el estado meta a tracción de datos en el tiempo para el ámbito médico donde partir de esta formulación; y los operadores están bien de- está relacionado con el proceso que envuelve al seguimiento finidos por lo que permiten progresar del estado inicial al de enfermedades para trabajar con un historial médico. Por estado meta sin complicaciones. Los Problemas Parcialmen- lo general, en la mayorı́a de los modelos el tiempo se repre- te Estructurados forman parte de una categorı́a residual y senta como una integral y permite optimizar la formación son todos los problemas que no cumplen con alguna carac- de posibles soluciones. terı́stica de los Bien Estructurados. Las abstracciones temporales sobre el tiempo y los datos Los problemas de matemáticas y ciencias generalmente se juegan un rol fundamental para los sistemas médicos basados consideran como Bien Estructurados. Por otro lado, los pro- en conocimiento ya que es necesario aplicar el conocimiento blemas relacionados con ética, diseño, leyes y diagnóstico en datos especı́ficos de pacientes con el objetivo de emitir médico se consideran Parcialmente Estructurados. un pre diagnóstico que apoye la decisión de alguna terapia Los Problemas se enmarcan en un Dominio, entendiendo para el paciente, también el monitoreo de terapias y acciones éste último como un Universo del Discurso. Ası́ como los complementarias. problemas, los Dominios también se han intentado clasifi- Los sistemas inteligentes agrupan algoritmos que implemen- car. Para Lynch los Dominios tı́picamente connotan un área tan o emulan distintos modelos de aprendizaje, comporta- de estudio tal como la fı́sica, o un conjunto de problemas mientos de ciertos sistemas biológicos, entre otras cosas, y y hace un estudio exhaustivo de los Dominios Parcialmente su aplicación a la resolución de problemas complejos. Entre Definidos. Para Lynch un Dominio Parcialmente Definido los problemas abordados en este campo está el de inducir se caracteriza por 1) La falta de estándares para verificar la conocimientos a partir de datos o ejemplos, esto resulta una solución de los problemas 2) Las Teorı́as Formales en estos alternativa de solución a problemas que no pueden ser re- Dominios generalmente son consensuadas, tı́picamente usa- sueltos mediante métodos convencionales, tales como méto- das para guiar intuiciones y no para dictar resultados, 3) dos estadı́sticos, modelos matemáticos, entre otros. La Estructura de la Tarea es parcialmente definida y para Todos estos métodos convencionales son esencialmente ma- resolver un problema se requiere determinar qué leyes o teo- temáticamente formales. En contraposición, los métodos ba- rı́as se deben aplicar a la situación actual. 4) Los conceptos sados en sistemas inteligentes están orientados principalmen- en estos dominios carecen de una definición absoluta, y 5) te hacia el desarrollo de descripciones simbólicas de los da- La división de los problemas en sub problemas no reduce la tos, que puedan caracterizar uno o más grupos de conceptos, complejidad, ya que los sub problemas se restringen unos a diferenciar distintas clases, seleccionar los atributos más re- otros, y ninguno de ellos puede ser resuelto sin considerar presentativos de grupos de datos, ser capaces de predecir se- los efectos de los otros. cuencias, etc. Estos métodos son esencialmente cualitativos, Sin embargo considera que los términos Parcialmente Es- lo cual permite el descubrimiento de patrones en estructuras tructurado y Parcialmente Definido son intercambiables y, de información [3]. para efectos de su trabajo, no establece una distinción entre los Problemas y Dominios [5]. Análisis inteligente de datos para la búsqueda En el trabajo de Gibert [6] se clasifican los problemas que se atienden como Dominios Poco Estructurados y los carac- de conocimiento teriza por: 1) Los elementos del dominio vienen descritos En el presente artı́culo se somete a discusión la pertinencia por conjuntos heterogéneos de variables, 2) Existe un cono- de llevar a cabo una caracterización que apoye a los bus- cimiento a priori adicional sobre la estructura del dominio, cadores de conocimiento a arrojar información certera pa- y 3) La complejidad inherente al dominio hace que el conoci- ra la identificación del dominio de la solución del problema miento que de él se tiene sea parcial (en este dominio existe teniendo resultados útiles, significativos y eficientes. La sec- gran cantidad de conocimiento implı́cito y grandes incógni- ción 2 revisa un conjunto amplio de referencias antecedentes tas) y no homogéneo (el grado de especificar el conocimiento de los Problemas en Dominios Parcialmente Definidos. La disponible es distinto para distintas partes del dominio). sección 3 resalta la Importancia del Conocimiento del Do- De acuerdo a esta revisión referencial se puede observar que minio y la necesidad de establecer un instrumento para la existe una necesidad de clasificación de los Problemas y que caracterización de un Problema enmarcado por un Dominio una forma de clasificarlos es de acuerdo a las caracterı́sticas Parcialmente Definido. En la sección 4 se mencionan algu- del Dominio en el que se enmarcan. Sin embargo, a pesar nas de las representaciones de conocimientos empleadas en de las coincidencias, se puede observar una divergencia de el IDA. En la sección 5 se indican algunas de las áreas de opiniones. Lo anterior lo atribuimos a la visión que de estos interés donde lo señalado en la sección 3 tendrı́a un impacto Problemas y sus Dominios tienen los autores de acuerdo a directo. Finalmente en la sección 6 se presenta la Discusión su área de investigación. Por lo que es necesario establecer y Trabajo Futuro. una postura que permita construir una argumentación. 2. ANTECEDENTES DE LOS PROBLEMAS 3. CONOCIMIENTO DEL DOMINIO Y NE- DE DOMINIOS PARCIALMENTE DEFI- CESIDAD DE CARACTERIZAR EL PRO- NIDOS BLEMA QUE ENMARCA A lo largo de la historia se han realizado diversos esfuerzos La necesidad de caracterizar problemas pertenecientes a do- por caracterizar los problemas. Por ejemplo, en el área de minios de estructura informal representa un problema no trivial para el proceso de extracción de conocimientos. En Diversos autores coinciden en la importancia del Conoci- las dos subsecciones posteriores se abordarán algunos pun- miento del Dominio como estrategia para mejorar los resul- tos importantes relacionados al IDA y su implementación en tados del proceso de Descubrimiento de Conocimiento, en dominios de estructura informal. particular en Dominios cuyas caracterı́sticas se asemejan a las de los Semi formalmente Definidos. 3.1 Importancia del Conocimiento del Domi- Por ejemplo, en [9] se argumenta que para automatizar un nio proceso de KDD con éxito se requiere capturar el Conoci- Una de las discusiones actuales de la comunidad de IDA tie- miento del Dominio de tal forma que de soporte a los di- ne que ver con que los trabajos en esta área se enfocan más al ferentes estados del proceso. Para Redpath algunos temas análisis de algoritmos de minerı́a de datos, cuando la esencia que requieren resolverse son a) El establecimiento una cla- original de la disciplina era generar nuevo conocimiento para sificación general de Conocimiento del Dominio que pueda automatizar algunas de las habilidades de razonamiento de ser aplicable en diferentes dominios y b) La adopción de un los analistas de datos. lenguaje formal y notación que permita manipular las clases Es ası́ que una corriente actual del IDA es orientarse a resol- del Dominio del Conocimiento que sean reconocidas como ver problemas prácticos de valor para la sociedad en ámbitos estándares. como: el cambio climático, la pérdida de hábitat, educación Por otro lado, Cao [10] va más allá y sugiere la inclusión y medicina [7]. Según Cohen para responder efectivamente a de la Inteligencia del Dominio en el proceso de minerı́a de estos retos se deben replantear las siguientes actividades: el datos para salir avante en el análisis de problemas de la vi- origen de los datos, los metadatos y la búsqueda de datos, el da real. La Inteligencia del Dominio consiste en el Dominio razonamiento acerca del contenido o el significado de los da- del Conocimiento y de los expertos, la consideración de res- tos, las interfaces de usuario, la visualización de resultados e tricciones, y el desarrollo de patrones difı́ciles de visualizar. incluso considerar temas de privacidad y ética. Un esquema Para Cao es el usuario o el experto, quien dice “si” o “no” a general del proceso del IDA que engloba sus caracterı́sticas los resultados obtenidos. es presentado en la figura 2. Además, el conocimiento descu- Existen otras áreas como la biomedicina donde las caracte- bierto debe ser validado no sólo con mediciones técnicas sino rı́sticas propias de los datos en estos dominios complican el también por el grado de valor que tiene para los expertos en proceso de extracción de conocimiento. Para enfrentar es- el área de interés. tos problemas, uno de las alternativas que se plantea es la necesidad de desarrollar métodos que sean capaces de utili- zar alguna forma del conocimiento médico existente en las actividades de descubrimiento de conocimiento, ya que es- tas actividades sólo son significativas cuando consideran el conocimiento existente en el área de aplicación [11]. Por último, citando a Deng [12] “Sin el uso propio y sufi- ciente del Conocimiento del Dominio en las aplicaciones de minerı́a de datos se corre el riesgo de: a) elegir los algoritmos o modelos equivocados o sub-óptimos, b) malinterpretar los resultados del análisis de datos, y por lo tanto c) reducir la confianza del usuario en el uso de estos métodos”. Figura 2: Esquema representativo del proceso gene- 3.2 Necesidad de caracterización de Proble- ral de aplicación del IDA para la toma de desiciones mas enmarcados en Dominios de Estruc- inteligentes tura Informal Como hemos mencionado anteriormente, actualmente exis- Como puede observarse, lo anterior implica incluir el Cono- ten grandes volúmenes de datos y una creciente necesidad de cimiento del Dominio en el proceso de Descubrimiento de manipularlos para transformarlos en conocimiento. Sin em- Conocimiento. El Conocimiento del Dominio se refiere al bargo, mucho del trabajo en las áreas de KDD e IDA se ha conocimiento que es válido y directamente utilizado en un enfocado en evaluar la eficiencia de los algoritmos con poco Dominio preseleccionado de un desafı́o humano o una acti- o nulo valor para las personas interesadas en la estructura vidad de cómputo autónomo. Los especialistas y expertos de los datos, como el médico, el inversionista, el ambientalis- utilizan y desarrollan su propio conocimiento del dominio. ta, el ingeniero de software. Por tal motivo, diversos autores Siguiendo a [8] el Conocimiento del Dominio puede ser clasi- concuerdan que es necesario orientarse a resolver problemas ficado en dos tipos, el conocimiento fáctico y el conocimien- de valor para la sociedad como el cambio climático, la pér- to relativo a la experiencia. El conocimiento fáctico consiste dida de hábitat, educación y medicina, entre otros. de conocimiento explı́cito del dominio, tal como hechos, da- Sin embargo, las técnicas o métodos convencionales para des- tos, contexto y relaciones relevantes al problema de decisión; cubrir conocimiento en estos Dominios generalmente no ge- mientras que el conocimiento relativo a la experiencia con- neran resultados satisfactorios. La revisión referencial nos siste de conocimiento implı́cito del dominio que poseen los indica que en parte lo anterior es consecuencia de las ca- expertos. racterı́sticas inherentes del Dominio al que pertenecen estos El conocimiento del dominio incluye información acerca de problemas. Lo que implica la utilización de grandes cantida- las relaciones entre los objetos, tipos de atributos y otros des de conocimiento implı́cito para solucionarlos. Por lo que aspectos semánticos; esto comprende el alcance de los valores muchas ocasiones es preciso soluciones de hechura a la me- y el significado de valores espaciales como los valores por dida en las que se consume mucho tiempo para idearlas, ya defecto o las excepciones. que generalmente se realizan a prueba y error, y es probable que los métodos encontrados no funcionen para otros tipos el analista pueda manipular para resolver algún problema o de problemas, incluso con caracterı́sticas similares. satisfacer alguna necesidad [14]. En la aplicación de la Ingenierı́a de Requisitos para procesos de desarrollo de software existen otros Dominios en los que 4. REPRESENTACIÓN DEL CONOCIMIEN- las caracterı́sticas del problema hace que las técnicas están- TO dares de agrupamiento de minerı́a de datos como K-means, Una de las metas del Análisis Inteligente de Datos consiste agrupamiento acumulativo jerárquico, y las técnicas proba- en generar conocimiento nuevo auxiliándose de representa- bilı́sticas no generen resultados satisfactorios [15]. Descubrir ciones de conocimiento. Para cumplirla es necesario pasar conocimiento en estos Dominios requiere generalmente de por un proceso donde los datos y la información se colectan, soluciones de hechura a la medida que permita lidiar con clasifican, organizan e integran para que puedan agregar va- la complejidad del problema en sı́ mismo y que incluyan el lor resultando en conocimiento nuevo. También es primor- Conocimiento del Dominio. dial adaptar la representación del conocimiento de acuerdo a las necesidades del problema y visualizar las especificaciones 6. DISCUSIÓN Y TRABAJO FUTURO del problema o necesidad como requisitos. Uno de los princi- pales retos es encontrar una representación de conocimiento 6.1 Discusión adecuada para garantizar que el conocimiento representado Una vez que se ha establecido el panorama general de los comunique lo correcto y facilitar su interpretación. Una ma- Dominios Semi formalmente Definidos y la necesidad de ca- nera de representación de conocimiento es a través de los racterizarlos, es importante discutir algunas cuestiones. requisitos que consiste básicamente en la abstracción de ne- Primero, como puede observarse existe divergencia de opi- cesidades o condiciones a satisfacer de un problema dado. niones y no hay mucho acuerdo en cuanto a la terminologı́a Los requisitos deben tener como caracterı́stica principal que utilizada en este tema y a las definiciones que dan sopor- sean medibles, comprobables, sin ambigüedades ni contra- te a esta temática. Por lo que es evidente la necesidad de dicciones. Existe una variedad de opciones para crear repre- una formalización de estos Dominios. La idea es transitar sentaciones de conocimientos en la ingenierı́a de requisitos. del Modelo Conceptual propuesto en la sección 2.2 a una Estas representaciones pueden ser tan sencillas como una Ontologı́a formal que intente poner orden a las ideas de los lista o ser presentadas tan completas como lo son las Onto- diversos autores. logı́as. Las matrices, los modelos, los métodos, los algoritmos Otro punto es la necesidad de caracterizar los Problemas o en su caso alguna combinación de estos pueden ser repre- y Dominios desde el punto de vista del KDD o del IDA. sentaciones validas en la ingenierı́a de requisitos. El escoger Gran parte de las referencias encontradas acerca de los Pro- que tipo de representación a usar dependerá en su totalidad blemas y Dominios se relacionan con el área educativa. Ge- del tipo de problema que se aborda y encontrar la que facilite neralmente se enfocan en desarrollar habilidades para un su interpretación. La manera en que se comunique o se trate Dominio como área de estudio en particular, por lo que su de transmitir conocimiento es amplia y existen esfuerzos pa- interés es trabajar con Problemas especı́ficos de un Dominio ra que sea de manera formal. Para cada área de aplicación particular. En el área de Descubrimiento de Conocimiento ha evolucionado a distintos ritmos. Actualmente las distin- generalmente el proceso es inverso, el Problema se genera de tas ramas de conocimiento han desarrollado y formalizado acuerdo a una necesidad de una o un grupo de personas in- sus técnicas para poder representar el conocimiento. El ob- teresadas en descubrir conocimiento en un Dominio del que jetivo fundamental de la representación del conocimiento es se considera especialista. Otra diferencia es que cuando en facilitar la inferencia, el sacar conclusiones a partir de dicha el área educativa generalmente se enfocan a un Dominio, en representación. el área de Descubrimiento de Conocimiento resolver un Pro- blema puede necesitar conocimiento de diversos Dominios 5. ÁREA DE INCIDENCIA: INGENIERÍA DE como área de estudio. Por último, es importante hacer notar la necesidad de consi- REQUISITOS derar explı́citamente el conocimiento tácito en la definición Las áreas de incidencia de esta propuesta serı́an aquellas cu- de los Dominios Semi formalmente Definidos y analizar a yos Dominios empaten con la definición propuesta de Semi detalle la forma en que afecta la caracterización de los Pro- formalmente Definidos como el diagnóstico médico, el cam- blemas y el grado en que se debe involucrar al experto en el bio climático, educación, desarrollo de software. A continua- Proceso de Descubrimiento de Conocimiento. ción se analiza el impacto en Ingenierı́a de Software. En Ingenierı́a de Software no sólo existe la necesidad de ges- 6.2 Trabajo futuro tionar el conocimiento de la organización, sino que también Se detectaron las siguientes necesidades: es necesario entender el dominio para el cual el software será desarrollado. En este sentido Brooks [13] señala que “... la 1. El desarrollo de una Ontologı́a que proporcione una dificultad del desarrollo de software es la especificación, di- especificación explı́cita de la conceptualización de estos seño y prueba de sus constructos conceptuales y no la tarea Dominios que permita poner orden a esta temática y de representar y probar la fidelidad de su representación”. que sea realizada desde el punto de vista del KDD y Lo anterior implica que se debe poner especial cuidado en del IDA. entender el dominio para definir debidamente los requeri- mientos del sistema para que el producto final se apegue en 2. Una vez desarrollada la ontologı́a se puede determi- lo posible a las especificaciones del cliente. De igual forma, nar de una manera más formal cuál es la relación es- mucho del conocimiento de las organizaciones es conocimien- pecı́fica entre los Problemas y los Dominios, además to tácito difı́cil de describir y transformar en información que determinar con mayor exactitud de qué forma las ca- racterı́sticas del Dominio determina las caracterı́sticas Information, Knowledge and Managament, del Problema. pp.˜179–193, 2007. [15] C.˜Duan, “Clustering and its applications in software 3. Un trabajo a mediano plazo es explorar de qué forma engineering,” DePaul University. USA, 2008. las caracterı́sticas del Dominio ayuden a seleccionar algoritmos o metodologı́as que minimicen el proceso de Descubrimiento de Conocimiento que permita enfocar los esfuerzos en solución de Problemas de valor para la humanidad. 7. REFERENCIAS [1] U.˜Fayyad, G.˜PiatetskyShapiro, and P.˜Smith, “From data mining to knowledge discovery: an overview,” The AI Magazine, vol.˜17, no.˜3, pp.˜37–54, 1996. [2] N.˜Lavrac, E.˜Keravnou, and B.˜Zupan, “Intelligent data analysis in medicine,” Encyclopedia of Computer and Technology, vol.˜9, pp.˜113–157, 2000. [3] N.˜Lavrac, E.˜Keravnou, and B.˜Zupan, Intelligent Data Analysis in Medicine and Pharmacology. New York: Springer science and Business Media, LLC, 1997. [4] H.˜Simon, “The structure of ill structured problems,” Artificial Intelligence, vol.˜4, no.˜3-4, pp.˜181–201, 1973. [5] C.˜Lynch and V.˜Aleven, “Defining ill defined domains a literature survey,” 8th Conference on Intelligent Tutoring System, 2009. [6] K.˜Gibert and U.˜Córtes, “Técnicas hı́bridas de inteligencia artificial y estadı́stica para el descubrimiento de conocimiento y minerı́a de datos,” Tendencias de la Minerı́a de Datos en España, pp.˜119–130, 2004. [7] P.˜Cohen and N.˜Addams, “Intelligent data analysis in the 21 st century,” in Proceedings of the 8th International Symposium on Intelligent Data Analysis: Advances in Intelligent Data Analysis VIII., (Lyon, France), 2009. [8] S.˜Viademont and F.˜Burstein, “From knowledge discovery to computational intelligent: A framework for support decision systems,” En Intelligent Decision- making Support Systems Foundations, Applications and Challenges, pp.˜57–78, 2006. [9] R.˜Redpath and B.˜Srinivasan, “A model for domain centered knowledge discovery in database,” in Proceedings of the IEEE 4th International Conference on Intelligent Systems Designs and Applications, (Budapest, Hungary), 2004. [10] L.˜Cao, P.˜Yu, C.˜Zhang, and Y.˜Zhao in Domain Data Mining, (New York), Springer, 2010. [11] N.˜Peek, C.˜Combi, and A.˜Tucker, “Biomedicarl data mining,” Journal Methods of Information in Medicine, vol.˜48, pp.˜225–228, 2009. [12] J.˜Deng and M.˜Purvis, “Software effort estimation: Harmonizing algorithms and domain knowledge in an integrated data mining approach.,” 2009. [13] F.˜Brooks, “No silver bullet - essence and accidentals of software engineerning,” IEEE Computing, vol.˜20, pp.˜10–19, 1987. [14] W.˜Friedrich and J.˜V.˜D. Poll, “Towards a methodology to elicit tacit dnowledge domain knowledge to users,” Interdisciliplary Journal of