Page 339 - 《软件学报》2024年第4期

吴信东 等: HAO 打卡系统: 以组织智能成就智能组织 1917

识世界和改造世界的才智和本领, 可以被定义为人员的领域专业知识. 人们能够更好地 (作为一个灵活的个体或者
团队) 应对意外和不可预测的情况, 并在开放和定义不明确的任务中以及在各种不同的、可能意外的情况下, 发挥
人类智能, 创造性地设计可能性和解决方案 [5] . 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、
方法、技术及应用系统的一门新的技术科学. 人工智能技术的目标是让机器在某些方面具备人类的智能, 从而辅
助人类完成各项复杂任务 [6] . 人工智能领域的快速发展伴随着对所谓“真正 (通用) 智能”的反复重新定义智力的概
念化, 即自主有效地实现复杂目标的能力, 然后不断调整并进一步限制为: “那些只有人类才能做的事情.” 因此, 人
工智能被定义为“研究如何让计算机做事情, 让人们在此时变得更好” [7,8] . 目前, 人工智能已经建立了卓越的能力,
能够直接处理和计算高度复杂的数据. 因此, 执行特定 (狭义) 认知任务 (逻辑、分析、计算), 现代数字智能可能比
生物智能更有效. 因此, 人工智能可能有助于使用大量数据、一致的道德原则和目标、概率推理和逻辑推理, 为复
杂问题提供更好的答案 [9] .
组织智能的定义是多元的, 是为经营企业和建立员工文化提供指导的知识机构. 在本文中, 我们将组织智能定
义为: 组织智能是一个组织管理和分析数据并将数据转换为知识的能力, 它包括数据收集、数据治理、数据共享
以及数据同事件和行为的关联, 从而应用和改善组织的业务模型, 例如各类文档、流程和典型案例的记录、分析
和实施. 实际上, 商业智能也是组织智能的一部分 [4] . 组织智能涵盖了一个组织的全部知识能力. 在一些参考文献
中, 商业智能 (BI) 和组织智能 (OI) 也可以互换使用, 因为它们都涉及业务目标和约束 [4] . 在系统层面上, 可以认为
OI 是一个信息系统, 它将有用的数据转化为可用于预测前瞻性趋势或减少决策不确定性的知识和信息. OI 依赖于
搜索、分析和转换数据的能力, 以识别组织实践中的机遇和挑战 [10] . 随着企业组织业务需求的不断增加, OI 应用
将变得更加重要. OI 将企业某个业务场景下不断增长的数据量转换为可用信息, 支持公司使其业务关键型数据和
流程透明和智能化, 以支持管理层的日常工作, 并为战略决策提供依据, 管理层将能够做出更好的决策, 更快地实
现所需的结果, 并不断发展这些结果 [11] .
HAO 智能的目标是将人和机器打造成统一的团队/组织, 人类智能与机器智能协同互补, 最终实现组织智
能 [12] . 不管人工智能在某些方面变得多么智能和自主, 至少在可预见的未来, 它们可能仍然是无意识的机器或特
殊用途的设备, 支持人类完成特定的复杂任务. 作为数字机器, 它们配备了完全不同的操作系统 (数字与生物), 并
具有与生物 (如人类和其他动物) 相应不同的认知品质和能力 [13−16] . 目前在餐饮服务业、医疗诊断、金融服务以
及公共安全等领域, 人工智能虽然能够为行业赋能, 但却无法完全取代人类, 这些行业仍然需要人类智能的参与.
因此, 人类感知 AI 的发展受到了相当多的关注, 其目的是使 AI 作为“团队成员”适应人类团队成员的认知可能性
和局限性 [5] .
1.2 考勤打卡系统
考勤打卡作为企业管理的一个核心组成部分, 其重点是通过考勤保障企业工作纪律, 衡量员工工作效率, 为企
业绩效工作和决策支持提供数据支撑. 随着计算技术的发展, 越来越多的研究对考勤系统的功能进行了改进与创
新. 根据文献 [17] 的定义, 考勤系统可分为 4 类, 包括手动系统、生物识别系统、基于卡片的系统或称为基于无
线电的频率识别 (RFID) 和移动考勤系统. 打卡历史的发展, 经历了从手动系统 (人工到穿孔打卡机), 再到如今常
见的 RFID、生物特征以及移动考勤, 这些打卡考勤系统的现有工作存在有设备成本、隐私安全、数据管理等问
题. 最早的人工考勤和打卡机是需要耗费人力物力, 且准确性不高, 有代刷卡的情况以及“人情管理”, 基本已经被
时代淘汰, 很少有公司使用. 而现有的工作有许多关于 RFID 和生物系统考勤, 以保证考勤系统安全高效地工作,
并在考勤过程中综合使用多个因素. 一项研究 [18] 使用指纹和 RFID 技术记录学生的出勤时间. 然而, 考勤过程中仍
然使用考勤硬件, 这需要硬件安装成本和维护成本. 有必要考虑该系统的可用性和高效性, 因为学生需要在 RFID
阅读器和指纹阅读器前排队才能完成考勤. 类似地, 在另一项工作 [19] 中, 开发了基于 Java 的 RFID 应用程序来记
录学生的出勤情况, 但由于基于设备的出勤数据存储, 该应用程序还存在数据处理不便的问题.
Yadav 等人 [20] 提出了一个端到端物联网解决方案的原型, 用于教育机构的有效考勤管理. 使用基于指纹扫描
的感应机制避免冒充考勤, 并且将考勤数据存储到云中. 另一项研究 [21] 提出了一种基于智能手机功能的多因素考
勤认证系统. 身份验证过程中使用了指纹、安全的 Android ID 和 GPS 坐标并实现了一个防伪定位模块, 以防止使