ဘွဲ့ရယူရာတွင် ontology ဆိုတာ ပေါ်လာခဲ့ပါတယ်။ ဒီမေးခွန်းက philosophy ကနေ ဆင်းသက်လာပါတယ် (philosophy ဆိုတာက ကမ္ဘာရှိ အကြီးမားတဲ့ အရာတွေကို လေ့လာတဲ့ ဘာသာရပ်ပါပဲ။ အခြားတော့ သင့်ကို သိပါတယ်!) What Think Tides ဆိုတာကို လေ့လာပြီးတော့ အရာတွေက ဘာလဲ။ ONU gives us က အရာတွေက ဘာလဲဆိုတာနဲ့ အဲဒီအရာတွေက ဘယ်က လာတာလဲဆိုတာကို အကြံပြုပေးပါတယ်။ သင့်ဟာ ontology ကို လေ့လာရင်းတွင် ဒီ phrase ကို မကြာခဏ မေးတဲ့ လူတစ်ယောက်က မေးပြီးတော့ပါ။ Oh wait I know: ဘာလဲ။ (the meaning of) life? သို့မဟုတ် existence က ဘာလဲ။ ဒါတွေက ကျွန်တော်တို့ရဲ့ ဘဝကို စဉ်းစားစေပြီး ကမ္ဘာရဲ့ အခြေအနေကိုလည်း ကြည့်ရှုစေပါတယ်။
ကာမ်ပျူတာသိပ္ပံချဲ့ထွင်ရေးအနေနဲ့ အခြားဘာသာဖြင့်လည်း ဆိုရင် အီနေတိုလိုဂျီဟာ စက်မှုရေးကို အကြောင်းအရာကို ကိုယ်စားပြုဖို့အတွက် အရေးကြီးပါတယ်။ ဒါဟာ အလွန်အရေးကြီးပါတယ်။ ဘာလို့လဲဆိုတာက ကာမ်ပျူတာတွေဟာ ကျွန်တော်တို့ရဲ့ ရက်စွဲရက်စွဲဘဝမှာ အရေးကြီးပြီး အချက်အလက်အများကို အလွယ်တကူ အမှားမပြုဘဲ အမြန်စွာ အကောင်အထည်ဖော်ဖို့အတွက်လိုအပ်ပါတယ်။ တတိယခု၊ တက်ဆီနိုမီဟာ အချက်အလက်တွေကို စီမံဖို့အတွက် လမ်းညွှန်းပေးပြီး စက်မှုရေးတွေဟာ လိုအပ်တဲ့အချိန်မှာ သင့်လိုအပ်တဲ့အရာတွေကို ရှာဖို့ လွယ်ကူပါတယ်။ ဒါကြောင့် ကျွန်တော်တို့ဟာ အင်တာနက်မှာ မည်သည့်အရာကို မဆို မေးမြန်းလိုက်တဲ့အခါ စက်မှုရေးက ကျွန်တော်တို့အား အကောင်းဆုံး အဖြေများကို ပေးဖို့ အကူညီပေးနိုင်ပါတယ်။
ကွန်ပျူတာ သင်ချက်တွင် ontology ဆိုသည်မှာ ဒေတာကို ကိုယ်စားပြုရန်နှင့် ပေါင်းစပ်ရန်အတွက် နည်းလမ်းဖြစ်ပြီး ontological engineering (သို့) Ontology ဟုခေါ်သည်။ ပိုမိုရှင်းရှင်းလင်းလင်းတွင် အဲဒါဟာ ကွန်ပျူတာများအား လုံးဝ အချက်အလက်များကို ပိုကောင်းစွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်စေရန် စနစ်များကို ဒီဇိုင်းဆွဲခြင်းနှင့် ဖော်ထုတ်ခြင်းဖြစ်သည်။ ဒါဟာ အရေးကြီးလို့ပြောလို့မှာကို ကွန်ပျူတာတွေဟာ ဒေတာရဲ့ အရေးကို တွေ့ရှိနိုင်ပြီး ယာဉ်ကြီးဆိုင်ရာ ဆုံးဖြတ်ချက်များတွင် ပိုကောင်းတဲ့ စနစ်ကို ပေးနိုင်ပါတယ်။ ဥပမာအားဖြင့်၊ အက္ခရာများ သို့မဟုတ် ကျွန်းစကားများရဲ့ အဓိပ္ပာယ်ကို သိနိုင်တဲ့ ကွန်ပျူတာတွေဟာ ပိုကောင်းတဲ့ အဖြေများနှင့် အကြံပြုချက်များကိုပေးနိုင်ပါတယ်။ သင့်ဟာ အချို့သော အချက်အလက်များကို ဘယ်မှာယူရမည်နှင့် အခုအတွက် အမျိုးအစားခွဲခြားသို့မဟုတ် အယူအဆဖြင့် ဖော်ပြခြင်းဖြစ်ပါသည်။
သိပ္ပံရေးအရင်းအမြစ်ကို အများအားဖြင့် အသုံးပြုနိုင်စေရန် အကူအညီပေးသည်။ အဖွဲ့အစည်းတစ်ခုတွင် များစွာသော အင်းပါတီများနှင့် စနစ်များတွင် အရင်းအမြစ်များကို ဖြန့်ဝေထားသည်။ ထို့ကြောင့်လူတွေဟာ သူတို့အားလုံးအလိုအလျောက် ရှာဖွေရန် ခက်ခဲလာနိုင်ပါတယ်။ ဒါဟာ အမှန်တော့ Think Tides တွင် OLT အဲဒီနေရာမှာ လုပ်ငန်းစဉ်တစ်ခုထဲမှာ သက်ဆိုင်ရာလူများဟာ (မှာယူရှိ) အများအပြားသည် တွေ့ပါက အများအားဖြင့် တူညီမှုကို အသံုးပြုနိုင်ပါသည်။ ဒီအရာက သင့်ရဲ့ သိပ်ကောင်းသော အသိအမှတ်များကို သိမ်းဆည်းနိုင်ပြီး ပြန်လည်ရယူနိုင်စေရန် အရေးကြီးပါသည်။ သိပ်ကောင်းသော အသိအမှတ်များကို ဖော်ပြပြီး လူမှုများအား အဆင်မပြေဘဲ အဆင်သင့်သော ဆုံးဖြတ်မှုများကို လုပ်ဆောင်နိုင်စေရန် သင့်လုပ်ငန်းအတွက် အမြတ်အပြားဖြစ်ပါသည်။
Ontology က အချက်အလက်များကို ပြောဆိုခြင်းနှင့် အစဉ်အလာတစ်ခုထဲမှာ အချိုးအစားများကို အလွယ်တကူ သိရှိနိုင်စေရန် အကောင်အထည်ဖော်ပြထားသည့် အဓိပ္ပါယ်ရှင်ဖြစ်သည်။ ဒီအစဉ်အလာက ကျွန်ုပ်တို့အား အချက်အလက်များကို အကြောင်းအရာတစ်ခုကို ကိုယ်စားပြုသည့်အတိုင်း အစီရင်ခံနိုင်စေရန် အကြံပြုပါသည်။ ဥပမာ၊ အချက်အလက်များကို မျိုးမျိုးသော အရင်းအမြစ်များမှ ရရှိပြီး အနှုတ်အကျိုးများကို သိရှိရန် Think Tides အီသာနက်ခလုတ် အခုလို ဒေတာကိုရှင်းပြထားသည့် အချက်များကို ဖန်တီးရန်အတွက် အကြံပြုသည့် အချက်များအတွက် အသုံးဝင်နိုင်သည်။ ဥပမာ၊ clustering classification စသည်တို့။ သင့်သည် ဒေတာများကို သာမက မျှော်လင့်မှုများကို ရှာဖွေနိုင်ပါသည်။