Information och data är deras skillnad från information. Begrepp av information som ges av olika vetenskaper
När du tänker på skillnaden mellan information och data kan du inte låta bli att undra om de har något gemensamt?
Vi ersätter så ofta ett ord med ett annat i talet att vi inte märker hur våra uttalanden blir absurda. För att inte hamna i en dum situation bör du ta reda på vad var och en av dem betyder.
Det finns ett gap mellan data och information nära anslutning att existensen av den ena utan den andra antingen är omöjlig eller helt enkelt meningslös.
Data är grunden för information. I grund och botten är de bara en uppsättning karaktärer. Men efter att de har tolkats av något uppfattande system blir data information.
Förekomst tillstånd
Så information uppstår endast om det finns en viss källa som innehåller data och, direkt, en mottagare. Data kan omvandlas till information på flera sätt: genom räkning, korrigering, komprimering, kontextualisering och kategorisering.
Data är information registrerad på någon källa. I Nyligen Mängden data har vuxit otroligt. Detta orsakades av Internets snabba tillväxt.
Mått
Data kan inte mätas. Så snart vi börjar räkna uppgifterna kommer bearbetningsprocessen att börja. Detta innebär att data automatiskt flyttas till kategorin "information". Information kan mätas. För att göra detta räcker det att bedöma kunskapsnivån före och efter mottagandet av information.
Konverteringsresultat
Den mänskliga hjärnan, liksom den mest avancerade datorn, bearbetar den data vi tar emot och producerar viss information. Och när behovet uppstår att tillämpa det på en annan tankeprocess, då blir denna information för honom i sin tur data från vilken ny information kommer att erhållas.
Det sista stadiet av omvandling av information som har genomgått upprepad bearbetning under en viss tidsperiod blir kunskap.
Slutsatser webbplats
- Data och information är nära sammankopplade.
- Data är fast, det finns faktiskt i varje tidsenhet. Information uppstår först när dessa uppgifter behandlas.
- Data efter transformation blir information. Upprepade verifierade uppgifter - kunskap.
- Information är, till skillnad från data, ett mätbart ämne.
5.1. Skillnader mellan kunskap och data
Ett karakteristiskt kännetecken för intelligenta system är närvaron av kunskap som är nödvändig för att lösa ett specifikt problem ämnesområde. Detta väcker en naturlig fråga: vad är kunskap och hur skiljer den sig från vanliga data som behandlas av en dator?
Data är information av faktakaraktär som beskriver föremål, processer och företeelser inom ämnesområdet, samt deras egenskaper. I processer datorbehandling Data går igenom följande transformationsstadier:
Den ursprungliga formen av existens av data (resultat av observationer och mätningar, tabeller, referensböcker, diagram, grafer, etc.);
Presentation på speciella språk av beskrivning av data avsedda för inmatning och bearbetning av initiala data till en dator;
Databaser på datorlagringsmedia.
Kunskap är en mer komplex kategori av information jämfört med data. Kunskap beskriver inte bara enskilda fakta, utan även relationerna dem emellan, varför kunskap ibland kallas för strukturerad data. Kunskap kan erhållas utifrån bearbetning av empiri. De är resultatet av en persons mentala aktivitet som syftar till att generalisera hans erfarenhet som erhållits som ett resultat av praktisk aktivitet.
För att förse IIS med kunskap måste den presenteras i en viss form. Det finns två huvudsakliga sätt att förmedla kunskap mjukvarusystem. Det första är att lägga kunskap i ett program skrivet på ett vanligt programmeringsspråk. Ett sådant system kommer att representera en singel programkod, där kunskap inte placeras i en separat kategori. Trots att huvudproblemet kommer att lösas är det i det här fallet svårt att bedöma kunskapens roll och förstå hur den används i processen att lösa problem. Modifiering och underhåll är inte lätt liknande program, och problemet med att fylla på kunskap kan bli olösligt.
Den andra metoden bygger på begreppet databaser och består i att placera kunskap i en separat kategori, d.v.s. kunskap presenteras i ett specifikt format och placeras i kunskapsbasen. Kunskapsbasen är lätt att uppdatera och modifiera. Det är en autonom del intelligent system, även om den logiska slutledningsmekanismen implementerad i det logiska blocket, såväl som medlen för dialog, lägger vissa begränsningar på strukturen för kunskapsbasen och operationer med den. Denna metod används i modern IIS.
Det bör noteras att för att kunna lägga in kunskap i en dator måste den representeras av vissa datastrukturer som motsvarar den valda miljön för att utveckla ett intelligent system. Följaktligen, när man utvecklar ett informationsinformationssystem, ackumuleras och presenteras först kunskap, och i detta skede krävs mänskligt deltagande, och sedan representeras kunskapen av vissa datastrukturer som är bekväma för lagring och bearbetning i en dator. Kunskaper i IIS finns i följande former:
Initial kunskap (regler som härrör från praktisk erfarenhet, matematiska och empiriska beroenden som återspeglar ömsesidiga samband mellan fakta; mönster och trender som beskriver förändringar i fakta över tid; funktioner, diagram, grafer, etc.);
Beskrivning av initial kunskap med hjälp av den valda kunskapsrepresentationsmodellen (många logiska formler eller produktionsregler, semantiskt nätverk, ramar, etc.);
Representation av kunskap genom datastrukturer som är avsedda för lagring och bearbetning på en dator;
Kunskapsbaser om datorlagringsmedia.
Vad är kunskap? Låt oss ge några definitioner.
Från förklarande ordbok S.I. Ozhegova: 1) "Kunskap - förståelse av verkligheten genom medvetande, vetenskap"; 2) "Kunskap är helheten av information, kunskap inom vilket område som helst."
Definitionen av begreppet "kunskap" omfattar mestadels filosofiska element. Kunskap är till exempel ett prövat resultat av insikt om verkligheten, dess korrekta reflektion i det mänskliga sinnet.
Kunskap är resultatet som erhålls genom att förstå omvärlden och dess föremål. I de enklaste situationerna betraktas kunskap som ett uttalande av fakta och deras beskrivning.
AI-forskare ger mer specifika definitioner av kunskap.
"Kunskap är lagarna för ett ämnesområde (principer, kopplingar, lagar), erhållna som ett resultat av praktiska aktiviteter och yrkeserfarenhet, vilket gör det möjligt för specialister att ställa och lösa problem inom detta område."
"Kunskap är välstrukturerad data, eller data om data eller metadata."
"Kunskap är formaliserad information som hänvisas till eller används i processen för logisk slutledning."
Inom området AI-system och kunskapsteknik är definitionen av kunskap kopplad till logisk slutledning: kunskap är information på grundval av vilken processen med logisk slutledning implementeras, d.v.s. Baserat på denna information kan olika slutsatser dras från de data som finns tillgängliga i systemet med hjälp av logisk slutledning. Slutledningsmekanismen låter dig länka samman enskilda fragment och sedan dra en slutsats baserat på denna sekvens av relaterade fragment.
Kunskap är formaliserad information som refereras till eller används i processen för logisk slutledning (Fig. 5.1.).
Ris. 5.1. Slutledningsprocess i IS
Med kunskap menar vi en uppsättning fakta och regler. Konceptet med en regel som representerar en kunskap har formen:
Om<условие>Den där<действие>.
Denna definition är specialfall tidigare definition.
Det är dock känt att de särskiljande kvalitativa egenskaperna hos kunskap beror på förekomsten av stora möjligheter i riktning mot strukturering och sammanlänkning av ingående enheter, deras tolkningsbarhet, närvaron av mått, funktionell integritet och aktivitet.
Det finns många klassificeringar av kunskap. Med hjälp av klassificeringar systematiseras som regel kunskaper om specifika ämnesområden. På en abstrakt nivå av övervägande kan vi tala om de egenskaper som kunskap delas med, och inte om klassificeringar. Kunskap kan till sin natur delas in i deklarativ och procedurell.
Deklarativ kunskap är en beskrivning av fakta och fenomen, registrerar förekomsten eller frånvaron av sådana fakta, och inkluderar även beskrivningar av de grundläggande samband och mönster i vilka dessa fakta och fenomen ingår.
Procedurkunskap är en beskrivning av handlingar som är möjliga när man manipulerar fakta och fenomen för att uppnå avsedda mål.
För att beskriva kunskap på en abstrakt nivå har speciella språk utvecklats - kunskapsbeskrivningsspråk. Dessa språk är också indelade i procedurspråk och deklarativa språk. Alla kunskapsbeskrivningsspråk som är orienterade mot användningen av traditionella von Neumann-arkitekturdatorer är procedurspråk. Utvecklingen av deklarativa språk som är lämpliga för att representera kunskap är ett akut problem idag.
Enligt metoden för att förvärva kunskap kan den delas in i fakta och heuristik (regler som gör att du kan göra ett val i avsaknad av exakt teoretisk motivering). Den första kunskapskategorin indikerar vanligtvis välkända omständigheter inom ett givet ämnesområde. Den andra kategorin kunskap är baserad på den egna erfarenheten från en expert som arbetar inom ett specifikt ämnesområde, ackumulerad som ett resultat av många års praktik.
Baserat på typen av representation delas kunskap in i fakta och regler. Fakta är kunskap av typen "A är A" sådan kunskap är typisk för databaser och nätverksmodeller. Regler, eller produkter, är kunskap av typen "OM A, DÅ B".
Förutom fakta och regler finns även metakunskap – kunskap om kunskap. De är nödvändiga för kunskapshantering och för en effektiv organisation av logiska slutledningsprocedurer.
Formen för kunskapsrepresentation har en betydande inverkan på egenskaperna hos informationsinformationssystem. Kunskapsbaser är modeller för mänsklig kunskap. Men all kunskap som en person använder i processen för att lösa komplexa problem kan inte modelleras. Därför är det i intelligenta system nödvändigt att tydligt separera kunskap i sådana som är avsedda att bearbetas av en dator och kunskap som används av människor. Uppenbarligen, för att lösa komplexa problem, måste kunskapsbasen ha en tillräckligt stor volym, och därför uppstår problem med att hantera en sådan databas oundvikligen. När man väljer en kunskapsrepresentationsmodell bör man därför ta hänsyn till faktorer som enhetlighet i representationen och lätthet att förstå. Presentationens homogenitet leder till en förenkling av kunskapshanteringsmekanismen. Lätt att förstå är viktigt för användare av intelligenta system och experter vars kunskap är inbäddad i. Om formen för kunskapsrepresentation är svår att förstå, blir processerna för att inhämta och tolka kunskap mer komplicerade. Det bör noteras att det är ganska svårt att samtidigt uppfylla dessa krav, särskilt i stora system där strukturering och modulär representation av kunskap blir oundviklig.
Att lösa kunskapstekniska problem ställer till problemet med att omvandla information mottagen från experter i form av fakta och regler för deras användning till en form som effektivt kan implementeras genom maskinell bearbetning av denna information. För detta ändamål har olika kunskapsrepresentationsmodeller skapats och använts i befintliga system.
TILL klassiska modeller kunskapsrepresentationer inkluderar logiska, produktions-, ram- och semantiska nätverksmodeller.
Varje modell har sitt eget kunskapsrepresentationsspråk. Men i praktiken är det sällan möjligt att hantera inom ramen för en modell när man utvecklar ett informationsinformationssystem, förutom i de enklaste fallen, så representationen av kunskap visar sig vara komplex. Förutom den kombinerade representationen med hjälp av olika modeller, som ofta används särskilda medel, vilket gör det möjligt att spegla egenskaperna hos specifik kunskap om ämnesområdet, samt olika sätt eliminera och ta hänsyn till oklarheter och ofullständighet i kunskap.
Koncept, struktur, klassificering, funktioner hos intelligenta system.
Ett system kallas intelligent om det implementerar 3 grundläggande funktioner:
1. Representation och bearbetning av kunskap.
2. Resonemang.
3. Kommunikation.
Användare
Funktionella mekanismer Kunskapsbas
Strukturkunskap – kunskap om operativ miljö. Metkunskap är kunskap om kunskapens egenskaper.
1. Biokemisk (allt relaterat till hjärnan);
2. Programvara-pragmatisk riktning (skriva program som ersätter funktioner).
1. Lokalt (uppgift) tillvägagångssätt: för varje uppgift specialprogram som inte uppnår sämre resultat än människor.
2. Systematiskt tillvägagångssätt baserat på kunskap – skapande av automationsverktyg, skapande av själva programmen.
3. Ett tillvägagångssätt som använder metoden för procedurprogrammering - skapa algoritmer i naturliga språk.
Huvudsektioner av IIT:
1. Kunskapshantering.
2. Formella språk och semantik.
3. Kvantsemantik.
4. Kognitiv modellering.
5. Konvergenta (konvergerande) beslutsstödssystem.
6. Evolutionära genetiska algoritmer.
7. Neurala nätverk.
8. Myr- och immunalgoritmer.
9. Expertsystem.
10. Luddiga uppsättningar och beräkningar.
11. Ickemonotona logik.
12. Aktiva multiagentsystem.
13. Naturligt språkkommunikation och översättning.
14. Mönsterigenkänning, schackspel.
Karakteristika för problemområden där användningen av informationsinformationssystem är nödvändig:
1. Kvalitet och effektivitet i beslutsfattandet.
2. Otydliga mål.
3. Omgivningens kaotiska, fluktuerande och kvantiserade beteende.
4. Mångfald av faktorer som avlöser varandra.
5. Svag formaliserbarhet.
6. Unik (icke-stereotypisk) situation.
7. Latens (doldhet) av information.
8. Avvikelse i genomförandet av planer, samt betydelsen av små åtgärder.
9. Paradoxal beslutslogik.
Instabilitet, bristande fokus, kaotisk miljö
Begreppet data, information och kunskap. Kunskapens egenskaper och deras skillnad från data.
Informationen är:
· all information som tas emot och överförs, lagrad av olika källor;
· detta är hela uppsättningen information om världen omkring oss, om alla typer av processer som förekommer i den som kan uppfattas av levande organismer, elektroniska maskiner och andra informationssystem;
· detta är viktig information om något, när formen för dess presentation också är information, det vill säga den har en formateringsfunktion i enlighet med sin egen natur;
· detta är allt som kan läggas till våra kunskaper och antaganden.
Data är information av saklig karaktär som beskriver föremål, processer och företeelser inom ämnesområdet samt deras egenskaper. I datorbehandlingsprocesser genomgår data följande transformationsstadier:
· originalform förekomsten av data (resultat av observationer och mätningar, tabeller, referensböcker, diagram, grafer, etc.);
· presentation på speciella språk av beskrivningar av data avsedda för inmatning och bearbetning av källdata till en dator;
· databaser på datorlagringsmedia.
Kunskap - i teorin artificiell intelligens och expertsystem - en uppsättning information och regler för slutledning (från en individ, ett samhälle eller ett AI-system) om världen, objektens egenskaper, mönster för processer och fenomen, såväl som reglerna för att använda dem för beslutsfattande . Huvudskillnaden mellan kunskap och data är deras struktur och aktivitet i databasen eller uppkomsten av nya kopplingar kan bli en källa till förändringar i beslutsfattandet.
För att kunna placera kunskap i ett informationssystem måste den representeras av vissa datastrukturer som motsvarar den valda miljön för att utveckla ett intelligent system. Därför, när man utvecklar ett informationssystem, ackumuleras och presenteras kunskap först, och i detta skede krävs mänskligt deltagande, och sedan representeras kunskapen av vissa datastrukturer som är bekväma för lagring och bearbetning i en dator.
IP-kunskap finns i följande former:
· initial kunskap (regler som härrör från praktisk erfarenhet, matematiska och empiriska beroenden som återspeglar ömsesidiga samband mellan fakta; mönster och trender som beskriver förändringar i fakta över tid; funktioner, diagram, grafer, etc.);
· Beskrivning av initial kunskap med hjälp av den valda kunskapsrepresentationsmodellen (många logiska formler eller produktionsregler, semantiskt nätverk, hierarkier av ramar, etc.);
· representation av kunskap genom datastrukturer som är avsedda för lagring och bearbetning på en dator;
· kunskapsbaser om datorlagringsmedia.
Kunskap är en mer komplex kategori jämfört med data. Kunskap beskriver inte bara enskilda fakta, utan även relationerna dem emellan, varför kunskap ibland kallas för strukturerad data. Kunskap är resultatet av en persons mentala aktivitet som syftar till att generalisera hans erfarenhet som erhållits som ett resultat av praktisk aktivitet.
Kunskap erhålls genom att tillämpa vissa bearbetningsmetoder på källdata och koppla externa procedurer.
DATA + BEHANDLINGSPROCEDUR = INFORMATION
INFORMATION + BEHANDLINGSPROCEDUR = KUNSKAP
Funktion kunskapen är att den inte finns i originalsystem. Kunskap uppstår som ett resultat av att jämföra informationsenheter, hitta och lösa motsättningar mellan dem, d.v.s. kunskap är aktiv, dess uppkomst eller brist leder till genomförandet av vissa åtgärder eller uppkomsten av ny kunskap. Kunskap skiljer sig från data genom att ha följande egenskaper.
Kunskapens egenskaper (från föreläsningar):
· Intern tolkning (data + metoddata). Metodologisk - strukturerad data, som representerar egenskaperna hos de beskrivna enheterna i syfte att identifiera, söka, utvärdera och hantera deras
· Tillgänglighet av anslutningar (interna, externa), kommunikationsstruktur
· Möjlighet till skalning (bedömning av förhållandet mellan informationsenheter) – kvantitativt
· Tillgänglighet av semantiska mått (ett sätt att bedöma dåligt formaliserade informationsenheter)
· Närvaron av aktivitet (ofullständighet, felaktighet uppmuntrar dem att utvecklas, fylla på).
Klassificering av kunskap
Kunskap– en form av existens och systematisering av resultaten av mänsklig kognitiv aktivitet. Kunskap hjälper människor att rationellt organisera sina aktiviteter och bestämma sig olika problem, som uppstår i dess process.
Kunskap(i teorin om artificiell intelligens och expertsystem) - en uppsättning information och regler för slutledning (från en individ, samhälle eller ett AI-system) om världen, objektens egenskaper, mönster för processer och fenomen, samt reglerna för att använda dem för beslutsfattande.
Huvudskillnaden mellan kunskap och data är deras struktur och aktivitet i databasen eller uppkomsten av nya kopplingar kan bli en källa till förändringar i beslutsfattandet.
Markera olika sorter kunskap:
Vetenskaplig,
Extra vetenskaplig,
Vanligt-praktiskt (vanligt, sunt förnuft),
Intuitiv,
Religiösa osv.
Vardaglig praktisk kunskap är osystematisk, ogrundad och oskriven. Vanlig kunskap fungerar som grunden för en persons orientering i omvärlden, grunden för hans vardagliga beteende och framsynthet, men innehåller vanligtvis fel och motsägelser. Vetenskaplig kunskap baserad på rationalitet kännetecknas av objektivitet och universalitet och gör anspråk på att vara universellt giltig. Dess uppgift är att beskriva, förklara och förutsäga verklighetens process och fenomen. Extravetenskaplig kunskap produceras av en viss intellektuell gemenskap enligt normer och normer som skiljer sig från rationalistiska de har sina egna källor och kunskapsmedel.
Klassificering av kunskap
I. av naturen. Kunskap kan vara deklarativ Och processuella.
Deklarativ kunskap innehåller bara en uppfattning om strukturen för vissa begrepp. Denna kunskap ligger nära data, fakta. Till exempel: en högre läroanstalt är en samling fakulteter, och varje fakultet är i sin tur en samling institutioner. Procedurmässigt kunskap är av aktiv karaktär. De definierar idéer om medel och sätt att skaffa ny kunskap och testa kunskap. Det här är olika typer av algoritmer. Till exempel: metod brainstorming att söka efter nya idéer.
II. enligt graden av vetenskap. Kunskap kan vara vetenskaplig Och extravetenskaplig. Vetenskaplig kunskap kan vara:
1) empirisk (baserat på erfarenhet eller observation);
2) teoretisk (baserat på analys av abstrakta modeller, analogier, diagram som återspeglar processernas struktur och natur, d.v.s. generalisering av empirisk data).
Utomvetenskaplig kunskap kan vara:
paravetenskaplig kunskap - läror eller reflektioner om fenomen, vars förklaring inte är övertygande ur vetenskapliga kriteriers synvinkel.
pseudovetenskapligt – medvetet utnyttja gissningar och fördomar.
kvasi-vetenskapliga - de letar efter anhängare och anhängare och förlitar sig på metoder för våld och tvång. Kvasivetenskaplig kunskap frodas som regel under strikt hierarkisk vetenskap, där kritik av makthavare är omöjlig, där den ideologiska regimen är strikt manifesterad. (I Rysslands historia är perioderna av "kvasivetenskapens triumf" välkända: Lysenkoism; fixism, etc.)
antivetenskaplig - som utopiska och medvetet förvrängande föreställningar om verkligheten.
pseudovetenskaplig - representerar intellektuell aktivitet som spekulerar i en uppsättning populära teorier (berättelser om forntida astronauter, om Bigfoot, om monstret från Loch Ness)
vardagligt-praktiskt - leverera grundläggande information om naturen och den omgivande verkligheten. Vanlig kunskap omfattar sunt förnuft, tecken, uppbyggelser, recept och personlig erfarenhet och traditioner. Även om den registrerar sanningen, gör den det osystematiskt och utan bevis.
personlig – beroende på förmågan hos ett visst ämne och på egenskaperna hos hans intellektuella kognitiva aktivitet. Kollektiv kunskap är generellt giltig (transpersonlig), förutsätter närvaron av begrepp, metoder, tekniker och konstruktionsregler som är gemensamma för hela systemet. III. efter plats
Markera personlig(tyst, dold, ännu inte formaliserad) kunskap och formaliserad(uttrycklig) kunskap.
Tyst kunskap– kunskap om personer som ännu inte har formaliserats och inte kan överföras till andra personer.
Formaliserad i vissa språkkunskaper:
kunskap i dokument;
kunskap om CD-skivor;
kunskap i personliga datorer;
Internetkunskap;
kunskap i kunskapsbaser;
kunskap i expert system, utvunnen från mänskliga experters tysta kunskap.
Kunskapens särdrag är fortfarande en fråga om osäkerhet inom filosofin. Enligt de flesta tänkare, för att något ska betraktas som kunskap, måste det uppfylla tre kriterier:
a) bekräftas,
b) vara sann,
c) pålitlig.
Relaterad information.
Data– det här är också kunskap, men kunskap av ett alldeles speciellt slag. Till en första approximation är data resultatet av språklig registrering av en enda observation, experiment, faktum eller situation. Exempel på data kan vara:
a) "på ett sådant och ett sådant datum, ett sådant och ett år, i ögonblicket t det regnade i ett visst område" (meteorologiska data)";
b) "priset på handelsvirke på en sådan och sådan dag på ett sådant och ett år, enligt information från sådan och sådan börs, var så många dollar per ton" (handelsdata);
c) "statens budgetunderskott i ett sådant och ett sådant land uppgick till si och så miljarder dollar under ett och annat år" (finansiellt datum);
d) "i ett sådant och ett ögonblick avvek det automatiska laboratoriet på väg mot Jupiter från den beräknade banan med så många grader, så många tusen kilometer i sådan och sådan riktning" (data från rymdteknikområdet).
Ur teknisk synvinkel definierar vissa experter vanligtvis begreppet "data" som information som lagras i databaser och bearbetas applikationsprogram, eller information som presenteras som en sekvens av tecken och avsedd för bearbetning i en dator, dvs. uppgifter omfattar endast den del av kunskapen som är formaliserad i sådan omfattning att formaliserade behandlingsförfaranden kan utföras på den med olika tekniska medel.
Data är information som presenteras i en formaliserad form lämplig för automatisk behandling med möjlig mänsklig delaktighet. Data är information skriven (kodad) på maskinens språk. Data är individuella fakta som kännetecknar objekt, processer och fenomen inom ämnesområdet, samt deras egenskaper.
Det är skillnad på information och data; Data kan betraktas som tecken eller registrerade observationer som av någon anledning inte används, utan endast lagras. Därför, i det här ögonblicket Med tiden påverkar de inte beteende eller beslutsfattande. Data förvandlas dock till information om en sådan påverkan finns.
Till exempel består huvuddelen av data för en dator av funktioner som inte påverkar beteendet. Om inte denna data är organiserad på lämpligt sätt och återspeglas i form av en output så att chefen agerar i enlighet med den, är det inte information. De förblir uppgifter tills den anställde får tillgång till dem i samband med genomförandet av vissa åtgärder eller i samband med något beslut som han är skyldig att fatta.
Data förvandlas till information när dess betydelse förverkligas. Man kan också säga att när det är möjligt att använda data för att minska osäkerheten om något så förvandlas data till information.
Data livscykler
Precis som materia och energi kan data samlas in, bearbetas, lagras och ändras i form. De har dock vissa funktioner. Först och främst kan data skapas och försvinna. Till exempel kan data om ett utdött djur försvinna när en kolbit med sina avtryck bränns. Data kan raderas, förlora exakthet, etc. Data kan karakteriseras av en livscykel (Fig. 1.9), där tre aspekter är av primär betydelse - generering, bearbetning, lagring och hämtning.
Reproduktion och användning av data kan förekomma vid olika punkter i deras livscykel och visas därför inte i diagrammet.
Ris. 1.9. Datas livscykel
När data bearbetas på en dator omvandlas data och går villkorligt igenom följande steg:
1) data som ett resultat av mätningar och observationer:
2) uppgifter om materiella medier information (tabeller, protokoll, referensböcker);
3) datamodeller (strukturer) i form av diagram, grafer, funktioner;
4) data i datorn i ett databeskrivningsspråk;
5) databaser på datormedia.
Datamodeller
Datamodellen är kärnan i varje databas. Utseendet på denna term i början av 70-talet av 1900-talet är förknippat med verk av den amerikanska cybernetiken E.F. Codd, som återspeglade den matematiska aspekten av datamodellen som används i betydelsen datastruktur. I samband med behoven för utvecklingen av databehandlingsteknik i teorin om automatiserade informationsbanker (ABI), under andra hälften av 70-talet, dök den instrumentella aspekten av datamodellen upp som innehållet i denna term inkluderade restriktioner på data strukturer och verksamhet med dem.
I en modern tolkning datamodell definieras som en uppsättning regler för att generera datastrukturer i databaser, operationer på dem, såväl som integritetsbegränsningar som bestämmer tillåtna anslutningar och datavärden, och sekvensen av deras ändringar.
Således representerar en datamodell en uppsättning datastrukturer, integritetsbegränsningar och datamanipuleringsoperationer. Utifrån detta kan vi formulera följande arbetsdefinition: En datamodell är en uppsättning datastrukturer och bearbetningsoperationer.
För närvarande finns det tre huvudtyper av datamodeller: hierarkiska, nätverk och relationella. Hierarkisk datamodell organiserar data i form av en trädstruktur och är implementeringen av logiska samband: generiska relationer eller "hel - del" relationer. Till exempel strukturen för högre utbildning läroanstaltär en hierarki på flera nivåer (se fig. 1.10).
Ris. 1.10. Exempel på hierarkisk struktur
En hierarkisk (träd)databas består av en ordnad uppsättning träd; mer exakt, från en ordnad uppsättning av flera instanser av samma typ av träd. I denna modell källelement generera andra element, och dessa element genererar i sin tur följande element. Varje underordnat element har bara ett överordnat element. Organisationsstrukturer, materiallistor, innehållsförteckningar i böcker, projektplaner, mötesscheman och många andra uppsättningar data kan presenteras i hierarkisk form.
De största nackdelarna med denna modell är: a) komplexiteten i att visa förhållandet mellan objekt av typen "många till många"; b) behovet av att använda hierarkin som låg till grund för databasen under designen. Behovet av ständig omorganisation av data (och ofta omöjligheten av denna omorganisation) har lett till skapandet av fler allmän modell– nätverk.
Nätverksmetoden för dataorganisation är en förlängning av den hierarkiska metoden. Den här modellen skiljer sig från hierarkisk genom att varje underordnat element kan ha mer än ett överordnat element. Ett exempel på en nätverksdatamodell visas i figur 1.11.
Eftersom en nätverksdatabas direkt kan representera alla typer av relationer som är inneboende i data från den relevanta organisationen, kan dessa data navigeras, utforskas och frågas på alla möjliga sätt, dvs. nätverksmodell inte bunden av bara en hierarki. Men för att göra en begäran till en nätverksdatabas måste du fördjupa dig i dess struktur (ha schemat för denna databas till hands) och utveckla din egen mekanism för att navigera i databasen, vilket är en betydande nackdel med denna databasmodell .
Ris. 1.11. Exempel på nätverksstruktur
En av nackdelarna med de ovan diskuterade datamodellerna är att i vissa fall, med en hierarkisk representation och nätverksrepresentation, kan databasens tillväxt leda till en kränkning av den logiska representationen av datan. Sådana situationer uppstår när nya användare, nya applikationer och typer av förfrågningar dyker upp, med hänsyn till andra logiska kopplingar mellan dataelement. Den relationella datamodellen undviker dessa nackdelar.
En relationsdatabas är en där all data presenteras för användaren i form av rektangulära tabeller med datavärden, och alla operationer på databasen reduceras till manipulationer med tabeller.
En tabell består av kolumner (fält) och rader (poster); har ett namn som är unikt i databasen. Tabellen återspeglar typen av objekt i den verkliga världen (entitet), och var och en av dess rader representerar ett specifikt objekt. Således innehåller tabellen Sports sektion information om alla barn som är inblandade i en given sport sektion, och dess rader representerar en uppsättning attributvärden för varje specifikt barn. Varje tabellkolumn är en samling värden för ett specifikt attribut för ett objekt. Kolumnen Vikt representerar till exempel helheten av alla viktkategorier av barn som är inblandade i sektionen. Kolumnen Kön kan bara innehålla två olika betydelser: "Make." och "kvinnligt". Dessa värden väljs från uppsättningen av alla möjliga värden för ett objekts attribut, som kallas domänen. Således väljs värdena i kolumnen Vikt från uppsättningen av alla möjliga barnvikter.
Varje kolumn har ett namn, som vanligtvis skrivs överst i tabellen. Dessa kolumner kallas fält tabeller. När du designar tabeller inom ett specifikt DBMS är det möjligt att välja för varje fält dess typ, de där. definiera en uppsättning regler för dess visning, samt bestämma de operationer som kan utföras på data som lagras i detta fält. Uppsättningar av typer kan variera mellan olika DBMS.
Fältnamnet måste vara unikt i tabellen, men olika tabeller kan ha fält med samma namn. Alla bord måste ha minst, ett fält; Fälten är placerade i tabellen i enlighet med den ordning som deras namn dök upp när den skapades. Till skillnad från fält har strängar inga namn; deras ordning i tabellen är inte definierad, och deras antal är logiskt sett obegränsat. Linjerna kallas uppgifter tabeller.
Eftersom raderna i tabellen inte är ordnade är det omöjligt att välja en rad efter dess position - det finns ingen "första", "andra" eller "sista" bland dem. Varje tabell har en eller flera kolumner, vars värden unikt identifierar var och en av dess rader. Denna kolumn (eller kombination av kolumner) kallas en primärnyckel. I tabellen Sport är den primära nyckeln kolumnen Fullständigt namn. (Fig. 1.12).
Detta val primärnyckel Det har betydande nackdel: det är omöjligt att registrera två barn i en sektion med samma värde i fältet Fullständigt namn, vilket i praktiken inte är så ovanligt. Det är därför som ett konstgjort fält ofta introduceras till nummerposter i en tabell. Ett sådant fält kan till exempel vara ett journalnummer för varje barn, vilket kan säkerställa att varje post i tabellen är unik. Om ett bord uppfyller detta krav kallas det attityd(relation).
Ris. 1.12. Relationsdatamodell
Relationsmodeller data kan vanligtvis stödja fyra typer av relationer mellan tabeller:
1) En till en(exempel: en tabell lagrar information om skolbarn, en annan tabell lagrar information om skolbarns vaccinationer).
2) En till många(exempel: en tabell lagrar information om lärare, en annan tabell lagrar information om elever för vilka dessa lärare är klasslärare).
3) Många till en(som ett exempel kan vi erbjuda det tidigare fallet, med tanke på det från andra sidan, nämligen från sidan av tabellen där information om skolbarn lagras).
4) Många till många(exempel: order för leverans av varor lagras i en tabell och i en annan - företag som utför dessa order, och flera företag kan kombineras för att utföra en order /
Relationell representation av data har ett antal fördelar. Det är förståeligt för en användare som inte är en programmeringsspecialist, låter dig enkelt lägga till nya beskrivningar av objekt och deras egenskaper och har stor flexibilitet vid bearbetning av frågor.
Frågor och uppgifter
1. Definiera begreppet "data".
2. Vad är datalivscykeln?
3. Vilka datamodeller känner du till?
4. Lista fördelar och nackdelar med varje datamodell.
INFORMATIONSPROCESSER
Innan man fortsätter att överväga frågorna om kunskapshantering är det viktigt att definiera nyckelbegreppen för detta område: "data", "information", "kunskap".
Litteraturen om kunskapshantering presenterar olika synsätt på dess tolkning. Utan att låtsas vara en fullskalig analys kommer vi att försöka beskriva några viktiga punkter.
Under data oordnade observationer, siffror, ord, ljud, bilder förstås. Detta är en uppsättning diskreta, objektiva faktorer om händelser. Dessutom, i ett organisatoriskt sammanhang, tolkas data som strukturerade register över aktivitetshandlingar. Organisationer lagrar vanligtvis data i informationssystem, dit de kommer från olika avdelningar och tjänster.
När data organiseras, ordnas, grupperas, kategoriseras blir det information. Det tolkas som en samling av data arrangerad för ett specifikt ändamål som ger den mening.
Meddelande- det här är text, digital data, bilder, ljud, grafik, tabeller, etc.
Intelligens– praktiskt taget synonymt med begreppet "Meddelanden". De är oftast av inhemsk karaktär.
Kunskap det tolkas som information som är redo för produktiv användning, effektiv och utrustad med mening. Det är en samling formaliserade erfarenheter, värderingar, kontextuell information och expertförståelse som ligger till grund för att utvärdera och integrera nya erfarenheter och information. Det formas och tillämpas i människors medvetande, och i organisationer finns det ofta inte bara inskrivet i dokument och arkiv, utan också i organisatoriska procedurer, processer, sätt att göra saker och normer.
Tabellen ger olika definitioner av kunskap utifrån en genomgång av litteraturen.
De flesta av de diskuterade definitionerna betonar att kunskap är ett bredare, djupare och rikare begrepp jämfört med information. De representerar mobilanslutning olika element– erfarenhet, värderingar, information och expertförståelse- och ständigt förändras; de är intuitiva; är karaktäristiska för människor och är en integrerad del av den mänskliga essensen med dess oförutsägbarhet.