В информационной модели компьютера, представленной в виде диаграммы, его
Обновлено: 21.11.2024
Метаданные придают данным контекст, а во время таких кризисов, как война на Украине, когда трудно понять, каким новостям доверять, контекст.
Используя платформу поставщика BI, фирма, занимающаяся маркетингом и взаимодействием с клиентами в сфере здравоохранения, увеличила скорость анализа и увеличила число клиентов .
Организации, стремящиеся максимизировать использование BI, могут рассмотреть возможность создания группы бизнес-аналитики, состоящей из четырех ключевых ролей: .
Считаете, что готовы к сертификационному экзамену AWS Certified Solutions Architect? Проверьте свои знания, ответив на эти 12 вопросов и.
Amazon заявила, что ее система мониторинга микроавтобусов предназначена исключительно для обеспечения безопасности водителей. Но многие отраслевые эксперты обеспокоены этим.
Amazon хотела бы укрепить свое глобальное присутствие, но гигант электронной коммерции сегодня сталкивается с препятствиями и проблемами, которых не было.
Генеральный директор Sitecore Стив Цикакис вступил во владение во время пандемии — на фоне стремительного роста — и переосмыслил компанию как цифровую.
Организации, планирующие миграцию контента, должны проверить целостность файлов и убедиться, что файлы не были повреждены при перемещении. Файл .
Успешное развертывание ECM требует планирования. Менеджеры контента должны учитывать жизненный цикл контента своей организации, безопасность .
Oracle планирует приобрести Cerner в рамках сделки на сумму около 30 млрд долларов. Второй по величине поставщик электронных медицинских карт в США может вдохнуть новую жизнь .
Верховный суд постановил 6-2, что API-интерфейсы Java, используемые в телефонах Android, не подпадают под действие американского закона об авторском праве.
В этом руководстве рассматриваются возможности Oracle Autonomous Database для пользователей Oracle и вопросы, которые следует учитывать организациям.
Многие компании могут извлечь выгоду из возможностей аналитики, а организации, использующие SAP ECC, по-прежнему могут создавать эффективные .
Внедрение S/4HANA сопряжено со значительным риском, но также предлагает реальную возможность цифровой трансформации. Вот .
Вот объяснение основных различий между SAP Greenfield и Brownfield, а также то, что третий, гибридный подход может сделать для S.
Хороший дизайн базы данных необходим для удовлетворения потребностей обработки в системах SQL Server. На вебинаре консультант Коэн Вербек предложил .
Базы данных SQL Server можно переместить в облако Azure несколькими способами. Вот что вы получите от каждого из вариантов .
В отрывке из этой книги вы познакомитесь с методами LEFT OUTER JOIN и RIGHT OUTER JOIN и найдете различные примеры создания SQL.
Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.
Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.
обработка информации, получение, запись, организация, поиск, отображение и распространение информации. В последние годы этот термин часто применялся конкретно к компьютерным операциям.
В популярном использовании термин информация относится к фактам и мнениям, предоставленным и полученным в ходе повседневной жизни: человек получает информацию непосредственно от других живых существ, из средств массовой информации, из электронных банков данных, и от всевозможных наблюдаемых явлений в окружающей среде. Человек, использующий такие факты и мнения, генерирует больше информации, часть которой сообщается другим в ходе дискурса, в инструкциях, в письмах и документах, а также через другие средства массовой информации. Информация, организованная в соответствии с некоторыми логическими отношениями, называется совокупностью знаний, которые должны быть получены путем систематического воздействия или изучения. Применение знаний (или навыков) дает опыт, а дополнительные аналитические или эмпирические идеи, как говорят, представляют собой примеры мудрости. Использование термина информация не ограничивается исключительно ее передачей посредством естественного языка. Информация также регистрируется и передается с помощью искусства, мимики и жестов или таких других физических реакций, как дрожь. Более того, каждое живое существо наделено информацией в виде генетического кода. Эти информационные явления пронизывают физический и ментальный мир, и их разнообразие таково, что до сих пор бросало вызов всем попыткам единого определения информации.
Интерес к информационным явлениям резко возрос в 20 веке, и сегодня они являются объектами изучения в ряде дисциплин, включая философию, физику, биологию, лингвистику, информатику и информатику, электронную и коммуникационную инженерию, науку об управлении, и социальные науки.С коммерческой точки зрения индустрия информационных услуг стала одной из самых новых отраслей во всем мире. Почти все остальные отрасли — производство и обслуживание — все больше озабочены информацией и ее обработкой. Различные, хотя и часто пересекающиеся, точки зрения и явления в этих областях приводят к различным (а иногда и противоречивым) концепциям и «определениям» информации.
В этой статье затрагиваются такие понятия, связанные с обработкой информации. Рассматривая основные элементы обработки информации, он различает информацию в аналоговой и цифровой форме и описывает ее получение, запись, организацию, поиск, отображение и методы распространения. Отдельная статья, информационная система, посвящена методам организационного контроля и распространения информации.
Общие соображения
Основные понятия
Интерес к тому, как передается информация и как ее носители передают смысл, со времен досократических философов занимал область исследования, называемую семиотикой, изучением знаков и знаковых явлений. Знаки являются нередуцируемыми элементами коммуникации и носителями смысла. Американскому философу, математику и физику Чарльзу С. Пирсу приписывают указание на три измерения знаков, которые связаны соответственно с телом или средой знака, объектом, который знак обозначает, и интерпретантом или интерпретантом. толкование знака. Пирс признал, что фундаментальные отношения информации по существу триадны; напротив, все отношения физических наук сводятся к диадическим (бинарным) отношениям. Другой американский философ, Чарльз У. Моррис, назвал эти три знаковых измерения синтаксическим, семантическим и прагматическим — имена, под которыми они известны сегодня.
Информационные процессы выполняются информационными процессорами. Для данного информационного процессора, физического или биологического, токен — это объект, лишенный смысла, который процессор распознает как полностью отличный от других токенов. Группа таких уникальных токенов, распознаваемых процессором, составляет его основной «алфавит»; например, точка, тире и пробел составляют основной алфавит символов процессора азбуки Морзе. Объекты, несущие значение, представлены наборами токенов, называемых символами. Последние объединяются для формирования символьных выражений, которые являются входными данными или выходными данными информационных процессов и хранятся в памяти процессора.
Информационные процессоры — это компоненты информационной системы, представляющей собой класс конструкций. Абстрактная модель информационной системы включает четыре основных элемента: процессор, память, рецептор и эффектор (рис. 1). У процессора есть несколько функций: (1) выполнять элементарные информационные процессы над символьными выражениями, (2) временно хранить в кратковременной памяти процессора входные и выходные выражения, над которыми работают эти процессы и которые они генерируют, (3) планировать выполнение этих процессов и (4) изменять эту последовательность операций в соответствии с содержимым кратковременной памяти. В памяти хранятся символьные выражения, в том числе те, которые представляют составные информационные процессы, называемые программами. Два других компонента, рецептор и эффектор, представляют собой механизмы ввода и вывода, функции которых заключаются, соответственно, в получении символических выражений или стимулов из внешней среды для обработки процессором и в передаче обработанных структур обратно в окружающую среду.
Мощность этой абстрактной модели системы обработки информации обеспечивается способностью составляющих ее процессоров выполнять небольшое количество элементарных информационных процессов: чтение; сравнение; создание, изменение и наименование; копирование; хранение; и писать. Модель, представляющая широкий спектр таких систем, оказалась полезной для объяснения искусственных информационных систем, реализованных на последовательных информационных процессорах.
Поскольку было признано, что в природе информационные процессы не являются строго последовательными, с 1980 года все большее внимание уделяется изучению человеческого мозга как информационного процессора параллельного типа. Когнитивные науки, междисциплинарная область, занимающаяся изучением человеческого разума, внесли свой вклад в развитие нейрокомпьютеров, нового класса параллельных процессоров с распределенной информацией, которые имитируют функционирование человеческого мозга, включая его возможности самоконтроля. организация и обучение. Так называемые нейронные сети, представляющие собой математические модели, вдохновленные сетью нейронных цепей человеческого мозга, все чаще находят применение в таких областях, как распознавание образов, управление производственными процессами и финансами, а также во многих исследовательских дисциплинах.
Информация как ресурс и товар
В конце 20 века информация приобрела два основных утилитарных значения. С одной стороны, он считается экономическим ресурсом, наравне с другими ресурсами, такими как труд, материал и капитал. Эта точка зрения основана на доказательствах того, что обладание информацией, ее манипулирование и использование могут повысить рентабельность многих физических и когнитивных процессов. Рост активности обработки информации в промышленном производстве, а также в решении человеческих проблем был замечательным. Анализ одного из трех традиционных секторов экономики, сферы услуг, показывает резкий рост информационно-емкой деятельности с начала 20 века. К 1975 году на эти виды деятельности приходилось половина рабочей силы Соединенных Штатов.
Как индивидуальный и общественный ресурс, информация имеет некоторые интересные характеристики, которые отличают ее от традиционных представлений об экономических ресурсах. В отличие от других ресурсов, информация обширна, и ее ограничения, по-видимому, накладываются только временем и когнитивными способностями человека. Его экспансивность объясняется следующим: (1) он естественным образом распространяется, (2) он воспроизводится, а не потребляется посредством использования, и (3) им можно только делиться, а не обмениваться в транзакциях. В то же время информация сжимаема как синтаксически, так и семантически. В сочетании с его способностью заменять другие экономические ресурсы, его транспортабельностью на очень высоких скоростях и его способностью давать преимущества обладателю информации, эти характеристики лежат в основе таких социальных отраслей, как исследования, образование, издательское дело, маркетинг, и даже политика. Забота общества об экономии информационных ресурсов вышла за пределы традиционной области библиотек и архивов и теперь охватывает организационную, институциональную и государственную информацию под эгидой управления информационными ресурсами.
Модель базы данных показывает логическую структуру базы данных, включая отношения и ограничения, которые определяют, как данные могут храниться и получать к ним доступ. Отдельные модели баз данных разрабатываются на основе правил и концепций той более широкой модели данных, которую принимают разработчики. Большинство моделей данных можно представить с помощью прилагаемой схемы базы данных.
Хотите создать собственную схему базы данных? Попробуйте Люсидчарт. Это быстро, просто и совершенно бесплатно.
Типы моделей баз данных
Существует множество моделей данных. Вот некоторые из наиболее распространенных:
- Иерархическая модель базы данных
- Реляционная модель
- Сетевая модель
- Объектно-ориентированная модель базы данных
- Модель "сущность-связь"
- Модель документа
- Модель "сущность-атрибут-значение"
- Схема со звездочкой
- Объектно-реляционная модель, объединяющая две составляющие ее названия.
Вы можете описать базу данных с помощью любого из них в зависимости от нескольких факторов. Важнейшим фактором является то, поддерживает ли используемая вами система управления базами данных конкретную модель. Большинство систем управления базами данных создаются с учетом определенной модели данных и требуют от пользователей принятия этой модели, хотя некоторые из них поддерживают несколько моделей.
Кроме того, разные модели применяются к разным этапам процесса проектирования базы данных. Концептуальные модели данных высокого уровня лучше всего подходят для отображения взаимосвязей между данными так, как люди воспринимают эти данные. С другой стороны, логические модели на основе записей более точно отражают способы хранения данных на сервере.
Выбор модели данных также заключается в согласовании ваших приоритетов для базы данных с сильными сторонами конкретной модели, будь то скорость, снижение затрат, удобство использования или что-то еще.
Давайте подробнее рассмотрим некоторые из наиболее распространенных моделей баз данных.
Реляционная модель
Самая распространенная реляционная модель сортирует данные в таблицы, также известные как отношения, каждая из которых состоит из столбцов и строк. В каждом столбце указан атрибут объекта, о котором идет речь, например, цена, почтовый индекс или дата рождения. Вместе атрибуты в отношении называются доменом. Конкретный атрибут или комбинация атрибутов выбирается в качестве первичного ключа, на который можно ссылаться в других таблицах, когда он называется внешним ключом.
Каждая строка, также называемая кортежем, содержит данные о конкретном экземпляре рассматриваемого объекта, например о конкретном сотруднике.
Модель также учитывает типы отношений между этими таблицами, включая отношения "один к одному", "один ко многим" и "многие ко многим". Вот пример:
В базе данных таблицы можно нормализовать или привести в соответствие с правилами нормализации, которые делают базу данных гибкой, адаптируемой и масштабируемой. При нормализации каждый фрагмент данных является атомарным или разбитым на мельчайшие полезные фрагменты.
Реляционные базы данных обычно пишутся на языке структурированных запросов (SQL). Модель была представлена Э. Ф. Коддом в 1970 году.
Иерархическая модель
Иерархическая модель упорядочивает данные в виде древовидной структуры, в которой каждая запись имеет одного родителя или корень. Записи братьев и сестер сортируются в определенном порядке. Этот порядок используется как физический порядок хранения базы данных. Эта модель хороша для описания многих отношений в реальном мире.
Эта модель в основном использовалась в системах управления информацией IBM в 60-х и 70-х годах, но сегодня они редко встречаются из-за определенной операционной неэффективности.
Сетевая модель
Сетевая модель основывается на иерархической модели, допуская отношения "многие ко многим" между связанными записями, что подразумевает несколько родительских записей. На основе математической теории множеств модель строится с наборами связанных записей. Каждый набор состоит из одной записи о владельце или родительской записи и одной или нескольких записей-членов или дочерних записей. Запись может быть элементом или дочерним элементом в нескольких наборах, что позволяет этой модели передавать сложные отношения.
Он был наиболее популярен в 70-х годах после того, как был официально определен Конференцией по языкам систем данных (CODASYL).
Объектно-ориентированная модель базы данных
В этой модели база данных определяется как набор объектов или программных элементов многократного использования со связанными функциями и методами. Существует несколько видов объектно-ориентированных баз данных:
Мультимедийная база данных включает мультимедийные файлы, например изображения, которые нельзя хранить в реляционной базе данных.
Гипертекстовая база данных позволяет любому объекту связываться с любым другим объектом. Это полезно для организации большого количества разрозненных данных, но не идеально для числового анализа.
Объектно-ориентированная модель базы данных — это наиболее известная постреляционная модель базы данных, поскольку она включает в себя таблицы, но не ограничивается ими. Такие модели также называются гибридными моделями баз данных.
С Lucidchart можно быстро и легко строить диаграммы. Начните бесплатную пробную версию сегодня, чтобы начать творить и сотрудничать.
Объектно-реляционная модель
Эта гибридная модель базы данных сочетает в себе простоту реляционной модели с некоторыми расширенными функциями объектно-ориентированной модели базы данных. По сути, это позволяет дизайнерам включать объекты в привычную структуру таблицы.
Языки и интерфейсы вызовов включают SQL3, языки поставщиков, ODBC, JDBC и проприетарные интерфейсы вызовов, являющиеся расширениями языков и интерфейсов, используемых реляционной моделью.
Модель "сущность-связь"
Эта модель отражает отношения между реальными объектами так же, как и сетевая модель, но она не так напрямую связана с физической структурой базы данных. Вместо этого он часто используется для концептуального проектирования базы данных.
Здесь люди, места и вещи, о которых хранятся точки данных, называются объектами, каждый из которых имеет определенные атрибуты, которые вместе составляют их домен. Количество элементов или отношения между объектами также сопоставляются.
Распространенной формой ER-диаграммы является схема "звезда", в которой центральная таблица фактов соединяется с многомерными таблицами.
Другие модели баз данных
Сегодня используется или используется множество других моделей баз данных.
Перевернутая файловая модель
База данных, созданная с инвертированной файловой структурой, предназначена для облегчения быстрого полнотекстового поиска. В этой модели содержимое данных индексируется как последовательность ключей в таблице поиска со значениями, указывающими на расположение связанных файлов. Эта структура может обеспечить почти мгновенную отчетность, например, по большим данным и аналитике.
Эта модель используется системой управления базами данных ADABAS компании Software AG с 1970 года и поддерживается по сей день.
Плоская модель
Плоская модель – это самая ранняя и простейшая модель данных. Он просто перечисляет все данные в одной таблице, состоящей из столбцов и строк. Чтобы получить доступ к данным или манипулировать ими, компьютер должен прочитать весь плоский файл в память, что делает эту модель неэффективной для всех наборов данных, кроме самых маленьких.
Многомерная модель
Это вариант реляционной модели, предназначенный для улучшения аналитической обработки. Хотя реляционная модель оптимизирована для онлайн-обработки транзакций (OLTP), эта модель предназначена для интерактивной аналитической обработки (OLAP).
Каждая ячейка многомерной базы данных содержит данные об измерениях, отслеживаемых базой данных. Визуально это похоже на набор кубов, а не на двумерные таблицы.
Полуструктурированная модель
В этой модели структурные данные, обычно содержащиеся в схеме базы данных, встроены в сами данные. Здесь различие между данными и схемой в лучшем случае расплывчато. Эта модель полезна для описания систем, таких как определенные веб-источники данных, которые мы рассматриваем как базы данных, но не можем ограничивать их схемой.Это также полезно для описания взаимодействия между базами данных, которые не придерживаются одной и той же схемы.
Контекстная модель
При необходимости эта модель может включать элементы из других моделей баз данных. Он объединяет элементы объектно-ориентированных, полуструктурированных и сетевых моделей.
Ассоциативная модель
Эта модель разделяет все точки данных в зависимости от того, описывают ли они объект или связь. В этой модели сущность — это все, что существует независимо, тогда как ассоциация — это то, что существует только по отношению к чему-то другому.
Ассоциативная модель структурирует данные в два набора:
- Набор элементов, каждый из которых имеет уникальный идентификатор, имя и тип.
- Набор ссылок, каждая из которых имеет уникальный идентификатор и уникальные идентификаторы источника, глагола и цели. Сохраненный факт связан с источником, и каждый из трех идентификаторов может относиться либо к ссылке, либо к элементу.
Другие, менее распространенные модели баз данных включают:
- Семантическая модель, включающая информацию о том, как хранимые данные соотносятся с реальным миром.
- База данных XML, которая позволяет задавать данные и даже сохранять их в формате XML.
- Именованный график
- Тройной магазин
Модели баз данных NoSQL
Помимо модели объектной базы данных, в отличие от реляционной модели, появились другие модели, отличные от SQL:
Модель графовой базы данных, которая даже более гибкая, чем сетевая модель, позволяет любому узлу соединяться с любым другим.
Многозначная модель, отличающаяся от реляционной модели тем, что атрибуты могут содержать список данных, а не одну точку данных.
Модель документа, предназначенная для хранения и управления документами или частично структурированными данными, а не атомарными данными.
Базы данных в Интернете
Большинство веб-сайтов используют какую-либо базу данных для организации и представления данных пользователям. Всякий раз, когда кто-либо использует функции поиска на этих сайтах, его условия поиска преобразуются в запросы для обработки сервером базы данных. Обычно ПО промежуточного слоя соединяет веб-сервер с базой данных.
Широкое присутствие баз данных позволяет использовать их практически в любой сфере, от покупок в Интернете до микротаргетинга на сегмент избирателей в рамках политической кампании. В различных отраслях промышленности, от воздушного транспорта до автомобилестроения, разработаны собственные стандарты проектирования баз данных.
Полезные ресурсы
Когда вы будете готовы приступить к моделированию своей базы данных, попробуйте Lucidchart. Это идеальный инструмент для быстрого и простого создания эскизов систем баз данных. Вы даже можете импортировать и экспортировать из SQL. Начните бесплатную пробную версию сегодня!
Хотите создать собственную схему базы данных? Попробуйте Люсидчарт. Это быстро, просто и совершенно бесплатно.
"Мудрость — это результат не школьных занятий, а постоянных попыток ее приобрести".
Компьютеры часто называют машинами для обработки данных или машинами для обработки информации. Люди понимают и принимают тот факт, что компьютеры — это машины, предназначенные для ввода, хранения, обработки и вывода данных и информации
Однако некоторые люди также думают о компьютерах как об машинах для обработки знаний и даже исследуют, что может означать для компьютера мудрость. Например, вот цитата доктора Йогеша Малхотры из Института BRINT:
Управление знаниями решает важнейшие вопросы организационной адаптации, выживания и компетентности перед лицом все более прерывистых изменений окружающей среды. По сути, он воплощает в себе организационные процессы, направленные на синергетическое сочетание возможностей информационных технологий по обработке данных и информации с творческими и инновационными способностями людей.
Следующая цитата взята из некоммерческой организации Atlantic Canada Conservation Data Center, созданной в 1999 году.
Отдельные биты или «байты» «сырых» биологических данных (например, количество отдельных растений данного вида в данном месте) сами по себе не информируют человеческий разум. Однако объединение различных данных в соответствующем контексте дает информацию, которая может оказаться полезной (например, распределение и численность видов растений в различные моменты времени и пространства). В свою очередь, эта информация помогает повысить качество знаний (например, увеличивается или уменьшается распространение и численность видов растений в пространстве и времени). Знания и опыт сливаются, чтобы стать мудростью — силой критического или практического применения этих качеств для принятия решений.
Таким образом, мы вынуждены думать о Данных, Информации, Знаниях и Мудрости, изучая возможности и ограничения ИТ-систем
Вот четыре определения, взятые из Encarta® World English Dictionary © Microsoft Corporation, 1999. Все права защищены. Разработано для Microsoft компанией Bloomsbury Publishing Plc.
<ПР>Информация
<ПР>Знания
<ПР>Мудрость
<ПР>Разные люди тщательно обдумывали различные определения этих четырех терминов и проводили собственный анализ четырех терминов. Следующее цитируется с веб-сайта Жака Стейна:
Информация состоит из данных, но данные не обязательно являются информацией. Также мудрость – это знание, которое, в свою очередь, является информацией, которая, в свою очередь, является данными, но, например, знание не обязательно является мудростью. Таким образом, мудрость — это подмножество знаний, которое является подмножеством информации, которое является подмножеством данных.
Расположение терминов по шкале
Термины Данные, Информация, Знание и Мудрость иногда представлены в форме, которая предполагает масштаб.
Однако эти четыре термина никоим образом не определяют какую-то линейную равноинтервальную шкалу. Однако они помогают нам обсуждать дизайн образовательной системы, а также текущее и потенциальное использование компьютеров. Например, мы все согласны с тем, что компьютеры можно использовать для ввода, хранения, обработки и вывода данных. Но существуют значительные разногласия по поводу того, может ли компьютер иметь знания или быть знающим, или обладать мудростью и быть мудрым.
В старые добрые времена, на заре использования компьютеров для обработки бизнес-данных, компьютеры были машинами для обработки данных. Было много семинаров и курсов по обработке данных. «Необработанные данные» обрабатывались для создания отчетов, которые затем анализировались руководством для принятия управленческих решений. Были обработаны почасовые табели рабочего времени для проверки платежных ведомостей и сводных отчетов о затратах на сотрудников.
Позже появилась идея, что компьютеры обрабатывают данные для производства информации. Данные о заработной плате можно объединить с другими данными о затратах, данных о продажах и т. д., чтобы получить информацию о том, какие продукты наиболее прибыльны. Огромный набор необработанных данных может быть преобразован в отчеты, которые облегчают принятие решений на высоком уровне управления.
Отделы компьютерных наук стали факультетами компьютерных и информационных наук. Такие термины, как информационные технологии (ИТ) и информационно-коммуникационные технологии (ИКТ), возникли потому, что они лучше описывали компьютерную область.
В последние годы предприятия и другие организации начали использовать компьютеры для обработки информации, чтобы она стала или была очень похожа на знания. Знания в голове человека используются для постановки и решения проблем, постановки вопросов и ответов на них, определения ситуаций принятия решений и принятия решений, постановки задач, которые необходимо выполнить, и выполнения задач и т.д. В настоящее время компьютеры принимают множество решений без вмешательства человека. То есть они получают данные в качестве входных данных и обрабатывают их таким образом, что на выходе получаются решения и действия. Когда это делает человек, мы говорим об уровне его знаний, умений и интеллекта.
Приведенный ниже график отражает процесс обучения, в ходе которого мы постепенно превращаем необработанные, нефильтрованные факты и символы в информацию, знания и, в конечном итоге, в интеллект и мудрость.
Обсуждение в этом разделе приводит к таким вопросам, как:
<ПР>С точки зрения бизнеса
Следующие три определения взяты из книги Godbout (январь 1999 г.).
Годбаут представляет эти определения в статье, посвященной роли компьютеров в области, называемой "управление знаниями". Управление знаниями приобретает все большее значение в управлении бизнесом или подобными организациями.
Образовательные последствия
Похоже, что одной из проблем при определении терминов «данные», «информация», «знание» и «мудрость» является роль понимания и создания смысла. Можно запоминать данные и повторять их обратно. Один обрабатывает данные (организует их в осмысленные фрагменты?) для получения информации. Воспроизведение таких фрагментов больше похоже на образование, но это можно сделать с небольшим пониманием или умением использовать информацию. Знания — это шаг вперед по шкале. Это включает в себя понимание и способность использовать данные и информацию, чтобы отвечать на вопросы, решать проблемы, принимать решения и так далее. Мудрость связана с ответственным (мудрым) использованием своих знаний.
В последние годы Роберт Штернберг придерживается мнения, что мудрости можно и нужно обучать в школах, даже на уровне начальной школы. Краткое изложение его идей и определений доступно в следующей ссылке. Цитата из Штернберга. (13 ноября 2002 г.)
Когда в школах учат мудрости, они учат студентов тому, что важно не только то, что вы знаете, но и то, как вы используете то, что знаете, независимо от того, используете ли вы это во благо или во вред. Они учат тому, что администрация Буша назвала недавно на конференции в Белом доме «четвертым Р»: ответственности. Умные, но глупые и безответственные люди, включая, по-видимому, и тех, кто руководил или руководил крупным бизнесом в нашей стране, обнаруживают в своем мышлении четыре характерных заблуждения.Я определяю мудрость как применение интеллекта и опыта для достижения общего блага. Это достижение включает в себя баланс между (а) внутриличностными (собственными), (б) межличностными (чужими) и (в) внеличностными (более чем личными, такими как институциональные) интересами в краткосрочной и долгосрочной перспективе. Таким образом, мудрые люди заботятся не только о себе, но и обо всех, перед кем они несут ответственность.
Все национальные стандарты образовательных технологий ISTE для учащихся, учителей и школьных администраторов подчеркивают необходимость ответственного использования компьютерных систем. Таким образом, точка зрения Штернберга на обучение мудрости/ответственности согласуется с точкой зрения ISTE. Или вот немного другой поворот ситуации. Мы хотим, чтобы учащиеся, учителя и школьные администраторы ответственно и разумно использовали компьютерные системы. По мере того, как учащиеся учатся быть ответственными и мудрыми, мы хотим, чтобы обучение происходило во многих различных областях, включая ИТ.
Ссылки
<ПР>В этой статье представлен тщательный анализ управления знаниями людьми и компьютерными системами с точки зрения бизнеса.
Данные, информация, знания и мудрость образуют шкалу, хотя и довольно своеобразную. Баллы на шкале не имеют тесной связи, хотя о них часто говорят одновременно. В редакционной статье этого месяца Дэвид рассказывает о масштабах и о том, как на них влияют информационные технологии.
Я определяю мудрость как применение интеллекта и опыта для достижения общего блага. Это достижение включает в себя баланс между (а) внутриличностными (собственными), (б) межличностными (чужими) и (в) внеличностными (более чем личными, такими как институциональные) интересами в краткосрочной и долгосрочной перспективе. Таким образом, мудрые люди заботятся не только о себе, но и обо всех, перед кем они несут ответственность.
Читайте также: