Měření informačních syntaktických sémantických a pragmatických přístupů. Množství informací. Syntaktické, sémantické a pragmatické míry informace. Informační modely: deskriptivní a formální
Téma 2. Základy reprezentace a zpracování informací v počítači
Literatura
1. Informatika v ekonomii: Učebnice/Ed. BÝT. Odintsová, A.N. Romanová. – M.: Vysokoškolská učebnice, 2008.
2. Informatika: Základní kurz: Učebnice/Ed. S.V. Simonovič. – Petrohrad: Petr, 2009.
3. Informatika. Obecný kurz: Učebnice/Spoluautor: A.N. Guda, M.A. Butáková, N.M. Nechitailo, A.V. Černov; Pod obecným vyd. V A. Kolesníková. – M.: Dashkov a K, 2009.
4. Informatika pro ekonomy: Učebnice/Ed. Matyushka V.M. - M.: Infra-M, 2006.
5. Ekonomická informatika: Úvod do ekonomická analýza informační systémy - M.: INFRA-M, 2005.
Míry informací (syntaktické, sémantické, pragmatické)
K měření informací lze použít různé přístupy, ale ty nejpoužívanější jsou statistický(pravděpodobnostní), sémantický a p pragmatický metody.
Statistický(pravděpodobnostní) metodu měření informace vyvinul K. Shannon v roce 1948, který navrhl považovat množství informace za míru nejistoty stavu systému, která je v důsledku příjmu informace odstraněna. Kvantitativní vyjádření nejistoty se nazývá entropie. Pokud pozorovatel po obdržení určité zprávy získal další informace o systému X, pak se nejistota snížila. Dodatečné množství přijatých informací je definováno jako:
kde je další množství informací o systému X, přijaté ve formě zprávy;
Počáteční nejistota (entropie) systému X;
Konečná nejistota (entropie) systému X, které nastanou po obdržení zprávy.
Pokud systém X může být v jednom z diskrétních stavů, jejichž počet n a pravděpodobnost nalezení systému v každém z nich je stejná a součet pravděpodobností všech stavů se rovná jednotě, pak se entropie vypočítá pomocí Shannonova vzorce:
kde je entropie systému X;
A- základ logaritmu, který určuje jednotku měření informace;
n– počet stavů (hodnot), ve kterých se systém může nacházet.
Entropie je kladná veličina, a protože pravděpodobnosti jsou vždy menší než jedna a jejich logaritmus je záporný, znaménko mínus ve vzorci K. Shannona činí entropii kladnou. Tedy stejná entropie, ale s opačným znaménkem, je brána jako míra množství informace.
Vztah mezi informací a entropií lze chápat takto: získání informace (její nárůst) současně znamená snížení neznalosti nebo informační nejistoty (entropie)
Statistický přístup tedy bere v úvahu pravděpodobnost výskytu zpráv: zpráva, která je méně pravděpodobná, je považována za více informativní, tzn. nejméně očekávané. Množství informace dosáhne své maximální hodnoty, pokud jsou události stejně pravděpodobné.
R. Hartley navrhl následující vzorec pro měření informací:
I=log 2n ,
Kde n- počet stejně pravděpodobných událostí;
já– míra informace ve zprávě o výskytu jednoho z n Události
Měření informace je vyjádřeno v jejím objemu. Nejčastěji se to týká objemu paměti počítače a množství dat přenášených komunikačními kanály. Za jednotku se považuje množství informace, při kterém je nejistota snížena na polovinu; bit .
Pokud je použit základ logaritmu v Hartleyho vzorci přirozený logaritmus(), pak jednotkou měření informace je nat ( 1 bit = ln2 ≈ 0,693 nat). Pokud je jako základ logaritmu použito číslo 3, pak - zacházet pokud 10, tak - dit (Hartley).
V praxi se častěji používá větší jednotka - byte(byte) rovných osmi bitům. Tato jednotka byla vybrána, protože ji lze použít ke kódování libovolného z 256 znaků abecedy počítačové klávesnice (256 = 2 8).
Kromě bajtů se informace měří v polovičních slovech (2 bajty), slovech (4 bajty) a dvojitých slovech (8 bajtů). Ještě větší jednotky měření informací jsou také široce používány:
1 kilobajt (kB - kilobajt) = 1024 bajtů = 2 10 bajtů,
1 megabajt (MB - megabajt) = 1024 kB = 2 20 bajtů,
1 gigabajt (GB - gigabajt) = 1024 MB = 2 30 bajtů.
1 terabajt (TB - terabajt) = 1024 GB = 2 40 bajtů,
1 petabajt (Pbyte - petabajt) = 1024 TB = 2 50 bajtů.
V roce 1980 ruský matematik Yu Manin navrhl myšlenku konstrukce kvantový počítač, v souvislosti s níž se objevila taková jednotka informace jako qubit ( kvantový bit, qubit ) – „kvantový bit“ je míra měření množství paměti v teoreticky možné formě počítače, který využívá kvantová média, například spiny elektronů. Qubit může přijmout více než dva různé významy(„0“ a „1“), ale několik odpovídá normalizovaným kombinacím dvou základních spinových stavů, což dává větší číslo možné kombinace. 32 qubitů tedy může zakódovat asi 4 miliardy stavů.
Sémantický přístup. Syntaktické měřítko nestačí, pokud potřebujete určit nikoli objem dat, ale množství informací potřebných ve zprávě. V tomto případě se uvažuje sémantické hledisko, které nám umožňuje určit obsah informace.
Pro měření sémantického obsahu informace můžete použít tezaurus jejího příjemce (spotřebitele). Myšlenku metody tezauru navrhl N. Wiener a rozvinul ji náš domácí vědec A.Yu. Schrader.
tezaurus volal soubor informací které příjemce informace má. Korelace tezauru s obsahem přijaté zprávy umožňuje zjistit, jak moc snižuje nejistotu.
Závislost objemu sémantické informace zprávy na tezauru příjemce
Podle závislosti prezentované na grafu, pokud uživatel nemá žádný tezaurus (znalost o podstatě přijaté zprávy, tj. =0), nebo přítomnost takového tezauru, který se nezměnil v důsledku příchod zprávy (), pak hlasitost sémantické informace rovná se nule. Optimální tezaurus () bude takový, ve kterém bude objem sémantické informace maximální (). Například sémantické informace v příchozí zprávě na neznámý cizí jazyk bude nula, ale stejná situace bude i v případě pokud zpráva již není novinkou, protože uživatel už všechno ví.
Pragmatické opatření informace určuje jeho užitečnost při dosahování cílů spotřebitele. K tomu stačí určit pravděpodobnost dosažení cíle před a po obdržení zprávy a porovnat je. Hodnota informací (podle A.A. Kharkeviče) se vypočítá pomocí vzorce:
kde je pravděpodobnost dosažení cíle před přijetím zprávy;
Pravděpodobnost dosažení cíle je polem přijetí zprávy;
vyskytující se v průměru za stát se nazývá entropie diskrétní zdroj informace
spojení.
H p i log p i
já 1 N
Pokud se opět zaměříme na měření nejistoty v binárních jednotkách, pak by měl být základ logaritmu považován za rovný dvěma.
H p ilog 2 p i
já 1 N
V ekvipravděpodobných volbách všichni
p log | ||||
a vzorec (5) se transformuje na vzorec (2) R. Hartleyho:
1 log2 | Nlog2 | ||||||
Navrhované opatření se ne náhodou nazývalo entropie. Faktem je, že formální struktura výrazu (4) se shoduje s entropií fyzikálního systému, již dříve definoval Boltzmann. Podle druhého termodynamického zákona je entropie uzavřeného prostoru určena
P i 1 | ||||||
pak růst
lze napsat jako
piln
já 1 N
Tento vzorec se zcela shoduje s (4)
V obou případech hodnota charakterizuje míru diverzity systému. | ||||||
Pomocí vzorců (3) a (5) je možné určit redundanci zdrojové abecedy zprávy. |
||||||
Což ukazuje, jak racionálně se používají symboly této abecedy: |
||||||
) je maximální možná entropie určená vzorcem (3); | () - entropie |
|||||
zdroj, určený vzorcem (5). | ||||||
Podstatou tohoto opatření je, že při stejně pravděpodobné volbě lze zajistit stejnou informační zátěž na znak použitím menší abecedy než při nestejném výběru.
Informační opatření na sémantické úrovni
K měření sémantického obsahu informace, tzn. jeho množství na sémantickou úroveň, nejrozšířenější je míra tezauru, která spojuje sémantické vlastnosti informace se schopností uživatele přijmout příchozí zprávu. Aby příjemce porozuměl a použil přijaté informace, musí mít určité znalosti. Úplná neznalost předmětu neumožňuje získat užitečné informace přijatá zpráva o tomto předmětu. S rostoucími znalostmi o předmětu roste i množství užitečných informací získaných ze zprávy.
Nazveme-li znalosti příjemce o daném předmětu „tezaurus“ (tj. určitý soubor slov, pojmů, názvů objektů spojených sémantickými vazbami), pak lze množství informací obsažených v určitém sdělení hodnotit podle stupně změny v jednotlivých tezauru pod vlivem tohoto sdělení.
Tezaurus je soubor informací dostupných uživateli nebo systému.
Jinými slovy, množství sémantických informací extrahovaných příjemcem z příchozích zpráv závisí na stupni připravenosti jeho tezauru takové informace vnímat.
V závislosti na vztahu mezi sémantickým obsahem informací a uživatelským tezaurem se mění množství sémantických informací, které uživatel vnímá a které následně zahrne do svého tezauru. Povaha této závislosti je znázorněna na obrázku 3. Uvažujme dva omezující případy, kdy se množství sémantické informace rovná
Obrázek 3 - Závislost množství sémantické informace vnímané spotřebitelem na jeho tezauru ()
Spotřebitel získává souhlasem maximum sémantických informací
kombinování jeho sémantického obsahu s jeho tezaurem (), kdy jsou příchozí informace pro uživatele srozumitelné a přinášejí mu dříve neznámé (ne v jeho tezauru) informace.
V důsledku toho je množství sémantických informací ve zprávě, množství nových znalostí přijatých uživatelem, relativní hodnotou. Stejná zpráva může mít smysluplný obsah pro kompetentního uživatele a být bezvýznamná pro nekompetentního uživatele.
Při posuzování sémantické (obsahové) stránky informace je třeba usilovat o harmonizaci hodnot a.
Relativní mírou množství sémantické informace může být obsahový koeficient, který je definován jako poměr množství sémantické informace k jejímu objemu:
Jiný přístup k sémantická hodnocení informace, vyvinuté v rámci vědeckých studií, spočívá v tom, že počet odkazů na ně v jiných dokumentech je brán jako hlavní ukazatel sémantické hodnoty informace obsažené v analyzovaném dokumentu (vzkazu, publikaci). Specifické ukazatele jsou tvořeny na základě statistického zpracování počtu odkazů v různých vzorcích.
Míry informací na pragmatické úrovni
Toto měřítko určuje užitečnost informace (hodnoty) pro uživatele k dosažení jeho cíle. Je to také relativní hodnota, určená zvláštnostmi použití těchto informací v konkrétním systému.
Jedním z prvních tuzemských vědců, kteří se zabývali tímto problémem, byl A. A. Charkevič, který navrhl brát jako měřítko hodnoty informace množství informací nutné k dosažení cíle, tzn. vypočítat přírůstek pravděpodobnosti dosažení cíle. Takže když
Hodnota informace se tedy měří v jednotkách informace, v v tomto případě v bitech.
Výraz (7) lze považovat za výsledek normalizace počtu výsledků. Pro vysvětlení ukazuje obrázek 4 tři diagramy, ve kterých jsou brány stejné hodnoty pro počet výsledků: 2 a 6 pro body 0 a 1, v tomto pořadí. Počáteční pozice- bod 0. Na základě obdržených informací se přechází do bodu 1. Cíl je označen křížkem. Příznivé výsledky jsou znázorněny čarami vedoucími k cíli. Stanovme hodnotu přijatých informací ve všech třech případech:
a) počet příznivých výsledků je tři: | a proto |
|||||||||||||||||||||||||||||
b) existuje jeden příznivý výsledek: | ||||||||||||||||||||||||||||||
c) počet příznivých výsledků je čtyři: | ||||||||||||||||||||||||||||||
V příkladu b) byla získána negativní informační hodnota (negativní informace). Takové informace, které zvyšují počáteční nejistotu a snižují pravděpodobnost dosažení cíle, se nazývají dezinformace. V příkladu b) jsme tedy obdrželi dezinformaci 1,58 binárních jednotek.
Množství informací se měří počtem znaků (bitů) ve zprávě. V různých kalkulačních systémech má jedna číslice různou váhu a podle toho se mění jednotka měření dat. Například zpráva „10111011“ v binárním systému má objem dat a = 8 bitů a v desítkové soustavě - V = 8 dětí.
K měření obsahu informací, tzn. jeho kvantita na sémantické úrovni, stupeň tezauru získal největší uznání, což spojuje sémantické vlastnosti informace se schopností uživatele vnímat přijatou zprávu. tezaurus - jedná se o soubor příruček, které uživatel IS používá
Pragmatická míra informací - hodnota informací pro uživatele k dosažení jeho cíle. Tato míra je relativní hodnotou, určenou zvláštnostmi použití informací v konkrétním informačním systému.
Hodnota informací je určena jejich množstvím nezbytným k dosažení cíle uživatele.
Pokud je před přijetím informace pravděpodobnost dosažení cíle rovna P g a po jeho přijetí - P 2, pak je hodnota informace určena vzorcem Un(G,/G 2) podle Clauda Shannona.
Metodu pro stanovení pravděpodobnosti míry hodnoty informace pro dosažení cíle navrhli M. Bongart a A. Charkevich. To lze formulovat následovně: pokud je dosažení cíle pravděpodobné a hodnota této pravděpodobnosti je známa před přijetím informace i po přijetí informace, pak lze míru hodnoty informace určit vzorcem
V=osh 2 (G/G),
Kde PROTI - míra informační hodnoty; G - pravděpodobnost dosažení cíle před obdržením informace; P je pravděpodobnost dosažení cíle po obdržení informace.
Hodnota informace je vždy spojena s jejím konkrétním příjemcem, s konkrétním cílem, který chce realizovat, a s konkrétními příležitostmi k realizaci tohoto cíle.
Je třeba poznamenat následující vlastnosti informací během jejich reprodukčního životního cyklu: schopnost akumulovat, zobecňovat, systematizovat, kopírovat, kódovat, cílit atd. (obr. 1.1).
Rýže. 1.1. Životní cyklus informací prostřednictvím poskytování služeb v informační společnosti
Uveďme některé vlastnosti informací: úplnost, spolehlivost, hodnota, přiměřenost, relevance, přehlednost, dostupnost, nevyčerpatelnost, kumulativnost, srozumitelnost, subjektivita.
Úplnost informací charakterizuje kvalitu informací a určuje dostatečnost dat pro rozhodování. Pojem úplnosti informace je spojen s jejím obsahem (sémantikou) a pragmatikou. Jako neúplné, tzn. Nedostatek informací pro správné rozhodnutí a nadbytečné informace snižují efektivitu rozhodování uživatele.
Forma je také důležitým faktorem při zobrazování informací. Informační produkty jsou prezentovány ve formě typické pro určité odvětví, korporaci nebo divizi.
Spolehlivost informací - jeho schopnost odrážet skutečné předměty s požadovanou přesností. Spolehlivost informace je měřena pravděpodobností, že se hodnota parametru zobrazovaná informacemi liší od skutečné hodnoty tohoto parametru v rámci požadované přesnosti. Nespolehlivá informace se vyznačuje informačním šumem a čím je vyšší, tím je spolehlivost informace nižší.
Hodnota informace nemůže být abstraktní. Informace musí být užitečné a cenné pro určitou kategorii uživatelů. Hodnota informace závisí na tom, jaké problémy lze s její pomocí vyřešit.
Adekvátnost informací charakterizuje míru shody informací s realitou. Adekvátní informace jsou úplné a spolehlivé informace.
Relevance informací - míra zachování hodnoty informace pro management v době jejího použití a závisí na dynamice změn jejích charakteristik a na časovém intervalu, který uplynul od výskytu určité informace. Relevance je důležitá při práci v neustále se měnícím prostředí. Včasné poskytování informací v jakékoli oblasti lidské činnosti je kritickým bodem, protože po určitou dobu může ztratit svou hodnotu. Každá úroveň vytváří své vlastní informační produkty spojené s určitými časovými obdobími.
Aktuálnost informací - jeho příchod nejpozději v předem stanovený čas, dohodnutý s časem řešení úkolu zadaného uživateli. Například pro účetnictví jsou to denní provozní, měsíční, čtvrtletní a výroční zprávy.
Jasnost informací - informace musí být srozumitelné těm, kterým jsou určeny.
Dostupnost informací je schopnost získávat a transformovat informace. Tato vlastnost informace je ovlivněna současně jak dostupností dat, tak možností použití adekvátních metod. Například v informačním systému se informace převádějí do přístupné a uživatelsky přívětivé podoby. Toho je dosaženo zejména koordinací jeho sémantické podoby s tezaurem uživatele.
Přesnost informací - míra podobnosti přijímané informace se skutečným stavem objektu, procesu, jevu atp. Existují: formální přesnost, měřená hodnotou jednotky nejméně významné číslice čísla; skutečná přesnost, která je určena hodnotou jednotky poslední číslice čísla; maximální přesnost, které lze získat za specifických provozních podmínek systému; potřebnou přesnost, která je způsobena funkční účel indikátor.
Subjektivita informací. Informace je subjektivní povahy, protože její hodnota je určena stupněm vnímání subjektu (příjemce informace).
Užitečné informace - vlastnost snižující nejistotu rozhodování.
Kvalitní je charakteristikou informačních produktů. Efektivita využívání informací určuje reprezentativnost, obsah, dostatečnost, relevanci, aktuálnost, přesnost, spolehlivost a udržitelnost.
Reprezentativnost informací - správnost jeho výběru a formování, aby přiměřeně odrážel vlastnosti předmětu. Nejdůležitější jsou zde: správnost konceptu, na jehož základě je původní koncept formulován; platnost výběru podstatných znaků a souvislostí zobrazovaného jevu. Nereprezentace informací často vede k významným chybám.
Spolu s koeficientem obsahu, který odráží sémantické hledisko, lze použít i koeficient obsahu informace, charakterizovaný poměrem množství syntaktické informace k objemu dat.
Stálost informací - jeho schopnost reagovat na změny zdrojových dat bez porušení požadované přesnosti. Stabilita informace, stejně jako její reprezentativnost, je spojena se zvoleným způsobem výběru a utváření. Relevance, aktuálnost, přesnost a spolehlivost informací ovlivňuje další parametry fungování informačního systému, včetně jeho spolehlivosti.
Pojem informace, data, znalosti spolu souvisí. V mnoha situacích často stačí intuitivní pochopení a výklad těchto kategorií. Složitost formální definice termíny „informace“, „údaje“, „znalosti“ spočívají v běžném používání těchto termínů. Dalším důvodem k terminologickému zmatku je skutečnost, že hranice mezi těmito pojmy je pro většinu odborníků zcela libovolná.
Data - jedná se o elementární popisy objektů, událostí, akcí a transakcí, zapamatované, klasifikované a uložené, ale nijak neuspořádané.
Informace jsou data, která jsou uspořádána tak, že mají konkrétní hodnotu a hodnotu pro uživatele.
Znalost sestávají z dat nebo informací organizovaných a zpracovávaných tak, aby zprostředkovaly konkrétní porozumění, zkušenosti, učení a odborné znalosti způsobem, který lze použít k řešení problémů nebo k akci.
Data lze považovat za základní pojem. Pokus o vymezení základních pojmů vede k potřebě blíže definovat používané pojmy.
Data - to jsou informace, ukazatele nutné k seznámení se s někým, něčím, k charakterizaci někoho, něčeho pro určité závěry a rozhodnutí; jejich vztahy, fráze a fakta, jejichž transformací a zpracováním lze získat informace o objektech, procesech nebo jevech.
V širokém smyslu jsou data fakta, text, grafika, obrázky, zvuky, analogové nebo video materiály. Mohou být získány jako výsledek měření, experimentů, aritmetiky a logické operace. Údaje musí být prezentovány ve formě vhodné pro ukládání, přenos a zpracování. Jsou surovinou pro vytváření informací.
Data se dělí na strukturovaná, nestrukturovaná a distribuovaná. Data jsou tedy surovinou poskytovanou poskytovateli dat a používanou spotřebiteli k vytváření informací z dat.
Data z pohledu programový kód- jedná se o část, soubor hodnot určitých paměťových buněk, jejichž převod provádí kód. Řízení přístupu k datům v moderní elektronické počítače (počítače) se provádějí v hardwaru. Podle von Neumannova principu může stejná oblast počítačové paměti fungovat jako data a jako spustitelný kód.
Data jsou na osobním počítači reprezentována ve formě souborů, které jsou dvojího typu – binární (binární) a textové; binární jsou zpracovávány specializovaným softwarem a textové standardním softwarem.
Datový model v informačních technologiích a systémech je prostředkem prezentace informací v informačních systémech, metodách a technologiích pro zpracování informací. Datový model v programovacích jazycích je definován jako datové struktury, omezení integrity a operace manipulace s daty.
Datový model v databázích (DB) je soubor metod a prostředků pro určování logická struktura DB a dynamické modelování stavy předmětné oblasti (SbA) v databázi.
Tradičně jsou datové struktury považovány za deklarativní znalosti, které odrážejí O. Na datových strukturách lze provádět uspořádanou sekvenci operací – program, který implementuje specifický algoritmus. Výsledkem programu je vždy deklarativní znalost a samotný program je znalost procedurální. Datový typ je abstraktní pojem, který je definován sadou logických schopností. Jakmile abstraktní typ Pokud jsou definována data a související operace, můžete tento datový typ implementovat. Implementace může být hardwarová, kdy jsou vyvinuty speciální elektronické obvody pro provádění potřebných operací, což je součástí samotného počítače. Nebo to může být softwarová implementace, kdy program sestávající z existujících hardwarových instrukcí interpretuje bitové řetězce nezbytným způsobem. Softwarová implementace obsahuje specifikaci toho, jak je objekt s daty nového typu reprezentován objekty existujících datových typů, a také specifikaci, jak se s ním pracuje pomocí operací definovaných pro takový objekt.
Přechod od dat ke znalostem je důsledkem vývoje a složitosti informačně-logických struktur, které jsou zpracovávány na počítači.
Znalosti jsou formou existence a systematizace výsledků lidské kognitivní činnosti. Jedná se o subjektivní obraz objektivní reality, tzn. odraz venkovní svět v lidské činnosti, ve formách jeho vědomí a vůle. Znalosti se mohou lišit úrovní prezentace (konkrétní a abstraktní) a úrovní podrobnosti dat, být úplné nebo neúplné, spolehlivé nebo nespolehlivé.
Znalost - jedná se o zákonitosti dané oblasti (zásady, souvislosti, zákony), získané jako výsledek praktických činností a odborných zkušeností, umožňující specialistům řešit problémy v dané oblasti.
Předmětná oblast (O) je ta část reality, která v člověku vzbuzuje zvláštní zájem a vyčnívá z obecného obrazu okolní objektivní reality.
Pojem „znalosti“ má následující významy: 1) porozumění získané skutečnou zkušeností; 2) stav povědomí o konkrétním vlastnictví informací, rozsah povědomí; 3) akt porozumění: jasné vnímání pravdy; 4) něco, co lze pochopit a mít na paměti (Websterův encyklopedický slovník). Velký zájem je o technologie pro shromažďování znalostí a automatizaci dolování dat za účelem identifikace nových znalostí. Svědčí o tom zejména pokusy o navázání na pojmy „informační společnost“ při zavedení pojmů „management znalostí“ a „znalostní ekonomika“.
Nejdůležitější zdroj moderní podnik, která může výrazně ovlivnit zvýšení její konkurenceschopnosti, jsou podnikové znalosti. Znalosti se stávají významným výrobním faktorem spolu se zdroji, kapitálem a prací.
Dnes jsme obklopeni obrovským množstvím informací. Počet informačních toků se neustále zvyšuje, ale zjišťujeme, že je nedokážeme využít. Znalosti nabývají různých podob, a proto se stávají obtížnějšími.
Je důležité si uvědomit rozdíl mezi tichými a explicitními znalostmi. Tiché znalosti (jsou obtížně definovatelné), často nejsou formalizovány a nelze je analyzovat, nepřispívají k hromadění zkušeností, dovedností atd. Může mít tiché znalosti individuální nebo skupina lidí. Explicitní znalosti používat jasné algoritmy s relevantními daty, zprávami, slovy a čísly.
Firemní znalosti se dělí na externí a interní. Do první skupiny patří např. znalosti o klientovi (nejdůležitější znalost pro většinu podniků), nezávislé analytické informace (marketingové zprávy a ratingy, ceny na mezinárodních burzách, dynamika změn amerických akciových indexů atd.).
Do druhé skupiny patří znalosti o hlavních procesech
Nashromáždění lepší zkušenost při plnění základních úkolů; o zboží/službách; optimální řešení, která splňují aktuální potřeby uživatelů; znalosti zaměstnanců
Identifikace, akumulace a využití intelektuálního kapitálu; stávající zkušenosti; osobní znalost, která zajišťuje úspěšnou spolupráci; duševní majetek (znalostní základny)
Zkušenosti s řízením projektů (příklady osvědčených postupů).
Management znalostí je soubor procesů, které jsou spojeny s tvorbou, šířením, zpracováváním a využíváním znalostí. Jedná se o technologii pro vyhledávání a získávání nových znalostí, jejich nositelů, strukturování, systematizaci, šíření a generování. Nejedná se o samostatný softwarový produkt, ale o komplexní strategii pro řízení státu, regionu, podniku nebo organizace s cílem maximalizovat využití jejich intelektuálního potenciálu.
Management znalostí (KM, angličtina - znalostní management)
Jedná se o podnikovou strategii, jejímž cílem je identifikovat všechny užitečné informace, které podnik má, studovat zkušenosti a zlepšovat dovednosti zaměstnanců s cílem zlepšit kvalitu služeb zákazníkům a zkrátit reakční dobu na dynamiku trhu. KM je formální procedura zavedená v korporaci pro práci s informačními zdroji pro usnadnění přístupu ke znalostem a jejich opětovné použití moderní ICT. V tomto případě jsou znalosti klasifikovány a kategorizovány v souladu s ontologií strukturovaných a polostrukturovaných databází a znalostních bází. Hlavním cílem KM je zpřístupnit a znovu použít znalosti v celé korporaci.
Zdroje znalostí se liší podle odvětví a aplikace, ale tradičně zahrnují manuály, dopisy, novinky, informace o zákaznících, informace o konkurenci a výrobní data.
K aplikaci systémů KM se používají různé technologie: e-mail; databáze a datové sklady; skupinové podpůrné systémy; systémy pro vyhledávání informací; podnikové sítě a internet; expertní systémy a systémy znalostní báze; inteligentní systémy atd. V systémech umělá inteligence,Znalostní báze jsou generovány pro odborníky a ,znalostní systémy, ve kterých počítače používají pravidla k získávání odpovědí na otázky uživatelů.
Tradičně se vývojáři KM systémů zaměřovali pouze na určité skupiny spotřebitelů, zejména manažery, kteří pracují s výkonnými informačními systémy. Moderní systémy řízení znalostí jsou zaměřeny na udržení chodu podniků.
Podniky nyní přecházejí k používání datových skladů, aby všichni zaměstnanci mohli využívat distribuované informace pro své znalosti.
Datové sklady jsou podrobně popsány v části 7. Liší se od tradičních databází v tom, že jsou navrženy tak, aby podporovaly rozhodovací procesy, spíše než aby efektivně shromažďovaly a zpracovávaly data. Za předpokladu, že jsou všechna data uložena v jediném úložišti, může být studium vztahů mezi jednotlivými datovými prvky přesné a výsledkem analýzy jsou nové poznatky. Alternativní přístup, nazývaný dolování znalostí, se používá k vyhledávání dat pro další znalosti, které jsou tam skryté.
Zatímco datové sklady obsahují převážně kvantitativní data, znalostní sklady se zaměřují především na kvalitativní data. Systémy řízení znalostí generují znalosti široký rozsah databáze, datové sklady, obchodní procesy, zpravodajské články, externí databáze, webové stránky atd. Úložiště znalostí jsou tedy podobná virtuálním skladům, kde jsou znalosti distribuovány mezi velké množství serverů.
Znalosti lze získat z obchodních procesů, průzkumů a dalších zdrojů. Znalostní báze (KB) mohou být navrženy tak, aby udržovaly chronologii podnikových aktivit, což se týká například práce s klienty. Znalostní báze lze použít k podpoře operací nebo generování informací o podniku jako celku. Znalostní báze optimální řešení shromažďovat znalosti v procesu používání různých testů k nalezení efektivních způsobů řešení problémů. Jakmile organizace získá znalosti o nejlepším řešení, může k němu mít přístup i zaměstnanci společnosti.
Znalostní inteligence je nový obor, který se rychle rozvíjí a využívá metody umělé inteligence, matematiky a statistiky k získávání znalostí z datových skladů. G. Pyatetsky-Shapiro a V. Froley definují termín „explorace znalostí“ jako netriviální získávání přesných, dříve neznámých a potenciálně užitečných informací z dat. Tato metoda zahrnuje nástroje a různé přístupy k analýze textových i digitálních dat.
Hlavním cílem systémů znalostní inteligence je přejít od tradiční metoda intuitivní rozhodování na základě neúplných informací řízení na základě znalostí;
Průzkum znalostí v moderní podmínky provádí za účelem dosažení dvou cílů – snížení rizik a zajištění bezpečnosti provozu a také získání konkurenčních výhod. Moderní systém znalostní inteligence umožňuje nejen sledovat informace, ale také modelovat strategii konkurentů, identifikovat jejich partnery a dodavatele a vyjasňovat podmínky spolupráce.
Hlavními úkoly systémů znalostní inteligence je vyhledávání a sumarizace informací o konkurentech, trzích, produktech, obchodních trendech atd. Například systém Odie (On demand Information Extractor) neustále skenuje asi tisíc nových článků, aby získal informace o změnách ve vedení. Je také možné použít funkci, která sleduje zprávy textové struktury pro sběr informací o jiných typech událostí souvisejících s podnikáním.
Jedním z nejdůležitějších a slibné směry v oblasti formalizace znalostí, která umožňuje využít nashromážděné znalosti pro počítačové zpracování, jsou ontologie, o kterých pojednává kapitola 9.
Cílem systémů řízení znalostí (KMS) je shromažďovat strukturované, formalizované znalosti: vzorce a principy, které pomáhají řešit skutečné výrobní úkoly. Hlavním cílem KMS je zpřístupnit a znovu použít znalosti v celé korporaci. Funkce KMS: 1) sběr znalostí; 2) ukládání a zpracování znalostí; 3) předávání znalostí. Ontologie je přesný popis konceptualizace. V podnikovém KMS mohou ontologické specifikace odkazovat na taxonomii úkolů, které definují znalosti pro systém. Ontologie tvoří slovní zásobu, která je sdílena napříč KMS, aby se usnadnila komunikace, zapamatování a prezentace. Vývoj a údržba ontologií v celém podniku vyžaduje neustálé úsilí o vývoj. Zejména ontologie je nezbytná k tomu, aby uživatel mohl pracovat s databázemi optimálních řešení, která se týkají široké škály podnikových problémů, a rozpoznat, které řešení se mu může v konkrétní situaci hodit. Protože podniky podporují různé typy činností, jeden KMS vyžaduje použití několika ontologií. U nadnárodních společností musí být ontologie přeložena do různých jazyků, aby byly informace uložené ve znalostních bázích přístupné všem zaměstnancům. Postupem času se průmyslová odvětví dostanou do skupin pro spolupráci nebo předplatitelských formulářů pro centralizovanou údržbu společné ontologie. Kromě ontologie mají pro využití znalostí velký význam další popisné atributy. Příklady popisných atributů zahrnují stav zaměstnance, podniku a informace. Teoreticky všechny znalostní báze ukládají informace o kontaktu nebo zaměstnanci, včetně jména, data kontaktu a role kontaktní osoby při generování znalostí. Mnoho bází znalostí uchovává organizační informace, jako jsou zprávy o tom, které oddělení vyvinulo projekt nebo shromáždilo znalosti. Informační stav je také typickým popisným atributem a může zahrnovat například označení stavu konkrétní položky: plánované, dnes používané nebo zastaralé. To může také zahrnovat prohlášení o tom, zda jsou informace určeny pouze pro interní použití nebo mohou být distribuovány mimo organizaci.
Kvalita a relevance znalostí závisí na mnoha faktorech, například na tom, kdo znalosti do systému dodává. Protože kvalita znalostí se zdroj od zdroje liší, systémy často vybírají znalosti tak, aby zajistily, že jsou úplné a spolehlivé.
Filtrace neprovádějí vždy zaměstnanci společnosti. Nejběžnější použití je filtrování e-mailových zpráv podle priority a kategorie. Kromě toho se používají různé nástroje pro sledování kvality databází. Obvykle posouzení závisí na potřebách konkrétních zaměstnanců, pracovních skupin nebo na zájmech celého podniku.
Znalostní báze často obsahují obrovské množství informací, takže vyhledávání nezbytné informace se stává extrémně kritickou funkcí. Většina moderní metody vyhledávací nástroje zahrnují nástroje, nástroje prediktivního vyhledávání a vizuální modely.
Široká škála známých nástroje vyhledávání (Google, AltaVista, Excite, Infoseek, Lycos, WebCrawler, Yahoo!) používané pro informační navigace Internetová síť. Všechny je lze přizpůsobit interním firemním potřebám při práci se systémy pro správu znalostí.
Pomocí inteligentních vyhledávacích nástrojů můžete najít data, která potřebujete informační prostředí Internet nebo firemní sítě. InfoFinder například zkoumá zájmy uživatelů pomocí souborů zpráv nebo dokumentů jimi klasifikovaných.
Na základě syntaxe zprávy se InfoFinder snaží identifikovat klíčové fráze, které pomáhají porozumět úkolům uživatele. Mezi nové trendy v designu vyhledávačů efektivní systémy lze rozlišit metodu řízení znalostí vizuální modely. Přítomny jsou dva nástroje – Perspecta a InXight různé metody znalostní vizualizace.
Perspecta vytváří inteligentní kontext pomocí metainformací extrahovaných ze zdrojových dokumentů, včetně strukturovaných informací v databázích a dokumentech, nebo nestrukturovaných dat v kancelářské dokumenty a webové stránky,
Pro nestrukturované dokumenty má Perspecta speciální modul pro analýzu dokumentů, který provádí lingvistickou analýzu a automaticky označuje dokumenty. Inteligentní kontextový server analyzuje pozorované informace, identifikuje vztahy mezi dokumenty a vytváří vícerozměrný informační prostor pomocí speciálního značkovacího jazyka (Information Space Markup Language). Pro úsporu prostředků jsou data nahrána do klienta pomocí Information Streaming Transport Protocol, což je rozšíření HTTP.
Společnost InXight Software vydala svůj vlastní vizualizační nástroj VizControl, který nabízí několik formátů vizualizace. Každý z nich rozvíjí metodu focus-context. Data se zobrazují na obrazovce a zároveň je zachována struktura velkých datových sad.
Provoz systémů řízení znalostí vyžaduje informační kulturu sdílení znalostí.
Při využívání systémů řízení znalostí jsou podniky schopny zajistit si vlastní konkurenceschopnost, což zjednodušuje opětovné využití stávajících znalostí a umožňuje vytvářet nové znalosti pro kvalitní rozhodování.
K vytváření řídicích systémů podniky využívají technologie a systémy, jako jsou znalostní báze a datové sklady, inteligentní systémy vyhledávání informací, systémy sběru dat, expertní systémy atd. Příkladem využití KMS v podniku je systém pro podporu obsluhy zákazníků ze strany manažerů - Relationship Management System. KMS poskytuje znalosti jak ve formě vhodné pro naše vnímání, tak ve formě digitální podobě. V prvním případě lze přístup ke znalostem získat pomocí prohlížečů a inteligentních vyhledávacích systémů. Někdy však mohou být znalosti dostupné ve strojovém formátu navrženy jako expertní systémové znalostní báze pro podporu rozhodování.
Model reprezentace znalostí (MPZ) je systém formalismů (pojmů a pravidel), podle kterého informační systém dodává znalosti do paměti počítače a provádí s ní operace. EPM se dělí na logické (indukční, predikátový počet atd.) a heuristické (síťové, rámcové a produkční).
MPP lze rozdělit na koncepční a empirický. Konceptuální model využívá k řešení problému heuristickou metodu. Umožňuje rozpoznat problém a zkracuje čas na jeho předběžnou analýzu. Praktické použití konceptuální model vyžaduje její transformaci na empirickou. Znalosti lze shromažďovat ve formě empirických modelů, obvykle deskriptivní povahy. Tyto modely se mohou lišit od jednoduché vytáčení pravidla k úplnému popisu toho, jak osoba s rozhodovací pravomocí řeší problém.
Inventář nezbytný pro tvorbu speciální jazyky popisovat znalosti a manipulovat s nimi, formalizovat postupy pro porovnávání nových znalostí s existujícími znalostmi, formalizovat mechanismy pro logické odvozování nových znalostí z existujících znalostí.
Knowledge About obsahuje popis subjektů, jejich prostředí a vztahů mezi nimi. Znalosti jsou definovány jako základní zákonitosti, které člověku umožňují řešit konkrétní výrobní, vědecké a jiné socioekonomické problémy, tzn. fakta, koncepty, vztahy, hodnocení, pravidla, faktické znalosti a strategie rozhodování. Tradiční 1C zahrnuje algoritmické znalosti obsažené v programech. Tyto znalosti jsou nedílnou součástí programů a jsou předem představeny vývojáři programu.
MPZ je často rozporuplné, neúplné a nejasné a potřebuje formalizaci, která se provádí pomocí smysluplné logiky, teorie fuzzy množiny, pravděpodobnostní a statistické metody.
Potřeba zefektivnit fungování podniků a zlepšit systémy řízení vedla k poznání, že hodnotami organizace nejsou jen její aktiva, produkty, majetek, ale i znalosti, zkušenosti, kvalifikace zaměstnanců, kultura. , tj. vše, co je zahrnuto v pojmu „intelektuální kapitál“.
Skupina Gartner věří, že řízení znalostí je obchodní proces pro správu duševního majetku podniku (obrázek 1.2), který je spojen s podnikovou strategií; vyžaduje organizační kulturu a disciplínu, která podporuje sdílení znalostí, mezifunkční spolupráci a podporuje inovace; by měla pomoci zlepšit obchodní procesy a optimalizovat výrobní procesy.
Rýže. 1.2. Typy znalostních funkcí v KMS
Schopnost efektivně využívat a rozvíjet znalosti a převádět je do nových produktů a služeb se proměňuje v důležitým faktorem konkurenceschopnost podniku v informační společnosti.
KM poskytuje integrovaný přístup k vytváření, shromažďování, organizování, používání a přístupu k podnikovým informačním zdrojům. Tyto zdroje zahrnují databáze, znalostní báze, elektronické dokumenty, popisující pravidla a postupy pro fungování podnikových procesů, výslovné znalosti a zkušenosti zaměstnanců.
Management znalostí v podniku sestává z hodnocení organizačních postupů, lidí, zdrojů a technologií a vytváření specializovaných informačních systémů.
KM zahrnuje cíl řízení, taktické cíle (řešení aktuálních problémů podniku), strategické cíle (zvyšování intelektuálního potenciálu podniku a jeho udržitelný rozvoj) a metodiku řízení, získávání a šíření znalostí.
Náklady na většinu produktů a služeb dnes primárně ovlivňují „nehmotná aktiva“, tedy taková, která jsou založena na znalostech. Experti zahrnují informace, obchodní procesy, osobní schopnosti specialistů atd. jako „nehmotná aktiva“.
Duševní aktiva podniku zvyšují jeho konkurenceschopnost a tržní hodnotu. Podnik musí chránit nejen své patenty a autorská práva, ale také identifikovat a chránit znalosti svých specialistů, znalosti o výrobě zboží/služeb, zákazníky, konkurenty atd.
V procesu znalostního managementu se rozlišují tyto funkce: tvorba - funkce, jejímž výsledkem jsou nové poznatky nebo modifikace stávajících znalostí; identifikace je funkce, která přeměňuje tiché znalosti na explicitní znalosti, to znamená, že mění individuální znalosti na veřejně dostupné znalosti; organizací - funkce klasifikace a kategorizace znalostí pro navigaci, zapamatování, vyhledávání a udržování znalostí; přístup - funkce přenosu a šíření znalostí mezi uživateli; používání - funkce aplikace znalostí pro rozhodování.
Hlavními složkami řízení znalostí jsou lidé, kteří přijímají, vytvářejí a předávají znalosti; procesy co se používá k šíření znalostí; informační systémy a technologie poskytování efektivní práce lidé a procesy.
Základní technologie CPS: nástroje spolupráce lidí, jako je software a systémy pro správu dokumentů (groupware, workflow); systémy založené na znalostech a precedentech (případové uvažování); systémy pro vyhledávání, analýzu a navigaci znalostí; systémy, které zajišťují interakci mezi VD a KB prostřednictvím rozhraní přirozeného jazyka.
Mezi hlavní součásti řídicího systému patří: architektura řídicího systému; prostředky komunikace mezi uživateli a databázemi; systém vyhledávání dokumentů; systém rozhodování a rozhodování; systém pro získávání znalostí z dat; expertní systémy, které spojují všechny výše uvedené komponenty do systému řízení znalostí.
Pro podniky je důležitý úkol synchronní řízení znalostí o mikro- a makroekonomických ukazatelích. Znalosti, které musí být zastoupeny v ekonomickém systému, mohou odrážet: strukturu, formu, vlastnosti, funkce a možné stavy výrobních a distribučních subsystémů; vztahy mezi ekonomickými subjekty, možné akce, kterých se mohou účastnit; ekonomické zákony a předpisy; možné účinky jednání a podmínek, příčiny a podmínky pro vznik rizikových událostí a podmínek; možné záměry, cíle, plány, dohody atd.
Důležitost intelektuální úrovně vyspělosti obyvatelstva a hloubky poznání země je zdůrazněna zavedením indexu lidského rozvoje OSN na počátku 90. let, kde se spolu s očekávanou délkou života a HDP na obyvatele počítá i s úrovní vzdělání. populace je představen.
Z tohoto pohledu znalost je plný set informace pro přímé řešení problému specialisty. Znalosti jsou schopnost organizovat proces a řídit jej k dosažení cíle.
Vlastnosti znalostí: interpretovatelnost - možnost jejich interpretace, která se realizuje pouze prostřednictvím práce programů s těmito daty; struktura - rozklad složité objekty k jednodušším a navazování spojení mezi objekty klasifikace; konektivitu - schopnost reprodukovat vzorce faktů, jevů a vztahů příčiny a následku mezi nimi; situační kompatibilita znalostí; aktivita - znalosti zajišťují cílené využití informací (neúplnost znalostí předurčuje jejich doplnění).
Informace a znalosti jsou jedním z nejcennějších zdrojů společnosti. Role informačních zdrojů jako důležitého zdroje pro rozvoj výroby a podnikání poroste, neboť zajišťují zvýšenou efektivitu strategického, taktického a operativního řízení založeného na využití nejnovějších technologií.
Informační zdroje. Informační zdroje snižují potřebu půdy, práce a kapitálu, snižují spotřebu surovin a energie a využívají se pro rozvoj nových typů výroby.
Informační zdroje zahrnují jednotlivé dokumenty a pole dokumentů, dokumenty v informačních systémech (knihovny, archivy, fondy, databanky, znalostní báze, jiné informační systémy). Informační zdroje jsou objekty vztahů mezi fyzickými osobami, právnickými osobami a státem.
Informační zdroje na počítačových médiích jsou specializovaná informační pole ve formě automatizované databáze data a také informační zdroje webových stránek na internetu.
Informační zdroje mohou být státní i nestátní a jako prvek majetku je mohou vlastnit občané, vládní orgány, místní samosprávy a podniky. Můžete zvážit informační zdroje jednotlivce, divize, podniku, země, mezinárodní společnosti atd.
(IP) je informace, která má určitou hodnotu a může být využita osobou v ekonomické činnosti k dosažení určitého cíle.
Dostupnost informačního zdroje - jedná se o míru dostupnosti dat a metod jejich zpracování. Stálost informačního zdroje odráží jeho schopnost reagovat na změny ve zdrojových datech, aniž by byla narušena požadovaná přesnost.
Adekvátnost informačního zdroje - to je míra shody s realitou. Neadekvátní informace mohou vzniknout, když jsou nové informace vytvořeny na základě neúplných nebo nespolehlivých dat.
Správnost rozhodování spotřebitele informací závisí na tom, jak jsou tyto informace adekvátní skutečnému stavu objektu. Na rozdíl od zdrojů spojených s hmotnými objekty jsou informační zdroje nevyčerpatelné a vyžadují různé metody obnovy.
V informační ekonomice jsou informační zdroje hlavním zdrojem přidané hodnoty.
Existuje řada vlastností, které odlišují informační zdroje od jiných typů zdrojů, jmenovitě: nemají fyzické opotřebení; ze své podstaty nehmotný; jejich použití umožňuje prudce snížit spotřebu jiných druhů zdrojů, což vede k jejich úsporám; proces jejich tvorby a používání probíhá pomocí ICT.
Mezi vlastnosti IR patří skutečnost, že ovlivňují efektivitu výroby bez fyzický nárůst tradiční zdroje urychlují proces reprodukce tím, že zkracují doby výroby a oběhu.
Definice IP je obsažena v zákoně Ukrajiny „O národním programu informatizace“, který „informačním zdrojem je soubor dokumentů v informačních systémech (knihovny, archivy, databanky atd.).“
Tato definice však nepokrývá celé spektrum IR. Vzhledem k tomu, že IR jako součást informační infrastruktury, je třeba poznamenat, že tato definice je nespecifická, protože z ní není zřejmé, které dokumenty mluvíme o a mezi ně patří zejména lidské vědění, které může ovlivnit ekonomické procesy a není nijak doloženo.
existuje jiný názor (A.V. Oleynik, A.V. Sosnin, L.E. Nimansky): „jsou to jednotlivé dokumenty a pole dokumentů, výsledky intelektuální, tvůrčí a informační činnosti, databáze a databanky, všechny typy archivů, knihoven, muzejních sbírek a ostatní obsahující informace a znalosti zaznamenané na vhodných médiích“ jsou předměty vlastnických práv všech subjektů Ukrajiny a mají spotřebitelskou hodnotu (politickou, ekonomickou, sociokulturní, vojenskou, historickou, tržní, * informační).
Informační zdroj je organizovaný soubor dokumentovaných informací, včetně databází a znalostí, datových skladů, souborů v informačních systémech (knihovny, archivy, kancelářské dokumenty atd.). Jedná se o ručně psané, tištěné a elektronické publikace obsahující regulační, administrativní, manažerské a další informace z různých oblastí veřejné činnosti (legislativa, politika, sociální sféra atd.).
Ne vždy lze jednoznačně určit optimální velikost požadovaných IR a jejich maximální cenu, resp. obvyklé poměry mezní náklady na získání informací a mezní přínos jejich použití.
Na makroúrovni hodnota informace roste s počtem ekonomických subjektů zapojených do jejího využití. Zároveň se cena může zvýšit v důsledku zvýšení efektivní poptávky po informacích.
Existují organizační, vědecké a technické, ekonomické, marketingové, sociální, environmentální IR atd. Důležitou otázkou ve vývoji teorie IR je metodika jeho měření, vypracování kritérií účinnosti a optimalizace jeho využití.
Klasifikace informačních zdrojů. Na územním základě budou rozlišovány následující IP: mezinárodní - globální, které nemají územní hranice; národní - používá se na území samostatného státu a náleží k němu; regionální - používá se v rámci regionu; místní (místní, podniky, organizace) - vzhledem ke specifické organizaci systému pro tvorbu, ukládání a používání IR v distribuovaných informačních systémech.
Světové informační zdroje A. Khoroshilov, S. Seletkov se dělí na následující: obchodní informace; vědecké a technické A specializované informace; hromadné informace pro spotřebitele. Obchodní informace jsou zase rozděleny do následujících typů: Bor Zhova a finanční informace kotace cenných papírů, směnné kurzy, diskontní sazby, komoditní a kapitálové trhy poskytované burzami, speciální směnárenské a finanční informační služby, makléřské společnosti atd.; statistické informace - numerické, ekonomické, demografické, sociální informace ve formě časových řad, předpovědních modelů a poskytovaných odhadů vládní služby, jakož i organizace zabývající se výzkumem, vývojem a poradenstvím; obchodní informace o firmách, firmách, korporacích, oblastech jejich práce, finanční situaci, cenách za produkty a služby, spojení, provozech, manažerech; obchodní novinky v oblasti ekonomiky a obchodu.
Vzhledem k tomu, že burzovní a finanční informace se neustále mění, musí být poskytovány v reálném čase. Poskytování burzovních a finančních informací by mělo být včasnější než komerční. Velmi důležitý je také význam komerčních informací v tržních a konkurenčních podmínkách. Tyto informace využívají přímo podnikatelé při řešení následujících úkolů: výběr dodavatelů, partnerů a zadávání zakázek; vstup na trh s novým produktem; hledat kupce; fúze a akvizice společností; marketingový průzkum analýza trhu.
Vědecké, technické a speciální informace zahrnují dokumentární bibliografické, abstraktní a plnotextové informace o základním a aplikovaném výzkumu, jakož i odborné informace pro právníky, lékaře, inženýry atd.
Organizace, které působí na trhu informačních služeb, nabízejí spotřebitelům různé druhy služeb, a to:
a) přístup k předmětu orientované základny, včetně profesionálních, a datové sklady v interaktivním a periodickém režimu;
b) databáze na pevných médiích - diskety a CD;
c) konzultace poskytují specialisté v oblasti informačních zdrojů;
d) školení v přístupu k informačním zdrojům atp. IP poskytovatelé jsou komerční subjekty,
státní a veřejné organizace, soukromé osoby, které se vystupují jako informační korporace, agentury, služby, centra, specializované stránky.
Například v roli informačních center mohou fungovat jako: centra, kde se vytvářejí a ukládají databáze a kde se neustále shromažďují a upravují informace; centra, která distribuují informace založené na různých databázích; Telekomunikační a datové služby; speciální služby, které získávají informace o konkrétní oblasti činnosti pro její analýzu, zobecnění a prognózování, například poradenské firmy, banky, burzy; obchodní firmy; informační makléři atd.
Silným zdrojem IP je dnes svět internetová síť. Na základě způsobů prezentace informací lze na internetu rozlišit následující typy informačních zdrojů:
1) Webové stránky (portály), kde uživatelé získávají přístup k informačním zdrojům prostřednictvím odkazů na webové stránky;
2) telekonference - důležitý zdroj informace; jsou rozděleny do sekcí na konkrétní témata;
3) databáze nebo datové sklady, - pokrývají velké objemy různých informací;
Podle formy vlastnictví jsou informační zdroje:
1) národní - zdroje, bez ohledu na jejich obsah, formu, čas a místo vytvoření, formy vlastnictví, určené k uspokojení potřeb občana, společnosti, státu, včetně:
2) Stát - předmět vlastnických práv státu;
3) utility - předmět komunitních majetkových práv;
4) soukromé - předmět práv soukromého vlastnictví.
Informační zdroje jsou podle možností využití:
1) jednorázový - použitý po obdržení uvnitř krátkodobý pro jednorázové rozhodování;
2) neustálé používání - zakoupeno jednou a znovu použito;
3) periodické - dorazí po určité době a jsou použity jednou.
Jednorázové IR se používají k řešení konkrétního úkolu v omezeném časovém období, takže jejich vytvoření může vyžadovat další finanční prostředky. Například informace o stavu trhu v době vydání Nové produkty mohou být tvořeny specialisty podniku nebo mohou být zakoupeny u specializovaného podniku, tyto informace však budou použity pouze při rozhodování o podmínkách vstupu na trh ve stanoveném období.
V procesu organizace zpracování periodických IR je třeba vzít v úvahu, že na základě primární IR, velký počet analytické informace nezbytné pro rozhodování manažerů různých funkčních oblastí na všech úrovních řízení.
Pokud jde o řídicí systémy, informace mohou být: vstupní - přijaté zvenčí; volno - dodává podnik do životního prostředí; vnitřní - vyrábí a používá v rámci podniku, divize.
Hlavním cílem tohoto klasifikačního kritéria je rozdělení rolí pro vytváření a řízení IR a informačních toků.
V závislosti na fázích životní cyklus IR jsou:
A) se vyvíjí - vyznačuje se vysokou úrovní běžných výdajů;
b) hlavní - distribuované poprvé v určitém časovém období, vyznačující se vysokou cenou z důvodu nákladů na vývoj;
PROTI) replikovatelné - slouží k přerozdělování, vyznačující se tím nízká úroveň náklady na výrobu kopií, funkční charakteristiky informační zdroje určují cenovou hladinu;
G) archivní - skladováno a používáno v produkční proces nepravidelně.
Toto klasifikační kritérium nabývá zvláštního významu v podmínkách, kdy je IR informačním produktem.
Informační produkt - zdokumentované informace připravené v souladu s potřebami uživatele a prezentované ve formě produktu. Informační produkty jsou softwarové produkty, databáze a databanky atd. Produktem informačního systému je informační technologie, která se vyznačuje některými znaky klasického hmotného produktu.
Fáze životního cyklu produktu určuje materiálové a časové náklady na jeho výrobu, rozsah práce, možný efekt použití v konkrétním okamžiku a stav ve výrobním systému. V každé fázi životního cyklu IR jsou vyžadovány individuální přístupy k řízení.
Podle míry pragmatismu se dělí na: povinné - zdroje, bez kterých nelze rozhodnout; žádoucí - přispívat ke zlepšování kvality přijímaných rozhodnutí, snižování míry nejistoty; nadbytečné - výrazně neovlivňují učiněné rozhodnutí ani neznesnadňují rozhodování z důvodu příliš velkého množství informací. Nadměrné IR vede ke snížení účinnosti jejich použití.
Rostoucí vliv ICT na ekonomické aktivity podniků vedl v ukrajinských podnicích k vytvoření divizí, mezi jejichž funkce patří řízení informačních toků uvnitř organizace i mimo ni - oddělení informačních technologií (informační a analytická podpora), jejichž úlohou bude zvýšit.
Náklady na získání IR jsou: zaplaceno - vyžadovat cílené investování finančních prostředků; volný, uvolnit - přijaté jako pomocný produkt činnosti podniku nebo distribuované zdarma.
Tento klasifikační znak z důvodu potřeby řídit financování tvorby, poskytování a využívání duševního vlastnictví, Speciální pozornost je třeba věnovat pozornost otázce hodnoty informace.
Podle způsobu získání IP existují: specializované - jejich příjem je plánován předem; lze objednat u organizací nebo oddělení podniku třetích stran a přijmout v určité lhůtě; pomocné (nespecializované) - získané jako doplňkový produkt v procesu hospodářské činnosti podniku nebo z životní prostředí; jejich příjem je zajištěn předem a v případě potřeby je prováděn účelně; náhodný - jejich příjem se nepředpokládá ani neplánuje předem.
zapojení do předmětu řízení IZ jsou: funkční - jejichž vytvoření, zpracování a použití předpokládá soupis prací, které se provádí v souladu s výkonovými charakteristikami; dodatečně - jejichž vytvoření, zpracování a použití se považuje za seznam prací provedených v souladu s dodatečnými výkonnostními charakteristikami.
Poslední dvě kritéria charakterizují IR s přihlédnutím k jejich tvorbě a mají zvýraznit primární a sekundární informace s přihlédnutím k prostředkům vynaloženým na jejich pořízení.
Za odrazem na hmotná média IR jsou elektronické; na pevných médiích (papír, disketa, disk, flash disky atd.); tradiční. Výzkum se provádí pomocí zásadně nových typů médií: holografických, molekulárních, krystalografických atd. Komunikační technologie určené pro přenos integrovanými kanály se velmi rychle zdokonalují různé typy informace (data, zvuk, obraz) přijímané z různých médií.
Podle způsobu použití jsou IR: pro úzké použití, jejichž hodnota se zvyšuje při monopolní moci; pro široké použití zvyšte hodnotu při distribuci.
Podle ukrajinského zákona „o informacích“ (článek 53) „informační zdroje Ukrajiny zahrnují veškeré informace, které jí patří, bez ohledu na obsah, formy, čas a místo vytvoření“, formy vlastnictví, určené k naplnění potřeby občana, společnosti, státu (obr. .1.3).
IR, podané pomocí elektronických médií, získává kvalitativně nový stav, stává se dostupným pro rychlou reprodukci potřebných informací a stává se nejdůležitějším faktorem socioekonomického rozvoje společnosti.
Vznik IZ a jejich systematické využívání se stávají předmětem politických a ekonomických zájmů na národní i mezinárodní úrovni. Na rozvoj technologií pro podporu informačních technologií jsou každoročně vyčleněny obrovské finanční prostředky.
Je nutné identifikovat problémy poskytování informačních zdrojů pro řízení ekonomických procesů, národní bezpečnosti, sociální a sociálně-politické oblasti. Informační zdroje v řízení ekonomických procesů pokrývají: národní úroveň, průmyslovou úroveň, regionální úroveň a úroveň ekonomických subjektů. Úkoly a cíle řízení na každé úrovni určují složení a objem potřebných IZ a způsoby jejich využití.
národní úroveň management řeší problémy makroekonomického monitorování, analýzy a prognózování; zajištění ekonomické bezpečnosti; kontrola činnosti státních, krajských a místních úřadů. Sledování ekonomických aktivit podniků vyžaduje rychlý přístup k příslušnému IP. Systém kontroly činnosti státních, územních a sektorových orgánů zajišťuje analýzu kvality výkonu jim svěřených funkcí, vynakládání rozpočtových prostředků a zjišťování porušení.
průmyslová úroveň management řeší problémy zajištění vědeckotechnického pokroku, zvyšování produktivity práce, kvality výrobků a zvyšování objemu výroby. Vědecké, technické, marketingové a regulační referenční typy IR poskytují řešení těchto problémů.
regionální úrovni řízení a požadavky na informační zdroje podobný úkol národní úroveň.
IR národní bezpečnost musí předcházet takovým hrozbám pro národní bezpečnost: krizím v důležitých odvětvích hospodářství (energetika, doprava, bankovní systém atd.); sociální strádání způsobené rostoucí nezaměstnaností a klesající životní úrovní; vzestup k moci zločineckých skupin; přesun významné části národních zdrojů pod kontrolu zahraničního kapitálu; ničení národní vědy a kultury, pokles vzdělanostní a kulturní úrovně obyvatelstva, šíření ideologie násilí, různá sektářské náboženské hnutí; odliv finančních, intelektuálních a informačních zdrojů do zahraničí; bankrot na úrovni státu způsobený prudkým nárůstem domácího i zahraničního dluhu; ztráta strategických zájmů na mezinárodní scéně.
Informační zdroje v řízení sociální a společensko-politické sféry by měly zajistit řešení následujících úkolů:
1) sociální regulace a snižování sociální stratifikace a napětí ve společnosti;
2) sociální ochrana obyvatelstva (důchodové, sociální pojištění, pojištění v nezaměstnanosti, pojištění pro případ pracovních úrazů);
3) analýza a řízení veřejného mínění;
4) ochrana národního jednotného informačního prostoru;
5) rozvoj kulturní a vzdělanostní úrovně obyvatelstva. Hlavním zdrojem sociálního systému jsou lidé. Základy
účelem informačního zdroje v této oblasti je poskytovat sociální ochrana, a pro rozvoj společnosti je nezbytná i kulturní, vzdělanostní a politická úroveň obyvatelstva. Hlavními zdroji informací o stavu IR osoby jsou: individuální registrační údaje ve státním systému sociálního pojištění; údaje ze sčítání lidu; výběrové šetření domácností; průzkumy veřejného mínění; sociální údaje (úroveň spotřeby, příjmů a úspor podle kategorií obyvatelstva, indexy spotřebních cen, životní náklady, náklady spotřebního koše).
Studium podstaty IR na makro úrovni pomáhá systematizovat jejich hlavní vlastnosti, které zahrnují: snadnost replikace a distribuce; relevantnost; žádná kvantitativní omezení; stálost; zánik; konzistence během používání; efektivita (schopnost dosáhnout materiálních změn); reprezentativnost; obsah; přiměřenost; včasnost; přesnost; spolehlivost; struktura; konzistence atd.
Informační zdroje na mikroúrovni znamenají informace, které jsou pro podnik cenné a jsou hodnoceny jako ostatní. materiální zdroje. Pokud vezmeme v úvahu duševní vlastnictví na mikroúrovni, pak jsou přímým produktem intelektuální činnosti kvalifikované části pracující populace země.
Jinými slovy, IR se v podstatě ztotožňuje se všemi užitečné informace co je ona produkuje společnost popř globální komunita.
Základem inteligentního IR jsou výsledky tvůrčí činnosti, vědeckého výzkumu a vývoje (R&D), které umožňují vytvářet high-tech produkty a využívat technické a vědecké myšlenky zaznamenané v různých dokumentech a publikacích. Jako zvláštní část se rozlišují aktivní IR, tzn. informace dostupné pro automatizované vyhledávání, ukládání, zpracování (programy, databáze, znalostní báze, datové sklady, dokumenty atd.) a pro široké použití.
Efektivita využívání informačních zdrojů je dána poměrem jejich aktivní části k celkovému objemu informačních zdrojů.
Informační technologie jsou v informační společnosti považovány za důležitý faktor kvalitativních změn v životě společnosti. Přitom zcela v souladu s realitou moderní civilizace se rozlišují dvě možnosti využití informačních technologií: na jedné straně využití informatizace v průmyslu a sociální sféře a na druhé straně přechod na vysoce organizované postindustriální metody implementace samotných informačních procesů.
Pro měření informace se zavádějí dva parametry: množství informace I a množství dat Vd.
Tyto parametry mají různé výrazy a interpretace v závislosti na zvažované formě přiměřenosti.
Syntaktická přiměřenost. Zobrazuje formální a strukturální charakteristiky informace a neovlivňuje její sémantický obsah. Na syntaktické úrovni se zohledňuje typ média a způsob prezentace informace, rychlost přenosu a zpracování, velikost kódů pro prezentaci informace, spolehlivost a přesnost převodu těchto kódů atd.
Informace uvažované pouze ze syntaktické pozice se obvykle nazývá data, protože na sémantické stránce nezáleží.
Sémantická (pomyslná) přiměřenost. Tato forma určuje míru korespondence mezi obrazem předmětu a předmětem samotným. Sémantický aspekt zahrnuje zohlednění sémantického obsahu informace. Na této úrovni se analyzují informace, které informace odrážejí, a zvažují se sémantické souvislosti. V informatice se mezi kódy pro reprezentaci informací vytvářejí sémantická spojení. Tato forma slouží k utváření pojmů a myšlenek, identifikaci významu, obsahu informací a jejich zobecnění.
Pragmatická (spotřebitelská) přiměřenost. Odráží vztah mezi informací a jejím spotřebitelem, soulad informací s cílem řízení, který je na jejím základě realizován. Pragmatické vlastnosti informace se projeví pouze tehdy, pokud existuje jednota informace (objektu), uživatele a cíle řízení.
Pragmatický aspektúvaha je spojena s hodnotou, užitečností použití informací, když spotřebitel vyvíjí řešení k dosažení svého cíle. Z tohoto hlediska jsou analyzovány spotřebitelské vlastnosti informací. Tato forma přiměřenosti přímo souvisí s praktické využití informace s jejich dodržováním Objektivní funkcečinnost systému.
Každá forma přiměřenosti odpovídá své vlastní míře množství informací a objemu dat (obr. 2.1).
Rýže. 2.1. Informační opatření
2.2.1. Syntaktická míra informace
Syntaktická míra kvantita informací operuje s neosobní informací, která nevyjadřuje sémantický vztah k objektu.
Objem dat V d ve zprávě se měří počtem znaků (bitů) v této zprávě. V různé systémy V notaci má jedna číslice jinou váhu a podle toho se mění i jednotka měření:
- PROTI binární systém měrná jednotka zápisu - bit ( bit - binární číslice - binární číslice);
- PROTI desítková soustava měrnou jednotkou zápisu je dit (desetinné místo).
Příklad. Zpráva v binární soustavě ve formě osmibitového binárního kódu 10111011 má objem dat V d = 8 bitů.
Zpráva v desítkové soustavě ve tvaru šestimístného čísla 275903 má objem dat V d = 6 číslic.
Množství informací je určeno vzorcem:
kde H (α) je entropie, tzn. množství informace se měří změnou (snížením) nejistoty stavu systému.
Entropie systému H (α), který má N možných stavů, je podle Shannonova vzorce rovna:
kde p i je pravděpodobnost, že systém je v i-tém stavu.
Pro případ, kdy jsou všechny stavy systému stejně pravděpodobné, je jeho entropie určena vztahem
kde N je počet všech možných zobrazených stavů;
m - základ číselné soustavy (různé symboly používané v abecedě);
n je počet bitů (znaků) ve zprávě.
2.2.2. Sémantická míra informace
K měření sémantického obsahu informace, tzn. její kvantita na sémantické úrovni, nejuznávanější je míra tezauru, která spojuje sémantické vlastnosti informace se schopností uživatele přijmout příchozí zprávu. K tomuto účelu se používá koncept uživatelský tezaurus.
Tezaurus je soubor informací dostupných uživateli nebo systému.
V závislosti na vztahu mezi sémantickým obsahem informace S a uživatelským tezaurem S p se mění množství sémantických informací, které uživatel vnímá a které následně zahrne do svého tezauru. Charakter této závislosti je znázorněn na obr. 2.2:
- když S p =0 uživatel nevnímá nebo nerozumí příchozí informaci;
- když S p → ∞ uživatel ví vše, nepotřebuje příchozí informace.
Rýže. 2.2. Závislost množství sémantické informace vnímané spotřebitelem na jeho tezauru I с = f (S p)
Při posuzování sémantické (obsahové) stránky informace je nutné usilovat o harmonizaci hodnot S a S p.
Relativní mírou množství sémantické informace může být obsahový koeficient C, který je definován jako poměr množství sémantické informace k jejímu objemu:
2.2.3. Pragmatická míra informací
Toto měřítko určuje užitečnost informace (hodnoty) pro uživatele k dosažení jeho cíle. Tato míra je také relativní hodnotou, určenou zvláštnostmi použití informací v konkrétním systému. Je vhodné měřit hodnotu informace ve stejných jednotkách (nebo jim blízkých), ve kterých se měří účelová funkce.
Pro srovnání uvádíme zadané informační míry v tabulce. 2.1.
Tabulka 2.1. Informační jednotky a příklady
| Míra informací | Jednotky | Příklady (pro počítačovou oblast) |
|---|---|---|
| Syntaktický: Shannon se blíží |
Stupeň snížení nejistoty | Pravděpodobnost události |
| Jednotky prezentace informací | Bit, byte, KB atd. | |
| Sémantický | tezaurus | Igelitová taška aplikační programy, Osobní počítač, počítačové sítě atd. |
| Ekonomické ukazatele | Ziskovost, produktivita, odpisová sazba atd. | |
| Pragmatický | Hodnota v použití | Peněžní hodnota |
| Kapacita paměti, výkon počítače, rychlost přenosu dat atd. | Čas na zpracování informací a rozhodování |
V databázi jsou informace zaznamenávány a reprodukovány pomocí speciálně vytvořených lexikálních prostředků a na základě přijatých syntaktických pravidel a omezení.
Parsovací sady nejdůležitější parametry informační toky, včetně nezbytných kvantitativních charakteristik, pro výběr souboru technických prostředků pro shromažďování, záznam, přenos, zpracování, shromažďování, uchovávání a ochranu informací.
Syntaktická analýza obsluhovaných informačních toků nutně předchází všem fázím návrhu informačních systémů.
Sémantická analýza umožňuje studovat informace z hlediska sémantického obsahu jednotlivé prvky, najít způsoby jazykové korespondence (lidský jazyk, počítačový jazyk) s jednoznačným rozpoznáním zpráv zadávaných do systému.
Pragmatická analýza se provádí s cílem určit užitečnost informací používaných pro řízení, identifikovat praktický význam zpráv používaných k rozvoji kontrolních akcí.
Trvalé informace zůstávají nezměněny nebo procházejí drobnými úpravami po více či méně dlouhé časové období. Tyhle jsou různé informace o pozadí, standardy, ceny atd.
Proměnné informace odrážejí výsledky výrobních a obchodních operací, odpovídají jejich dynamice a účastní se zpravidla jednoho technologického cyklu strojního zpracování.
Při zadávání a zpracování informací se používá dávkový a interaktivní režim.
Dávkový režim byl nejrozšířenější v praxi centralizovaného řešení ekonomických problémů, kdy velký podíl zaujímaly úkoly podávání zpráv o výrobě a hospodářské činnosti ekonomických subjektů na různých úrovních řízení. Organizace výpočetního procesu v dávkovém režimu byla postavena bez přístupu uživatele k počítači.
Jeho funkce se omezovaly na přípravu zdrojových dat pro sadu vzájemně propojených úloh a jejich přenos do zpracovatelského centra, kde se vytvořil balíček, zahrnující počítačovou úlohu pro zpracování, programy, zdroj, standardní ceny a referenční data. Balíček byl vložen do počítače a implementován automaticky bez účasti uživatele nebo operátora, což umožnilo minimalizovat čas potřebný k dokončení dané sady úkolů. V současné době je dávkový režim implementován v e-mailu nebo masivních aktualizacích databáze.
Interaktivní režim zajišťuje přímou interakci uživatele s informačním a výpočetním systémem, může mít povahu požadavku nebo dialogu se systémem;
Režim požadavku je nezbytný pro interakci uživatelů se systémem prostřednictvím značného počtu účastnických koncových zařízení, včetně těch umístěných ve značné vzdálenosti od zpracovatelského centra.
Příklad: Úkol rezervace jízdenek pro přepravu.
Informační systém implementuje hromadná služba, funguje v režimu sdílení času, ve kterém má několik nezávislých uživatelů používajících terminály přímo a prakticky
simultánní přístup do informačního systému. Tento režim umožňuje diferencovaně a přísně předepsaným způsobem poskytnout každému uživateli čas na komunikaci se systémem a po skončení relace se odhlásit.
Dialogový režim umožňuje uživateli přímou interakci s informačním a výpočetním systémem v pracovním tempu, které je pro něj přijatelné, zaváděním opakujícího se cyklu zadání úkolu, příjmu a analýzy odpovědi.
Více k tématu: Syntaktické, sémantické, pragmatické aspekty informačního procesu:
- Struktura hromadných informačních činností: shromažďování, zpracování, uspořádání, přenos, vnímání, transformace, uchovávání a využívání hromadných informací. Potenciální, přijímané a aktuální informace. Sémantické, syntaktické a pragmatické aspekty hromadných informačních textů.
- Jednotky a metody konceptualizace v sémantických, syntaktických a pragmatických aspektech
- 7. KRITÉRIA PŘIMĚŘENOSTI NOVINÁŘSKÉHO TEXTU SÉMANICKÉ, SYNTAXICKÉ, PRAGMATICKÉ ASPEKTY NOVINÁŘSKÉHO TEXTU SPECIFICITA ÚČINNOSTI NOVINÁŘSKÉHO TEXTU
