大数据知识实现维度分析.docVIP

大数据知识实现维度分析 　　〔摘要〕 解决大数据知识的实现问题，应从历史、科学、认知、伦理、语义学和社会等六个维度来思考。从历史维度看，知识实现的历史进程，数据的多样性和巨增性，数据科学的发展为大数据知识实现提供了可能；从科学维度看，数据科学的理论创新和大数据技术成熟水平是支撑大数据知识实现的科学技术基础；从认知维度看，大数据知识实现包括认识论和实践论两个层面的认知，认知过程不仅求真而且求效，认知结果具有客观性与语境依赖性；从伦理学维度看，大数据知识实现需解决复杂的伦理问题；从语义学维度看，大数据知识的语义表征是大数据隐性知识向显性知识转换的桥梁；从社会维度看，大数据知识实现来源于社会支撑，又服务于社会需要。大数据知识实现的不同维度之间具有协同性、历时性、共时性等特征 〔关键词〕 大数据知识，历史维度，科学维度，认知维度，伦理维度，语义学维度，社会维度 〔中图分类号〕N03 〔文献标识码〕A 〔文章编号〕1004-4175（2017）02-0064-05 大数据时代，大数据技术通过对大数据存储、分析、挖掘、可视化等形成大数据知识，大数据知识成为继经验知识、理性知识和计算知识之后知识实现的新范式。组织理论家罗素?艾可夫勾勒认为知识的三角形金字塔包括三层，最下层为数据，中间层为信息和知识，最高层为理解和智慧。这样，大数据知识实现彰显知识生产和应用的整个过程。大数据知识实现离不开历史的大数据资源和大数据科学技术的发展，及科学同共体、政府、企业和民众的认知及他们所承担的伦理责任，同时还需要语义学将大数据所隐含的知识显性化，社会也为大数据知识实现提供人才、技术、制度等方面的支撑。这样，大数据知识是在历史、科学、认知、伦理、语言学、社会等维度相互关联中实现的，每个维度承担着不同的功能 一、历史维度 “我们要全面地看待科学的功能，就应该把它放到尽可能广阔的历史背景上来考察。” 〔1 〕大数据知识实现的历史维度不仅包括知识实现本身的发展，而且包括大数据、数据科学的历史进程 （一）不同时期的知识实现。对于知识实现可以追溯到古希腊。早在古希腊时期，亚里士多德就将知识分为纯粹理性、实践理性和技艺。目前知识有内在主义和外在主义两种类型。内在主义者柏拉图认为知识是被证明为真实的信念，外在主义者海德格尔认为知识是对实践行为有益的理论认知。知识的分野直接影响对知识的实现。知识作为可以指代某种信念或实践行为的符号，有陈述性知识和程序性知识两种形态。陈述性知识侧重于“是什么”的知识，程序性知识是关于“如何做”的知识。也就是说陈述性知识侧重内在认知信念的实现，程序性知识侧重外在实践知识的实现。随着知识主体从哲学家扩展到科学共同体再扩展到政府和民众，知识实现就不能局限于对信念的真的确证。吉姆观的相符性。理论范式客观要求知识实现应凸显建模和归纳形成知识与客观的相符性；计算范式要求通过模拟和计算形成的知识与客观相符；数据范式客观要求通过数据挖掘形成的知识不仅应反映事物运行客观性的陈述性知识，而且应反映将相应知识应用于实践的程序性知识，形成大数据-信息-表述性知识-程序性知识的实现过程，凸显大数据知识实现的客观性与实践性。知识从经验范式走向数据范式，为大数据知识实现提供了历史机遇 （二）不同时期的数据发展。从知识实现的历程看，知识从来没有离开过数据。传统经验阶段，知识多是来源于对经验数据的归纳与总结，知识实现形式多是文字的，虽然?验数据比较少，但是仍然是知识产生的主要来源。实验科学阶段，随着近代科技革命的不断推进，理论建模与实验数据的相符性成为知识实现的重要形式。计算科学阶段，知识实现来源于模拟和计算等途径的数据，通过对数据的分析挖掘形成相应的信息和知识。大数据时代，随着社交网络、镜像世界中数据的爆炸式增长，自然界和人类行为通过大数据形成记录下来，这些大数据具有数据体量巨大、类型繁多、价值密度低、处理速度快等特征。数据资源的不断拓展和激增，使大数据成为知识的重要来源之一，为大数据知识实现提供了数据资源。小数据与大数据知识最大的区别在于小数据先有研究目的再收集数据作证，而大数据不作理论预设，通过对已存在的大数据发现其中的知识，这是大数据时代知识生产的一种新途径和新方式。没有大数据，就没有大数据知识，也就谈不上大数据知识实现了。正是数据与知识实现的历史演进，凸显大数据知识实现的历史变革性 （三）数据科学的发展。大数据知识实现不仅与知识和数据的发展相关，而且与数据科学的发展相关。20世纪60 年代数据科学已提出，当时并没有得到学术界的认可。1996年数据科学开始受到重视，成为一些会议的主题。2001年美国统计学教授威廉S.克利夫兰首次将数据科学作为一个单独的学科。数据科学主要研究数据的理论、方法和技术，包括数据理论和数据技术。正是数据科学