डेटा आणि माहितीमधील मुख्य फरक. माहिती डेटाचे सादरीकरण

डेटा आणि माहिती सहसा समान असतात, परंतु दोन संज्ञांमध्ये लक्षणीय फरक आहे:

● माहिती- मानवी मेंदूतील संकल्पना आणि वस्तू (तथ्य, घटना, गोष्टी, प्रक्रिया, कल्पना) संबंधित ज्ञान;

● डेटा- प्रक्षेपण, व्याख्या किंवा प्रक्रियेसाठी योग्य प्रक्रिया केलेल्या माहितीचे सादरीकरण (संगणक फाइल्स, कागदी दस्तऐवज, माहिती प्रणालीमधील रेकॉर्ड).

माहिती आणि डेटामधील फरक असा आहे की:

1) डेटा ही विशिष्ट माध्यमांवर संग्रहित केलेली घटना आणि घटनांबद्दल निश्चित माहिती आहे आणि विशिष्ट समस्या सोडवताना डेटा प्रक्रियेच्या परिणामी माहिती दिसून येते.

उदाहरणार्थ, डेटाबेसमध्ये विविध डेटा संग्रहित केला जातो आणि विशिष्ट विनंतीनुसार, डेटाबेस व्यवस्थापन प्रणाली आवश्यक माहिती प्रदान करते.

2) डेटा माहिती वाहक आहे, माहिती नाही.

३) डेटा तेव्हाच माहितीमध्ये बदलतो जेव्हा एखाद्या व्यक्तीला त्यात रस निर्माण होतो. एखादी व्यक्ती डेटामधून माहिती काढते, त्याचे मूल्यांकन करते, त्याचे विश्लेषण करते आणि विश्लेषणाच्या परिणामांवर आधारित, एक किंवा दुसरा निर्णय घेते.

डेटा अनेक प्रकारे माहितीमध्ये बदलतो:

संदर्भ: डेटा कशासाठी आहे हे आम्हाला माहित आहे;

मोजणी: आम्ही डेटावर गणिती प्रक्रिया करतो;

सुधारणा: आम्ही चुका दुरुस्त करतो आणि चुका काढून टाकतो;

कॉम्प्रेशन: आम्ही डेटा संकुचित करतो, केंद्रित करतो, एकत्रित करतो.

अशा प्रकारे, एखाद्या विषयाबद्दलच्या ज्ञानाची अनिश्चितता कमी करण्यासाठी डेटा वापरणे शक्य असल्यास, डेटा माहितीमध्ये बदलतो. म्हणून, असा युक्तिवाद केला जाऊ शकतो की माहिती ही वापरली जाणारी डेटा आहे.

4) माहिती मोजली जाऊ शकते. माहितीच्या सामग्रीचे मोजमाप करण्याचे उपाय प्राप्तकर्त्याच्या अज्ञानाच्या प्रमाणात बदलाशी संबंधित आहे आणि माहिती सिद्धांताच्या पद्धतींवर आधारित आहे.

2. विषय क्षेत्र- हा वास्तविक जगाचा एक भाग आहे, ज्या डेटाबद्दल आम्ही डेटाबेसमध्ये प्रतिबिंबित करू इच्छितो. विषय क्षेत्र अमर्याद आहे आणि त्यात मूलत: महत्त्वाच्या संकल्पना आणि डेटा तसेच क्षुल्लक किंवा गैर-महत्त्वपूर्ण डेटा दोन्ही समाविष्ट आहेत. अशा प्रकारे, डेटाचे महत्त्व डोमेनच्या निवडीवर अवलंबून असते.

डोमेन मॉडेल. डोमेन मॉडेल म्हणजे डोमेनबद्दलचे आमचे ज्ञान. ज्ञान हे तज्ञांच्या मेंदूतील अनौपचारिक ज्ञानाच्या स्वरूपात असू शकते किंवा काही माध्यमांचा वापर करून औपचारिकपणे व्यक्त केले जाऊ शकते. अनुभव दर्शविते की डोमेन मॉडेलचे प्रतिनिधित्व करण्याचा मजकूर मार्ग अत्यंत कुचकामी आहे. डेटाबेस विकसित करताना अधिक माहितीपूर्ण आणि उपयुक्त म्हणजे विशेष ग्राफिकल नोटेशन्स वापरून केलेल्या विषय क्षेत्राचे वर्णन. विषय क्षेत्राचे वर्णन करण्यासाठी मोठ्या संख्येने पद्धती आहेत. सर्वात सुप्रसिद्ध म्हणजे SADT संरचनात्मक विश्लेषण तंत्र आणि त्यावर आधारित IDEF0, Gein-Sarson डेटा प्रवाह आकृती, UML ऑब्जेक्ट-ओरिएंटेड विश्लेषण तंत्र इ. डोमेन मॉडेल त्याऐवजी विषय क्षेत्रात होणाऱ्या प्रक्रियांचे आणि वापरलेल्या डेटाचे वर्णन करते. या प्रक्रियांद्वारे. पुढील ऍप्लिकेशन डेव्हलपमेंटचे यश हे विषय क्षेत्र किती योग्यरित्या तयार केले आहे यावर अवलंबून आहे.

3. डेटाबेस- वस्तुनिष्ठ स्वरूपात सादर केलेल्या स्वतंत्र सामग्रीचा संच (लेख, गणना, नियम, न्यायालयाचे निर्णय आणि इतर तत्सम साहित्य), अशा प्रकारे पद्धतशीर केले जाते की ही सामग्री इलेक्ट्रॉनिक संगणक (संगणक) वापरून शोधली आणि त्यावर प्रक्रिया केली जाऊ शकते.

बरेच तज्ञ "डेटाबेस व्यवस्थापन प्रणाली" या शब्दाऐवजी "डेटाबेस" हा शब्द चुकीच्या पद्धतीने वापरण्याची सामान्य चूक दर्शवतात आणि या संकल्पनांमध्ये फरक करण्याची आवश्यकता दर्शवतात.

माहिती आणि डेटामधील फरकाबद्दल विचार करताना, आपण मदत करू शकत नाही परंतु त्यांच्यात काही साम्य आहे का?

आपण अनेकदा भाषणात एका शब्दाच्या जागी दुसरा शब्द टाकतो की आपली विधाने कशी मूर्ख बनतात हे आपल्या लक्षात येत नाही. मूर्ख परिस्थितीत न येण्यासाठी, आपण त्या प्रत्येकाचा अर्थ काय हे शोधून काढले पाहिजे.

डेटा आणि माहिती यांच्यात इतका घनिष्ठ संबंध आहे की दुसऱ्याशिवाय एकाचे अस्तित्व एकतर अशक्य किंवा अर्थहीन आहे.

डेटा हा माहितीचा आधार आहे. मूलत:, ते फक्त वर्णांचा संच आहेत. परंतु काही आकलन प्रणालीद्वारे त्यांचा अर्थ लावल्यानंतर, डेटा माहिती बनतो.

घटना स्थिती

तर, माहिती फक्त तेव्हाच उद्भवते जेव्हा डेटा असलेला एक विशिष्ट स्त्रोत असेल आणि थेट, प्राप्तकर्ता असेल. डेटाचे अनेक प्रकारे माहितीमध्ये रूपांतर केले जाऊ शकते: मोजणी, सुधारणा, संक्षेप, संदर्भ आणि वर्गीकरण याद्वारे.

डेटा म्हणजे काही स्त्रोतांवर रेकॉर्ड केलेली माहिती. अलीकडे, डेटाचे प्रमाण अविश्वसनीय वाढीपर्यंत पोहोचले आहे. इंटरनेटच्या वेगवान वाढीमुळे हे घडले.

मोजमाप

डेटा मोजता येत नाही. आम्ही डेटा मोजण्यास सुरुवात करताच, प्रक्रिया प्रक्रिया सुरू होईल. याचा अर्थ डेटा आपोआप "माहिती" श्रेणीमध्ये जाईल. माहिती मोजता येते. हे करण्यासाठी, माहिती प्राप्त होण्यापूर्वी आणि नंतर ज्ञानाच्या पातळीचे मूल्यांकन करणे पुरेसे आहे.

रूपांतरण परिणाम

मानवी मेंदू, सर्वात प्रगत संगणकाप्रमाणे, आपल्याला प्राप्त झालेल्या डेटावर प्रक्रिया करतो आणि काही माहिती तयार करतो. आणि जेव्हा ते दुसऱ्या विचार प्रक्रियेत लागू करण्याची गरज निर्माण होते, तेव्हा त्याच्यासाठी ही माहिती डेटा बनते ज्यातून नवीन माहिती प्राप्त केली जाईल.

ठराविक कालावधीत वारंवार प्रक्रिया केलेल्या माहितीच्या परिवर्तनाचा अंतिम टप्पा म्हणजे ज्ञान.

निष्कर्ष वेबसाइट

1. डेटा आणि माहितीचा एकमेकांशी जवळचा संबंध आहे.
2. डेटा निश्चित आहे; तो वेळेच्या प्रत्येक युनिटमध्ये अस्तित्वात आहे. जेव्हा या डेटावर प्रक्रिया केली जाते तेव्हाच माहिती उद्भवते.
3. परिवर्तनानंतरचा डेटा माहिती बनतो. वारंवार पडताळलेली माहिती - ज्ञान.
4. माहिती, डेटाच्या विपरीत, एक मोजता येणारा पदार्थ आहे.

संकल्पना, रचना, वर्गीकरण, बुद्धिमान प्रणालीची वैशिष्ट्ये.

जर प्रणाली 3 मूलभूत कार्ये अंमलात आणते तर तिला बुद्धिमान म्हटले जाते:

1. ज्ञानाचे प्रतिनिधित्व आणि प्रक्रिया.

2. तर्क.

3. संप्रेषण.

वापरकर्ता

कार्यात्मक यंत्रणा ज्ञानाचा आधार

स्ट्रक्चरल ज्ञान - ऑपरेटिंग वातावरणाबद्दलचे ज्ञान. मेटाकनॉलेज म्हणजे ज्ञानाच्या गुणधर्मांबद्दलचे ज्ञान.

1. बायोकेमिकल (मेंदूशी संबंधित सर्व काही);

2. सॉफ्टवेअर-व्यावहारिक दिशा (फंक्शन्स पुनर्स्थित करणारे प्रोग्राम लिहिणे).

1. स्थानिक (कार्य) दृष्टीकोन: प्रत्येक कार्यासाठी असे विशेष कार्यक्रम आहेत जे एखाद्या व्यक्तीपेक्षा वाईट परिणाम साध्य करू शकत नाहीत.

2. ज्ञानावर आधारित पद्धतशीर दृष्टीकोन – ऑटोमेशन टूल्सची निर्मिती, स्वतः प्रोग्राम तयार करणे.

3. प्रक्रियात्मक प्रोग्रामिंगची पद्धत वापरून एक दृष्टीकोन - नैसर्गिक भाषांमध्ये अल्गोरिदम तयार करणे.

IIT चे मुख्य विभाग:

1. ज्ञान व्यवस्थापन.

2. औपचारिक भाषा आणि शब्दार्थ.

3. क्वांटम सिमेंटिक्स.

4. संज्ञानात्मक मॉडेलिंग.

5. अभिसरण (अभिसरण) निर्णय समर्थन प्रणाली.

6. उत्क्रांती अनुवांशिक अल्गोरिदम.

7. न्यूरल नेटवर्क.

8. मुंगी आणि रोगप्रतिकारक अल्गोरिदम.

9. तज्ञ प्रणाली.

10. अस्पष्ट संच आणि गणना.

11. नॉनमोनोटोनिक लॉजिक्स.

12. सक्रिय मल्टी-एजंट सिस्टम.

13. नैसर्गिक भाषा संवाद आणि अनुवाद.

14. पॅटर्न ओळख, बुद्धिबळ खेळणे.

समस्या क्षेत्राची वैशिष्ट्ये जिथे माहिती माहिती प्रणालीचा वापर आवश्यक आहे:

1. निर्णय घेण्याची गुणवत्ता आणि कार्यक्षमता.

2. अस्पष्ट ध्येये.

3. वातावरणातील गोंधळ, चढ-उतार आणि परिमाणित वर्तन.

4. एकमेकांना पुनर्स्थित करणाऱ्या घटकांची बाहुल्यता.

5. कमकुवत औपचारिकता.

6. परिस्थितीची विशिष्टता (नॉन-स्टिरियोटाइपिकलता).

7. माहितीची विलंब (लपत)

8. योजनांच्या अंमलबजावणीमध्ये विचलन, तसेच लहान कृतींचे महत्त्व.

9. निर्णयांचे विरोधाभासी तर्क.

अस्थिरता, फोकसचा अभाव, गोंधळलेले वातावरण

डेटा, माहिती आणि ज्ञानाची संकल्पना. ज्ञानाचे गुणधर्म आणि डेटामधील फरक.

माहिती अशी:

· प्राप्त झालेली आणि प्रसारित केलेली, विविध स्त्रोतांद्वारे संग्रहित केलेली कोणतीही माहिती;

· हा आपल्या सभोवतालच्या जगाविषयी माहितीचा संपूर्ण संच आहे, त्यामध्ये होणाऱ्या सर्व प्रकारच्या प्रक्रियांबद्दल जी सजीव, इलेक्ट्रॉनिक मशीन आणि इतर माहिती प्रणालींद्वारे समजू शकते;

· ही एखाद्या गोष्टीबद्दल महत्त्वपूर्ण माहिती असते, जेव्हा त्याच्या सादरीकरणाचे स्वरूप देखील माहिती असते, म्हणजे, त्याच्या स्वतःच्या स्वभावानुसार त्याचे स्वरूपन कार्य असते;

· आपल्या ज्ञानात आणि गृहीतकांमध्ये हे सर्व जोडले जाऊ शकते.

डेटा ही वस्तुस्थिती स्वरूपाची माहिती आहे जी विषय क्षेत्राच्या वस्तू, प्रक्रिया आणि घटना तसेच त्यांच्या गुणधर्मांचे वर्णन करते. संगणक प्रक्रिया प्रक्रियेत, डेटा परिवर्तनाच्या खालील टप्प्यांतून जातो:

· डेटा अस्तित्वाचे मूळ स्वरूप (निरीक्षण आणि मोजमापांचे परिणाम, तक्ते, संदर्भ पुस्तके, आकृत्या, आलेख इ.);

· संगणकात स्त्रोत डेटा इनपुट आणि प्रक्रिया करण्याच्या उद्देशाने डेटाच्या वर्णनाचे विशेष भाषांमध्ये सादरीकरण;

· संगणक स्टोरेज मीडियावरील डेटाबेस.

ज्ञान - कृत्रिम बुद्धिमत्ता आणि तज्ञ प्रणालींच्या सिद्धांतामध्ये - माहिती आणि अनुमानांचे नियम (व्यक्ती, समाज किंवा एआय प्रणालीकडून) जग, वस्तूंचे गुणधर्म, प्रक्रिया आणि घटनांचे नमुने, तसेच. निर्णय घेण्यासाठी त्यांचा वापर करण्याचे नियम म्हणून. ज्ञान आणि डेटामधील मुख्य फरक त्यांची रचना आणि क्रियाकलाप आहे;

माहिती प्रणालीमध्ये ज्ञान ठेवण्यासाठी, ते विशिष्ट डेटा स्ट्रक्चर्सद्वारे प्रस्तुत केले जाणे आवश्यक आहे जे एक बुद्धिमान प्रणाली विकसित करण्यासाठी निवडलेल्या वातावरणाशी संबंधित आहे. म्हणून, माहिती प्रणाली विकसित करताना, ज्ञान प्रथम जमा केले जाते आणि सादर केले जाते, आणि या टप्प्यावर मानवी सहभाग आवश्यक आहे, आणि नंतर ज्ञान संगणकात स्टोरेज आणि प्रक्रिया करण्यासाठी सोयीस्कर असलेल्या विशिष्ट डेटा स्ट्रक्चर्सद्वारे प्रस्तुत केले जाते.

आयपी ज्ञान खालील फॉर्ममध्ये अस्तित्वात आहे:

· प्रारंभिक ज्ञान (व्यावहारिक अनुभवातून प्राप्त झालेले नियम, तथ्यांमधील परस्पर संबंध प्रतिबिंबित करणारे गणितीय आणि अनुभवजन्य अवलंबित्व; कालांतराने तथ्यांमधील बदलांचे वर्णन करणारे नमुने आणि ट्रेंड; कार्ये, आकृत्या, आलेख इ.);

· निवडक ज्ञान प्रतिनिधित्व मॉडेलद्वारे प्रारंभिक ज्ञानाचे वर्णन (अनेक तार्किक सूत्रे किंवा उत्पादन नियम, सिमेंटिक नेटवर्क, फ्रेमचे पदानुक्रम इ.);

· संगणकावर स्टोरेज आणि प्रक्रिया करण्याच्या उद्देशाने डेटा स्ट्रक्चर्सद्वारे ज्ञानाचे प्रतिनिधित्व;

· संगणक स्टोरेज मीडियावरील ज्ञान आधार.

डेटाच्या तुलनेत ज्ञान ही अधिक जटिल श्रेणी आहे. ज्ञान केवळ वैयक्तिक तथ्येच नव्हे तर त्यांच्यातील संबंधांचे देखील वर्णन करते, म्हणूनच ज्ञानाला कधीकधी संरचित डेटा म्हणतात. ज्ञान हा एखाद्या व्यक्तीच्या मानसिक क्रियाकलापाचा परिणाम आहे ज्याचा उद्देश व्यावहारिक क्रियाकलापांच्या परिणामी प्राप्त झालेल्या अनुभवाचे सामान्यीकरण करणे आहे.

स्त्रोत डेटावर प्रक्रिया करण्याच्या विशिष्ट पद्धती लागू करून आणि बाह्य प्रक्रियांना जोडण्याच्या परिणामी ज्ञान प्राप्त केले जाते.

डेटा + प्रक्रिया प्रक्रिया = माहिती

माहिती + प्रक्रिया प्रक्रिया = ज्ञान

ज्ञानाचे एक वैशिष्ट्यपूर्ण वैशिष्ट्य म्हणजे ते स्त्रोत प्रणालीमध्ये समाविष्ट नाही. माहिती युनिट्सची तुलना करणे, त्यांच्यातील विरोधाभास शोधणे आणि त्यांचे निराकरण करणे यामुळे ज्ञान उद्भवते, म्हणजे. ज्ञान सक्रिय आहे; खालील गुणधर्मांद्वारे ज्ञान डेटापेक्षा वेगळे आहे.

ज्ञानाचे गुणधर्म (व्याख्यानांमधून):

· अंतर्गत व्याख्याक्षमता (डेटा + पद्धत डेटा). पद्धतशीर - संरचित डेटा, जो वर्णन केलेल्या घटकांची ओळख, शोध, मूल्यमापन आणि व्यवस्थापनाच्या उद्देशाने त्यांची वैशिष्ट्ये दर्शवतो.

· कनेक्शनची उपलब्धता (अंतर्गत, बाह्य), संप्रेषण संरचना

· स्केलिंगची शक्यता (माहिती युनिट्समधील संबंधांचे मूल्यांकन) - परिमाणवाचक

· सिमेंटिक मेट्रिक्सची उपलब्धता (खराब औपचारिक माहिती युनिट्सचे मूल्यांकन करण्याचे साधन)

· क्रियाकलापांची उपस्थिती (अपूर्णता, अयोग्यता त्यांना विकसित करण्यास, पुन्हा भरण्यास प्रोत्साहित करते).

ज्ञानाचे वर्गीकरण

ज्ञान- मानवी संज्ञानात्मक क्रियाकलापांच्या परिणामांचे अस्तित्व आणि पद्धतशीरीकरणाचा एक प्रकार. ज्ञान लोकांना त्यांचे क्रियाकलाप तर्कशुद्धपणे आयोजित करण्यात आणि प्रक्रियेत उद्भवणाऱ्या विविध समस्यांचे निराकरण करण्यात मदत करते.

ज्ञान(कृत्रिम बुद्धिमत्ता आणि तज्ञ प्रणालींच्या सिद्धांतामध्ये) - माहितीचा संच आणि अनुमानांचे नियम (व्यक्ती, समाज किंवा एआय सिस्टमकडून) जग, वस्तूंचे गुणधर्म, प्रक्रिया आणि घटनांचे नमुने तसेच निर्णय घेण्यासाठी त्यांचा वापर करण्याचे नियम.

ज्ञान आणि डेटामधील मुख्य फरक त्यांची रचना आणि क्रियाकलाप आहे;

ज्ञानाचे विविध प्रकार आहेत:

वैज्ञानिक,

अवांतर-वैज्ञानिक,

सामान्य-व्यावहारिक (सामान्य, सामान्य ज्ञान),

अंतर्ज्ञानी,

धार्मिक इ.

दैनंदिन व्यावहारिक ज्ञान हे प्रणालीगत, अप्रमाणित आणि अलिखित आहे. सामान्य ज्ञान एखाद्या व्यक्तीच्या त्याच्या सभोवतालच्या जगामध्ये अभिमुखतेचा आधार म्हणून काम करते, त्याच्या दैनंदिन वर्तनाचा आणि दूरदृष्टीचा आधार असतो, परंतु त्यात सहसा त्रुटी आणि विरोधाभास असतात. तर्कशुद्धतेवर आधारित वैज्ञानिक ज्ञान वस्तुनिष्ठता आणि सार्वत्रिकतेने वैशिष्ट्यीकृत आहे आणि ते सार्वत्रिकपणे वैध असल्याचा दावा करतात. त्याचे कार्य वास्तविकतेच्या प्रक्रियेचे आणि घटनेचे वर्णन करणे, स्पष्ट करणे आणि अंदाज करणे हे आहे. अवैज्ञानिक ज्ञान एका विशिष्ट बौद्धिक समुदायाद्वारे तयार केले जाते जे तर्कवादी लोकांपेक्षा भिन्न असतात;

ज्ञानाचे वर्गीकरण

I. स्वभावाने.ज्ञान असू शकते घोषणात्मकआणि प्रक्रियात्मक.

घोषणात्मक ज्ञानविशिष्ट संकल्पनांच्या संरचनेची केवळ कल्पना असते. हे ज्ञान डेटा, तथ्यांच्या जवळ आहे. उदाहरणार्थ: उच्च शैक्षणिक संस्था म्हणजे विद्याशाखांचा संग्रह आणि प्रत्येक विद्याशाखा, त्या बदल्यात, विभागांचा संग्रह असतो. प्रक्रियात्मकज्ञान सक्रिय स्वरूपाचे आहे. ते नवीन ज्ञान मिळविण्याचे आणि ज्ञानाची चाचणी घेण्याचे साधन आणि मार्ग याबद्दल कल्पना निर्धारित करतात. हे अल्गोरिदमचे विविध प्रकार आहेत. उदाहरणार्थ: नवीन कल्पना शोधण्यासाठी विचारमंथन पद्धती.

II. विज्ञानाच्या पदवीनुसार.ज्ञान असू शकते वैज्ञानिकआणि अतिरिक्त-वैज्ञानिक.वैज्ञानिक ज्ञान असू शकते:

1) अनुभवजन्य (अनुभव किंवा निरीक्षणावर आधारित);

2) सैद्धांतिक (अमूर्त मॉडेल्सच्या विश्लेषणावर आधारित, साधर्म्य, प्रक्रियांची रचना आणि स्वरूप प्रतिबिंबित करणारे आकृत्या, म्हणजे अनुभवजन्य डेटाचे सामान्यीकरण).

अतिरिक्त-वैज्ञानिक ज्ञान असू शकते:

 पराशास्त्रीय ज्ञान - घटनांविषयी शिकवणी किंवा विचार, ज्याचे स्पष्टीकरण वैज्ञानिक निकषांच्या दृष्टिकोनातून पटण्यासारखे नाही.

 स्यूडोसायंटिफिक - जाणीवपूर्वक अनुमान आणि पूर्वग्रहांचे शोषण.

 अर्ध-वैज्ञानिक - ते हिंसा आणि जबरदस्तीच्या पद्धतींवर अवलंबून राहून समर्थक आणि अनुयायी शोधत आहेत. अर्ध-वैज्ञानिक ज्ञान, एक नियम म्हणून, काटेकोर श्रेणीबद्ध विज्ञानाच्या परिस्थितीत भरभराट होते, जेथे सत्तेत असलेल्यांवर टीका करणे अशक्य आहे, जेथे वैचारिक शासन कठोरपणे प्रकट होते. (रशियाच्या इतिहासात, "अर्ध-विज्ञानाचा विजय" चे कालखंड सुप्रसिद्ध आहेत: लिसेन्कोइझम; फिक्सिझम इ.)

 विज्ञानविरोधी - युटोपियन म्हणून आणि वास्तविकतेबद्दल जाणूनबुजून विकृत कल्पना.

 स्यूडोसायंटिफिक - बौद्धिक क्रियाकलापांचे प्रतिनिधित्व करा जे लोकप्रिय सिद्धांतांच्या संचावर अनुमान लावतात (प्राचीन अंतराळवीरांबद्दलच्या कथा, बिगफूटबद्दल, लॉच नेसच्या राक्षसाबद्दल)

 दैनंदिन-व्यावहारिक - निसर्ग आणि सभोवतालच्या वास्तवाबद्दल मूलभूत माहिती प्रदान करणे. सामान्य ज्ञानामध्ये सामान्य ज्ञान, चिन्हे, सुधारणा, पाककृती, वैयक्तिक अनुभव आणि परंपरा यांचा समावेश होतो. जरी ते सत्य नोंदवत असले, तरी ते असंबद्धपणे आणि पुराव्याशिवाय करते.

 वैयक्तिक - एखाद्या विशिष्ट विषयाच्या क्षमतेवर आणि त्याच्या बौद्धिक संज्ञानात्मक क्रियाकलापांच्या वैशिष्ट्यांवर अवलंबून. सामूहिक ज्ञान सामान्यत: वैध (ट्रान्सपर्सनल) असते, ज्यामध्ये संकल्पना, पद्धती, तंत्रे आणि बांधकाम नियमांची उपस्थिती संपूर्ण प्रणालीसाठी सामान्य असते. III. स्थानानुसार

हायलाइट करा वैयक्तिक(मग्न, लपलेले, अद्याप औपचारिक नाही) ज्ञान आणि औपचारिक(स्पष्ट) ज्ञान.

मौखिक ज्ञान- लोकांचे ज्ञान जे अद्याप औपचारिक झाले नाही आणि इतर लोकांना हस्तांतरित केले जाऊ शकत नाही.

औपचारिकताकाही भाषेत (स्पष्ट) ज्ञान:

 कागदपत्रांमधील ज्ञान;

 सीडीवरील ज्ञान;

 वैयक्तिक संगणकाचे ज्ञान;

 इंटरनेट ज्ञान;

 ज्ञान तळांमध्ये ज्ञान;

 तज्ञ प्रणालींमधील ज्ञान, मानवी तज्ञांच्या स्पष्ट ज्ञानातून काढलेले.

ज्ञानाची विशिष्ट वैशिष्ट्ये तत्त्वज्ञानात अजूनही अनिश्चिततेची बाब आहे. बहुतेक विचारवंतांच्या मते, एखाद्या गोष्टीला ज्ञान मानले जावे, त्यासाठी तीन निकष पूर्ण केले पाहिजेत:

अ) पुष्टी करणे,

ब) खरे असावे,

c) विश्वासार्ह.

संबंधित माहिती.

ज्ञान व्यवस्थापनाच्या मुद्द्यांवर विचार करणे सुरू ठेवण्यापूर्वी, या क्षेत्राच्या मुख्य संकल्पना परिभाषित करणे महत्वाचे आहे: “डेटा”, “माहिती”, “ज्ञान”.

नॉलेज मॅनेजमेंट वरील साहित्य त्याच्या व्याख्येसाठी वेगवेगळे दृष्टिकोन मांडते. पूर्ण-प्रमाणात विश्लेषण करण्याचा आव न आणता, आम्ही काही महत्त्वाचे मुद्दे मांडण्याचा प्रयत्न करू.

अंतर्गत डेटाअक्रमित निरीक्षणे, संख्या, शब्द, ध्वनी, प्रतिमा समजतात. हा इव्हेंट्सबद्दल स्वतंत्र, वस्तुनिष्ठ घटकांचा एक संच आहे. शिवाय, संस्थात्मक संदर्भात, डेटाचा अर्थ क्रियाकलापांच्या कृतींच्या संरचित रेकॉर्ड म्हणून केला जातो. संस्था सहसा माहिती प्रणालीमध्ये डेटा संग्रहित करतात, ज्यामध्ये ते विविध विभाग आणि सेवांमधून येतात.

जेव्हा डेटा व्यवस्थित, क्रमबद्ध, गटबद्ध, वर्गीकृत केला जातो तेव्हा तो बनतो माहिती. एका विशिष्ट उद्देशाने मांडलेल्या डेटाचा संग्रह म्हणून त्याचा अर्थ लावला जातो ज्यामुळे त्याचा अर्थ होतो.

संदेश- हा मजकूर, डिजिटल डेटा, प्रतिमा, ध्वनी, ग्राफिक्स, सारण्या इ.

बुद्धिमत्ता- "संदेश" च्या संकल्पनेसह व्यावहारिकदृष्ट्या समानार्थी. ते बहुतेकदा घरगुती स्वरूपाचे असतात.

ज्ञानउत्पादक वापरासाठी सज्ज, प्रभावी आणि अर्थाने सुसज्ज असलेली माहिती म्हणून त्याचा अर्थ लावला जातो. हे औपचारिक अनुभव, मूल्ये, संदर्भित माहिती आणि तज्ञांच्या आकलनाचा संग्रह आहे जे नवीन अनुभव आणि माहितीचे मूल्यांकन आणि एकत्रित करण्यासाठी आधार बनवते. हे लोकांच्या मनात तयार केले जाते आणि लागू केले जाते आणि संस्थांमध्ये ते केवळ दस्तऐवज आणि भांडारांमध्येच नव्हे तर संस्थात्मक कार्यपद्धती, प्रक्रिया, गोष्टी करण्याच्या पद्धती आणि नियमांमध्ये देखील समाविष्ट केले जाते.

साहित्याच्या पुनरावलोकनाच्या आधारे तक्ता ज्ञानाच्या विविध व्याख्या प्रदान करतो.

चर्चा केलेल्या बहुतेक व्याख्या यावर भर देतात की माहितीच्या तुलनेत ज्ञान ही एक व्यापक, सखोल आणि समृद्ध संकल्पना आहे. ते प्रतिनिधित्व करतात विविध घटकांचे द्रव कनेक्शन – अनुभव, मूल्ये, माहिती आणि तज्ञांची समज- आणि सतत बदलत आहे; ते अंतर्ज्ञानी आहेत; ते लोकांचे वैशिष्ट्य आहेत आणि त्याच्या अप्रत्याशिततेसह मानवी साराचा अविभाज्य भाग आहेत.