大数据知识表征的机制及其意义

发布时间：2019-11-28 22:23

【摘要】：大数据知识表征的机制包括技术转换、认知发现、实践应用三个环节及支撑体系,该机制具有动态性、协同性、反馈性和主体能动性等特征。每个环节都具有相应的结构与运行方式,彰显大数据知识在技术转换、认知发现和实践应用中的不同形态。从本体论看,大数据知识表征彰显对象的包容性;从认识论看,大数据知识表征彰显认识主体的多元性和认识过程的复杂性;从方法论看,表征彰显相关性与因果性、归纳法与演绎法的辩证统一;从实践论看,是德性知识论和社会建构论的应用典范。
【图文】：

模型图,知识表征,模型

征机制的模型(见图1)，该机制具有以下特征。图1大数据知识表征机制的模型第一，动态性。技术转换实现了经验世界和网络世界向数据镜像世界的转变，对经验世界和网络世界大数据的挖掘和可视化，为分析事物之间的相关性提供了技术支撑，为实现大数据知识的认知发现、实践应用提供了基础，，它是大数据知识表征的源头和关键。认知发现是联结大数据的信息与大数据知识实践应用的桥梁与纽带。只有实现大数据信息向知识的转换，才可能实现对实践的指导。虽然有些人认为只要拥有碎片化知识足矣。但是，这种偶然性并不能反映事物客观的运行规律，只有拥有更普遍意义上的陈述性知识，才能更客观地反映事物的运行方式，为实践提供更精准的服务。实践应用实现了程序性知识向实践的转换，彰显大数据的实践应用价值。这样，大数据的知识表征经过了经验世界和网络世界→大数据→信息→知识→实践的表征历程，同时彰显人的两次认识飞跃，即从对大数据的感性认识到理性认识再到实践应用，并揭示主与客、知与识、知与行二元基因辩证发展的历程。同时，知识表征的语义形式经过了再语义化的动态过程，从数据和信息→陈述性知识→程序性知识→实践应用。第二，协同性。传统的知识发现过程主要是认识主体对认识对象的理性认识。大数据技术包括存储、融合、分析、挖掘、可视化等技术，这些技术间的协同发展对于实现知识表征是非常重要的。大数据的认识主体包括科学共同体、政府、企业和民众，大数据的全样本性、完备性等需要不同主体的共同认知，大数据知识的发现与应用也需要不同主体之间的协同认知。“政府必须按照‘一数一源、授权使用、分层管理、分级应用’的原则，实现政府与民众、社会之间数据使用的协同性。”

模型图,知识表征,模型

征机制的模型(见图1)，该机制具有以下特征。图1大数据知识表征机制的模型第一，动态性。技术转换实现了经验世界和网络世界向数据镜像世界的转变，对经验世界和网络世界大数据的挖掘和可视化，为分析事物之间的相关性提供了技术支撑，为实现大数据知识的认知发现、实践应用提供了基础，它是大数据知识表征的源头和关键。认知发现是联结大数据的信息与大数据知识实践应用的桥梁与纽带。只有实现大数据信息向知识的转换，才可能实现对实践的指导。虽然有些人认为只要拥有碎片化知识足矣。但是，这种偶然性并不能反映事物客观的运行规律，只有拥有更普遍意义上的陈述性知识，才能更客观地反映事物的运行方式，为实践提供更精准的服务。实践应用实现了程序性知识向实践的转换，彰显大数据的实践应用价值。这样，大数据的知识表征经过了经验世界和网络世界→大数据→信息→知识→实践的表征历程，同时彰显人的两次认识飞跃，即从对大数据的感性认识到理性认识再到实践应用，并揭示主与客、知与识、知与行二元基因辩证发展的历程。同时，知识表征的语义形式经过了再语义化的动态过程，从数据和信息→陈述性知识→程序性知识→实践应用。第二，协同性。传统的知识发现过程主要是认识主体对认识对象的理性认识。大数据技术包括存储、融合、分析、挖掘、可视化等技术，这些技术间的协同发展对于实现知识表征是非常重要的。大数据的认识主体包括科学共同体、政府、企业和民众，大数据的全样本性、完备性等需要不同主体的共同认知，大数据知识的发现与应用也需要不同主体之间的协同认知。“政府必须按照‘一数一源、授权使用、分层管理、分级应用’的原则，实现政府与民众、社会之间数据使用的协同性。”

【相似文献】