3.1.3.1 信息增值
梁占平认为,“information”是一个连续体的概念,由事实、数据、信息、知识、情报、职能五个要素构成“信息链”,信息的上游面向物理属性,信息的下游面向认知属性[14]。
信息资源管理理论兴起以后,于20世纪80年代中期以后,融入图书情报学的一些理念和方法,产生了信息管理学派[15]。研究者认为,信息作为重要的生产要素,通过有效开发利用和管理,能够实现价值的增值,并对组织的决策和行为产生作用[16]。Taylor提出的信息增值理论认为信息的价值在制定决策以及用户活动时体现得更为明显,信息增值过程包括初始的信息收集和处理、信息分析、判断过程,以及最终的决策和行动过程,增值过程的各个环节与不同的信息增值形态相对应[17]。其提出的信息增值图谱如图3-2所示。对于社会管理领域的网络舆情应对决策来说,进行网络舆情信息聚合的最终目的是要提高信息资源管理效率和效果,以此促进管理能力的提升,增进与民众的有效沟通,其价值增加链可以描述为:信息—知识—公共沟通—公信力。
图3-2 Taylor提出的信息增值图谱[18]
3.1.3.2 DIKW价值链
DIKW价值链是阐述知识生成的科学体系,该体系指出将数据、信息与知识递进转化并被理解后就可以生产出指导未来做正确事情的智慧。
DIKW元素和相应的分级结构可以追溯到20世纪80年代[19],一系列扩展或改进DIKW框架的理论不断涌现,学术界也一直存在关于框架元素和结构的讨论,DIKW框架的各个方面都存在争议,例如文献[20]。
3.1.3.2.1 DIKW元素
信息社会环境下,不同类型的知识共存,信息的传递和使用的障碍在知识研究中要得到改良或者改进,才有利于促进知识生产或创新。Mittelstrass认为,在一个信息技术已经为社会信息的发展铺平道路的社会里,知识逐渐被那些未被开发和使用的信息取代和混淆,因此引出了一个关于数据、信息、知识和智慧的讨论:如何从知识到智慧,什么是智慧,知识是否只是另一种信息[21]。从已有文献中我们可以简单地把DIKW框架中数据—信息—知识—智慧等级理解成区分不同层次的知识的广义模型,通过它,我们在处理网络舆情应对决策的内容时,就可以结合DIKW的元素进行针对性的诠释。
基于已有研究理论,广义上的DIKW元素可以概括为:
(1)数据
数据是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的原始素材[22]。
数据是可以呈现事物特征与其环境特征的一种象征,它是可以观察的[23]。
数据是按照一定规则排列组合、用以载荷或记录信息的物理符号,可以是数字、文字、图像,也可以是声音或计算机代码[24],只有通过对数据背景和规则的解读才能获取信息[25]。
例如:一个文档包括很多指向不同时间段的舆情事件数据。
(2)信息
信息是相对的、有用的、有意义的、可处理的数据[26]。(www.daowen.com)
信息系统可以生成、储存、取回、可处理的数据,信息可以统计和计算的,在任何情况下,信息是可以从数据当中推断出来的[27]。
认识论层次的信息理念源于人们一开始问的一些问题,“是谁”“是什么”“在哪里”“什么时候”“有多少”,与之相关的数据就可以变成问题的答案,这时候,数据就变成了“信息”,数据本身没有意义,除非变成一个相关的形式,从结论来说,数据和信息的不同不在于结构上,而在于实用性上[28]。
信息是可以推断的,例如通过数据统计并图示,可以描绘出舆情事件的发展趋势等。
(3)知识
哲学研究中对知识的研究叫作认识论,认识知识的本质、了解知识生产的过程。从认知哲学的层面看,知识是事物运动状态和状态变化的规律[29]。从信息链的角度看,知识是对信息加工、吸收、提取、评价的结果[30]。
从命题知识中区分怎么做的知识(技巧)和是什么的知识是很普通的。比如说前者的例子,“知道如何骑自行车”,而后者的例子是“我知道北京是中国的首都”。Ackoff提出,关于怎么做的知识让指令变成信息这一过程成为可能。比如说,当一个人问“温度是多少”的时候,一个房间的温度可能会变成信息,反过来说,当人知道如何控制温度的时候,温度信息就变成了知识[31]。
(4)智慧
本书没有过多地关注DIKW元素,但在近几年的文献中可以看到对这一元素的分析。Rowley提出:智慧是付诸行动的最适当的行为能力,同时考虑到什么是已知(知识),什么是最好的(道德和社会方面的考虑)[32]。Zeleny认为:智慧不是“因为我可以”或者“因为有”或者“因为我必须”[33],类似于传统的关于明智的解释。许多知情的人知道做什么,一些有知识的专家知道怎么做,但只有几个有智慧的人可以完全阐明为什么需要做。据此我们可以认为,数据:什么都不知道,信息:知道一些,知识:知道怎么做,智慧:知道为什么。
关于DIKW元素和层次结构的核心的论述是多角度的,关于数据的定义多达130种,提出定义的学者超过40位,对数据、信息和知识这三种概念的理解也基于学科背景和应用途径的不同而相异。有些学者建议将DIKW元素和其他变量进行组合,比如说主观性和客观性、含义和价值、人类输入和电脑输入、算法和程序、命令、结构、组织机构、信息系统、未来、背景和理解等[34]。由此可见,区分数据、信息、知识和更高的智慧是有难度的,在知识产物和传递当中,明白什么是知识的障碍和桥梁很重要[35]。
3.1.3.2.2 DIKW框架
DIKW框架一开始是由Ackoff提出的作为商业流程系统分析的金字塔模型,自从DIKW框架产生之后,很多学者在这个模型基础上提出了各式各样的方式去解读和使用它,研究者普遍认为,在数据—信息—知识的金字塔中会有很多重复的东西,例如,用户需要定向知识,并且在很多的信息当中找出相关的信息(用户的目标必须清晰),此外,Jennex认识到当数据和信息都很清晰的情况下,大量的生产产生的知识需要将数据和信息放在第一位,在这个层面上,知识的生产呈现出一种周期性,而不是线性[36]。
金字塔的几何形可能会产生一些误导(线性而不是周期性),学者们对金字塔结构进行改进而产生了DIKW网络框架[37],如图3-3所示,该框架像网络一样将数据、信息和知识双向联系在一起,而不是简单的可以用金字塔来说明,按照直觉和上下文,数据是为了证明一个事实,从上下文知道数据是从哪里得到或从哪里传递过来的有很重要的意义[38],为什么这些数据要收集起来?在获得数据后是不是可以得到充分的理解?为什么数据会变成信息?这不只需要对数据本身有很深刻的理解,还需要了解更加庞大的系统——网络舆情分析的方法与目标,信息的意义必须在信息成为真正的知识之前得到了解,如果不了解信息为什么传递,信息的上下文怎么产生,使用的人就不能够得到接下来的信息或者他对数据反映现实的认知将会不完善,只有掌握全面的知识,才能够充分的决定怎么做,并且从长远的角度来做出有效决策。
图3-3 改进的DIKW网络框架[39]
实质上,DIKW网络从三个方面对实现“数据—信息—知识—智慧”之间转换所需的要素进行了概括:①洞察力,洞察力在数据、信息、知识接受和传递、辅助决策流程过程中显得格外重要,而且同时还需要用户具备相应的知识才能使之得到深刻的理解。②智力,了解数据—信息—知识—智慧从一个阶段到另外一个阶段的共同的属性和实质上所需要的转换标准,需要人类智力的支持,因为如果用户需要将数据换成一种正确的最新的解释,并且从上下文当中得到想要的信息,也就是,从上下文中得到用户想要的有用的信息,就需要人类的智力,例如,如何从大量信息中过滤自己想要的信息,例如,网民对问题疫苗事件的广泛关注,用户如何从繁杂的网络信息中得到关于问题疫苗可能产生影响的信息,而不是单纯的接收“可能致死”的信号。③学习,学习贯穿DIKW的每一个阶段,并且可能影响数据、信息和知识在时间上的积累水平,这个网络的边缘可以看作是从知识倒流回到数据的审视,这种审视可以解决网络舆情管理的一些限制,对信息有了很好的理解、组织和观察之后,用户可以用人类的智力来做出更好的决策,这种决策方式通常被称为具有智慧的决策,也会产生良好的效果。
正确理解上下文、有良好的洞察力、充分利用智力进行学习的能力等在DIKW网络中都是一些不确定的因素,也是其固有的因素,错误理解上下文、缺少洞察力、没有很好运用智力会导致人们做出一些错误的、不明智的决策。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。