Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej"

Transkrypt

1 Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej 16 maja 2012

2 Plan wykładu 1 Uwagi wstępne Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej 2 3 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera 4 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego 5 Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web

3 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ocena efektywności procesu komunikacji - Weaver Wg Warrena Weavera pełna teoria komunikacji powinna być zdolna do opisu trzech poziomów komunikacji, które mają na siebie wzajemny wpływ: Poziom 1 Jak dokładnie mogą być przekazane symbole reprezentujące określone treści (problem stricte techniczny)

4 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ocena efektywności procesu komunikacji - Weaver Wg Warrena Weavera pełna teoria komunikacji powinna być zdolna do opisu trzech poziomów komunikacji, które mają na siebie wzajemny wpływ: Poziom 1 Jak dokładnie mogą być przekazane symbole reprezentujące określone treści (problem stricte techniczny) Poziom 2 Jak precyzyjnie mogą być przekazane symbole niosące określone znaczenie (problem semantyczny)

5 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ocena efektywności procesu komunikacji - Weaver Wg Warrena Weavera pełna teoria komunikacji powinna być zdolna do opisu trzech poziomów komunikacji, które mają na siebie wzajemny wpływ: Poziom 1 Jak dokładnie mogą być przekazane symbole reprezentujące określone treści (problem stricte techniczny) Poziom 2 Jak precyzyjnie mogą być przekazane symbole niosące określone znaczenie (problem semantyczny) Poziom 3 Jak efektywna jest otrzymana wiadomość odnośnie modyfikacji zachowania odbiorcy (problem efektywności, czyli problem pragmatyczny) (W. Weaver and C. E. Shannon, The Mathematical Theory of Communication, Urbana, Illinois: University of Illinois Press, 1949, ss )

6 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ocena efektywności procesu komunikacji - Weaver Dwie uwagi do klasyfikacji Weavera: Podział czynników wpływających na efektywność procesu komunikacji dokonany przez Weavera w zasadzie odpowiada klasyfikacji zjawisk semiotycznych dokonanej przez Morrisa (1955). Efektywność z klasyfikacji Weavera odpowiada pragmatyce Morrisa. O teorii Shannona zaś często mówi się jako o teorii dotyczącej aspektu syntaktycznego informacji.

7 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ocena efektywności procesu komunikacji - Weaver Dwie uwagi do klasyfikacji Weavera: Podział czynników wpływających na efektywność procesu komunikacji dokonany przez Weavera w zasadzie odpowiada klasyfikacji zjawisk semiotycznych dokonanej przez Morrisa (1955). Efektywność z klasyfikacji Weavera odpowiada pragmatyce Morrisa. O teorii Shannona zaś często mówi się jako o teorii dotyczącej aspektu syntaktycznego informacji. Mimo wszystkich ograniczeń teorii Shannona: wg Weavera jest ona także teorią dla pozostałych trzech poziomów. W omawianych dotąd teoriach informacji semantycznej zakładaliśmy, że tak właśnie jest. Jest to założenie, które będzie obowiązywało także w omawianych teoriach informacji pragmatycznej.

8 Teoria informacji pragmatycznej - idea Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Przyjmujemy, że otrzymana wiadomość, zawierająca informację, wywiera pewien wpływ na odbiorcę. Wpływ może być trojakiego rodzaju: modyfikacja stanu wiedzy odbiorcy (von Weizsaecker),

9 Teoria informacji pragmatycznej - idea Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Przyjmujemy, że otrzymana wiadomość, zawierająca informację, wywiera pewien wpływ na odbiorcę. Wpływ może być trojakiego rodzaju: modyfikacja stanu wiedzy odbiorcy (von Weizsaecker), bezpośrednia modyfikacja zachowania odbiorcy (von Weizsaecker),

10 Teoria informacji pragmatycznej - idea Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Przyjmujemy, że otrzymana wiadomość, zawierająca informację, wywiera pewien wpływ na odbiorcę. Wpływ może być trojakiego rodzaju: modyfikacja stanu wiedzy odbiorcy (von Weizsaecker), bezpośrednia modyfikacja zachowania odbiorcy (von Weizsaecker), zmiana wszelkiego rodzaju dyspozycji agenta do działania, które związane są z procesami poznawczymi (beim Graben).

11 Teoria informacji pragmatycznej - idea Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Przyjmujemy, że otrzymana wiadomość, zawierająca informację, wywiera pewien wpływ na odbiorcę. Wpływ może być trojakiego rodzaju: modyfikacja stanu wiedzy odbiorcy (von Weizsaecker), bezpośrednia modyfikacja zachowania odbiorcy (von Weizsaecker), zmiana wszelkiego rodzaju dyspozycji agenta do działania, które związane są z procesami poznawczymi (beim Graben). Teoria informacji pragmatycznej zajmuje się drugim i trzecim rodzajem wpływu na odbiorcę, pierwszym zaś tylko o tyle, o ile stan wiedzy ma znaczenie jako czynnik decyzyjny.

12 Wizja teorii pragmatycznej w BHC Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej W teorii BHC pojawia się perspektywa pragmatyczna, ale tylko jako zadanie na przyszłość. Gwoli przypomnienia: wartość informacyjna w BHC jest odwrotnie proporcjonalna do zakresu zdania

13 Wizja teorii pragmatycznej w BHC Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej W teorii BHC pojawia się perspektywa pragmatyczna, ale tylko jako zadanie na przyszłość. Gwoli przypomnienia: wartość informacyjna w BHC jest odwrotnie proporcjonalna do zakresu zdania jest jednoznacznie wyznaczona przez system językowy i funkcję rozkładu prawdopodobieństwa na możliwe opisy stanów rzeczy

14 Wizja teorii pragmatycznej w BHC Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej W teorii BHC pojawia się perspektywa pragmatyczna, ale tylko jako zadanie na przyszłość. Gwoli przypomnienia: wartość informacyjna w BHC jest odwrotnie proporcjonalna do zakresu zdania jest jednoznacznie wyznaczona przez system językowy i funkcję rozkładu prawdopodobieństwa na możliwe opisy stanów rzeczy pragmatyczny wymiar tej teorii polegałby najprawdopodobniej na tym, że w pierwszym rzędzie wzięlibyśmy pod uwagę zdolność odbiorcy do dokonywania wnioskowań (tzn. do odkrywania logicznych konsekwencji otrzymywanych wiadomości).

15 Pragmatyczne teorie w LIS i IR Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Perspektywa użytkownika systemu informacyjnego jest bardzo ważna w teoriach LIS i IR: zarówno w konstruowanych modelach zachowań informacyjnych jak i fundamentalnej dla tych dziedzin problematyki relewancji informacji. Informacja nie może być relewantna niezależnie od czynnika subiektywnego. Efektywność systemu informacyjnego jest oceniana z zasady przez satysfakcję użytkownika.

16 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ograniczenia omawianych dotychczas teorii Ograniczenia omawianych dotąd teorii informacji: występujące zmienne dotyczą poziomu syntaktycznego albo semantycznego, bez uwzględnienia relnych potrzeb użytkownika,

17 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ograniczenia omawianych dotychczas teorii Ograniczenia omawianych dotąd teorii informacji: występujące zmienne dotyczą poziomu syntaktycznego albo semantycznego, bez uwzględnienia relnych potrzeb użytkownika, w teorii Shannona, BHC wartość informacyjną wiadomości traktuje się jako coś inwariantnego względem czasu (to zastrzeżenie nie dotyczy Hintikki oraz Dretskego i Floridiego),

18 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Ograniczenia omawianych dotychczas teorii Ograniczenia omawianych dotąd teorii informacji: występujące zmienne dotyczą poziomu syntaktycznego albo semantycznego, bez uwzględnienia relnych potrzeb użytkownika, w teorii Shannona, BHC wartość informacyjną wiadomości traktuje się jako coś inwariantnego względem czasu (to zastrzeżenie nie dotyczy Hintikki oraz Dretskego i Floridiego), zakłada się, że rozkład prawdopodobieństwa jest znany albo może być wywnioskowany z obserwacji określonej sytuacji - nie uwzględnia się związku z aktualnymi zainteresowaniami i uprzedniej wiedzy odbiorcy.

19 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Teoria informacji pragmatycznej - postulaty Podstawowe postulaty teorii informacji pragmatycznej: 1 użytkownik informacji jest logicznie pierwotny względem źródła informacji;

20 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Teoria informacji pragmatycznej - postulaty Podstawowe postulaty teorii informacji pragmatycznej: 1 użytkownik informacji jest logicznie pierwotny względem źródła informacji; 2 opis procesu jest logicznie ważniejszy niż opis struktury danych;

21 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Teoria informacji pragmatycznej - postulaty Podstawowe postulaty teorii informacji pragmatycznej: 1 użytkownik informacji jest logicznie pierwotny względem źródła informacji; 2 opis procesu jest logicznie ważniejszy niż opis struktury danych; 3 interakcja ze środowiskiem jest logicznie ważniejsza niż opis rodzajów reprezentacji informacji;

22 Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Teoria informacji pragmatycznej - postulaty Podstawowe postulaty teorii informacji pragmatycznej: 1 użytkownik informacji jest logicznie pierwotny względem źródła informacji; 2 opis procesu jest logicznie ważniejszy niż opis struktury danych; 3 interakcja ze środowiskiem jest logicznie ważniejsza niż opis rodzajów reprezentacji informacji; 4 trywialna uwaga: wartość informacji pragmatycznej jest zależna od szerokiego spektrum czynników składających się na kontekst; należy zwrócić szczególną uwagę na zależność od czasu (a przynajmniej chronologii zdarzeń).

23 Teoria informacji pragmatycznej - cel Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej Zadania teorii informacji pragmatycznej: wsparcie dla teorii decyzji, wyjaśnienie procesów ewolucyjnych w tzw. modelu quasi-species (aczkolwiek z roszczeniem do uogólnienia wyników na wszelkie formy agentów i ich działań - E. Weinberger), wsparcie opisu wszelkiego rodzaju aktywności poznawczej.

24 E. U. von Weizsäcker i Ch. von Weizsäcker - trzy dezyderaty Prace von Weizsaeckerów stanowią punkt wyjścia dla omawianych dziś pragmatycznych teorii informacji. Zdaniem Ernsta U. i Christine von Weizsaecker możliwość zrozumienia informacji pojawia się dopiero w odpowiednio złożonych i dużych systemach Zrozumienie, albo - bardziej ogólnie - wpływ na słuchacza, może manifestować się w: bezpośredniej reakcji na otrzymaną informację, wzbogacenia pewnego rodzaju zapasów, które mogą być wykorzystane później. E.U., Ch. von Weizsaecker, Aufbau der Physic, Muenchen 1985, s. 355.

25 E. U. von Weizsäcker i Ch. von Weizsäcker - trzy dezyderaty Von Weizsäckerowie sformułowali trzy ogólne dezyderaty względem przyszłych teorii informacji pragmatycznej: 1 pragmatyczna informacja może być oszacowana tylko przez oszacowanie wpływu na odbiorcę,

26 E. U. von Weizsäcker i Ch. von Weizsäcker - trzy dezyderaty Von Weizsäckerowie sformułowali trzy ogólne dezyderaty względem przyszłych teorii informacji pragmatycznej: 1 pragmatyczna informacja może być oszacowana tylko przez oszacowanie wpływu na odbiorcę, 2 pragmatyczna informacja powinna dążyć do zera w dwóch skrajnych sytucjach: kompletnej nowości i pełnego potwierdzenia,

27 E. U. von Weizsäcker i Ch. von Weizsäcker - trzy dezyderaty Von Weizsäckerowie sformułowali trzy ogólne dezyderaty względem przyszłych teorii informacji pragmatycznej: 1 pragmatyczna informacja może być oszacowana tylko przez oszacowanie wpływu na odbiorcę, 2 pragmatyczna informacja powinna dążyć do zera w dwóch skrajnych sytucjach: kompletnej nowości i pełnego potwierdzenia, 3 pragmatyczna informacja wykazuje własności nieklasyczne. E. U. von Weizsäcker i Ch. von Weizsäcker, Wiederaufname der begrifflichen Frage: Was ist Information? (1972), s. 541 n.

28 E. U. von Weizsäcker i Ch. von Weizsäcker - dezyderat I Informacje są przeznaczone do działania - działają przez swojego odbiorcę, zmieniają też samego odbiorcę. W szczególności zmieniają oczekiwanie odbiorcy odnośnie prawdopodobieństwa przyszłych zdarzeń skorelowanych z otrzymaną informacją.

29 E. U. von Weizsäcker i Ch. von Weizsäcker - dezyderat II Nowość i potwierdzenie (novelty and confirmation) to czynniki, które się wzajemnie uzupełniają. Nowość odnosi się do entropii, potwierdzenie do negentropii (redundancji, G = 1 - H). pragmatyczna informacja zachowywać się zatem będzie podobnie do miary złożoności zależnej niemonotonicznie od przypadkowości systemu. Gernert (1996, 2006) - nowość można mierzyć jako brak podobieństwa między wiadomości i faktyczną wiedzą jej odbiorcy. Potwierdzenie zaś jako podobieństwo między wiadomością i oczekiwaniem odnośnie celu. Do ewaluacji podobieństwa można użyć Shannona teorii informacji.

30 E. U. von Weizsäcker i Ch. von Weizsäcker - dezyderat III Nieklasyczne cechy pragmatycznej informacji oznaczają, że musimy uwzględnić działanie w warunkach niepewności. Tzn. należy uwzględnić naturalną sytuację, gdy nie są znane wszystkie możliwe konsekwencje możliwych decyzji - można tylko oszacować ich prawdopodobieństwo, które podlega rewizji w sytuacji otrzymania relewantnych informacji.

31 Wniosek Maksymalną wartość pragmatycznej informacji przypiszemy wiadomości, która jest nośnikiem optymalnej kompozycji nowości i potwierdzenia. Naturalnie - co warto podkreślić - czynniki te są względne do dyspozycji odbiorcy.

32 E. U. von Weizsäcker i Ch. von Weizsäcker - kolejne założenia Teoria informacji pragmatycznej (w sensie ilościowym) wymaga zatem przyjęcia przynajmniej dwóch ważnych założeń: możliwe jest podanie liczbowej miary (cardinal measurement) N - nowości i C - potwierdzenia,

33 E. U. von Weizsäcker i Ch. von Weizsäcker - kolejne założenia Teoria informacji pragmatycznej (w sensie ilościowym) wymaga zatem przyjęcia przynajmniej dwóch ważnych założeń: możliwe jest podanie liczbowej miary (cardinal measurement) N - nowości i C - potwierdzenia, zarówno wiadomość jak i oczekiwania odbiorcy mogą być opisane formalnie tak, że uda się uchwycić podobieństwo (lub jego brak) między zawartością informacji a dyspozycjami agenta.

34 E. U. von Weizsäcker i Ch. von Weizsäcker - trudności Założenia wymienione wyżej stanowią jednocześnie poważne wyzwania teorii informacji pragmatycznej: ustalenie miary nowości przez podanie formalnego opisu ilościowego podobieństwa między wiadomością i uprzednią wiedzą odbiorcy,

35 E. U. von Weizsäcker i Ch. von Weizsäcker - trudności Założenia wymienione wyżej stanowią jednocześnie poważne wyzwania teorii informacji pragmatycznej: ustalenie miary nowości przez podanie formalnego opisu ilościowego podobieństwa między wiadomością i uprzednią wiedzą odbiorcy, ustalenie miary potwierdzenia przez podanie formalnego opisu ilościowego podobieństwa między wiadomością i wymogami informacyjnymi odbiorcy.

36 Uwagi Grassbergera Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Niektórzy naukowcy uważają, że wymaganą miarę zawartości treści informacyjnej można uznać za ekwiwalentną ze złożonością zbioru danych: Grassberger (1986, 1991): niski/wysoki poziom wartości informacji może wynikać bezpośrednio z prawidłowości (regularity) albo z przypadkowości (randomness) w źródle informacji.

37 Uwagi Grassbergera - pojęcie złożoności Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera GRASSBERGER: Złożoność układu stanowi istotną trudność i wyzwanie - układy złożone są bowiem jednocześnie w pewnym sensie uporządkowane i nieuporządkowane. Nie da się mówić o złożoności zadania, wzoru, maszyny, algorytmu bez odniesienia do obserwatora czy użytkownika. Jedną z kluczowych własności systemów złożonych jest to, że nie istnieje w ich przypadku jeden fundamentalny cel, do realizacji którego służą.

38 Uwagi Crutchfielda i Younga (1989) Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Crutchfield i Young uważają, że oparcie definicji informacji pragmatycznej na pojęciu złożoności wymaga: 1 stworzenia odpowiedniego modelu danych; 2 podania procedury ilościowego oszacowania złożoności tego modelu.

39 Uwagi Crutchfielda i Younga (1989) Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Crutchfiled and Young (1989) proponują abstrakcyjne pojęcie złożoności oparte na informacji zawartej w minimalnej ilości równoważnych klas uzyskiwanych przez redukcję zbioru danych względem symetrii.

40 Uwagi Crutchfielda i Younga (1989) Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Crutchfiled and Young (1989) proponują abstrakcyjne pojęcie złożoności oparte na informacji zawartej w minimalnej ilości równoważnych klas uzyskiwanych przez redukcję zbioru danych względem symetrii. Taka definicja daje dychotomię między makroopisem dopuszczającym taką redukcję i mikroopisem, który takiej redukcji nie dopuszcza. Oczywiście problemem, który musi się tu pojawić, jest sprawa podstaw rozpoznania takich symetrii.

41 Uwagi Crutchfielda i Younga (1989) Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Crutchfiled and Young (1989) proponują abstrakcyjne pojęcie złożoności oparte na informacji zawartej w minimalnej ilości równoważnych klas uzyskiwanych przez redukcję zbioru danych względem symetrii. Taka definicja daje dychotomię między makroopisem dopuszczającym taką redukcję i mikroopisem, który takiej redukcji nie dopuszcza. Oczywiście problemem, który musi się tu pojawić, jest sprawa podstaw rozpoznania takich symetrii. zmiana zachowania, pragmatyczny aspekt wiadomości, jest odmienny od pojęcia złożoności w tym sensie, ponieważ odbiorca może świadomie zignorować takie struktury w wiadomościach, które wydają mu się irrelewantne.

42 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Nieformalna definicja pragmatycznej informacji Wartość informacji pragmatycznej w teorii Weinbergera jest oparta na ocenie jej przydatności w podejmowaiu informed decision. Stąd informację pragmatyczną definiuje się jako: powodowaną przez informację zmianę w rozkładzie prawdopodobieństwa działań odbiorcy (różnicę między tym co było przed otrzymaniem komunikatu i po jego otrzymaniu - odnośnie pewnego zakresu, pewnego uniwersum).

43 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Nieformalna definicja pragmatycznej informacji Znaczenie informacji (jej wartość) wynika z jej użyteczności w podejmowaniu informed decisions. Istotną implikacją tego twierdzenia jest ilościowa definicja informacji pragmatycznej, która jest miarą wpływu wiadomości na następujące po jej otrzymaniu działania odbiorcy. Zadaniem, które należałoby teraz rozwiązać jest zdefiniowanie miary pozwalającej porównać dwa różne rozkłady prawdopodobieństw.

44 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Model oddziaływania pragmatycznej informacji Rysunek: Model oddziaływania pragmatycznej informacji

45 Model - legenda Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera W modelu Weinbergera występują następujące elementy: podejmujący decyzję D, D działa w pewnych określonych stanach s D musi wybrać coś ze zbioru {a 1, a 2, a 3,..., a M } - dla uproszczenia przyjmujemy, że jest on skończony. wybór prowadzi do efektu wyjściowego o O = {o 1, o 2, o 3,..., o N }, z którego to zbioru efektów D preferuje niektóre o i bardziej niż inne.

46 Model - właściwości D Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Przyjmujemy następujące ograniczenia w zdolności D do podejmowania decyzji: 1 mapowanie z a na zbiór o nie jest określone 2 D ma niedoskonałą informację o tym, które o jest najlepsze 3 D nie jest zdolny do przetwarzania dostępnej informacji w sposób optymalny 4 D nie może zagwarantować, że decyzja którą podjął jest tą, która będzie zrealizowana, choćby ze względu na szum środowiskowy (e).

47 Model - właściwości D Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera to całe niezdeterminowanie i nieokreśloność rozważamy przyjmując, że efektem decyzji D jest wybór z możliwości o poszczególnych prawdopodobieństwach q = (q 1, q 2, q 3,..., q N ) D otrzymuje zatem wiadomość m, która jest wyjściem pewnego procesu. Posiadając tą wiadomość (nowe dane) D najlepsze co może zrobić to zrobić update rozkładu prawdopodobieństw do: P m = (P 1 m, P 2 m,..., P N m), w taki sposób, że prawdopodobieństwo lepszego efektu wzrasta.

48 Model - podsumowanie Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera W modelu przyjętym przez Weinbergera kluczową rolę odgrywa nie tyle umiejętność odbiorcy wiadomości do dokonywania adekwatnych rozróżnień między potencjalnie otrzymywanymi wiadomościami, ale podejmowanie decyzji przez D. D w tym modelu jest pojęciem ogólnym: może odnosić się zarówno do zwierząt, systemów sztucznych, ludzi, grup ludzi itp. To co jest istotne, to zamierzone i celowe działanie podjęte pod wpływem informacji.

49 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Model - przykład (niezbyt skomplikowany) System otrzymuje informację, identyfikuje cel a potem system określa aktualną sytuację i decyduje o modyfikacjach. Elementy informacyjne i inne przeddecyzyjne danego systemu (np. nawigacyjne) są źródłami wiadomości, które może otrzymać i działać pod ich wpływem część decyzyjna. Dążenie do podjęcia celowego działania decyduje o asymetrii między P m i q. Przyjmujemy, że nowy rozkład prawdopodobieństwa jest lepszą podstawą działania niż stary. Implicite też wprowadzamy takie ograniczenie, że nowa informacja rewiduje rozkład prawdopodobieństwa i nie wprowadza nowych możliwości.

50 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Formalna definicja pragmatycznej informacji Mamy zatem co następuje: Pragmatyczna informacja I M (P, q) ze zbioru wiadomości M jest zyskiem informacyjnym w przejściu od q do P m uśrednionym na wszystkie wiadomości m M. Formalnie: P M (P, q) = P i m φ m log 2 ( P i m q i ) = P i,m ( Pi,m φ mq i ), gdzie φ i,m i,m jest brzegowym prawdopodobieństwem, że wiadomość m została wysłana a P i,m jest prawdopodobieńswem współwystąpienia: wysłania wiadomości m i tego, że wynik o i został zrealizowany.

51 Podstawowe twierdzenia Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Tw. 1 Pragmatyczna informacja może być określona jako wzajemna informacja M oraz O. Tw. 2 Pragmatyczna informacja zbioru wiadomości jest zawsze ograniczony wartością jego entropii w sensie Shannona. Tw. 3 I M (P, q) jest inwariantna względem transformacji wyników.

52 Podstawowe twierdzenia Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Tw. 5 Maksymalną wartośc informacja pragmatyczna otrzymuje wiadomość wywołująca abs. pewność, niezależnie od Shannona entropii zbioru. Tw. 7 Wartość informacyjna rośnie wraz z ilością dedukcji, na które pozwala wiadomość. Tw. 8 Pragmatyczna niezależność zbiorów wiadomości nie oznacza, że wszystkie pary elementów z tych zbiorów są zdarzeniami niezależnymi w sensie prawdopodobieństwa. Jest też możliwe, że zbiory wiadomości są pragmatycznie zależne a pary dowolnych elementów tych zbiorów są probabilistycznie niezależne.

53 Modyfikacja przekonań Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Pragmatyczna informacja może także zależeć od ewolucyjnego rozwoju, jeśli miara stanu procesu jest używana do aktualizacji rozkładu prawdopodobieństwa. Jest to szczególny przypadek, w którym wartość w różnych momentach jest jedyną otrzymaną informacją. Np. zakładamy, że prawdopodobieństwo w momencie t 2 po obserwacji procesu w stanie k w tym momencie będzie takie samo, jak prawdopodobieństwo w momencie t 1 (po obserwacji stanu k). Pragmatyczna informacja obserwacji w momencie t 2 będzie zatem wynosiła: P k (t 2 )log 2 ( P k (t 2) P k (t ). 1) k

54 Modyfikacja przekonań Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Alternatywnie można zastosować zaobserwowany stan i procesu w poprzednim czasie, żeby ocenić prawdopodobieństwo stanu k w następującym czasie. Zakładając, że obie obserwacje można poczynić w przyszłości, pragmatyczna informacja związana z nauczeniem się stanu k, przy danej obserwacji stanu i będzie liczona tak: P i,k (t 1, t 2 )log 2 ( P i,k (t 1,t 2) P i (t 1)P i (t ) 2) i,k przy granicznej sytuacji kompletnej nowości: P k (t)log 2 ( P k (t) P k (0) ) k

55 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - uproszczony model ewolucji (Weinberger Ewolucja może zostać scharakteryzowana jako aktywność gromadzenia informacji. w uproszczonym modelu wygląda to tak: środowisko efektywnie decyduje o trafności fenotypu powiązanego z każdym danym genotypem, gdzie trafność fenotypu jest określona przez wskaźnik reprodukcji (model darwinowski). Odnośnie genotypy są wiadomościami, które niosą informacje określające cechy kolejnych generacji. Pragmatyczna informacja jest odpowiednią miarą oceny szybkości z jaką zachodzą określone procesy. W każdym momencie t środowisko otrzymuje wiadomości o trafności poszczególnych replikatorów przez ilość kopii genomu tego replikatora. Przed otrzymaniem wiadomości (i jej przetwarzania) wstępne prawdopodobieństwo wyboru replikatora typu i losowo z systemu wynosi: q i = x i (0). Prawdopodobieństwo wyboru replikatora typu i w następującym czasie t wynosi P i = x i (t).

56 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - analiza procesów kognitywnych Procesy kognitywne mogą być opisane w następujący sposób: procesy kognitywne to kombinacje operatorów należących do szczególnych klas operatorów elementarnych;

57 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - analiza procesów kognitywnych Procesy kognitywne mogą być opisane w następujący sposób: procesy kognitywne to kombinacje operatorów należących do szczególnych klas operatorów elementarnych; każdy z operatorów charakteryzuje pewien elementarny akt poznawczy (uczenie się, obserwacja, wartościowanie, wnioskowanie itp.);

58 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - analiza procesów kognitywnych Procesy kognitywne mogą być opisane w następujący sposób: procesy kognitywne to kombinacje operatorów należących do szczególnych klas operatorów elementarnych; każdy z operatorów charakteryzuje pewien elementarny akt poznawczy (uczenie się, obserwacja, wartościowanie, wnioskowanie itp.); istnieją szczególne sytuacje, w których kombinacja operatorów jest przemienna; jest to jednak nietypowa sytuacja: zazwyczaj kolejny krok czyni użytek z poprzedniego i kombinacja dwóch operatorów jest nieprzemienna.

59 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - analiza procesów kognitywnych Nieprzemienność operatorów jest ściśle związana z naturą informacji w sensie pragmatycznym. Dane, które agent posiadł i które znajdują reprezentację w jego modelu świata mają wartość jako informacja pragmatyczna, jeśli uprzednio istniejący model reprezentacji musi zostać w związku z tymi danymi zrewidowany. Informacja pragmatyczna mierzy postęp w efektywności działania agenta w związku z nowymi danymi.

60 Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Zastosowanie - analiza procesów kognitywnych Nieprzemienność operatorów jest ściśle związana z naturą informacji w sensie pragmatycznym. Dane, które agent posiadł i które znajdują reprezentację w jego modelu świata mają wartość jako informacja pragmatyczna, jeśli uprzednio istniejący model reprezentacji musi zostać w związku z tymi danymi zrewidowany. Informacja pragmatyczna mierzy postęp w efektywności działania agenta w związku z nowymi danymi. Nie tylko procesy poznawcze, ale także inne działania, w których informacja jest otrzymywana, przetwarzana i przekazywana a jest przy tym nieprzemienna, podpada pod powyższy opis pragmatycznej informacji.

61 Źródła Uwagi Grassbergera (1991) - pojęcie złożoności Uwagi Crutchfielda i Younga (1989) - pojęcie złożoności Formalna definicja pragmatycznej informacji Podstawowe twierdzenia Modyfikacja przekonań Zastosowanie teorii Weinbergera Najważniejszy artykuł: Weinberger, Edward D. (2002), A Theory of Pragmatic Information and Its Application to the Quasispecies Model of Biological Evolution, BioSystems 66 (3),

62 beim Graben - modyfikacja przekonań Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Inna interesująca próba interpretacji ilościowej zjawiska informacji pragmatycznej pochodzi od Petera beim Grabena: Próba ta jest interpretacją modelu Bayesowskiego modyfikacji przekonań.

63 beim Graben - cel Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Punkt wyjścia teorii beim Grabena: Znaczenie wiadomości to jej wpływ na stan agenta;

64 beim Graben - cel Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Punkt wyjścia teorii beim Grabena: Znaczenie wiadomości to jej wpływ na stan agenta; Pragmatyczna informacja może być potraktowana jako wartość liczbowa określająca przeciętną wartość potrzebną do przejścia od jednego stanu wiedzy do drugiego;

65 beim Graben - cel Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Punkt wyjścia teorii beim Grabena: Znaczenie wiadomości to jej wpływ na stan agenta; Pragmatyczna informacja może być potraktowana jako wartość liczbowa określająca przeciętną wartość potrzebną do przejścia od jednego stanu wiedzy do drugiego; Zadaniem teorii jest ustalenie wartości określającej rewizję prawdopodobieństwa ustalonego przed otrzymaniem sygnału.

66 beim Graben - cel Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Punkt wyjścia teorii beim Grabena: Znaczenie wiadomości to jej wpływ na stan agenta; Pragmatyczna informacja może być potraktowana jako wartość liczbowa określająca przeciętną wartość potrzebną do przejścia od jednego stanu wiedzy do drugiego; Zadaniem teorii jest ustalenie wartości określającej rewizję prawdopodobieństwa ustalonego przed otrzymaniem sygnału. Zadanie to jest w teorii beim Grabena realizowane przy zastosowaniu modelu Bayesowskiego.

67 beim Graben - ramy teoretyczne Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Definicja pragmatycznej informacji musi uwzględniać kontekst: określonego agenta, jego/jej przekonania, cele oraz odniesienie czasowe. Agent działa w pewnym określonym stanie i ma określoną reprezentację stanu świata.

68 beim Graben - ramy teoretyczne Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Definicja pragmatycznej informacji musi uwzględniać kontekst: określonego agenta, jego/jej przekonania, cele oraz odniesienie czasowe. Agent działa w pewnym określonym stanie i ma określoną reprezentację stanu świata. Ramę teoretyczną dla tej teorii stanowi statystyczna teoria decyzji.

69 beim Graben - ramy teoretyczne Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Definicja pragmatycznej informacji musi uwzględniać kontekst: określonego agenta, jego/jej przekonania, cele oraz odniesienie czasowe. Agent działa w pewnym określonym stanie i ma określoną reprezentację stanu świata. Ramę teoretyczną dla tej teorii stanowi statystyczna teoria decyzji. W ramach tej teorii opisywane są możliwe decyzje i działania agenta w szczególnym stanie wiedzy.

70 beim Graben - funkcja użyteczności Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Możliwe decyzje są ewaluowane zgodnie z funkcją użyteczności: u : X Y R, taką, że u(x, y) jest użytecznością z decyzji y w stanie x. X jest tutaj przestrzenią stanów agenta, x X określonym stanem wiedzy z określonym prawdopodobieństwem p(x) a Y jest zbiorem decyzji.

71 beim Graben - ramy teoretyczne Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Istotnym problemem jest interpretacja i formalny opis funkcji użyteczności dla racjonalnie i spójnie działających agentów. Da się ten problem rozwiązać w ramach teorii informacji: najlepsza funkcja użyteczności to linearna funkcja zawartości informacyjnej stanu wiedzy agenta. Beim Graben przyjmuje, że oczekiwana użyteczność zbioru alternatywnych decyzji jest równa Shannonowskiej entropii.

72 Ocena użyteczności Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Van Rooij (2004, 2006) zastosował to spostrzeżenie w lingwistyce do oceny relewancji pytań: użyteczność konkrentej odpowiedzi q 1 na pytanie Q 1 jest dana przez ocenę różnicy między aptioryczną dystrybucją prawdopodobieństw w zbiorze możliwych odpowiedzi na kolejne pytanie i rozkładem warunkowym z uwzględnieniem odpowiedzi q 1. Zgodnie ze wzorem Kullbacka-Leibera: K(p, p 0 ) = p(a i )log 2 ( p(ai ) p 0(A i ) ) A i X Podobne rozwiązanie tego problemu podał Weinberger podając funkcję miary pragmatycznej informacji zbioru wiadomości przez informację wzajemną między wiadomościami i decyzjami agenta po otrzymaniu wiadomości.

73 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - semantyka dla modelu Bayesowskiego Statystyczna teoria decyzji opisuje zachowanie agenta w szczególnym stanie wiedzy, który może się zmienić pod wpływem otrzymywanych wiadomości.

74 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - semantyka dla modelu Bayesowskiego Statystyczna teoria decyzji opisuje zachowanie agenta w szczególnym stanie wiedzy, który może się zmienić pod wpływem otrzymywanych wiadomości. znaczenie zdania nie leży tylko w warunkach jego prawdziwości, ale raczej w tym, jak się zmienia reprezentacja informacji u interpretatora. Użycie zdania przenosi nas z jednego stanu informacyjnego do innego.

75 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - semantyka dla modelu Bayesowskiego Zbiór X - przestrzeń możliwych stanów epistemicznych konkretnego agenta x, y, z X - stany przekonań (stany epistemiczne) U, V A Mor(X ) - operatory epistemiczne, dane obserwowalne. Jest to zbiór dyskretny. Mor(X) to funkcja przekształcająca zb. X na X (jest to klasa morfizmów zbioru X ). A, B P A - zdania (sądy).

76 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - semantyka dla modelu Bayesowskiego Możemy rozważać model określony, w ramach którego zdanie A P jest zaakceptowane lub nie - z całą pewnością, w stanie x X. Możemy też rozważać model, w którym przypisujemy określone prawdopodobieństwa stanowi x: { 0 if P(x) x p x (P) = 1 if P(x) = x jest prawdopodobieństwem, że zdanie P jest zaakceptowane w stanie x. W ten sposób do modelu wprowadza się stan niepewności.

77 beim Graben - model Bayesowski Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego W Bayesowskim modelu przekonań wprowadzamy pojęcie warunkowania prawdopodobieństw stanów. Tzn. prawdopodobieństwa różnych stanów zmieniają się wraz z obserwacjami innych stanów zależnych. To pozwala na interpretację zależnego od kontekstu i nowych informacji systemu informacyjnego w jego całej poznawczej dynamice. Dyspozycje i preferencje agenta zmieniają się wraz z różnymi pragmatycznymi warunkami.

78 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - semantyka dla modelu Bayesowskiego Znaczeniem wiadomości jest wpływ na stan przekonań agenta. Wiadomości działają jak operatory na przestrzeni przekonań agenta. Przy podejściu Bayesowskim, gdzie stan przekonań jest charakteryzowany przez rozkład prawdopodobieństw na zbiorze zdań, otrzymane zdanie A przekształca apriorycznie ustalone prawdopodobieństwo p na a posteriori rozkład p A. Wpływ takiej wiadomości może być oceniony przez jej informacyjny zysk: K(p A, p) = p A (P)log 2 ( p A(P) p(p) ) P P

79 Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego beim Graben - miara informacji pragmatycznej Zatem miarą pragmatycznej informacji będzie: { K(pA, p) if p(a) > x S p (A) = 0 if p(a) = 0 W definicji tej mierzona jest zawartość informacyjna zdania A w stanie p konkretnego agenta. Wartość ta jest zależna od kontekstu.

80 Źródła Gaerdenforsa dynamiczna semantyka dla modelu Bayesowskiego Dobre omówienie w pracy: Peter beim Graben, Pragmatic Information in Dynamic Semantics, Mind and Matter Vol. 4(2), pp Polecam także Dieter Gernert, Pragmatic Information: Historical Exposition and General Overview, Mind and Matter Vol. 4(2), pp

81 Czym jest sieć semantyczna Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web Kiedy korzystasz z aplikacji, powinieneś mieć możliwość umieszczenia w niej danych, które możesz odpowiednio konfigurować. Powinieneś mieć możliwość poinformowania swojego komputera idę na tę imprezę. A gdy to mówisz, to maszyna rozumie tę informację. Semantyczna Sieć (...) to nie tylko sieć dokumentów, ale także informacji, danych, treści. Semantyczna Sieć danych, powinna zawierać możliwie dużo aplikacji, które komunikują się ze sobą. Po raz pierwszy powstanie jeden powszechny format danych dla wszystkich aplikacji, baz danych i stron WWW A więc Semantyczna Sieć Web opiera się na integracji informacji. Tim Berners-Lee,

82 Standardy RDF i OWL Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web RDF - standardowy język reprezentacji wiedzy używany w internecie. Wyrażenia składają się z trzech elementów: oznaczenia opisywanego zasobu (URI), własności (określonej w OWL) i wartości (nazwy lub URI). OWL - reprezentacja jakiegoś fragmentu wiedzy/świata wyrażona w języku RDF. Ontologie zapisane w OWL zawierają różnego rodzaju zależności między swoimi elementami, zawierają reprezentacje obiektów różnego poziomu oraz relacji.

83 RDF i OWL - przykład opisu FOAF Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web Rysunek: przykład opisu FOAF

84 Rzeczywistość sieci semantycznej Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web Dlaczego Web 3.0 ponosi porażkę? Jednym w wymienianych powodów są trudności w szerszym rozpowszechnieniu jednolitego opisu danych, trudności w zastosowaniem praktycznym ze względu na jego stopień złożoności. Inne powody: praktycznie niemożliwe jest opisanie danych w taki sposób, żeby mogły być używane przez dowolne aplikacje; zagubienie czynnika pragmatycznego, który pojawiał się w wizji Tima Bernersa-Lee.

85 Idea Web 4.0 Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web Agent, który jest zdolny do rozpoznawania różnych modeli reprezentacji danych i posługiwania się różnymi systemami komunikacyjnymi, dostarcza dostępne w sieci dane. Użytkownicy jedynie instruują agentów odnośnie zasad przetwarzania informacji w istotny dla konkretnego użytkownika sposób (zgodny z jego aktualnymi potrzebami). Zadaniem sieci pragmatycznej jest dostarczanie relewantnych informacji, które dla użytkownika mają praktyczne konsekwencje. Przekształcenie dostępnych danych w tego rodzaju informacje może być bardzo różne: tabela, analiza statystyczna, logiczna itp. i przedstawienie w postaci raportu.

86 Idea sieci semantycznej (Web 3.0) Wizja Pragmatic Web Dziękuję za uwagę i zapraszam do stawiania pytań! artur.machlarz@uni.opole.pl www: machlarz

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn

Bardziej szczegółowo

Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG

Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),

Bardziej szczegółowo

dr Anna Mazur Wyższa Szkoła Promocji Intuicja a systemy przekonań

dr Anna Mazur Wyższa Szkoła Promocji Intuicja a systemy przekonań dr Anna Mazur Wyższa Szkoła Promocji Intuicja a systemy przekonań Systemy przekonań Dlaczego mądrzy ludzie podejmują głupie decyzje? Odpowiedzialne są nasze przekonania. Przekonania, które składają się

Bardziej szczegółowo

Wnioskowanie bayesowskie

Wnioskowanie bayesowskie Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

Bardziej szczegółowo

Ontologie, czyli o inteligentnych danych

Ontologie, czyli o inteligentnych danych 1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania

Bardziej szczegółowo

Metody badań w naukach ekonomicznych

Metody badań w naukach ekonomicznych Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody

Bardziej szczegółowo

METODY I TECHNIKI BADAŃ SPOŁECZNYCH

METODY I TECHNIKI BADAŃ SPOŁECZNYCH METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie

Bardziej szczegółowo

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18 Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11 Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)

Bardziej szczegółowo

Filozofia przyrody, Wykład V - Filozofia Arystotelesa

Filozofia przyrody, Wykład V - Filozofia Arystotelesa Filozofia przyrody, Wykład V - Filozofia Arystotelesa 2011-10-01 Tematyka wykładu 1 Arystoteles - filozof systematyczny 2 3 4 Różnice w metodzie uprawiania nauki Krytyka platońskiej teorii idei Podział

Bardziej szczegółowo

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki

Bardziej szczegółowo

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 02 Jarosław Miszczak IITiS PAN Gliwice 06/10/2016 1 / 31 Czego dowiedzieliśmy się na poprzednim wykładzie? 1... 2... 3... 2 / 31 1 2 3 3 / 31 to jeden z pierwszych

Bardziej szczegółowo

RZECZYWISTOŚĆ SPOŁECZNA: DZIAŁANIA SPOŁECZNE, GRUPA SPOŁECZNA, ZACHOWANIA ZBIOROWE, Jagoda Mrzygłocka-Chojnacka

RZECZYWISTOŚĆ SPOŁECZNA: DZIAŁANIA SPOŁECZNE, GRUPA SPOŁECZNA, ZACHOWANIA ZBIOROWE, Jagoda Mrzygłocka-Chojnacka RZECZYWISTOŚĆ SPOŁECZNA: DZIAŁANIA SPOŁECZNE, GRUPA SPOŁECZNA, ZACHOWANIA ZBIOROWE, Jagoda Mrzygłocka-Chojnacka DZIAŁANIA SPOŁECZNE Aktor społeczny jako podmiot działający (jednostka, grupa, zbiorowość)

Bardziej szczegółowo

Metodologia badań naukowych

Metodologia badań naukowych Metodologia badań naukowych Cele zajęć: Nabycie umiejętności określania problemu badawczego i planowania badania Przyswojenie umiejętności z zakresu przygotowania i przeprowadzenia badania empirycznego

Bardziej szczegółowo

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych. Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

Innowacja pedagogiczna na zajęciach komputerowych w klasach 4e, 4f, 4g. Nazwa innowacji Programowy Zawrót Głowy

Innowacja pedagogiczna na zajęciach komputerowych w klasach 4e, 4f, 4g. Nazwa innowacji Programowy Zawrót Głowy Szkoła Podstawowa nr 13 im. Arkadego Fiedlera w Gorzowie Wlkp. rok szkolny 2016-2017 Innowacja pedagogiczna na zajęciach komputerowych w klasach 4e, 4f, 4g Nazwa innowacji Programowy Zawrót Głowy Autor

Bardziej szczegółowo

Kontekstowe wskaźniki efektywności nauczania - warsztaty

Kontekstowe wskaźniki efektywności nauczania - warsztaty Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania

Bardziej szczegółowo

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze

Bardziej szczegółowo

Teoria relewancji Sperbera i Wilson. Nowe modele komunikacyjne

Teoria relewancji Sperbera i Wilson. Nowe modele komunikacyjne Teoria relewancji Sperbera i Wilson. Nowe modele komunikacyjne Uniwersytet Kardynała Stefana Wyszyńskiego 1 Teoria relewancji ogólna teoria poznania i komunikacji 2 3 4 Twórcy teorii relewancji Dan Sperber

Bardziej szczegółowo

Spacery losowe generowanie realizacji procesu losowego

Spacery losowe generowanie realizacji procesu losowego Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z

Bardziej szczegółowo

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

teoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015

teoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015 teoria informacji Entropia, informacja, kodowanie Mariusz Różycki 24 sierpnia 2015 1 zakres materiału zakres materiału 1. Czym jest teoria informacji? 2. Wprowadzenie matematyczne. 3. Entropia i informacja.

Bardziej szczegółowo

Objaśnienie oznaczeń:

Objaśnienie oznaczeń: Efekty kształcenia na Wydziale Ekonomicznym Uniwersytetu Gdańskiego studia pierwszego stopnia profil ogólnoakademicki studia drugiego stopnia profil ogólnoakademicki Objaśnienie oznaczeń: S1A symbol efektów

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,

Bardziej szczegółowo

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.

STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Filozofia Informacji, Wykład VII - Teoria L. Floridiego. Problem relewancji p

Filozofia Informacji, Wykład VII - Teoria L. Floridiego. Problem relewancji p Filozofia Informacji, Wykład VII - Teoria L. Floridiego. Problem relewancji poznawczej. 9 kwietnia 2012 Plan wykładu 1 Problem relewancji poznawczej jako problem relewancji informacji 2 Problem relewancji

Bardziej szczegółowo

Internet Semantyczny i Logika II

Internet Semantyczny i Logika II Internet Semantyczny i Logika II Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym językiem

Bardziej szczegółowo

Głównym celem opracowania jest próba określenia znaczenia i wpływu struktury kapitału na działalność przedsiębiorstwa.

Głównym celem opracowania jest próba określenia znaczenia i wpływu struktury kapitału na działalność przedsiębiorstwa. KAPITAŁ W PRZEDSIĘBIORSTWIE I JEGO STRUKTURA Autor: Jacek Grzywacz, Wstęp W opracowaniu przedstawiono kluczowe zagadnienia dotyczące możliwości pozyskiwania przez przedsiębiorstwo kapitału oraz zasad kształtowania

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność

Bardziej szczegółowo

Skalowalność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1

Skalowalność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Skalowalność obliczeń równoległych Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Skalowalność Przy rozważaniu wydajności przetwarzania (obliczeń, komunikacji itp.) często pojawia się pojęcie skalowalności

Bardziej szczegółowo

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017 Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język

Bardziej szczegółowo

Recenzja rozprawy doktorskiej mgr Bartosza Rymkiewicza pt. Społeczna odpowiedzialność biznesu a dokonania przedsiębiorstwa

Recenzja rozprawy doktorskiej mgr Bartosza Rymkiewicza pt. Społeczna odpowiedzialność biznesu a dokonania przedsiębiorstwa Prof. dr hab. Edward Nowak Uniwersytet Ekonomiczny we Wrocławiu Katedra Rachunku Kosztów, Rachunkowości Zarządczej i Controllingu Recenzja rozprawy doktorskiej mgr Bartosza Rymkiewicza pt. Społeczna odpowiedzialność

Bardziej szczegółowo

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 2 Zmienne losowe i ich rozkłady Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie

Bardziej szczegółowo

Trafność egzaminów w kontekście metody EWD

Trafność egzaminów w kontekście metody EWD Trafność egzaminów w kontekście metody EWD Aleksandra Jasińska (a.jasinska@ibe.edu.pl) Tomasz Żółtak (t.zoltak@ibe.edu.pl) Instytut Badań Edukacyjnych ul. Górczewska 8 01-180 Warszawa JESIENNA SZKOŁA EWD

Bardziej szczegółowo

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl

Bardziej szczegółowo

Filozofia Informacji, Wykład II - Teoria informacji C. E. Shannona.

Filozofia Informacji, Wykład II - Teoria informacji C. E. Shannona. Filozofia Informacji, Wykład II - Teoria informacji C. E. Shannona. 13 marca 2012 Plan wykładu 1 Uwagi historyczne o teorii informacji Shannona Ogólna charakterystyka problemu Harry Nyquist Ralph Hartley

Bardziej szczegółowo

Cel projektu: Wymogi dotyczące sprawozdania:

Cel projektu: Wymogi dotyczące sprawozdania: W ramach zajęć proszę wykonać sprawozdanie z logiki rozmytej. Sprawozdanie powinno realizować zadanie wnioskowania rozmytego. Cel projektu: Student projektuje bazę wiedzy wnioskowania rozmytego (kilka,

Bardziej szczegółowo

Administracja publiczna Wydział Zamiejscowy w Puławach

Administracja publiczna Wydział Zamiejscowy w Puławach symbole efektów kształcenia na kierunku Administracja publiczna Wydział Zamiejscowy w Puławach I stopień profil praktyczny kierunkowe efekty kształcenia - opis słowny odniesienie do obszarowych efektów

Bardziej szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 3 /Weterynaria I/ Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Definicje. Algorytm to:

Definicje. Algorytm to: Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi

Bardziej szczegółowo

1. Synteza automatów Moore a i Mealy realizujących zadane przekształcenie 2. Transformacja automatu Moore a w automat Mealy i odwrotnie

1. Synteza automatów Moore a i Mealy realizujących zadane przekształcenie 2. Transformacja automatu Moore a w automat Mealy i odwrotnie Opracował: dr hab. inż. Jan Magott KATEDRA INFORMATYKI TECHNICZNEJ Ćwiczenia laboratoryjne z Logiki Układów Cyfrowych ćwiczenie 207 Temat: Automaty Moore'a i Mealy 1. Cel ćwiczenia Celem ćwiczenia jest

Bardziej szczegółowo

O REDUKCJI U-INFORMACJI

O REDUKCJI U-INFORMACJI O REDUKCJI U-INFORMACJI DO DANYCH Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki o komunikacji KOMPUTER informatyka elektronika

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe) Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne

Bardziej szczegółowo

Klasyfikacja metodą Bayesa

Klasyfikacja metodą Bayesa Klasyfikacja metodą Bayesa Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski warunkowe i bezwarunkowe 1. Klasyfikacja Bayesowska jest klasyfikacją statystyczną. Pozwala przewidzieć prawdopodobieństwo

Bardziej szczegółowo

Metodologia badań psychologicznych

Metodologia badań psychologicznych Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania

Bardziej szczegółowo

Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak

Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak 1 Wprowadzenie. Zmienne losowe Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez wnioskowanie rozumiemy

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej

Bardziej szczegółowo

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa. Plan Procedura decyzyjna Reguły α i β - algorytm Plan Procedura decyzyjna Reguły α i β - algorytm Logika obliczeniowa Instytut Informatyki 1 Procedura decyzyjna Logiczna konsekwencja Teoria aksjomatyzowalna

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład I: Formalizm statystyki matematycznej 17 lutego 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Zagadnienia omawiane na wykładach Forma zaliczenia przedmiotu Forma zaliczenia Literatura

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki

Bardziej szczegółowo

Efekty kształcenia dla kierunku Prawno-ekonomicznego

Efekty kształcenia dla kierunku Prawno-ekonomicznego II. Efekty kształcenia dla kierunku Prawno-ekonomicznego Poziom kształcenia: studia pierwszego stopnia Profil: ogólnoakademicki Dyscyplina: prawo i ekonomia Forma studiów: stacjonarne Tytuł zawodowy uzyskiwany

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.2. Niezależność zdarzeń Katarzyna Rybarczyk-Krzywdzińska Niezależność dwóch zdarzeń Intuicja Zdarzenia losowe

Bardziej szczegółowo

Systemy Wspomagania Decyzji

Systemy Wspomagania Decyzji Teoria decyzji Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności February 5, 2016 1 Definicje 2 Normatywna teoria decyzji 3 Opisowa teoria decyzji 4 Naturalistyczny model podejmowania decyzji

Bardziej szczegółowo

Wykład 4. Decyzje menedżerskie

Wykład 4. Decyzje menedżerskie Dr inż. Aleksander Gwiazda Zarządzanie strategiczne Wykład 4 Decyzje menedżerskie Plan wykładu Wprowadzenie Wprowadzenie Pojęcie decyzji Decyzja to świadoma reakcja na sytuacje powstające w trakcie funkcjonowania

Bardziej szczegółowo

INTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998)

INTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PARADYGMAT INTUICJE Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PIERWSZE UŻYCIA językoznawstwo: Zespół form deklinacyjnych lub koniugacyjnych

Bardziej szczegółowo

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A Zad. 1. Korzystając z podanych poniżej mini-tablic, oblicz pierwszy, drugi i trzeci kwartyl rozkładu N(10, 2 ). Rozwiązanie. Najpierw ogólny komentarz

Bardziej szczegółowo

Agnieszka Nowak Brzezińska Wykład III

Agnieszka Nowak Brzezińska Wykład III Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

Wstęp do Techniki Cyfrowej... Teoria automatów

Wstęp do Techniki Cyfrowej... Teoria automatów Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia

Bardziej szczegółowo

Agnieszka Nowak Brzezińska Wykład III

Agnieszka Nowak Brzezińska Wykład III Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe

Bardziej szczegółowo

Wstęp do logiki. Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża,

Wstęp do logiki. Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża, Prof. UAM, dr hab. Zbigniew Tworak Zakład Logiki i Metodologii Nauk Instytut Filozofii Wstęp do logiki Kto jasno i konsekwentnie myśli, ściśle i z ładem się wyraża, kto poprawnie wnioskuje i uzasadnia

Bardziej szczegółowo

INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a

INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a www.ltb.org.pl strona 1 / 5 INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a Wymagania krajowe a norma PN-EN 14351-1:2006 mgr inż. Andrzej Żyła Norma europejska PN-EN 14351-1:2006 Okna i drzwi. Norma wyrobu, właściwości

Bardziej szczegółowo

Internet Semantyczny. Logika opisowa

Internet Semantyczny. Logika opisowa Internet Semantyczny Logika opisowa Ontologie Definicja Grubera: Ontologia to formalna specyfikacja konceptualizacji pewnego obszaru wiedzy czy opisu elementów rzeczywistości. W Internecie Semantycznym

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Bardziej szczegółowo

Referat: Krytyczne czytanie w polonistycznej edukacji wczesnoszkolnej

Referat: Krytyczne czytanie w polonistycznej edukacji wczesnoszkolnej Propozycje zintegrowanych programów edukacji zatwierdzone przez Ministra Edukacji Narodowej do użytku szkolnego odpowiadają założeniom uprzednio opracowanej przez MEN Podstawie programowej kształcenia

Bardziej szczegółowo

5. WNIOSKOWANIE PSYCHOMETRYCZNE

5. WNIOSKOWANIE PSYCHOMETRYCZNE 5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania

Bardziej szczegółowo

Za pierwszy niebanalny algorytm uważa się algorytm Euklidesa wyszukiwanie NWD dwóch liczb (400 a 300 rok przed narodzeniem Chrystusa).

Za pierwszy niebanalny algorytm uważa się algorytm Euklidesa wyszukiwanie NWD dwóch liczb (400 a 300 rok przed narodzeniem Chrystusa). Algorytmy definicja, cechy, złożoność. Algorytmy napotykamy wszędzie, gdziekolwiek się zwrócimy. Rządzą one wieloma codziennymi czynnościami, jak np. wymiana przedziurawionej dętki, montowanie szafy z

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Informacje przedstawiane w sprawozdaniach z badań w aspekcie miarodajności wyników

Informacje przedstawiane w sprawozdaniach z badań w aspekcie miarodajności wyników Informacje przedstawiane w sprawozdaniach z badań w aspekcie miarodajności wyników XVIII Sympozjum POLLAB Kołobrzeg 22.05.2012 r. Tadeusz Matras Andrzej Kober 2 Sprawozdanie z badań W rozumieniu normy

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.

Bardziej szczegółowo

WIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk;

WIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk; SYMBOL Efekty kształcenia dla kierunku studiów: inżynieria zarządzania; Po ukończeniu studiów pierwszego stopnia na kierunku inżynieria zarządzania, absolwent: Odniesienie do obszarowych efektów kształcenia

Bardziej szczegółowo

NIEPEWNOŚĆ I RYZYKO PODEJMOWANIA DECYZJI W TEORII ZARZĄDZANIA

NIEPEWNOŚĆ I RYZYKO PODEJMOWANIA DECYZJI W TEORII ZARZĄDZANIA dr Ireneusz Drabik NIEPEWNOŚĆ I RYZYKO PODEJMOWANIA DECYZJI W TEORII ZARZĄDZANIA Procesy decyzyjne w administracji publicznej w Polsce i innych państwach Unii Europejskiej Międzynarodowa konferencja naukowa

Bardziej szczegółowo

Przykładowe sprawozdanie. Jan Pustelnik

Przykładowe sprawozdanie. Jan Pustelnik Przykładowe sprawozdanie Jan Pustelnik 30 marca 2007 Rozdział 1 Sformułowanie problemu Tematem pracy jest porównanie wydajności trzech tradycyjnych metod sortowania: InsertionSort, SelectionSort i BubbleSort.

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Kierunek Zarządzanie I stopnia Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych

Kierunek Zarządzanie I stopnia Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych Kierunek Zarządzanie I stopnia Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych Objaśnienie oznaczeń: Z efekty kierunkowe W wiedza U umiejętności

Bardziej szczegółowo

Umiejscowienie kierunku w obszarach kształcenia Kierunek kształcenia prawno-ekonomiczny należy do obszaru kształcenia w zakresie nauk społecznych.

Umiejscowienie kierunku w obszarach kształcenia Kierunek kształcenia prawno-ekonomiczny należy do obszaru kształcenia w zakresie nauk społecznych. Efekty kształcenia dla kierunku PRAWNO-EKONOMICZNEGO studia pierwszego stopnia profil ogólnoakademicki Forma studiów: stacjonarne Studia prowadzone wspólnie przez Wydział Ekonomii Uniwersytetu Ekonomicznego

Bardziej szczegółowo

JAKIEGO RODZAJU NAUKĄ JEST

JAKIEGO RODZAJU NAUKĄ JEST JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów

Bardziej szczegółowo

Filozofia, ISE, Wykład V - Filozofia Eleatów.

Filozofia, ISE, Wykład V - Filozofia Eleatów. 2011-10-01 Plan wykładu 1 Filozofia Parmenidesa z Elei Ontologia Parmenidesa Epistemologiczny aspekt Parmenidejskiej filozofii 2 3 Ontologia Parmenidesa Epistemologiczny aspekt Parmenidejskiej filozofii

Bardziej szczegółowo

KULTURA JAKO ZMIENNA WEWNĘTRZNA. związek efektywności i kultury organizacyjnej

KULTURA JAKO ZMIENNA WEWNĘTRZNA. związek efektywności i kultury organizacyjnej KULTURA JAKO ZMIENNA NIEZALEŻNA - narodowe style zarządzania - podobieństwa i różnice w sposobie zarządzania w różnych krajach związek efektywności i kultury narodowej Oprac. na podst. Smircich (1983).

Bardziej szczegółowo

Przepustowość kanału, odczytywanie wiadomości z kanału, poprawa wydajności kanału.

Przepustowość kanału, odczytywanie wiadomości z kanału, poprawa wydajności kanału. Przepustowość kanału, odczytywanie wiadomości z kanału, poprawa wydajności kanału Wiktor Miszuris 2 czerwca 2004 Przepustowość kanału Zacznijmy od wprowadzenia równości IA, B HB HB A HA HA B Można ją intuicyjnie

Bardziej szczegółowo

Filozofia, ISE, Wykład X - Filozofia średniowieczna.

Filozofia, ISE, Wykład X - Filozofia średniowieczna. Filozofia, ISE, Wykład X - Filozofia średniowieczna. 2011-10-01 Plan wykładu 1 Filozofia średniowieczna a starożytna 2 3 Ogólna charakterystyka filozofii średniowiecznej Ogólna charakterystyka filozofii

Bardziej szczegółowo

Badania naukowe. Tomasz Poskrobko. Metodyka badań naukowych

Badania naukowe. Tomasz Poskrobko. Metodyka badań naukowych Badania naukowe Tomasz Poskrobko Metodyka badań naukowych Badania naukowe w szerokim ujęciu etapowy proces twórczych czynności, przebiegający od ustalenia i powzięcia decyzji o rozwiązaniu problemu badawczego,

Bardziej szczegółowo

Logika intuicjonistyczna

Logika intuicjonistyczna Logika intuicjonistyczna Logika klasyczna oparta jest na pojęciu wartości logicznej zdania. Poprawnie zbudowane i jednoznaczne stwierdzenie jest w tej logice klasyfikowane jako prawdziwe lub fałszywe.

Bardziej szczegółowo

FUNKCJE. (odwzorowania) Funkcje 1

FUNKCJE. (odwzorowania) Funkcje 1 FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru

Bardziej szczegółowo

Propensity score matching (PSM)

Propensity score matching (PSM) Propensity score matching (PSM) Jerzy Mycielski Uniwersytet Warszawski Maj 2010 Jerzy Mycielski (Uniwersytet Warszawski) Propensity score matching (PSM) Maj 2010 1 / 18 Badania ewaluacyjne Ocena wpływu

Bardziej szczegółowo

Proces informacyjny. Janusz Górczyński

Proces informacyjny. Janusz Górczyński Proces informacyjny Janusz Górczyński 1 Proces informacyjny, definicja (1) Pod pojęciem procesu informacyjnego rozumiemy taki proces semiotyczny, ekonomiczny i technologiczny, który realizuje co najmniej

Bardziej szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

WPROWADZENIE DO PROBLEMATYKI PODEJMOWANIA DECYZJI GOSPODARCZYCH

WPROWADZENIE DO PROBLEMATYKI PODEJMOWANIA DECYZJI GOSPODARCZYCH Mariusz Próchniak Katedra Ekonomii II, SGH WPROWADZENIE DO PROBLEMATYKI PODEJMOWANIA DECYZJI GOSPODARCZYCH Ekonomia menedżerska 1 Ekonomia menedżerska zajmuje się analizą istotnych decyzji podejmowanych

Bardziej szczegółowo