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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Filozofia Informacji, Wykład VII - Teoria L. Floridiego. Problem relewancji poznawczej. 9 kwietnia 2012

2 Plan wykładu 1 Problem relewancji poznawczej jako problem relewancji informacji 2 Problem relewancji w Information Retrieval (IR) i naukach o informacji (LIS) Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów 3 4 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji 5 Krytyka koncepcji Floridiego

3 Problematyka teoriopoznawcza - perspektywa informacyjna Wg Keitha Devlina W przypadku prób zrozumienia rozumowania i komunikacji najbardziej znaczące postępy osiągnięto w naszych czasach dzięki czemuś, co będę nazywał postawą informacyjną. Jej punktem wyjścia jest potraktowanie mózgu ludzkiego jako procesora informacji - urządzenia, które mże przyswajać sobie, magazynować i przetwarzać informacje. (...) Poznanie można traktować jako proes nabywania informacji, rozumowanie zaś jako środek wzbogacania zasobu informacji przez wyprowadzenie nowych informacji z informacji już posiadanych. (...) Podobnie komunikację można traktować jako środek przekazywania informacji posiadanych przez jedną osobę innej osobie. K. Devlin, Żegnaj Kartezjuszu, Warszawa 1999, ss

4 Problematyka teoriopoznawcza - perspektywa informacyjna Podobnie jak Devlin, o perpektywie informacynej wyraża się Dretske: Jeśli ma być nawiązany jakikolwiek kontakt między filozofią i całym bogactwem istotnego materiału w naukach kognitywnych, to muszą być zbudowane pewne mosty, przynajmniej na poziomie terminologii, między filozoficznym ujęciem wiedzy, przekonań i percepcji a tymi z nauk, które zajmują się tymi samymi aspektami życia umysłowego. Dlatego, wg Dretskego, centralnym pojęciem wokół którego należy budować całą filozofię poznania, jest pojęcie informacji. F. Dretske, Knowledge and Information, MIT Press 1981, s. viii.

5 Problematyka teoriopoznawcza - perspektywa informacyjna W dotąd omawianych teoriach mieliśmy do czynienia z koncepcją informacji jako czynnika wiedzotwórczego. Próby podania miary informatywności były jednocześnie próbami podania miary nadwyżki wiedzy, która może być uzyskana dzięki informacji, albo przynajmniej, bardziej ogólnie, miary bliżej nieokreślonej korzyści, którą możemy dzięki informacji odnieść.

6 Problem relewancji poznawczej jako problem relewancji informacji Problem relewancji informacji jest doskonałą egzemplifikacją ujęcia szczególnego problemu teoriopoznawczego z perspektywy teorio-informacyjnej.

7 Problem relewancji poznawczej jako problem relewancji informacji Ogólny problem relewancji poznawczej postawiony jest (w koncepcji Floridiego) jako problem relewancji informacji w ujęciu subiektywistycznym : czy w ogóle, a jeśli tak, to w jakim stopniu, określona informacja może być podstawą rozwoju wiedzy o świecie, podstawą wyborów, skutecznych działań, procesów decyzyjnych.

8 Ogólne warunki adekwatności definicji relewancji Odpowiedni opis relewancji spełnić będzie musiał cały szereg warunków: mimo całej złożoności zjawiska i wieloznaczności pojęcia relewancji, należy założyć, że możliwe jest jego systematyczne opisanie,

9 Ogólne warunki adekwatności definicji relewancji Odpowiedni opis relewancji spełnić będzie musiał cały szereg warunków: mimo całej złożoności zjawiska i wieloznaczności pojęcia relewancji, należy założyć, że możliwe jest jego systematyczne opisanie, opis nie może ograniczać się do opisu jednej wybranej formy aktywności poznawczej,

10 Ogólne warunki adekwatności definicji relewancji Odpowiedni opis relewancji spełnić będzie musiał cały szereg warunków: mimo całej złożoności zjawiska i wieloznaczności pojęcia relewancji, należy założyć, że możliwe jest jego systematyczne opisanie, opis nie może ograniczać się do opisu jednej wybranej formy aktywności poznawczej, będzie uwzględniał subiektywne potrzeby i dyspozycje agenta,

11 Ogólne warunki adekwatności definicji relewancji Odpowiedni opis relewancji spełnić będzie musiał cały szereg warunków: mimo całej złożoności zjawiska i wieloznaczności pojęcia relewancji, należy założyć, że możliwe jest jego systematyczne opisanie, opis nie może ograniczać się do opisu jednej wybranej formy aktywności poznawczej, będzie uwzględniał subiektywne potrzeby i dyspozycje agenta, będzie dopuszczał stopniowalność,

12 Ogólne warunki adekwatności definicji relewancji Odpowiedni opis relewancji spełnić będzie musiał cały szereg warunków: mimo całej złożoności zjawiska i wieloznaczności pojęcia relewancji, należy założyć, że możliwe jest jego systematyczne opisanie, opis nie może ograniczać się do opisu jednej wybranej formy aktywności poznawczej, będzie uwzględniał subiektywne potrzeby i dyspozycje agenta, będzie dopuszczał stopniowalność, a przede wszystkim będzie wyjaśniał wiedzotwórczy aspekt informacji (ujęcie L. Floridiego i F. Dretskego).

13 Ogólny problem relewancji w LIS Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Z tego, że własności systemowe nie determinują wartości dokumentu dla odbiorcy w literaturze IR zdawano sobie sprawę mniej więcej od lat 70-tych ub. wieku. Problem relewancji w LIS jest współcześnie stawiany jako problem satysfakcji użytkownika systemu informacyjno-wyszukiwawczego: co konstytuuje satysfakcję odbiorcy i jak tą satysfakcję systematycznie opisać?

14 Ogólny problem relewancji w LIS Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Z tego, że własności systemowe nie determinują wartości dokumentu dla odbiorcy w literaturze IR zdawano sobie sprawę mniej więcej od lat 70-tych ub. wieku. Problem relewancji w LIS jest współcześnie stawiany jako problem satysfakcji użytkownika systemu informacyjno-wyszukiwawczego: co konstytuuje satysfakcję odbiorcy i jak tą satysfakcję systematycznie opisać? Np. Abraham Bookstein zwracając uwagę na fakt, że własności systemu nie determinują jednoznacznie reakcji odbiorcy na dostarczany przez system dokument, zaproponował zdefiniowanie relewancji właśnie w kategoriach satysfakcji odbiorcy z produktu wyjściowego danego systemu informacyjno-wyszukiwawczego. (Abraham Bookstein, Relevance, w: Journal of the American Society for Information Science, 30 (5), 269).

15 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji W literaturze z dziedziny IR problem relewancji jest ujmowany raczej od strony systemu informacyjno-wyszukiwawczego (pełnokrwista postać odbiorcy tam nie występuje): jest to problem adekwatności odpowiedzi systemu do pytania zadanego w ramach danego systemu (w języku danego systemu).

16 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji W literaturze z dziedziny IR problem relewancji jest ujmowany raczej od strony systemu informacyjno-wyszukiwawczego (pełnokrwista postać odbiorcy tam nie występuje): jest to problem adekwatności odpowiedzi systemu do pytania zadanego w ramach danego systemu (w języku danego systemu). Które dokumenty obejmowane przez dany system informacyjno-wyszukiwawczy odpowiadają bardziej lub mniej zapotrzebowaniu użytkownika wyrażonemu w języku tego systemu.

17 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Przykład (dość prosty) definicji relewancji w IR: r : D x Q R D = d 1, d 2, d 3... d n zbiór dokumentów Q = q 1, q 2, q 3... q n zbiór możliwych pytań R = zbiór wartości, np. 0, 1. za: Reginald Ferber, Information Retrieval. Suchmodelle und Data-Mining Verfahren fuer Textsammlungen und das Web, Heidelberg 2003, s. 86.

18 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Uwagi: W powyższym przykładzie mamy tylko alternatywę: dokument d i będzie należał do zbioru dokumentów relewantnych do zapytania albo nie.

19 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Uwagi: W powyższym przykładzie mamy tylko alternatywę: dokument d i będzie należał do zbioru dokumentów relewantnych do zapytania albo nie. W tej definicji nie dopuszczamy wpływu innych dokumentów (np. cytowań, linkowań itp.) do oceny relewancji.

20 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Ta definicja pozwala jednak na sformułowanie służących ewaluacji systemów wyszukiwawczych definicji pojęć precyzji (Precision) i dokładności (Recall): Precyzja oznacza udział relewantnych dokumentów w całym zbiorze wybranych. Dokładność oznacza udział odnalezionych relewantnych dokumentów w całym zbiorze dokumentów relewantnych.

21 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Ta definicja pozwala jednak na sformułowanie służących ewaluacji systemów wyszukiwawczych definicji pojęć precyzji (Precision) i dokładności (Recall): Precyzja oznacza udział relewantnych dokumentów w całym zbiorze wybranych. Dokładność oznacza udział odnalezionych relewantnych dokumentów w całym zbiorze dokumentów relewantnych. Optymalna jest oczywiście taka sytuacja, gdy mamy pełny zbiór relewantnych dokumentów i tylko takich. Obie z tych miar mogą przyjmować wartości z przedziału (0, 1).

22 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Problem relewancji w IR - przykłady definicji Ta definicja pozwala jednak na sformułowanie służących ewaluacji systemów wyszukiwawczych definicji pojęć precyzji (Precision) i dokładności (Recall): Precyzja oznacza udział relewantnych dokumentów w całym zbiorze wybranych. Dokładność oznacza udział odnalezionych relewantnych dokumentów w całym zbiorze dokumentów relewantnych. Optymalna jest oczywiście taka sytuacja, gdy mamy pełny zbiór relewantnych dokumentów i tylko takich. Obie z tych miar mogą przyjmować wartości z przedziału (0, 1). Polecam interesujący wykład Daniela Tunkelanga dotyczący problemu relewancji w IR (z serii googletechtalks na youtube.com):

23 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Strategie ustalania rankingu dokumentów Ogólnie rzecz biorąc strategie ustalania hierarchii dokumentów jako wyniku wyszukiwania w dowolnym systemie informacyjno-wyszukiwawczym można podzielić na: centralnie zarządzane, dopuszczające ingerencję ludzi, w pełni zautomatyzowane, oparte na różnych indeksach oraz innych czynnikach pozwalających na oszacowanie wartości wyniku wyszukiwania (indeksy, logiczna struktura dokumentu, związki z innymi dokumentami).

24 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Strategie ustalania rankingu dokumentów Wady i zalety obu rodzajów systemów są odmienne i zależne od przyjętych zasad postępowania, wielkości zbioru itp.

25 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Strategie ustalania rankingu dokumentów Wady i zalety obu rodzajów systemów są odmienne i zależne od przyjętych zasad postępowania, wielkości zbioru itp. Rysunek: Przykład wyjątkowego elektronicznego katalogu - Ossolineum. Trudno uznać ten system wyszukiwawczy za udane przeniesienie katalogu do wersji elektronicznej.

26 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Strategie ustalania rankingu dokumentów Systemy mieszane (przykłady): systemy oparte na ocenach użytkowników lub ewaluacji wyników przez ekspertów; dopuszczające ingerencję ręczną wyszukiwarki zautomatyzowane (np. Google).

27 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Algorytm Google - podstawowe zasady Google jest w Polsce najbardziej popularną wyszukiwarką internetową. Podstawowymi deklarowanymi ideami leżącymi u podstaw ustalania rankingu wyników są: 1 Najlepsze lokalnie wyniki, które są dostępne dla całego świata. 2 Prosty interfejs. 3 Pełna automatyzacja. Ostatni warunek jest uzasadniony przekonaniem, że subiektywny osąd jest zawsze obarczony indywidualnymi preferencjami. Ręczne interwencje podejmowane są w przypadku złamania zasad Google odnośnie np. pornografii dziecięcej, stron zawierających wirusy (w Polsce ingerencja na większą skalę miała miejsce niedawno w odniesieniu do porównywarek cenowych). Por.

28 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Algorytm Google - wersja historyczna-uproszczona Słynny PageRank Google jest oparty na analizie struktury sieci. Podstawowa historyczna wersja wyglądała mniej więcej tak: Zakładamy, że witryna internetowa A jest linkowana przez strony T 1,..., T n. Przyjmujemy stały parametr d - współczynnik tłumienia (dumping factor) = 0,85. C(x) - ilość linków wychodzących ze strony x. PR(A) = (1 d) + d(pr(t 1)/C(T 1) PR(Tn)/C(Tn))

29 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Algorytm Google - wersja historyczna-uproszczona Słynny PageRank Google jest oparty na analizie struktury sieci. Podstawowa historyczna wersja wyglądała mniej więcej tak: Zakładamy, że witryna internetowa A jest linkowana przez strony T 1,..., T n. Przyjmujemy stały parametr d - współczynnik tłumienia (dumping factor) = 0,85. C(x) - ilość linków wychodzących ze strony x. PR(A) = (1 d) + d(pr(t 1)/C(T 1) PR(Tn)/C(Tn)) Zabawna ilustracja zmian algorytmu Google:

30 Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów Algorytm Google - wersja historyczna-uproszczona Naturalnie strukturalna analiza pozwala tylko na poprawienie jakości hierarchii dokumentów, nie służy jednak jako podstawa ich wyboru z całego zbioru możliwości. Ta część zadania (właściwie logicznie pierwsza) jest oparta na analizie zawartości treściowej - tzn. różnego typu indeksów charakteryzujących zawartość dokumentów.

31 Podsumowanie Ogólny problem relewancji w LIS Problem relewancji w IR Strategie ustalania rankingu dokumentów W literaturze IR i LIS rzadko dąży się do sformułowania uogólnień odnośnie wszelkiego rodzaju aktywności poznawczej. Raczej korzysta się z analiz epistemologicznych i psychologicznych (i naturalnie także logicznych) do szczegółowego opisu sytuacji poszukiwania informacji i do budowy sztucznych systemów informacyjno-wyszukiwawczych.

32 Teoria informacji Freda Dretskego Teoria informacji i teoria relewancji L. Floridiego.

33 Definicja informacji semantycznej Relewantna może być informacja w sensie semantycznym. Podstawą teoretyczną koncepcji relewancji jest teoria informacji semantycznej, w ramach której: pojęcie informacji semantycznej nie pozostaje niezdefiniowane, definicja informacji semantycznej zawiera warunek prawdziwości - fałszywa informacja nie jest informacją.

34 Definicja informacji semantycznej Informacja musi być prawdziwa ze względu na wiedzotwórczy aspekt informacji: Informacja jest czymś służącym rozwojowi wiedzy a jeśli wiedza wymaga prawdziwości, to informacja także jej wymaga. Fred Dretske, Knowledge and the Flow of Information, CSLI Publications 1999, s. 45.

35 Definicja informacji semantycznej Wprowadzenie warunku prawdziwości do definicji informacji semantycznej skutkuje podziałem agentów na: semantycznie zdolnych oraz

36 Definicja informacji semantycznej Wprowadzenie warunku prawdziwości do definicji informacji semantycznej skutkuje podziałem agentów na: semantycznie zdolnych oraz operujących wyłącznie niezinterpretowanymi danymi (niezdolnymi do oceny odniesienia informacji).

37 Zasada pomiaru informatywności Zdanie opisuje pewną sytuację. Im większa ilość dopuszczonych alternatywnych sytuacji względem sytuacji, o której informację niesie sygnał, tym mniejsza informatywność a większa semantyczna niepewność.

38 Teoria informacji na bazie semantyki sytuacyjnej Wartość informacji semantycznej niesionej przez σ(γ(σ)) jest określona w teorii Floridiego przez pole powierzchni między przebiegiem funkcji ι(σ) w przedziale wyznaczonym przez wskaźnik θ(σ) - czyli stopień potwierdzenia formuły przez sytuację) a osią x: γ(σ) = θ 0 ι(σ)dx Im większe wyznaczone pole przez przebieg funkcji ι(σ), tym większa niepewność.

39 Teoria informacji na bazie semantyki sytuacyjnej Rysunek: Wartość informacyjna dla czynnika θ(σ) = 0,25. Ilustracja za: L. Floridi, Semantic Conceptions of Information, w: Stanford Encyclopedia of Philosophy,

40 Zasada pomiaru informatywności Miara informatywności jest w teorii Floridiego związana z większą bądź mniejszą precyzją w opisie określonej sytuacji: im większa ilość dopuszczonych alternatywnych sytuacji względem sytuacji, o której informację niesie sygnał, tym mniejsza informatywność przekazu. Wskaźnik oznaczający stopień potwierdzenia danej formuły osiąga w przypadku tautologii wartość maksymalną: 1 dowolna sytuacja jest bowiem jej potwierdzeniem. W przypadku sytuacji dokładnie odpowiadających treści formuły, wskaźnik ten ma wartość 0: żadna inna sytuacja nie jest wtedy odniesieniem treści formuły. Informatywność formuły jest zatem tym większa im mniej sytuacji może ją potwierdzać. Stopień informatywności Floridi oblicza jako dopełnienie do wartości maksymalnej 1.

41 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Systemowe i subiektywistyczne określenie relewancji W koncepcji relewancji Floridiego pojawia się znany z IR i LIS podział na teorię relewancji zorientowaną na system (S-teorie) lub na dyspozycje agenta (A-teorie).

42 S-teoria S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji W S-teoriach stopień relewancji mierzy się niezależnie od potrzeb agenta. Przykład (sformułowany już wyżej): r : D x Q R D = d 1, d 2, d 3... d n zbiór dokumentów Q = q 1, q 2, q 3... q n zbiór możliwych pytań R = zbiór wartości, np. 0, 1. za: Reginald Ferber, Information Retrieval. Suchmodelle und Data-Mining Verfahren fuer Textsammlungen und das Web, Heidelberg 2003, s. 86.

43 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Analiza relewancji w kontekście dyspozycji agenta Własności systemu nie determinują jednoznacznie reakcji odbiorcy na dostarczany przez system dokument: Ta sama informacja dla dwóch różnych agentów może być mniej lub bardziej relewantna.

44 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Analiza relewancji w kontekście dyspozycji agenta Własności systemu nie determinują jednoznacznie reakcji odbiorcy na dostarczany przez system dokument: Ta sama informacja dla dwóch różnych agentów może być mniej lub bardziej relewantna. Ta sama informacja dla tego samego agenta może być w różnych okolicznościach bardziej lub mniej relewantna.

45 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Analiza relewancji w kontekście dyspozycji agenta Własności systemu nie determinują jednoznacznie reakcji odbiorcy na dostarczany przez system dokument: Ta sama informacja dla dwóch różnych agentów może być mniej lub bardziej relewantna. Ta sama informacja dla tego samego agenta może być w różnych okolicznościach bardziej lub mniej relewantna. Jednocześnie jednak, jeśli dwóch agentów mających identyczny obraz świata otrzyma tą samą informację, ich obraz świata ulega zmianie.

46 Formuła bazowa S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Opis relewancji poznawczej obejmujący dyspozycje agenta Floridi rozpoczyna od formuły: R (i) (Q (a, q, d, c, l) S (i, q, d, c, l))

47 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Probabilistyczna modyfikacja formuły bazowej W probabilistycznej modyfikacji formuły bazowej zamiast prostej koniunkcji pytania i odpowiedzi mamy iloczyn prawdopodobieństw: postawienia pytania i uzyskania odpowiedzi spełniającej warunek maksymalnej dokładności i precyzji. R (i) = P (Q (a, q, d, c, l)) x P (A (i, q, d, c, l))).

48 S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Kolejna probabilistyczna modyfikacja formuły bazowej Kolejna modyfikacja pozwala uniknąć trudności związanych z modyfikacją pierwszą: R (i) = P (A (i, q, d, c, l)), gdy P (Q (a, q, d, c, l)) = 1 R (i) = P (I a (i, q, d, c, l ) Q (a, q, d, c, l)) x P (A (i, q, d, c, l)), gdy 0 P (Q (a, q, d, c, l)) 1

49 Ostateczna definicja relewancji S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Ostateczna wersja formuły pozwalającej określić wartość relewancji informacji: R (i) = P (A (i, q, d, c, l m )), gdy P (Q (a, q, d, c, l m )) = 1 R (i) = P (I a (ni, d, l n ) Q (a, q, d, c, l n )) x P (A (i, q, d, c, l m )), gdy 0 P (Q (a, q, d, c, l m )) 1

50 Własności sformułowanej definicji S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji Informacja ni nie jest w tej formule zależna od zawartości informacyjnej i. Formuła określająca wartość R (i) może zostać przełożona na sieć zależności warunkowych i przedstawiona w sieci Bayesowskiej. Włącza do kwestii relewancji problem etyczny.

51 Warunek prawdziwości informacji S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji jeśli analizujemy poznawczą relewancję w kategoriach dążeń poznawczych, oczywistym jest, że dezinformacja nie czyni żadnej [pozytywnej] istotnej różnicy w agenta obrazie świata. Wręcz przeciwnie, jest ona szkodliwa. Bardzo kłopotliwa jest sytuacja, gdy o odjeżdża pociąg, o którym powiedziano nam, że odjedzie o (...) Luciano Floridi, Understanding Epistemic Relevance, w: Erkenntnis 69/1, s. 84.

52 Warunek prawdziwości informacji S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji jeśli analizujemy poznawczą relewancję w kategoriach dążeń poznawczych, oczywistym jest, że dezinformacja nie czyni żadnej [pozytywnej] istotnej różnicy w agenta obrazie świata. Wręcz przeciwnie, jest ona szkodliwa. Bardzo kłopotliwa jest sytuacja, gdy o odjeżdża pociąg, o którym powiedziano nam, że odjedzie o (...) Luciano Floridi, Understanding Epistemic Relevance, w: Erkenntnis 69/1, s. 84. Wniosek: nie możemy uznać informacji i za relewantną, jeśli informacja i nie jest prawdziwa.

53 Warunek prawdziwości informacji S-teorie i A-teorie Formuła bazowa i jej probabilistyczne modyfikacje Ostateczna definicja relewancji Prawdziwość informacji W przyjętej formule: R (i) = P (I a (ni, d, l n ) Q (a, q, d, c, l n )) x P (A (i, q, d, c, l m )), gdy 0 P (Q (a, q, d, c, l m )) 1 warunek prawdziwości wyrażony jest nie wprost: R (i) = 0, gdy P (Q (a, q, d, c, l m ) = 0.

54 Krytyka koncepcji Floridiego Krytyka koncepcji Floridiego Każdy organizm, także ameba, ma pewne potrzeby informacyjne, których realizacja umożliwia funkcjonowanie w środowisku naturalnym; dla takich organizmów niektóre informacje są zatem bardziej relewantne, inne mniej.

55 Krytyka koncepcji Floridiego Krytyka koncepcji Floridiego Każdy organizm, także ameba, ma pewne potrzeby informacyjne, których realizacja umożliwia funkcjonowanie w środowisku naturalnym; dla takich organizmów niektóre informacje są zatem bardziej relewantne, inne mniej. Brak uzależnienia poziomu R (i) od możliwości dedukcyjnych agenta.

56 Krytyka koncepcji Floridiego Krytyka koncepcji Floridiego Każdy organizm, także ameba, ma pewne potrzeby informacyjne, których realizacja umożliwia funkcjonowanie w środowisku naturalnym; dla takich organizmów niektóre informacje są zatem bardziej relewantne, inne mniej. Brak uzależnienia poziomu R (i) od możliwości dedukcyjnych agenta. Koncepcję relewancji poznawczej Floridiego dotyka cała krytyka prawdziwościowo określonej definicji informacji.

57 Krytyka koncepcji Floridiego Krytyka koncepcji Floridiego Czy warunkiem tego, żeby R (i) było większe niż 0 musi być prawdziwość informacji i? Agent może mieć do czynienia ze zdaniami, których prawdziwości nie może skontrolować, ale to nie oznacza, że nie mogą one być dla niego wartościowe poznawczo. Oszacowanie wartości relewancji przed faktem byłoby w tym przypadku możliwe tylko o ile informacja uprzednio byłaby znana, a zatem nie byłoby mowy o informacji o dostępności nowej informacji odnośnie danej dziedziny. Brak precyzyjnie określonych podstaw klasyfikacji agentów na zdolnych do rozumienia znaczeń i operujących wyłącznie na niezinterpretowanych danych (Aaron Sloman, James Fetzer).

58 Krytyka koncepcji Floridiego Dziękuję za uwagę i zapraszam do stawiania pytań! artur.machlarz@uni.opole.pl www: machlarz

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

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

Filozofia Informacji, Wykład X - Teoria informacji a semantyka sytuacyjna

Filozofia Informacji, Wykład X - Teoria informacji a semantyka sytuacyjna Filozofia Informacji, Wykład X - Teoria informacji a semantyka sytuacyjna 3 czerwca 2012 Plan wykładu 1 Idea semantyki sytuacyjnej (Barwise, Perry) 2 Czym jest informacja? Infon - definicja i własności

Bardziej szczegółowo

Filozofia przyrody - Filozofia Eleatów i Demokryta

Filozofia przyrody - Filozofia Eleatów i Demokryta 5 lutego 2012 Plan wykładu 1 Filozofia Parmenidesa z Elei Ontologia Parmenidesa Epistemologiczny aspekt Parmenidejskiej filozofii 2 3 4 Materializm Ontologia Parmenidesa Epistemologiczny aspekt Parmenidejskiej

Bardziej szczegółowo

Filozofia, Germanistyka, Wykład IX - Immanuel Kant

Filozofia, Germanistyka, Wykład IX - Immanuel Kant Filozofia, Germanistyka, Wykład IX - Immanuel Kant 2011-10-01 Plan wykładu 1 Immanuel Kant - uwagi biograficzne 2 3 4 5 6 7 Immanuel Kant (1724-1804) Rysunek: Immanuel Kant - niemiecki filozof, całe życie

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

Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań

Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 6. Reguły inferencyjne systemu aksjomatycznego Klasycznego Rachunku Zdań System aksjomatyczny logiki Budując logikę

Bardziej szczegółowo

Psychologia decyzji. Struktura wykładu DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII. wykład 15 godzin

Psychologia decyzji. Struktura wykładu DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII. wykład 15 godzin Psychologia decyzji wykład 15 godzin DR BEATA BAJCAR ZAKŁAD PSYCHOLOGII I ERGONOMII Struktura wykładu Behawioralna teoria decyzji. Normatywne i deskryptywne modele podejmowania decyzji Cykl myślenia decyzyjnego

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

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

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0 ĆWICZENIE 1 Klasyczny Rachunek Zdań (KRZ): zdania w sensie logicznym, wartości logiczne, spójniki logiczne, zmienne zdaniowe, tabele prawdziwościowe dla spójników logicznych, formuły, wartościowanie zbioru

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

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń Elementy logiki Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń 1 Klasyczny Rachunek Zdań 1.1 Spójniki logiczne Zdaniem w sensie logicznym nazywamy wyrażenie, które jest

Bardziej szczegółowo

M T E O T D O ZI Z E E A LG L O G R O Y R TM

M T E O T D O ZI Z E E A LG L O G R O Y R TM O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające

Bardziej szczegółowo

Walidacja metod analitycznych Raport z walidacji

Walidacja metod analitycznych Raport z walidacji Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących

Bardziej szczegółowo

Problem prawdy w działalności informacyjnej. Zarys problematyki.

Problem prawdy w działalności informacyjnej. Zarys problematyki. Problem prawdy w działalności informacyjnej. Zarys problematyki. Sabina Cisek Instytut Informacji Naukowej i Bibliotekoznawstwa Uniwersytet Jagielloński Konferencja Bibliotekarz w świecie wartości, Wrocław,

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.

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

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

Wymagania do przedmiotu Etyka w gimnazjum, zgodne z nową podstawą programową.

Wymagania do przedmiotu Etyka w gimnazjum, zgodne z nową podstawą programową. Wymagania do przedmiotu Etyka w gimnazjum, zgodne z nową podstawą programową. STANDARDY OSIĄGNIĘĆ: Rozwój osobowy i intelektualny uczniów wynikający z ich uczestnictwa w zajęciach etyki podążając za przyjętymi

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Systemy uczące się wykład 2

Systemy uczące się wykład 2 Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania

Bardziej szczegółowo

Filozofia, ISE, Wykład III - Klasyfikacja dyscyplin filozoficznych

Filozofia, ISE, Wykład III - Klasyfikacja dyscyplin filozoficznych Filozofia, ISE, Wykład III - Klasyfikacja dyscyplin filozoficznych 2011-10-01 Plan wykładu 1 Klasyczny podział dyscyplin filozoficznych 2 Podział dyscyplin filozoficznych Klasyczny podział dyscyplin filozoficznych:

Bardziej szczegółowo

LOGIKA I TEORIA ZBIORÓW

LOGIKA I TEORIA ZBIORÓW LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania

Bardziej szczegółowo

Filozofia, ISE, Wykład VII - Platońska teoria idei cz. 2.

Filozofia, ISE, Wykład VII - Platońska teoria idei cz. 2. Filozofia, ISE, Wykład VII - Platońska teoria idei cz. 2. Artur Machlarz 2011-10-01 Plan wykładu 1 Czym według Platona jest wiedza prawdziwa i jak ją osiągnąć? 2 3 Protagoras - człowiek jest miarą wszechrzeczy...

Bardziej szczegółowo

Kultura logiczna Klasyczny rachunek zdań 2/2

Kultura logiczna Klasyczny rachunek zdań 2/2 Kultura logiczna Klasyczny rachunek zdań 2/2 Bartosz Gostkowski bgostkowski@gmail.com Kraków 29 III 2 Plan wykładu: Wartościowanie w KRZ Tautologie KRZ Wartościowanie v, to funkcja, która posyła zbiór

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

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

Spis treści. Definicje prawdopodobieństwa. Częstościowa definicja prawdopodobieństwa. Wnioskowanie_Statystyczne_-_wykład

Spis treści. Definicje prawdopodobieństwa. Częstościowa definicja prawdopodobieństwa. Wnioskowanie_Statystyczne_-_wykład Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Definicje prawdopodobieństwa 1.1 Częstościowa definicja prawdopodobieństwa 1.1.1 Przykład 1.1.2 Rozwiązanie: 1.1.3 Inne rozwiązanie: 1.1.4 Jeszcze inne

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

Nazwa metodologia nauki etymologicznie i dosłownie znaczy tyle, co nauka o metodach badań.

Nazwa metodologia nauki etymologicznie i dosłownie znaczy tyle, co nauka o metodach badań. Nazwa metodologia nauki etymologicznie i dosłownie znaczy tyle, co nauka o metodach badań. Metoda dedukcji i indukcji w naukach społecznych: Metoda dedukcji: 1. Hipoteza 2. Obserwacja 3. Przyjęcie lub

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

Uniwersytet Śląski w Katowicach str. 1 Wydział

Uniwersytet Śląski w Katowicach str. 1 Wydział Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: teologia, jednolite magisterskie Specjalność: teologia nauczycielska i ogólna Sylabus modułu: Filozofia logika i epistemologia (11-TS-12-FLEa)

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Jak pisać publikacje naukowe? Nie o naukowej, a technicznej stronie pisania artykułu

Jak pisać publikacje naukowe? Nie o naukowej, a technicznej stronie pisania artykułu XXVIII Letnia Szkoła Naukowa Metodologii Nauk Empirycznych Zakopane, 12-14.05.2014 Jak pisać publikacje naukowe? Nie o naukowej, a technicznej stronie pisania artykułu Maciej Zaborowicz Instytut Inżynierii

Bardziej szczegółowo

prof. dr hab. Jadwiga Woźniak-Kasperek Instytut Informacji Naukowej i Studiów Bibliologicznych Uniwersytet Warszawski

prof. dr hab. Jadwiga Woźniak-Kasperek Instytut Informacji Naukowej i Studiów Bibliologicznych Uniwersytet Warszawski prof. dr hab. Jadwiga Woźniak-Kasperek Instytut Informacji Naukowej i Studiów Bibliologicznych Uniwersytet Warszawski Rola języka i semantyki w procesach reprezentowania i wyszukiwania treści Możliwości

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia

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

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW Logika Stosowana Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika

Bardziej szczegółowo

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza

Andrzej Wiśniewski Logika II. Materiały do wykładu dla studentów kognitywistyki. Wykład 15. Trójwartościowa logika zdań Łukasiewicza Andrzej Wiśniewski Logika II Materiały do wykładu dla studentów kognitywistyki Wykład 15. Trójwartościowa logika zdań Łukasiewicza 1 Wprowadzenie W logice trójwartościowej, obok tradycyjnych wartości logicznych,

Bardziej szczegółowo

Wykład 2. Relacyjny model danych

Wykład 2. Relacyjny model danych Wykład 2 Relacyjny model danych Wymagania stawiane modelowi danych Unikanie nadmiarowości danych (redundancji) jedna informacja powinna być wpisana do bazy danych tylko jeden raz Problem powtarzających

Bardziej szczegółowo

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu.

Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. Andrzej Wiśniewski Logika I Materiały do wykładu dla studentów kognitywistyki Wykład 11a. Składnia języka Klasycznego Rachunku Predykatów. Języki pierwszego rzędu. 1 Logika Klasyczna obejmuje dwie teorie:

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

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014) dr inż. Ryszard Rębowski DEFINICJA CIĄGU LICZBOWEGO Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z grudnia 04) Definicja ciągu liczbowego Spośród

Bardziej szczegółowo

Elementy logiki i teorii mnogości

Elementy logiki i teorii mnogości Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy

Bardziej szczegółowo

Elementy filozofii i metodologii INFORMATYKI

Elementy filozofii i metodologii INFORMATYKI Elementy filozofii i metodologii INFORMATYKI Filozofia INFORMATYKA Metodologia Wykład 1. Wprowadzenie. Filozofia, metodologia, informatyka Czym jest FILOZOFIA? (objaśnienie ogólne) Filozofią nazywa się

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Metody indeksowania dokumentów tekstowych

Metody indeksowania dokumentów tekstowych Metody indeksowania dokumentów tekstowych Paweł Szołtysek 21maja2009 Metody indeksowania dokumentów tekstowych 1/ 19 Metody indeksowania dokumentów tekstowych 2/ 19 Czym jest wyszukiwanie informacji? Wyszukiwanie

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

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania

Bardziej szczegółowo

Sympozjum Trwałość Budowli

Sympozjum Trwałość Budowli Sympozjum Trwałość Budowli Andrzej ownuk ROJEKTOWANIE UKŁADÓW Z NIEEWNYMI ARAMETRAMI Zakład Mechaniki Teoretycznej olitechnika Śląska pownuk@zeus.polsl.gliwice.pl URL: http://zeus.polsl.gliwice.pl/~pownuk

Bardziej szczegółowo

Rachunek logiczny. 1. Język rachunku logicznego.

Rachunek logiczny. 1. Język rachunku logicznego. Rachunek logiczny. Podstawową własnością rozumowania poprawnego jest zachowanie prawdy: rozumowanie poprawne musi się kończyć prawdziwą konkluzją, o ile wszystkie przesłanki leżące u jego podstaw były

Bardziej szczegółowo

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią. Semantyczne twierdzenie o podstawianiu Jeżeli dana formuła rachunku zdań jest tautologią i wszystkie wystąpienia pewnej zmiennej zdaniowej w tej tautologii zastąpimy pewną ustaloną formułą, to otrzymana

Bardziej szczegółowo

Wprowadzenie do teorii systemów ekspertowych

Wprowadzenie do teorii systemów ekspertowych Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z

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

MODEL BIZNESOWY BANKU NA PRZYKŁADZIE KDBS BANK

MODEL BIZNESOWY BANKU NA PRZYKŁADZIE KDBS BANK MODEL BIZNESOWY BANKU NA PRZYKŁADZIE KDBS BANK CEL STRATEGICZNY BYĆ LOKALNĄ INSTYTUCJĄ FINANSOWĄ NATURALNEGO WYBORU DEFINICJA MODELU BIZNESOWEGO Najbardziej ogólnie mówiąc model biznesowy opisuje w jaki

Bardziej szczegółowo

Wykład 9. Matematyka 3, semestr zimowy 2011/ listopada 2011

Wykład 9. Matematyka 3, semestr zimowy 2011/ listopada 2011 Wykład 9. Matematyka 3, semestr zimowy 2011/2012 4 listopada 2011 W trakcie poprzedniego wykładu zdefiniowaliśmy pojęcie k-kowektora na przestrzeni wektorowej. Wprowadziliśmy także iloczyn zewnętrzny wielokowektorów

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej

Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej Filozofia Informacji, Wykład IX - Teoria informacji pragmatycznej 16 maja 2012 Plan wykładu 1 Uwagi wstępne Idea teorii informacji pragmatycznej Uwagi historyczne Ogólne założenia teorii informacji pragmatycznej

Bardziej szczegółowo

WYMAGANIA KONIECZNE - OCENA DOPUSZCZAJĄCA:

WYMAGANIA KONIECZNE - OCENA DOPUSZCZAJĄCA: WYMAGANIA KONIECZNE - OCENA DOPUSZCZAJĄCA: zna pojęcie liczby naturalnej, całkowitej, wymiernej rozumie rozszerzenie osi liczbowej na liczby ujemne umie zaznaczać liczbę wymierną na osi liczbowej umie

Bardziej szczegółowo

BADANIA PARTYCYPACYJNE Z UDZIAŁEM OSÓB Z NIEPEŁNOSPRAWNOŚCIĄ INTELEKTUALNĄ A KOMUNIKACJA ALTERNATYWNA I WSPOMAGAJĄCA DR AGNIESZKA WOŁOWICZ-RUSZKOWSKA

BADANIA PARTYCYPACYJNE Z UDZIAŁEM OSÓB Z NIEPEŁNOSPRAWNOŚCIĄ INTELEKTUALNĄ A KOMUNIKACJA ALTERNATYWNA I WSPOMAGAJĄCA DR AGNIESZKA WOŁOWICZ-RUSZKOWSKA BADANIA PARTYCYPACYJNE Z UDZIAŁEM OSÓB Z NIEPEŁNOSPRAWNOŚCIĄ INTELEKTUALNĄ A KOMUNIKACJA ALTERNATYWNA I WSPOMAGAJĄCA DR AGNIESZKA WOŁOWICZ-RUSZKOWSKA Praktyka idee normalizacji, integracji, obywatelskiego

Bardziej szczegółowo

POZYCJONOWANIE STRONY SKLEPU

POZYCJONOWANIE STRONY SKLEPU . Wszystko O Pozycjonowaniu I Marketingu. >>>POZYCJONOWANIE STRON LEGNICA POZYCJONOWANIE STRONY SKLEPU >>>WIĘCEJ

Bardziej szczegółowo

Etyka Tożsamość i definicja. Ks. dr Artur Aleksiejuk

Etyka Tożsamość i definicja. Ks. dr Artur Aleksiejuk Etyka Tożsamość i definicja Ks. dr Artur Aleksiejuk 1. ETYKA A FILOZOFIA PYTANIA PROBLEMOWE: Czy etyka musi być dyscypliną filozoficzną? Czy etyka może być wolna od filozoficznych założeń? Czy i jak dalece

Bardziej szczegółowo

Klasyczny rachunek zdań 1/2

Klasyczny rachunek zdań 1/2 Klasyczny rachunek zdań /2 Elementy logiki i metodologii nauk spotkanie VI Bartosz Gostkowski Poznań, 7 XI 9 Plan wykładu: Zdanie w sensie logicznym Klasyczny rachunek zdań reguły słownikowe reguły składniowe

Bardziej szczegółowo

Moduł I Ewaluacja w praktyce szkolnej istota, cele, rodzaje.

Moduł I Ewaluacja w praktyce szkolnej istota, cele, rodzaje. Moduł I Ewaluacja w praktyce szkolnej istota, cele, rodzaje. Sesja 1: Podstawowe informacje o ewaluacji. Sesja 2: Ewaluacja w procesie rozwoju szkoły i w pracy nauczyciela PROGRAM I SCENARIUSZE ZAJĘĆ SESJA

Bardziej szczegółowo

STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI

STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI 1. Ogólne dane o programie Nazwa własna Autorzy programu Organizacja/ instytucja odpowiedzialna

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

TEORIA DECYZJE KRÓTKOOKRESOWE

TEORIA DECYZJE KRÓTKOOKRESOWE TEORIA DECYZJE KRÓTKOOKRESOWE 1. Rozwiązywanie problemów decyzji krótkoterminowych Relacje między rozmiarami produkcji, kosztami i zyskiem wykorzystuje się w procesie badania opłacalności różnych wariantów

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE

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

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Kultura logiczna Klasyczny rachunek zdań 1/2

Kultura logiczna Klasyczny rachunek zdań 1/2 Kultura logiczna Klasyczny rachunek zdań /2 Bartosz Gostkowski bgostkowski@gmail.com Kraków 22 III 2 Plan wykładu: Zdanie w sensie logicznym Klasyczny rachunek zdań reguły słownikowe reguły składniowe

Bardziej szczegółowo

STYLE MYŚLENIA A KOMUNIKACJA W ZESPOLE NAUCZYCIELSKIM. Gdynia,

STYLE MYŚLENIA A KOMUNIKACJA W ZESPOLE NAUCZYCIELSKIM. Gdynia, STYLE MYŚLENIA A KOMUNIKACJA W ZESPOLE NAUCZYCIELSKIM Gdynia, 02.02.2017 STYL MY LENIA W nowych sytuacjach doświadczenie nie podpowiada nam gotowych rozwiązań reagujemy, wykorzystujemy informacje i podejmujemy

Bardziej szczegółowo

Załącznik Nr 1 KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Teoretyczne podstawy wychowania. 2. KIERUNEK: pedagogika

Załącznik Nr 1 KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Teoretyczne podstawy wychowania. 2. KIERUNEK: pedagogika Załącznik Nr 1 KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Teoretyczne podstawy wychowania 2. KIERUNEK: pedagogika 3. POZIOM STUDIÓW: studia pierwszego stopnia 4. ROK/ SEMESTR STUDIÓW: II/3 5. LICZBA PUNKTÓW

Bardziej szczegółowo

Język myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński

Język myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński http://mwitek.univ.szczecin.pl Język myśli ang. Language of Thought, Mentalese PLAN: I. krótko o języku myśli

Bardziej szczegółowo

Wykład 4. Określimy teraz pewną ważną klasę pierścieni.

Wykład 4. Określimy teraz pewną ważną klasę pierścieni. Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia

Bardziej szczegółowo

PRAGMATYKA rok akademicki 2015/2016 semestr zimowy. Temat 2: Grice a teoria znaczenia

PRAGMATYKA rok akademicki 2015/2016 semestr zimowy. Temat 2: Grice a teoria znaczenia PRAGMATYKA rok akademicki 2015/2016 semestr zimowy Temat 2: Grice a teoria znaczenia Pragmatyka: nauka badająca te aspekty znaczenia i funkcji wypowiedzi, które są zależne od jej kontekstu; studia nad

Bardziej szczegółowo

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

W poszukiwaniu sensu w świecie widzialnym

W poszukiwaniu sensu w świecie widzialnym W poszukiwaniu sensu w świecie widzialnym Andrzej Śluzek Nanyang Technological University Singapore Uniwersytet Mikołaja Kopernika Toruń AGH, Kraków, 28 maja 2010 1 Podziękowania Przedstawione wyniki powstały

Bardziej szczegółowo

Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I

Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Metody dowodzenia twierdzeń i automatyzacja rozumowań Systemy aksjomatyczne I Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@.edu.pl OSTRZEŻENIE Niniejszy plik nie zawiera wykładu z Metod dowodzenia...

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Metody numeryczne w przykładach

Metody numeryczne w przykładach Metody numeryczne w przykładach Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Regionalne Koło Matematyczne 8 kwietnia 2010 r. Bartosz Ziemkiewicz (WMiI UMK) Metody numeryczne w przykładach

Bardziej szczegółowo

Inteligentne Multimedialne Systemy Uczące

Inteligentne Multimedialne Systemy Uczące Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr

Bardziej szczegółowo

Matryca efektów kształcenia dla programu kształcenia na kierunku Socjologia Studia pierwszego stopnia

Matryca efektów kształcenia dla programu kształcenia na kierunku Socjologia Studia pierwszego stopnia Załącznik nr 4 do Uchwały nr 1647 Senatu Uniwersytetu w Białymstoku z dnia 17 grudnia 2014 r. Matryca efektów kształcenia dla programu kształcenia na kierunku Socjologia Studia pierwszego stopnia Efekty

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

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

Wyszukiwanie binarne

Wyszukiwanie binarne Wyszukiwanie binarne Wyszukiwanie binarne to technika pozwalająca na przeszukanie jakiegoś posortowanego zbioru danych w czasie logarytmicznie zależnym od jego wielkości (co to dokładnie znaczy dowiecie

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

KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego

KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego wojtow@uw.edu.pl 1 2 1. SFORMUŁOWANIE PROBLEMU Czy są empiryczne aspekty dowodów matematycznych? Jeśli tak to jakie stanowisko filozoficzne

Bardziej szczegółowo

TEORETYCZNE PODSTAWY INFORMATYKI

TEORETYCZNE PODSTAWY INFORMATYKI 1 TEORETYCZNE PODSTAWY INFORMATYKI 16/01/2017 WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Repetytorium złożoność obliczeniowa 2 Złożoność obliczeniowa Notacja wielkie 0 Notacja Ω i Θ Rozwiązywanie

Bardziej szczegółowo

Techniki i rozwiązania IT w optymalizacji procesów

Techniki i rozwiązania IT w optymalizacji procesów Techniki i rozwiązania IT w optymalizacji procesów dr inż. amber.zarz.agh.edu.pl/amaciol Cel przedmiotu Zapoznać się z problemami informacyjnodecyzyjnymi zarządzania organizacjami Nauczyć się wykorzystywać

Bardziej szczegółowo

Test inteligencji emocjonalnej. Katarzyna Thomas

Test inteligencji emocjonalnej. Katarzyna Thomas Test inteligencji emocjonalnej Wykresy i liczby 2013-08-01 Poufne Normy: Poland 2010 Niniejszy raport zawiera informacje i wskazówki pomocne przy rozwijaniu wiedzy i świadomości dotyczącej inteligencji

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

II Liceum Ogólnokształcące im. Ks. Prof. Józefa Tischnera W Wodzisławiu Śl. WYMAGANIA EDUKACYJNE FIZYKA

II Liceum Ogólnokształcące im. Ks. Prof. Józefa Tischnera W Wodzisławiu Śl. WYMAGANIA EDUKACYJNE FIZYKA II Liceum Ogólnokształcące im. Ks. Prof. Józefa Tischnera W Wodzisławiu Śl. WYMAGANIA EDUKACYJNE FIZYKA Opracował: Tadeusz Winkler Obowiązuje od 1 września 2018r. 1 Narzędzia i częstotliwość pomiaru dydaktycznego

Bardziej szczegółowo

Modelowanie niezawodności prostych struktur sprzętowych

Modelowanie niezawodności prostych struktur sprzętowych Modelowanie niezawodności prostych struktur sprzętowych W ćwiczeniu tym przedstawione zostaną proste struktury sprzętowe oraz sposób obliczania ich niezawodności przy założeniu, że funkcja niezawodności

Bardziej szczegółowo