
大数据时代轻易获取知识的利弊_大数据培训
长期以来,人们学习和掌握知识,要么是老师的言传身授,要么是阅读书籍报刊,尤其是来自经典书籍上的知识,很多人对此深信不疑。然而进入网络大数据时代之后,海量的知识顿时如潮水涌现在眼前,令人眼花缭乱。到底如何判断哪些是真知识,并且是有用的知识,现在成了一个难题。美国哈佛大学伯克曼互联网与社会中心的资深研究员戴维·温伯格新著《知识的边界》(中文版译者胡泳、高美,山西人民出版社出版),围绕大数据时代的知识等一系列问题展开了深层次的探讨和反思。
书籍报刊中的知识凝聚着专业人士的智慧,更具价值
本书中,温伯格对于大数据时代的知识进行了不同层面、不同维度的分析和梳理。他认为,印刷时代的知识是静态、单向度、线性的传播方式,而大数据时代的知识则恰恰相反。美国云计算之父马克·贝尼奥夫认为,大数据时代的知识具有社交性、流动性、开放性的特征。而温伯格则在书中一语中的:“大数据时代的知识没有边界、也没有形状。”
大数据时代的知识是非线性的,可以自由组合、切割,处于一种游离状态。有点“召之即来,来之可取”的意味。大数据时代的知识,如同一张无限扩展的大网,将人类所有知识“一网打尽”。从客观上看,大数据时代的知识学习,确实有其便捷性,这是不争的事实。在没有建立互联网数据库之前,学者们从事学术研究,必须到图书馆查阅一本本书刊资料,既费时又费力。现如今,有了一台连接网络学术数据库的电脑,只要输入关键词,无数近似文献就会“排队”以供遴选。对于作家而言,大数据时代的文学创作,再也不必手持放大镜,一页页地翻阅字号奇小无比的工具书,而在词海的数据库中轻松检索,轻而易举就能获取相近或相反的字、词、句。
另一方面,大数据时代的各种知识,在网站、博客、微博、微信等新媒体中四处传播。而有些知识,未必就是真正的知识,可能是精神中的杂音、噪音,污染知识环境,侵蚀着人们的心灵健康。反而书籍报刊中的知识传播,经过了层层把关,凝聚着无数专业人士的智慧,更具价值。由于大数据时代的知识真假难辨,有的人感到迷惘,乃至一口认定或否定其存在的价值。事实上,作为现代人,使用网络已经成为一种重要的学习和工作手段,刻意逃避不是明智之举。笔者认为,任何一个人在大数据新媒体平台发表文章、表达观点,都应具备高度的社会责任感,理性地阐发真知灼见。倘若只是个人情绪的偏激宣泄,大数据时代的知识在未来命运如何,谁都无法预料。
不管处于什么时代,知识需要花费苦功钻研
这里不得不提,大数据时代的知识便捷性只是相对而言。假如高度依赖网络数据进行学术研究或者文学创作,笔者有着隐隐的担忧:因为学者、作家使用数据库后,省略了在稿纸上的“各种比划”,思考中的各种揣摩、猜疑和最初的灵感火花,无法原汁原味地留存。众所周知,学术研究或者文学创作过程中那些潦草、凌乱的文稿笔迹,是知识的半成品,具备极高的研究价值。大数据时代将大脑思索的过程省略,轻而易举地抹掉,应该引起足够的关注。
大数据时代的知识仅仅是一种资源,好比家中存放成百上千的书籍,如果不去研读,知识和人依然无关。不管处于怎样的一种时代,知识需要人们花费苦功钻研,否则再多的知识也无意义。另外,现在不少人,凡是有不懂的问题,习惯性地上网搜索,不作任何甄别地将网上的知识和答案奉为宝典。长此以往,久而久之会使大脑变得懒惰,思维变得迟钝。大数据时代的知识,究竟是令人变得聪明还是愚笨?
《知识的边界》一书的魅力,在于它所呈现的思辨层面的丰富性,以及对知识本身的学习、生产、传播、知识内部要素以及知识的外部影响,进行层层深入、环环相扣的论述。在很多看上去不是问题的问题追问中,温伯格表现出深厚的知识思辨能力,这是极为难得的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09