京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01