博文
Deepseek根据数据技术素养五指思维导图续写的完整讲义，满意吗？
||
Deepseek根据数据技术素养五指思维导图续写的完整讲义，满意吗？
思维导图一 基本素养（新课导引）
一、数据能呈现一致性真相吗，为什么？
这是我们进入数据世界要面对的第一个根本问题。
从直觉看，数据似乎应当是客观的——测量结果、统计数字、实验记录，它们看起来都在“如实反映”世界。但事实远比这复杂。
数据能否呈现一致性真相，取决于三个关键环节：
第一，数据生成的意图与框架。 任何数据的采集都始于一个“问题意识”——我们想知道什么、我们预设了什么分类体系、我们选择了什么测量工具。不同的框架会产生不同的数据。同样一座石窟，考古学家记录的是纹饰与题记，物理学家测量的是温湿度与风化速率，游客拍摄的是光影与构图——数据不同，不是因为对象不同，而是因为提问方式不同。
第二，数据处理的路径与取舍。 从原始数据到可用数据，必然经历清洗、整理、转换、聚合等一系列处理。每一步都涉及判断与选择：缺失值怎么补？异常值怎么处理？分类标准如何确定？不同的选择通往不同的“真相”。
第三，数据解读的语境与立场。 数据本身不会说话，是人在赋予它意义。同样的统计数字，在不同理论框架下可能指向截然相反的结论。
因此，数据所呈现的从来不是“赤裸裸的真相”，而是在特定认知框架下被建构出来的“有条件的真相”。理解这一点，是数据素养的起点——不是怀疑一切数据，而是学会追问：这个数据是怎么来的？它遮蔽了什么？它服务于什么目的？
二、数据是客观的还是主观的？
这个问题没有简单的“非此即彼”的答案。
从本体论层面看，数据所指向的那个“外在世界”是客观存在的——石窟的岩壁在那里，甲骨上的刻痕在那里，气温的变化在那里。但从认识论层面看，数据作为“对信息的记录”-，永远是人对世界的某种编码。编码意味着选择：选择记录什么、忽略什么、用什么符号系统来表达。
钟义信在《信息科学原理》中区分了“本体论层次信息”与“认识论层次信息”-——前者是事物本身存在的状态与运动，不依赖于任何观察者；后者则是观察者所接收到的、经过认知加工后的信息-。数据，本质上是认识论层次信息的载体。它既扎根于客观世界，又渗透着主观建构。
所以，数据的“客观性”不是绝对的，而是“主体间可检验的客观性”——不同的观察者使用同样的方法、同样的工具，应当得到同样的数据。这正是科学方法的精髓，也是数据可信性的根基。
三、什么是技术，技术从哪里来？
“技术”一词在我们的语境中，不仅指工具和设备，更指向一整套将知识转化为解决问题之能力的系统方法。
肖红叶等在《数据技术应用概论》中提出，数据技术是由数据生成、数据组织管理与数据信息汲取三个模块构成的应用全流程体系--22。这一定义揭示了技术的本质：它不是孤立的工具，而是从数据到信息再到知识、智能的完整转化链条中的操作系统。
技术从哪里来？从人类应对生存挑战的实践中来。贺兰山岩画是先民记录狩猎与祭祀的技术，殷墟甲骨文是商王占卜与记事的技术——它们在各自的时代，都是最前沿的“信息处理技术”。今天的大数据、人工智能，不过是这条漫长技术演化链条上的最新环节。技术始终是人类认知世界、改造世界的中介系统。
四、判断：这些图片（贺兰山岩画、殷墟甲骨文）是数据吗，为什么？
答案是肯定的。
根据国家数据局的定义，数据是指任何以电子或其他方式对信息的记录--1。岩画和甲骨文正是以“其他方式”（刻画、书写）对信息的记录。
贺兰山岩画记录了远古先民的狩猎场景、祭祀仪式和社会生活——它是关于那个时代生产方式、精神信仰的数据。殷墟甲骨文记录了商王的占卜活动、国家大事、天文历法——它是关于商代政治、宗教、社会的数据。
它们与今天的数据的区别不在于“是不是数据”，而在于数据的形态、载体和处理方式。岩画和甲骨文是“模拟数据”，存储于石头和龟甲；今天的数据是“数字数据”，存储于硅基芯片。但本质上，都是人类对世界信息的记录与编码。
五、这些图片能否呈现一致性真相，具体如何呈现？
岩画和甲骨文能否呈现一致性真相？
能，但有条件。
岩画的一致性真相体现在：不同地点的岩画在主题（狩猎、祭祀、舞蹈）、风格（简练、夸张、符号化）上呈现出惊人的一致性，这揭示了一个共同的游牧文化圈和精神世界。但岩画也并非“客观记录”——它是仪式性的、象征性的，经过了先民的选择性表达。
甲骨文的一致性真相体现在：数千片甲骨在字形体系、占卜格式、记事规范上高度统一，这证明了商代已经存在成熟的文字系统和制度化的知识管理。但甲骨文记录的是“占卜的结果”而非“事件的全程”——它呈现的是特定视角下的真相。
方法论启示：岩画和甲骨文告诉我们，数据的“一致性真相”从来不是单件数据提供的，而是通过数据之间的比对、互证、语境还原来建构的。这正是今天大数据思维的历史先声——不是依赖某一个数据点，而是依赖数据之间的关系网络来逼近真相。
思维导图二 基本概念（信息-知识-智能转换原理）
一、信息（钟义信《信息科学原理》）
钟义信在《信息科学原理》中创建了 “全信息理论” -。全信息包含三个层次：
语法信息：信息的形式与结构——它“看起来”是什么样
语义信息：信息的含义——它“意味着”什么
语用信息：信息的效用与价值——它“能做什么”
这三个层次构成了信息的完整图景。钟义信还揭示了 “信息转换原理” ，把相互分立的感知论、通信论、认知论、智能论、控制论统一在一个理论框架中-。信息不是静态的“东西”，而是在感知—传递—认知—决策—控制的过程中不断转换与创生的动态存在。
二、数据（国家数据局名词解释）
国家数据局于2024年12月发布了《数据领域常用名词解释（第一批）》，2025年3月发布了第二批-1-7。核心定义如下：
数据：是指任何以电子或其他方式对信息的记录--1。
数据在不同视角下有不同的称谓--1：
原始数据：初次产生或源头收集的、未经加工处理的数据-1
数据资源：具有价值创造潜力的数据的总称-1
数据要素：投入到生产经营活动、参与价值创造的数据资源-1
数据产品和服务：基于数据加工形成的、可满足特定需求的数据加工品和数据服务-1
数据资产：特定主体合法拥有或控制的、能进行货币计量的、能带来经济利益或社会效益的数据资源-1
此外，第二批名词解释引入了数据产权概念，包括数据持有权、数据使用权、数据经营权--7；以及衍生数据——通过加工、建模分析等方式实质改变后显著提升价值的数据-7。
三、知识（数据挖掘、知识发现、可拓数据挖掘）
知识是从数据中通过挖掘与发现而提取的有结构的、可解释的、可复用的模式与规律。
数据挖掘（Data Mining）是从大量数据中提取隐含的、先前未知的、潜在有用的信息与知识的过程。张尧庭等在《数据挖掘入门及应用》中从统计技术的视角系统介绍了这一领域的方法论-。
知识发现（Knowledge Discovery in Database, KDD）是数据挖掘的完整流程，包括数据选择、预处理、转换、挖掘、解释与评估等环节。数据挖掘是知识发现的核心步骤。
可拓数据挖掘则是可拓学与数据挖掘的交叉融合-。可拓学是中国原创学科，用形式化的模型研究事物拓展的可能性和开拓创新的规律与方法-。可拓数据挖掘不仅从数据中发现既有模式，更从事物的可拓性出发，发现数据背后可能的创新路径与矛盾解决方案-。它关注的不只是“数据告诉我们什么”，更是“数据还能告诉我们什么尚未被发现的可能”。
四、智能（人工智能三要素、高等人工智能、可拓智能）
智能是系统感知环境、处理信息、作出决策、采取行动并实现目标的能力。
人工智能三要素通常指：数据、算法、算力。数据是燃料，算法是引擎，算力是动力。三者缺一不可，共同驱动智能系统的运转。
高等人工智能是钟义信积25年研究所得的首创性系统性学术成果-。它超越了传统人工智能“分而治之”的碎片化路径，致力于建立统一的智能理论框架-。钟义信在《机制主义人工智能》中指出，传统学科的范式不适合人工智能研究，需要创建新的范式-。机制主义人工智能在新范式引领下构筑了主客互动的人工智能模型，揭示了普适的智能生成机制-。
可拓智能则是可拓学与人工智能的融合-。它将可拓学的矛盾求解方法论引入智能系统，使人工智能不仅能够“处理已知问题”，还能够“发现和解决矛盾问题”——这是从“计算智能”向“创新智能”的跃升-。
五、智慧（智慧文旅案例导引）
智慧是比智能更高的层次——它不仅包括感知、认知、决策的能力，更包括价值判断、意义理解、审美体验与伦理抉择。
在智慧文旅的语境中，“智慧”体现为：
数据不仅被“处理”，更被“理解”——理解文化遗产的深层价值
技术不仅被“使用”，更被“赋能”——赋能文化的传承与创新
系统不仅“高效运转”，更“以人为本”——服务于人的精神需求与文化体验
这正是从“智能”到“智慧”的跃升——从“会计算”到“能理解”，从“有效率”到“有意义”。
思维导图三 基本功能（可信智能系统）
一、输入（本体论层次信息、认识论层次信息）
智能系统的输入是信息的获取。
钟义信区分了两种层次的信息-：
本体论层次信息：事物本身存在的方式与运动状态，不依赖于任何认识主体
认识论层次信息：认识主体所感知和把握的事物状态与运动
智能系统的输入，本质上是从“本体论信息”到“认识论信息”的转化——通过各种传感器、观测手段、数据采集方法，将客观世界的信息转化为系统可以处理的符号化数据。
二、存储（数据库技术、数据中心）
存储是智能系统的记忆机制。
从早期的文件系统到关系数据库，从数据仓库到数据湖，存储技术经历了从结构化到非结构化、从集中式到分布式、从本地到云端的演进-。
今天的数据中心是存储的基础设施。以云冈石窟为例，其自建的云冈先进计算中心储存量达2.3PB，保障了石窟海量数据的高效运转与储存备份--12。
存储不仅是“放数据”，更是让数据可检索、可追溯、可复用——这是数据从“记录”走向“资源”的关键一步-1。
三、运算（科学计算、自动控制、数据处理）
运算是智能系统的“大脑”——将输入的数据转化为有价值的信息与决策。
运算包括三个层面：
科学计算：以数值计算为核心，解决物理模拟、气象预测、基因分析等复杂计算问题
自动控制：以反馈控制为核心，实现系统的自动化运行与调节
数据处理：以信息提取为核心，包括数据清洗、转换、聚合、分析、挖掘等-1
肖红叶等在《数据技术应用概论》中将数据处理置于数据技术应用全流程的核心位置-22。运算的质量决定了数据价值的释放程度。
四、控制（系统论、控制论、信息论）
控制是智能系统的“调节器”——确保系统朝着预定目标运行。
控制的理论基础是 “三论” ：
系统论：将研究对象视为由相互联系的要素构成的整体系统
控制论：研究系统如何通过反馈机制实现自我调节与目标达成
信息论：研究信息的度量、传输与处理——香农从0到1开创了这门科学，奠定了信息时代的基础-
在智能系统中，控制体现为：感知→判断→决策→执行→反馈→调整的闭环。数据在这一闭环中持续流动，系统在这一过程中持续优化。
五、输出（区块链技术、可信智能体）
输出是智能系统向外部世界交付价值的方式。
区块链技术确保了输出的可信性。区块链通过分布式账本、加密算法、共识机制，实现了数据的不可篡改、可追溯、可验证-。国家数据局将区块链列为数据领域的重要技术术语-。
可信智能体（Trustworthy AI Agent）是输出的理想形态——它不仅“输出结果”，更输出可被信任的结果。可信意味着：准确性、可靠性、可解释性、公平性、安全性。国家数据局提出的 “可信数据空间” 正是这一理念在数据流通层面的体现——基于共识规则，联接多方主体，实现数据资源共享共用-7。
从输入到输出，一个完整的可信智能系统完成了 “数据→信息→知识→智能→智慧” 的转化链，而每一个环节都在追问同一个问题：这个数据，可信吗？
思维导图四 案例导引
一、信息不对称（信息经济学）
信息不对称是指交易双方拥有不同信息——一方知道得更多，另一方知道得更少。这是信息经济学的核心概念。
2001年，三位美国教授乔治·阿克尔洛夫、迈克尔·斯彭斯和约瑟夫·斯蒂格利茨因在“对充满不对称信息市场进行分析”领域的开创性贡献，分享了诺贝尔经济学奖-。
阿克尔洛夫论证了信息不对称如何导致 “逆向选择” ——劣质品驱逐优质品-；斯彭斯提出了 “信号理论” ——拥有更多信息的一方如何通过信号传递信息-；斯蒂格利茨则系统分析了信息不对称在保险、信贷等市场的广泛影响-。
二、市场失灵（如：优汰劣胜）
信息不对称的直接后果是市场失灵——最典型的表现为 “优汰劣胜” （逆向选择）。
以二手车市场为例（阿克尔洛夫的经典“柠檬市场”模型）：卖方知道车的真实质量，买方不知道。买方只能按“平均质量”出价，于是高质量的车主退出市场，市场上只剩下低质量的车，买方进一步压低出价——恶性循环，最终市场崩溃。好东西被坏东西驱逐，这就是“优汰劣胜”。
这一现象不仅存在于商品市场，也广泛存在于人才市场、金融市场、保险市场、旅游市场等一切存在信息不对称的领域。
三、场景呈现（如：大学生就业、旅游）
大学生就业场景：毕业生对自己的能力、态度、潜力有更多信息，用人单位只能通过简历、面试等有限信号来判断。这导致：擅长“包装”的毕业生获得更多机会，而真正有实力但不善表达的毕业生可能被低估——“劣币驱逐良币”的风险真实存在。
旅游场景：游客对目的地的真实情况（服务质量、景区环境、消费陷阱）所知甚少，而旅游经营者掌握更多信息。这导致：低质低价的产品可能通过虚假宣传吸引大量游客，而高品质的产品因价格较高反而门可罗雀——“优汰劣胜”在旅游市场同样上演。
四、主要理论（2001年诺贝尔经济学奖）
2001年诺贝尔经济学奖的理论贡献可以概括为：
阿克尔洛夫：提出“柠檬市场”理论，揭示信息不对称如何导致市场崩溃-
斯彭斯：提出“信号传递”理论，揭示教育等人力资本投资如何作为能力信号-
斯蒂格利茨：系统分析了信息不对称在各类市场的广泛影响，提出了信息甄别理论-
这三位学者的工作共同构成了现代信息经济学的理论基础-，也为我们理解数据技术的价值提供了经济学视角——数据技术的本质功能之一，就是降低信息不对称。
五、解决方案（如：智慧文旅技术路线）
如何用数据技术解决信息不对称导致的市场失灵？智慧文旅提供了一个生动的答案。
技术路线包括：
1. 数据采集与汇聚。 云冈石窟通过结合三维激光扫描与近景摄影测量技术，生成洞窟本体高精度三维模型数据，建立多元数据类型的“云冈云”数据体系-12。敦煌研究院则建设了“数字敦煌”资源库，汇聚经典洞窟的高精度壁画图像、石窟三维重建、洞窟虚拟漫游等数据-19。
2. 数据标准与规范。 云冈研究院编制并发布了《石窟寺文物三维激光扫描数字化采集规程》等山西省地方数字化标准，使数据工作有据可依-12。
3. 数据安全与治理。 云冈先进计算中心最高算力达234万亿次/秒，采取物理隔离方式确保数据安全储存--12。敦煌研究院则强化了数字资源的安全存储体系-19。
4. 数据赋能应用。 “数字敦煌”资源库向全球共享30个敦煌石窟经典洞窟的整窟高清壁画，以及6500余份高清数字资源档案，用户遍及78个国家和地区--19。云冈石窟则通过3D打印与VR技术创新洞窟展览方式，实现不可移动文物的可移动展示-12。
5. 可信输出。 通过区块链等技术确保数据可信，通过数字展陈、数字产品、数字服务等形式为游客提供智慧导览、门票预约等一条龙服务-12。
核心逻辑：智慧文旅通过数据的开放与共享，大幅降低了游客与目的地之间的信息不对称——游客可以在出发前就“身临其境”地了解目的地，做出更明智的选择。这从根源上缓解了“优汰劣胜”的市场失灵问题。数据不仅是记录过去的工具，更是塑造更公平、更透明未来的基础设施。
思维导图五 发展历程
一、远古时代（原始公社）
人类最早的数据技术，诞生于生存的需要。
贺兰山岩画是远古先民记录世界的方式——狩猎场景、祭祀仪式、社会生活的图像化记录。这些岩画是人类最早的数据可视化——将观察到的世界转化为可保存、可传递的符号。
在原始公社时期，数据技术的特征是：口传与刻画并存、集体记忆与个体经验交织。数据不是个人的私有财产，而是部落的公共知识资产。这种“数据公有”的形态，与今天的数据共享理念有着遥远的呼应。
二、农业时代（奴隶、封建社会、殷商甲骨文、易经）
农业时代，数据技术随着文字的出现而发生质变。
殷商甲骨文是中国最早的成熟文字系统。商王通过占卜将国家大事、自然现象、社会活动记录于龟甲兽骨——这是制度化的数据采集与存档。甲骨文的数据特征是：权威性（王权背书）、规范性（固定格式）、存档性（埋藏保存） 。
《易经》 则是另一种数据智慧——用八卦（二进制思想的雏形）来编码宇宙万物的变化规律。莱布尼茨曾惊叹于八卦与二进制的相通。钱宝琮在《中国数学史》中系统梳理了中国古代数学的独特路径-。
农业时代的数据技术特征是：从口传到文字、从分散到制度、从实用到哲学。数据开始成为权力与知识的载体。
三、工业时代（科学革命、工业革命、半封建半殖民社会）
工业时代，数据技术随着科学革命和工业革命而发生根本变革。
科学革命（哥白尼、伽利略、牛顿）确立了定量观察与实验数据在知识生产中的核心地位。数据不再是“记录”，而是“证据”——用来验证或否证理论的证据。
工业革命带来了大规模生产和标准化管理，催生了统计制度与普查体系。人口统计、经济统计、工业统计成为国家治理的基础工具。
然而在中国，这一阶段恰逢半封建半殖民社会——传统的数据体系被冲击，现代的数据体系尚未建立。这是一段数据技术的“断裂期”，也是后来奋起直追的历史背景。
工业时代的数据技术特征是：从定性到定量、从个案到统计、从经验到科学。数据成为现代性的基石。
四、信息时代（信息革命、计算机、移动网络、电子商务）
信息时代，数据技术迎来爆炸式发展。
信息革命的起点可以追溯到克劳德·香农。香农从0到1开创了信息论，奠定了数字时代的基础-。他将信息 quantification（量化），将通信数学化，让“信息”从模糊的概念变成了精确的科学对象。
计算机的诞生（图灵、冯·诺依曼等）使数据处理从手工走向自动。吴鹤龄、崔林在《图灵和ACM图灵奖》中记录了这些开创者的贡献-。
移动网络使数据采集从定点走向泛在——每个人手中的智能手机都是一个数据采集终端。
电子商务（阿里巴巴、亚马逊等）使数据从“记录”走向“交易”——数据本身就是价值创造的核心要素。
信息时代的数据技术特征是：从模拟到数字、从孤立到联网、从记录到交易。数据成为新经济的石油。
五、新智时代（智能革命、人工智能、可拓智能、统一智能）
我们正在进入的，是新智时代——智能革命的时代。
智能革命的核心不是“更快的计算”，而是“更聪明的认知”。人工智能从符号主义到连接主义到行为主义，从机器学习到深度学习到大模型，正在重塑一切。
人工智能三要素（数据、算法、算力）构成了新智时代的基础设施。李飞飞在《我看见的世界》中记录了她从底层移民到顶尖人工智能科学家的历程，也见证了ImageNet如何点燃深度学习革命-。杨立昆（图灵奖得主、卷积神经网络之父）在《科学之路》中反思了人、机器与未来的关系-。
钟义信则从更宏大的理论视角推动人工智能的范式革命——高等人工智能-、机制主义人工智能-、统一智能理论-构成了一个从理论到方法的完整体系。他指出，传统范式不适合人工智能，需要创建新范式-。
可拓智能则是中国原创的可拓学与人工智能的融合-——用可拓学的矛盾求解方法论赋能智能系统，使人工智能不仅“会算”，还能“会创新”--。
新智时代的数据技术特征是：从人工到智能、从分析到创造、从分治到统一。数据不仅是“资源”，更是 “智能的土壤” ——在这片土壤上，生长出的是能够理解、判断、创造乃至“智慧”的新型智能系统。
结语：五指归心
回顾五个思维导图，我们走过了这样一条认知路径：
基本素养让我们追问：数据是什么？它可信吗？它从哪里来？
基本概念让我们理解：信息、数据、知识、智能、智慧——这是一个从“记录”到“理解”再到“创造”的完整光谱。
基本功能让我们看见：从输入到存储到运算到控制到输出——这是一个从“感知”到“行动”的完整闭环。
案例导引让我们体认：数据技术不是冰冷的工具，而是解决真实世界问题（如信息不对称、市场失灵）的有力武器。
发展历程让我们领悟：数据技术不是凭空而来，而是人类五千年文明演化的最新篇章——从贺兰山岩画到殷墟甲骨文，从《易经》八卦到香农信息论，从图灵机到深度学习，这是一条绵延不绝的智慧长河。
数据技术素养，归根结底是一种“看世界的方式”——既看到数据呈现的“真相”，也看到数据背后的“建构”；既掌握处理数据的“技术”，也理解数据伦理的“边界”；既善用数据解决“问题”，也敬畏数据背后的“人”。
这正是“五指思维导图”想要传达的：五根手指，各有所长，但握在一起，才是一个有力的拳头。
主要参考文献
肖红叶, 杨贵军, 尚翔. 数据技术应用概论[M]. 北京: 科学出版社, 2022.--22
涂子沛. 大数据[M]. 桂林: 广西师范大学出版社, 2012, 2015.
张尧庭, 谢邦昌, 朱世武. 数据挖掘入门及应用——从统计技术看数据挖掘[M]. 中国统计教育学会组编, 2000.
李勇. 大数据时代的统计思想[M]. 北京: 经济科学出版社, 2017.
钟义信. 信息科学原理(第5版)[M]. 北京: 北京邮电大学出版社, 2013.-
钟义信. 高等人工智能原理:观念·方法·模型·理论[M]. 北京: 科学出版社, 2014.-
钟义信. 机制主义人工智能理论[M]. 北京: 北京邮电大学出版社, 2021.-
钟义信. 统一智能理论[M]. 北京: 科学出版社, 2023.-
国家数据局. 数据领域常用名词解释(第二批)[EB/OL]. 2025-03-29.--7
国家数据局. 2024年“数据要素×”大赛优秀项目案例集——文化旅游案例之一: 数据资源汇聚融合,赋能文物保护利用——以云冈石窟为例[EB/OL]. 2025-03-03.--12
国家数据局. 数字中国建设典型案例之四十七:“数字敦煌”资源库平台建设[EB/OL].
敦煌研究院. “数字敦煌”资源库平台建设入选首批数字中国建设典型案例[EB/OL].
敦煌研究院. 数据资源共享共创助力文物保护、艺术传承、文化推广[EB/OL].--19
吴鹤龄, 崔林. 图灵和ACM图灵奖(1966-2015 第五版): 纪念计算机诞生70周年[M]. 北京: 高等教育出版社, 2016.-
李飞飞. 我看见的世界: 李飞飞自传[M]. 北京: 中信出版集团, 2024.-
[法]杨立昆. 科学之路——人、机器与未来[M]. 北京: 中信出版社, 2021.-
杨春燕, 蔡文, 汤龙. 可拓学(第二版)[M]. 北京: 科学出版社, 2024.-
钱宝琮. 中国数学史[M]. 北京: 科学出版社, 1964.
[美]吉米·索尼, 罗伯·古德曼. 香农传——从0到1开创信息时代[M]. 北京: 中信出版社, 2019.
https://blog.sciencenet.cn/blog-520919-1540486.html
上一篇：五指思维导图：数据技术素养
下一篇：主讲教师根据数据技术素养五指思维导图续写的讲义初稿
