Тищенко В.И. Идеальное и реальность в эпоху больших данных. Системные аспекты

Научная статья
УДК 130.2
https://doi.org/10.24158/fik.2025.10.11
 

Идеальное и реальность в эпоху больших данных.

Системные аспекты

 
Виктор Иванович Тищенко
Федеральный исследовательский центр «Информатика и управление»
Российской академии наук, Москва, Россия,
vtichenko@mail.ru, https://orcid.org/0000-0001-8012-6727
 
Аннотация. В статье исследуется трансформация классических эпистемологических представлений идеального и реальности в контексте современной науки о данных (Data Science). Рассматривается переход исследовательской парадигмы от теории к данным (theory-driven) к парадигме от данных к знанию (data-driven). Показано существование иного подхода к природе данных, в рамках которого они предстают не нейтральной «копией» реальности, а идеальной – продуктом целенаправленного структурирования предметного пространства. Подобный подход требует пересмотра устоявшихся эпистемологических представлений о процессе познания и теоретическом моделировании, что знаменует становление новой, по своей сути конструктивистской, познавательной установки. Она акцентирует внимание на том, что знание не просто открывается, а создается в процессе работы с данными, что открывает новые горизонты для исследования и понимания окружающего мира. Таким образом, статья подчеркивает важность переосмысления традиционных взглядов на эпистемологию в свете новых реалий, связанных с использованием данных, и призывает к более глубокому осмыслению роли последних в формировании нашего знания о мире.
Ключевые слова: идеальное, эпистемология, большие данные (Big Data), наука о данных (Data Science), интеллектуальный анализ данных (data mining)
Финансирование: инициативная работа.
Для цитирования: Тищенко В.И. Идеальное и реальность в эпоху больших данных. Системные аспекты // Общество: философия, история, культура. 2025. № 10. С. 86–91. https://doi.org/10.24158/fik.2025.10.11.
 
Original article
 

Concepts of the Ideal and the Reality in the Age of Big Data.

Systemic Aspects

 
Viktor I. Tishchenko
Federal Research Center “Informatics and Control”
of the Russian Academy of Sciences, Moscow, Russia,
vtichenko@mail.ru, https://orcid.org/0000-0001-8012-6727
 
Abstract. This article examines the transformation of classical epistemological concepts of the ideal and the reality in the context of modern Data Science. The evolution from theory-driven to data-driven paradigm is considered. It demonstrates the existence of a different approach to the nature of data, one in which it is viewed not as a neutral “copy” of reality, but as an ideal – a product of the purposeful structuring of subject space. This approach requires a reconsideration of established epistemological notions about the cognitive process and theoretical modeling, which marks the emergence of a new, essentially constructivist, cognitive approach. It emphasizes that knowledge is not simply discovered but created through working with data, opening up new horizons for exploring and understanding the world around us. Thus, the article highlights the importance of rethinking traditional views on epistemology in light of the new realities associated with data use and calls for a deeper understanding of the role of the latter in shaping our knowledge of the world.
Keywords: the concepts of the ideal, epistemology, big data, data science, data mining
Funding: Independent work.
For citation: Tishchenko, V.I. (2025) Concepts of the Ideal and the Reality in the Age of Big Data. Systemic Aspects. Society: Philosophy, History, Culture. (10), 86–91. Available from: doi:10.24158/fik.2025.10.11 (In Russian).

© Тищенко В.И., 2025
 

Список источников:
 
Ильенков Э.В. Диалектика идеального. М., 2021. 448 с.
Петрунин Ю.Ю. Коллизии методологии и эпистемологии в науке о данных // Государственное управление. Электронный вестник. 2024. № 107. С. 194–205. https://doi.org/10.55959/MSU2070-1381-107-2024-194-205.
Смирнов Г.А. О месте данных в структуре познания // Труды Института системного анализа Российской академии наук. 2019. Т. 69, № 3. С. 55–67. https://doi.org/10.14357/20790279190305.
Широков А.А. Концепция больших технологических систем Томаса Хьюза – между технологическим детерминизмом и социальным конструктивизмом // Социология науки и технологий. 2016. Т. 7, № 4. С. 150–161.
Ackoff R.L. From Data to Wisdom // Journal of Applied Systems Analysis. 1989. Vol. 18. P. 3–9.
Anderson M.J. The American Census: A Social History. Yale, 2015. 272 p. https://doi.org/10.2307/j.ctvb1htjr.
Bijker W.E., Hughes Th.P., Pinch T. The Social Construction of Technological Systems. New Directions in the Sociology and History of Technology. N. Y., 2012. 417 p.
Boyd D., Crawford K. Critical Questions for Big Data // Information, Communication & Society. 2012. Vol. 15, iss. 5. P. 662–679. https://doi.org/10.1080/1369118X.2012.678878.
Coughlin T., Handy J. Emerging memory trends and applications // 2024 IEEE 35th Magnetic Recording Conference (TMRC). Berkeley, 2024. P. 1–2. https://doi:10.1109/TMRC62973.2024.10713913.
Coveney P., Dougherty E., Highfield R. Big Data Need Big Theory Too // Philosophical Transactions: Mathematical, Physical and Engineering Sciences. 2016. Vol. 374, iss. 2080. P. 1–11. https://doi:10.1098/rsta.2016.0153.
Floridi L. A Look into the Future Impact of ICT on our Lives // The Information Society. 2007. Vol. 23, iss. 1. P. 59–64. https://doi:10.1080/01972240601059094.
Frické M. The Knowledge Pyramid: a Critique of the DIKW Hierarchy // Journal of Information Science. 2009. Vol. 35, iss. 2. P. 131–142. https://doi:10.1177/0165551508094050.
Hey T., Tansley S., Tolle K. The Fourth Paradigm: Data-Intensive Scientific Discovery. Washington, 2009. 288 р. https://doi.org/10.1109/jproc.2011.2155130.
Hughes Th.P. Human-Built World: How to Think about Technology and Culture. Chicago, 2004. 223 p. https://doi.org/10.7208/chicago/9780226120669.001.0001.
Kelling S., Wesley M., Hochachka W.M., Fink D., Riedewald M., Caruana R., Ballard G., Hooker G. Data-Intensive Science: A New Paradigm for Biodiversity Studies // BioScience. 2009. Vol. 59, iss. 7. P. 613–620. https://doi:10.1525/bio.2009.59.7.12.
Kent W. Data and Reality: A Timeless Perspective on Perceiving and Managing Information. N. Y., 2000. 248 p.
Kitchin R. Big Data, New Epistemologies and Paradigm Shifts // Big Data & Society. 2014. Vol. 1, iss. 1. Р. 1–12. https://doi:10.1177/2053951714528481.
Kruit van der P.C. Jacobus Cornelius Kapteyn Born. Investigator of the Heavens. N. Y., 2015. 722 p. https://doi.org/10.1007/978-3-319-10876-6.
Rowley J. The Wisdom Hierarchy: Representations of the DIKW Hierarchy // Journal of Information Science. 2007. Vol. 33, iss. 2. P. 163–180. https://doi:10.1177/0165551506070706.
 
References:
 
Ackoff, R. L. (1989) From Data to Wisdom. Journal of Applied Systems Analysis. 18, 3–9.
Anderson, M. J. (2015) The American Census: A Social History. Yale. 272 p. Available from: doi:10.2307/j.ctvb1htjr.
Bijker, W. E., Hughes, Th. P. & Pinch, T. (2012) The Social Construction of Technological Systems. New Directions in the Sociology and History of Technology. New York. 417 p.
Boyd, D. & Crawford, K. (2012) Critical Questions for Big Data. Information, Communication & Society. 15 (5), 662–679. Available from: doi:10.1080/1369118X.2012.678878.
Coughlin, T. & Handy, J. (2024) Emerging Memory Trends and Applications. In: 2024 IEEE 35th Magnetic Recording Conference (TMRC). Berkeley, pp. 1–2. Available from: doi:10.1109/TMRC62973.2024.10713913.
Coveney, P., Dougherty, E. & Highfield, R. (2016) Big Data Need Big Theory Too. Philosophical Transactions: Mathematical, Physical and Engineering Sciences. 374 (2080), 1–11. Available from: doi:10.1098/rsta.2016.0153.
Floridi, L. (2007) A Look into the Future Impact of ICT on our Lives. The Information Society. 23 (1), 59–64. Available from: doi:10.1080/01972240601059094.
Frické, M. (2009) The Knowledge Pyramid: a Critique of the DIKW Hierarchy. Journal of Information Science. 35 (2), 131–142. Available from: doi:10.1177/0165551508094050.
Hey, T., Tansley, S. & Tolle, K. (2009) The Fourth Paradigm: Data-Intensive Scientific Discovery. Washington. 288 р. Available from: doi:10.1109/jproc.2011.2155130.
Hughes, Th. P. (2004) Human-Built World: How to Think about Technology and Culture. Chicago. 223 p. Available from: doi:10.7208/chicago/9780226120669.001.0001.
Il'enkov, E. V. (2021) Dialektika ideal'nogo [Dialectics of the ideal]. Moscow. 448 p. (In Russian)
Kelling, S., Wesley, M., Hochachka, W. M., Fink, D., Riedewald, M., Caruana, R., Ballard, G. & Hooker, G. (2009) Data-Intensive Science: A New Paradigm for Biodiversity Studies. BioScience. 59 (7), 613–620. Available from: doi:10.1525/bio.2009.59.7.12.
Kent, W. (2000) Data and Reality: A Timeless Perspective on Perceiving and Managing Information. New York. 248 p.
Kitchin, R. (2014) Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society. 1 (1), 1–12. Available from: doi:10.1177/2053951714528481.
Kruit, van der P. C. (2015) Jacobus Cornelius Kapteyn Born. Investigator of the Heavens. New York. 722 p. Available from: doi:10.1007/978-3-319-10876-6.
Petrunin, Yu. Yu. (2024) Collisions of Methodology and Epistemology in Data Science. E-Journal Public Administration. (107), 194–205. Available from: doi:10.55959/MSU2070-1381-107-2024-194-205. (In Russian)
Rowley, J. (2007) The Wisdom Hierarchy: Representations of the DIKW Hierarchy. Journal of Information Science. 33 (2), 163–180. Available from: doi:10.1177/0165551506070706.
Shirokov, A. A. (2019) The Conception of Large Technological Systems of Thomas Hughes – Between a Technological Determinism and Social Constructivism. Sociology of Science and Technology. 7 (4), 150–161. (In Russian)
Smirnov, G. A. (2019) The Place of Data in the Structure of Knowledge. Proceedings of the Institute for Systems Analysis Russian Academy of Sciences. 69 (3), 55–67. Available from: doi:10.14357/20790279190305. (In Russian)