伟德体育(BetVictor Sports)国际官网(访问: hash.cyou 领取999USDT）

　　一、什麼是資訊?(從資訊科學觀點來看) 資訊是一個基本現象，像是物理學中的能量、重力、生物學的生命和法律學中的正義等等，同樣應用在「我不知道的」答案上，然而，基本現象的調查持續進行中，這是一個在所有類似領域中初步的觀點，我們無從了解資訊的精確定義為何？然而調查資訊中所產生基本現象是非常重要的，像是以相關性為例，我們多年來可能已經獲取到資訊產生的相關表現、行為和效果，之後將透過更多科學的調查來徹底了解其產生的內涵。 資訊在不同領域中常有不同的含意，例如從物理學及生物學的角度來看，有許多尚未成功的嘗試，企圖將資訊對於當作存在於宇宙中的一個基本屬性資訊來進行探索。從心理學的角度來看，資訊被用來當作一個變量來處理與感官上的知覺及理解，或其他的心理內學的過程處理流程，這些資訊的意義跟一般的在資訊科學上的意涵有相當大的相異之處不同，在包含資訊科學的一某些領域上，資訊科學的概念幾乎與信息是廣泛地相關聯的。所以根據以上描述，在不同領域的理論與實務操作上，的資訊科學定義來說存在多種解釋，包含多種不同領域資訊處理的理論與實務操作。(一)在狹義上 資訊被認為是由訊號或是訊息所組成，且不具有處理決策的能力，而其處理程序可以表達成演算法或是機率。 資訊被視為是訊息中能夠被某些機率來估計的屬性。 舉例來說：Hirshleifer and Riley(1992)提供了相關的解釋說明，一個人決定是否要帶雨傘是根據目前下雨的機會來判斷，但是看過氣象報告後，這項資訊可能視為影響改變原先看法的影響，所以資訊是人在進行決策分析中的關鍵因素。當面對巨大的資料量、有時不能克服的問題時，則必須要進行適當及實務的做評估，而實務應用程式的數目即遵守這項解釋，像是電腦化的交易。這裡漏掉一段很重要的內文，包含對資訊價值的解說，只斷章取義地翻了最後兩句話! (二)在廣義上 資訊被視為直接涉及認知性的處理過程及想法了解， 它產生一個想法和(大致上)一個文字兩者相互作用的結構。資訊是由兩種認知結構(心智及文字)的互動中而產生。 資訊可以是一個影響或改變一個人的想法或心態，在提供資訊服務的情況下，資訊是最常透過文字、文件或紀錄等媒介來進行傳遞。 例如：一個讀者可以從文字或文件中理解什麼?由Tague-Sutcliff(1995年)提出的解釋是：資訊是無形的並且是根據概念化和對人類的了解基於人類的了解與概念。記錄包含單文字或圖片(有形的)，但是它們僅包含對使用者相關的資訊，資訊是伴隨著文字與讀者間或記錄與使用者間的互動交易。將文字和讀者，記錄和使用者之間連結起來。 (三)在最廣義上 在資訊的是與上下文的內容中情境有關，資訊涉及的到不僅僅只是訊息(第一種意思)，這是經過認知的處理過程(第二種意思)，但也是與情境一個條件－情況、任務、手頭上的問題等等有關。，使用認知處理過的資訊在特地的來處理給特定的任務作為就是一個例子。此外在其他意義上，他涉及到動機或意圖，因此連結到廣泛的社會背景及層面，像是文化、工作及手頭上的問題。在資訊科學方面，我們必須考慮第三個或及最廣的資訊意義，因為資訊被的使用在文章之中是崁在情境中，也和一些相關的原因有所關連。 這項資訊最廣義的觀點，反映含蓄地理解來自學者在資訊科學的起源發軔時期就已隱然了知，特別尤其是反映在資訊檢索的實施務上。 這項在這樣對資訊的廣義解釋在資訊科學的解釋並不是新的，這類樣對資訊廣泛的解釋明顯地包含認知及背景情境是什麼資訊的解釋，這些及其他的內涵已由Wersiq 及 Neveling(1975) and Belkin and Robertson(1976)等學者來闡明。它也是在社會科學中的隱式社會規則資訊科學的社會面隱含了這些內容(認知及情境)。 二、資訊科學的結構 資訊科學的結構? 任何領域都由一些不同的大區塊或領域所構成，這些領域各有其實務與探索議題。的結構都會有所被分離，包含了一些大領域或者是小範圍的調查或者是實作，想就像一些子領域像是醫學、電腦科學、圖資學等的子領域等，資訊科學也不例外而由兩大區塊所共構而成，有多個名作者(among them Vickery Vickery, 1987; Vakkari, 1996; Saracevic, 1997; and others)觀察到資訊科學的產出落在兩個主要的區塊或領域上，每個大區塊又有多個子領域或專屬領域其當然就是要為了要更進一步的去探討，White and McCain (1998)進行了有名的資訊科學領域中的文獻計量學研究，並對過去的23年中120位作者的同引型態提供了大範圍的詳細做了廣泛的分析找到主要的120位作者在過去的23年裡，他們透過了圖型形化的方式將學者與他們之間的關聯呈現出來過去的文獻做統計圖表，主要可分為兩種個領域，其種這兩種分別代表不同的意思，有些學者都只關注在一方面，很少學者再兩方面都有提到。 在White McCain 地圖左邊的部份，所有的作者都在分析研究的文獻，研究的內容相關連的物件有：都不了解真正的意思而亂寫。 後面相關的內容也當是同樣的水準? 你們要想法改進，不要成篇不知所云的內容。沒有知識也要有常識，你們寫的這些內容，通順嗎? 可以了解它的內容嗎? studies of texts as content-bearing objects; communication in various populations, particularly scientifi?c communication; social context of information; information uses; information seeking and behavior; various theories of information and related topics; 各種與資訊有關的議題，然而他們並沒有一個好的命名去將他群集起來，有一些人把他叫做「資訊分析」，為了簡單起見，我們把他稱之為這個domain cluster,。 那在右邊的部份，主要集中在 IR theory and retrieval algorithms practical IR processes and systems human-computer interaction; user studies; library systems; OPACs 我們稱這個領域為檢索的叢集，雖然”applied”可能會是更好標簽要去簽樂透嗎? 籤， 基本上來說，大部分的區域在這個”domain cluster”有關的研究的基本實證與行為的現像現象與資訊科學的物件等。他們被集中在此現象的資訊與一些實證的文獻上。 那在retrieval cluster 方面，大致上來說有種各式各樣的實務還有理論方面，他是比較關於實施的行為與人與文獻之間連結的影響。 但不幸的事，這兩個方面很少有人將他相關起來，很少學者去將兩個子領域去做結合，只有少數的學者兩個都有說明到， Tague-Sutcliffe (1995)她做了一個有效的整合方針，Tague-Sutcliffe (1995)這個學者他做了一些資訊檢索系統評估的概念化。但目前沒有一個完全將資訊科學整合的一個論文，目前一些有名的研究人員，開始制定了正式的理論工作，也加強了實驗的證據，去連結這兩個很少相連的群集。 那在這兩種領域中，其實研究的人數是有些差別的，在retrieval cluster中，以???有非常多的作者在做此類的研究，在更多其他領域的部份，也積極的去擴展在基礎的實務領域方面。在這個部份其實原因在於這個議題上能夠獲得較多的資源來去做這項議題的研究。大致上來說，主要產生的議題還是較重於在實務的研究上。舉例來說，在過去都較不能找到在NSF Division of Information and Intelligent Systems一些有關於domain or basic cluster的一些相關的議題，因為Division of Information Science and Technology 較沒有明顯的被分辨或包括在Directorate for Computer and Information Science and Engineering (CISE)。 de Solla Price’s (1963)也定義了這個詞，這個domain cluster被叫做是”小科學”(也稱為閣樓或地下室科學)雖然retrieval cluster是大科學，但這兩個現在並沒有科學連接。 三、資訊如何進行分類? Table 1. Taxonomy Views and CharacteristicsView of Information特性字彙單元語法RepresentationAdaptation資訊的定義操作的字彙單元測量字彙單元間的關係目標對觀察者的意涵認知不同會導致系統適應度的差異作用處理資料降低熵形成意義實現的可行性領域處理資料，認知科學，人工智慧，組織科學信號傳輸會計，心理學，資訊系統，計算機科學自我參照系統範例記憶項目、交易處理、項目年輪，雜湊函數日蝕，數據庫，表示交易本文解讀，程式遞迴說明理論Magical Number Seven Plus or Minus Two (Miller 1956); Human Problem Solving (Newell and Simon 1972)Mathematical Theory of Communication (Shannon Weaver 1963)Knowledge and the Flow of Information (Dretske 1981); Information, Mechanism and Meaning (MacKay 1969)Autopoiesis and Cognition (Maturana and Verela 1980); Second Order Cybernetics (von Foerster 1984); Cybersemiotics (Brier 2005)主要準則可操作性可處理準確性可行性典範理論2D vs 3D graphs (Kumar and Benbasat 2004)Mutual information measure (Zhao and Soofi 2006)Personal information (Awad and Krishnan 2006)Informing practices (Schultze 2000)IS主要應用難以區別資料與資訊廣泛運用於減少不確定性對象，符號和觀察員 必須指定適用於含糊不清，變幻莫測的環境 Token(字彙符號 較適當 單元) 資訊從字彙上面的意思等同於資料，資訊和資料都和流程有關。簡單來說，協助資訊系統去釐清字彙單元的意思，我們需要參考資料。在思想、機器或組織中，資料是過程的輸入輸出。例如：將購買交易記錄上傳到資料庫中，需要包含一系列的過程，記錄那次的購買證明、代碼並存在記憶體中以協助後續的檢索分析。 在一個流程裡面，每個步驟都會處理、整理資料。例如：當要將”9月14日”記錄記下來，需要轉換成09/14或轉成二進制或其他格式。以一個資訊系統流程為例，字彙單元的處理是經過篩選、排序和將資料分群以及最後的計算結果。 Illustrative Theory 說明理論 Information processing theory (IPT)資訊處理理論反映出字彙單元的假設觀點，IPT第一次被Miller (1956)提到並去解釋人的認知過程(cognitive process)的限制，認知歷程包括「輸入」、「輸出」、「轉換」、「儲存」、「檢索」及「運用」等連續的歷程。在Newell and Simon (1972)去解釋組織行為。IPT在每個資訊處理系統有兩個共同特徵： 第一個是每一個流程都有處理資料容量的侷限性，意即，大量的字彙單元可能被有限制的處理或者遇到瓶頸或者一連串流程的限制。例如：Miller提出人類認知過程中資料的處理能力大約限制在只能處理7±2個項目(chunk)。 第二個特點是這些流程的控制機制是需要去管理的。所以並不是所有的容量都可以提供給資料處理，有些必須要用來當作控制功能還來監督資料的處理。例如：一台電腦的CPU不能將所有的資源都用來控制資料，它必須要用一些資源去執行作業系統來控制資料處理。總結上述內容，從字彙單元的觀點去解釋資訊和資料是沒有很大的差別。 Exemplary Article 典範文章 Kumar and Benbasat (2004)的研究中調查編碼、任務類型和資訊的複雜度在3D和2D圖形的影響。他們發現在兩個或兩個以上變數的任務中，3D圖形都優於2D圖形。當讀者要理解圖表資訊，首先，圖表中的資訊就會在視網膜上以一種強度Token intensities 不是強度，這段寫得有問題。 的二維模式的視覺陣列（visual array）作用於其神經系統，視覺陣列的原始資訊通過視覺描述（visual description）被轉換為記憶表徵來代表圖表中視覺標記的意義。其次，讀者必須記住或推論出圖表中視覺成分所代表的相應數學量度。讀者通過圖表圖式可以獲得圖表的視覺成分與其相應的數學量度之間的正確對應關係。在這一連串的過程中，主要的限制因素是人類有限的處理能力，其中包含短期記憶的限制和流程中的雜訊。 Tokens透過視覺接收(visual reception)、編譯(encoding)、配對(matching，即將圖表歸類為某一特定的圖表類型)、彙整(assembly)、查詢(interrogation，對資訊進行編碼和提取)以及推論(inference，將數學和邏輯規則應用，以獲取新的資訊)的過程來獲取資訊。資訊是一個從視網膜上接收的標籤，將圖表上的資料轉成記憶。Kumar and Benbasat發現3D圖表比2D圖表受到資料處理過程影響較少所以比較容易獲取資訊。 資訊系統的優勢、限制和應用優勢： 從詞彙觀點的應用和理論發展已經50多年，其它的優點包含簡潔明瞭以及能夠加強對人、電腦和組織流程的瞭解。 限制： 不能明顯區別資料和資訊。例如：資訊系統的專業人士常常將資料處理和資訊處理術語交替使用。為了避免混淆資訊和其他術語，使用資料的字詞而非資訊，不應該使用資訊處理而是要用資料處理。 例如：會計資料可以被處理、操作、總結和儲存，但是資料中的資訊必須以其它方式顯現。應該說SQL處理資料，而且SQL的輸出仍是資料而非資訊。以下其他資訊的觀點將資料和資訊作出區別，資訊是比資料多。 Syntax(語法) 從語法的角度來看，資訊是符號單元(token)間可衡量的關聯衡量各個資料之間的關係，資訊可以用於各種不同的領域中，例如：建築、音樂、象棋、統計、數字和位元。最明顯的差別是資訊是可以衡量的。衡量兩者之間的關聯可以是統計上的差別，若是以SQL語句去衡量兩者是在處理時間的差異。語法的第二個特徵是效率，有些語法和有些關係組合使用較少的資源去完成目的，例如：資料庫管理系統的雜湊函數(hash function)有語法可以去衡量輸入和輸出的關係。一個雜湊函數將鍵值轉成實體儲存媒介的位址，相對於其他不同雜湊函數對於儲存系統而言是更有效率或較少是它們效率的差異(例如：較多或少的資料碰撞、較快或慢的的處理時間)。 資訊相對於從字彙去解釋，以語法觀點來說，是客觀且可以被獨立看待(Bremer and Cohnitz 2005)。例如：資訊像是存在在樹的年輪裡，年輪是可以被計數的。在一個資料庫裡面，一個屬性是可以被當作外來鍵。 語法之間缺少的關係是不確定的，所以以熵(entropy，不確定性)去衡量，當系統中的不確定性越高，越少資料是相關聯的。例如：一個樂透系統是盡可能隨機(不確定性)的；中獎號碼是從非常大的組合去選擇；反之，如果玩家知道有些數字是跟某些數字相關(例如：所有中獎號碼的特色是從大到小)，知情的玩家擁有相關資訊會讓樂透不確定性更小。總而言之，資訊是客觀、可衡量的，並且是資料單元之間的關係，以減少系統中的entropy(不確定性)。 Illustrative Theory說明理論 《通訊數學原理》(The Mathematical Theory of Communication)，這是Shannon第一次從理論上解釋有關通訊的基本問題。闡明了通訊的基本問題，建立了通訊的一般模型，提出表示訊息量的精確量度，並解決了訊息統計特性、通道容量、編碼、解碼的效率、雜訊對通訊可靠性的影響等問題，同時也奠定資訊理論(Information Theory)的基礎－一種以訊號來測量秩序等級的數學方法，並表示對於影響資訊傳遞與過程的各種條件與參數數學。 Shannon探討是否有一種適當的「不確定性」量度能應用在具統計學性質訊號的資訊源上，這種量度又只和訊息的機率有關，而「熵」(Entropy)即是Shannon由此想法提出來的。 在傳輸的過程中，如果一個符號出現越少次，其資訊含量越大。所以，當一個符號被傳送的機率減少，其資訊含量的量度便增加。假設一符號被傳送的機率是1(100%)，資訊含量就是0。 簡單來說，entropy是一個可能事件所包含訊息量，其是由該訊息發生之機率決定。發生機率愈大，所包含之訊息量愈小。反之，發生機率愈小，則所包含之訊息量愈大。 Shannon and Weaver (1963)的目標是在系統中創造一個減少entropy(熵，不確定性)的方法。Shannon and Weaver 定義資訊(H)是X和X’之間不確定性的不同： H = S(QX) – S(QX) S(QX)是問題Q在X情境下的不確定性。 例如：Q的問題是”誰會自願做這個工作?”，X情況是有7個自願者，X’是7個人中的John被選擇。 在這種情況下的不確定性會隨著John被選擇而改變(Bremer and Cohnitz 2005)。廣義來說，資訊是John和7個資料單元中的關係。從這個觀點來說，資訊是跟選擇有關；如果有很多的選擇，一個特別的選擇是更令人想像不到的，因此有更多資訊。舉例來說，如果John是從70個志願者中選擇出來，這種從70個中選出1個會比從7個中選出1個中擁有更多資訊。汽車牌照中一個單一字母比單一數字具更多資訊。中樂透比硬幣翻轉更多令人驚喜，因此，資訊不是選擇，而是從可能的選擇中和相關選擇的語法衍生出來。 Exemplary Article 典範文章 Zhao and Soofi (2006)專注於在不同的資料庫中辨識和衡量屬性間的關係，以幫助整合資料庫的過程。Zhao and Soofi的mutual information measure是一種衡量屬性資料的關係來比對配對和不配對的記錄。語法描述的是在不同資料庫中任兩個屬性的關係。對於兩個沒有關聯的屬性來說，兩個屬性是在最大的分離狀態以及最大熵值的狀態。事實上，Zhao and Soofi在mutual information measure中使用熵值計算，以降低先前兩個屬性間關係的不確定性，並且提供兩屬性間的資訊。總而言之，衡量、語法可以揭露一個關係，也就是資訊。 資訊系統的優勢、限制和應用 創造一個機會在廣泛運用於其他領域上，資訊系統的研究可以幫助解釋資訊與熵的關係，這種資訊的形式應該如何被這個限制的測量，這種標準的測量可能提升資訊研究的價值去提升資訊研究的價值，那這個顯著的限制在這個觀點上，是一個被忽略的解釋，像是資訊與其意義，因此沒有被廣泛應用在資訊領域上，準備一些牽涉在人的因素，解釋的意義，去了解資訊的應用與語法，根據這些互相的資訊測量引用了Zhao和Soofi，彼此的資訊測量應該被比較，透過資訊加密科技，生物測量的評估，著作權違反測試與醫學評估，去產生字彙單元，越來越多真實世界的事件，被記錄在數位的字彙單元，語法的方法去降低一些關於這個試驗的不確定性，且讓其更有價值。 當語法可能被運用在廣泛的議題上，學者會更小心地不去說明衡量字彙單元間的關係有很多意義，例如來說，數字的機率不是隨機排列，官方會被認為是作弊，在Zhao和Soofi的mutual information measure的屬性間較高的交互資訊量並建議分析師對於淺在相對應的屬性作進一步的比較。 顯然的在資訊系統的領域上只有少數的研究有使用到語法的觀點，更深度來說，60個模型的paper只有2個有用到這個觀點，然而這可能會被選擇代表為一個資訊系統；有可能會有更多的技術或電腦工程期刊更經常地使用這種觀點。 Representation(表述) 一種模型來解釋某件事情的經過，一個Representation包含了三個元素，Sign(符號、特象徵)、Object(目的、對象)、observer(觀察者) 舉例來說 當烏雲出現(sign)預告觀察者(observer)要下雨了(object) 分析師(observer)檢查交易紀錄(sign)表示有交易產生(object) Representation又可以分為 External 外部 外部表述使用的符號來自外部觀察者 例: 太陽西下(sign)表示天將漸黑(object) 地圖(sign)代表版圖(object) Internal 內部 內部表述來自於觀察者本身 例: Jerry(object)喬裝一個積極的年輕人(created sign)給爸爸(observer)看 外部表述通常較為一般化且對於觀察者相似度較高 內部表述變化就相較不同觀察者而言，比較多樣。 當一個觀察者和目標被明確指定時，用表述來產生資訊是極為重要的。為了一些特定目地，對象與觀察者可能未被指定，舉例來說一個作家可能寫出藉由僅僅一點標示、符號的作品，但想表達資訊並沒辦法被完整陳述。舉例來說，小說家Bulwer-Lytton寫出膾炙人口的一句開場白，「夜黑風高的夜晚」，這句被維多利亞時期（英國女王）的讀者解讀成倫敦的夜晚，但今天這讓人覺得很荒唐的一句話，或許是因為當年的讀者未能見到早在19世紀的狀況，因此資訊沒辦法被完整解讀出來。 表述總是簡化成客觀的事實，較有用的資訊是要精確與具體的呈現，舉例來說一對父母說要趁夏天去度假(a sign)，意思是很有機會去度假，與這句話相比，家人要去科羅拉多釣魚，後者相較前者就更具體且精確。 總結來說，資訊在一個表述的模型中，是一個客觀的事實，一個符號、現象可能代表一個對象到一個觀察者。資訊不能作透過一系列的處理，也不能被衡量。 資訊在表述的觀點下，塑模了一件客觀的事實。對觀察者而言，一個象徵代表了一個實體或一件事實，資訊不像在符號單元的觀點下可被一串流程來處理，也無法如語法觀點中所說的被衡量的性質。 理論說明 Dretske (1981)定義了資訊在符號、現象與對象之間的規律。在符號、現象與對象之間有種依賴關係。 舉例來說 有煙(sign)表示燃燒(object)，因為煙可能因火而生 雲(signobject)與降雨(signobject)的依賴關係 門鈴響(sign)與按電鈴(object)的關係 比較值得注意的是規律隱然代表觀察者知道象徵與事件的相依關聯，就如為何門鈴響是如何運作的與為何燃燒產生煙？ Dretske錨定資訊的規律性，MacKay(1969)連結資訊到行為上。更具體的意思說，資訊可能改變淺潛在的行為，而不是立即性的行為。如果相關的狀況產生時，資訊就會改變行為。 舉例來說：天上烏雲多，可能反映的行為是帶傘。 典範文章 一個表述的例子在資訊系統，Awad and Krishnan (2006)對研究顧客對線上資訊透明度的渴望與顧客參與個人化的意願間的關係研究，他們發現當顧客渴希望較佳更大的資訊透明度化，也就是說，可大幅存取更多一間公司所蒐集的關於顧客與他們的資訊，及這接資訊是如何被使用、這樣的顧客較少意願不願意分享他們個人的化資訊。 Awad and Krishnan使用個人資訊在這份研究中是意義深遠的，因為這代表了一個人。個人資訊是一種結構來自標誌象徵組態(個人資料)，關於對應到一個對象(每一個人)、關於由一個觀察者(線上公司)。個人資訊是來自個人規律所建立的規律以及有意義的訊息。 一個人是關心自身的資訊，因為每個人都知道這些資訊是有意義的。 如果這些資訊於每個人是具體且精確的，而這些資訊對於線上的公司就會是有意義的。 Adaptation Adaptation的角度需要實體的典範轉移，也就是由來自信任相信有一個獨立於認知之上的客觀現實的獨立觀點，轉移到去體認現實是基於主觀認知而成立的觀點感知的主題。 資訊在adaptation的觀點來自感知，資訊是以感知不同而產生不同的差別。(Bateson 1973提出) 主題在Adaptation的觀點可以被參考於系統，系統可以是個機械化、有機體組織，就像是一個機器、有思考能力或是一個公司。是否感知的不同導致系統或資訊存在接受度？ 舉例來說： 如果司機感覺到他超速，感知會促使作出一個不同的駕駛方式，像是放慢車速，資訊不是於速度與限速感知上的差異，而是兩種不同差異的綜合。 第二個例子，來自一個商業例子。如果一間公司意識到銷售的下降，而銷售量的下降會使公司產生步一樣的變化，而這就是一種資訊。 因此，如果個體或是公司沒有感知或是感知沒辦法促使個體或是企業產生變化，這也不叫作資訊。 在Adaptation的觀點中，當很多差異被忽視的時候，每個人可能永遠不會被告知。再著每一個人只注意著目前所注意到的，當一個人轉換注意的時後，其他人將不會察覺。當駕駛看見出口標誌的時後，而改變車速，但駕駛人不會儲存關於他的時速的資訊，被通知是有創意且具動態的，所有資訊於adaptation觀點被稱為made up，雖然資訊在此觀點完整的依賴個人的感知，但如果個人有感知的話，外部環境將不會提供資訊給個人。 理論說明 Adaptation的資訊觀點反映在各種系統理論，包括autopoiesis、second order cybernetics與cybersemiotics。(自生系統論，二階控制論，神經機械論) 自生系統論( autopoiesis)的字面意思是 ”自動（個體）創作的”（Maturana and Verela 1980）。該術語描述的性質的生活系統。自生系統的進程，網路生產元件連續再生，自生系統包括生態，人類和社會。自生系論解釋系統適應作為再生或永久自我娛樂。一個自生系統是不是系統如何感知世界，也不是系統本身知道，而是系統如何重現適應本身，基於差異的感知上。 Brier (2005) cybersemiotics依賴資訊作為溝通，自我認知、現實個人創建，是每個人與其他語言溝通的符號，其他語言的跡象。Brier認為人際溝通是最好的形容是「舞蹈相互結構化聯接器」（第379頁）之間的發展。 並暗示這舞蹈是很重要的，用來區分人類社會系統（例如，細胞）。通過相互跳舞，每個系統感知差異在其合作夥伴的舞步和適應。溝通是周圍合奏感知的標誌，長期在演唱會跳舞自創生系統，足以支援他們創造資訊（感知產生變化的差異）和適應。 典範文章 一個例子於adaptation觀點於現有的資訊系統文章，來自Schultze (2000)，他在研究為了知識管理的資訊產出。Schulte研究和描述 ”資訊實踐” 或是資訊工作者。這個研究主題是電腦系統管理者、智慧分析人員、圖書館理員、人類學家，每一種主體參與高度的社會設定，這些產品資訊包括人與人的互動。舉例來說，通知來實踐創建資訊翻譯，藉由操縱語言跨越多個領域，直到出現一個連貫的意義。Schultze和適應信息的關鍵環節視圖是系統中信息導致改變。 Schultze還強調了資訊的主觀性質，每個通知的做法是“人類的工作，需要一個感受和思考，來帶動了他/她的主觀“（第7頁），沒有通知的做法是自由的解釋。資訊無法左右標誌，觀察員，和對象。 Schultze的目標是影響自己的經驗，以及閱讀者的經驗，來解釋的基本通知實踐邏輯。符合Schultze是能夠以adaptation觀點來看，調查她自己通知的做法，她是一個自我參照二階注意到她的一階系統適應系統。她是想著她自己的思想，這就是她的思考她自己告知慣例。 資訊系統的優勢、限制和應用 優點、限制、影響於資訊系統 資訊的優點在於一般化的可接受度，最有趣的現象可被解釋成適應系統。 適應(Adaptation)可以提供於不可預測、模糊不清的環境。 資訊系統可以支援使用者面對像是無法預測及模糊不清的問題，所以資訊系統跟具適應的特性需被設計成彈性、開放性的軟體，舉例來說社群網路因應使用者需求改變。 新舊系統使用問題，新系統相對舊系統有更多token、有更良好的syntax、可以表述更多事件，然而使用者有困難於找尋資訊於新的資訊系統。原因是他們應該瞭解如何產出他們所需要的訊息，而不是等待系統來提供資訊。 設計師不能提供使用者所需要的訊息，因為差異已經誤植於資訊中了。 參考文獻：不要說你們參考了這麼多文獻，只要列出真正有參考到的。 Vickery, B.C., Vickery, A. (1987). Information science in theory and practice. London: Butterworths. Vakkari, S.P. (1996). Library and information science: Content and scope. In J. Olaisen, E. Munch-Petersen, P. Wilson (Eds.), Information science: From development of the discipline to social interaction. Oslo,Norway: Scandinavian University Press. Saracevic, T. (1997). Users lost: Reflections on the past, future, and limitsof information science. SIGIR Forum, 31(2), 16–27. White, H.D., McCain, K.W. (1998). Visualizing a discipline: An author co-citation analysis of information science, 1972–1995. Journal of the American Society for Information Science, 49(4), 327–wikimedia/index.php/Mathematical_Theory_of_Communication_%E9%80%9A%E8%A8%8A%E7%9A%84%E6%95%B8%E5%AD%B8%E5%8E%9F%E7%90%86 .tw/wikimedia/index.php/Mathematical_Theory_of_Communication_%E9%80%9A%E8%A8%8A%E7%9A%84%E6%95%B8%E5%AD%B8%E5%8E%9F%E7%90%86 Applegate, L. M., McFarlan, F. W., and McKenney, J. L. 1999. Corporate Information Systems Management, Boston: Irwin/ McGraw-Hill. Aiba, H. 1993. “The Conceptualizing of ‘Organization’ and ‘Information’ in IS Work,” unpublished M.Sc. Dissertation, Lancaster University. Awad, N., and Krishnan, M. 2006. “The Personalization Privacy Paradox,” MIS Quarterly (30:1), pp. 13-28. Barth, K. 1968. The Epistle to the Romans, London: Oxford University Press. Bateson, G. 1973. Steps to an Ecology of Mind, London: Granada. Berger, P., and Luckmann T. 1966. The Social Construction of Reality: A Treatise in the Sociology of Knowledge, Garden City, NY: Anchor Books. Boland, R. 1987. “The In-Formation of Information Systems,” in Critical Issues in Information Systems Research, K. Lyytinen, R. Boland, and R. Hirschheim (eds.), Chichester: John Wiley and Sons, pp. 363-394. Boland, R. 1999. “Accounting as a Representational Craft Lessons for Research on Information Systems,” in Rethinking Management Information Systems, W. Currie and B. Galliers (eds.), Oxford: Oxford University Press, pp. 229-243. Borgmann, A. 1999. Holding on to Reality: The Nature of Information at the Turn of the Millennium, Chicago: University of Chicago Press. Braman, S. 1989. “Defining Information: An Approach for Policymakers,” Telecommunications Policy (13:3), pp. 233-242. Bremer, M., and Cohnitz, D. 2005. Information and Information Flow, Lancaster: Ontos Verlag. Brier, S. 2005. “The Construction of Information and Communication,” Semiotica (154), pp. 355-399. Bulwer-Lytton, E. 1848. Paul Clifford, New York: International Book Company Publishers. Campbell, J. 1982. Grammatical Man, Information, Entropy, Language, and Life, New York: Simon and Schuster. Capurro, R. 1996. “On the Genealogy of Information,” in Information: New Questions to a Multidisciplinary Concept, K. Kornwachs and K. Jacoby (eds.), Berlin: Akademie-Verlag, pp. 259-270. Capurro, R. 2003. “The Concept of Information,” in Annual Review of Information Science and Technology Vol 38, B. Cronin (ed.), Medford, NJ: Information Today, pp. 343-412. Carr, N. 2003. “It Doesn’t Matter,” Harvard Business Review (81:5), pp. 5-16. Carvalho, J. 2000. “Information System? Which One Do You Mean?,” in Information System Concepts: An Integrated Discipline Emerging, E. D. Falkenberg, K. Lyytinen, and A. A. Verrijn-Stuart (eds.), Boston: Kluwer Academic Publishers, pp.258-280. Checkland, P., and Howell, S. 1998. Information, Systems, and Information Systems, New York: John Wiley and Sons. Checkland, P., and Howell, S. 2006. “Data, Capta, Information and Knowledge,” in Introducing Information Management the Business Approach, M. Hinton (ed.), Burlington, MA: Elsevier, pp.47-55. Collier, J. 1990. “Intrinsic Information,” in Information, Language, and Cognition, P. Hanson (ed.), Oxford, UK: Oxford University Press, pp. 390-409. Devlin, K. 1999. InfoSense: Turning Information into Knowledge, New York: W. H. Freeman and Company. De Vree, J. 1996. “A Note on Information, Order, Stability, and Adaptability,” BioSystems (38), pp. 221-227. Dretske, F. 1981. Knowledge and the Flow of Information, Cambridge, MA: MIT Press/Bradford Books. Floridi, L. 2004. “Open Problems in the Philosophy of Information,” Metaphilosophy (35:4), pp. 554-582. Floridi, L. 2005. “Is Information Meaningful Data,” Philosophy and Phenomenological