La piramide della conoscenza è un tentativo che il Knowledge Management ha fatto per categorizzare e semplificare i concetti chiave coinvolti nei processi conoscitivi, con lo scopo di realizzare sistemi informatici in grado di gestire grandi quantità di dati. Questo modello teorico prevede una gerarchia, denominata DIKW (Data-Information-Knowledge-Wisdom), che ha (suggestivamente) immaginato il processo della conoscenza come una piramide costituita da una base molto larga di DATI grezzi i quali, andando verso la cima della piramide, vengono sottoposti a un processo di aggregazione-contestualizzazione (INFORMAZIONE) e applicazione-sperimentazione (CONOSCENZA). Infine, sulla cima della piramide è confinata la SAGGEZZA che presuppone un livello conoscitivo che esula dall’ambito di una specifica applicazione. Spesso le persone attribuiscono lo stesso significato a termini diversi. Così ci sono persone che chiamano “informazione” ciò che sarebbe meglio chiamare “dato” e persone che parlano di “conoscenza” quando hanno a che fare con “informazioni”. E’ pur vero che si tratta solo di attribuzioni nomenclative ma, quando le persone devono comunicare, si rischia di aggiungere ulteriore confusione a un processo intrinsecamente già così  incerto. Nonostante le critiche ricevute, la DIKW ha avuto il merito di aver reso più chiaro il significato dei singoli stati conoscitivi e di avere individuato le condizioni che rendono possibile la transizione da uno stato all’altro. La DIKW è una metafora della conoscenza più che un modello, anche se ci si limita all’aspetto cognitivo.

Piramide della conoscenza

La piramide della conoscenza è un tentativo che il Knowledge Management ha fatto per categorizzare e semplificare i concetti chiave coinvolti nei processi conoscitivi, con lo scopo di realizzare sistemi informatici in grado di gestire grandi quantità di dati. Questo modello teorico prevede una gerarchia, denominata DIKW (Data-Information-Knowledge-Wisdom), che ha (suggestivamente) immaginato il processo della conoscenza come una piramide costituita da una base molto larga di DATI grezzi i quali, andando verso la cima della piramide, vengono sottoposti a un processo di aggregazione-contestualizzazione (INFORMAZIONE) e applicazione-sperimentazione (CONOSCENZA). Infine, sulla cima della piramide è confinata la SAGGEZZA che presuppone un livello conoscitivo che esula dall’ambito di una specifica applicazione. Tali stati conoscitivi sono quindi stati connessi in modo gerarchico immaginando che tra essi ci possa essere una ordinata transizione dal basso verso l’alto.

Com’è noto, l’intelligenza umana è il riferimento fondamentale affinchè una tale operazione possa avere successo. Infatti cosa significa per l’essere umano, essere intelligenti? Gli psicologi Steven Sloman e Philip Fernbach, nel libro “L’illusione della conoscenza” (p.58), hanno dato questa definizione:
Essere intelligenti significa avere la capacità di estrapolare informazioni più profonde e astratte dalla marea di dati che arrivano ai nostri sensi.Il punto chiave

La piramide della conoscenza è una metafora dell’attività cognitiva che evidenzia l’importanza, non dei dati o delle informazioni, quanto delle trasformazioni che si riesce a operare su di essi.

Nella nostra era, i lettori non hanno nessun dubbio quando ascoltano termini come “conoscenza”, “informazione”, e “dati”, e alcuni possono sentirsi confusi sulle differenze tra loro  e sulla loro interrelazione. Adesso io sto proponendo di gettare un altro termine, “modello causale”, nella mischia e il lettore può giustificatamente chiedersi se questo non fa che aumentare la confusione. Non lo farà! infatti, ancorerà le nozioni sfuggenti di scienza, conoscenza e dati in un contesto concreto e significativo e ci permetterà di vedere come i tre lavorano insieme per produrre risposte a difficili domande scientifiche. (Judea Pearl)

We have to rethink everything, but I don’t remember how it’s done.Piramide DIKW

Il mondo virtuale del Web presenta un’enorme massa di dati e di informazioni. La conoscenza riguarda il mondo reale (anche se influenzato dai mondi virtuali creati dal Web) e le informazioni necessitano delle esperienze individuali (vale a dire azioni umane condotte nel mondo reale) per trasformarsi in conoscenza.Perchè nelle nostre decisioni non dovremmo evitare la saggezza

Mentre i Dati, l’informazione e la conoscenza riguardano il passato la saggezza appartiene al futuro e alle azioni che si possono intraprendere per attuarlo. (Cliccare per approfondire)

L’intelligenza umana e la DIKW

Il filosofo e matematico Judea Pearl ha scritto: “nella nostra era, i lettori non hanno nessun dubbio quando ascoltano termini come “conoscenza”, “informazione”, e “dati”, e alcuni possono sentirsi confusi sulle differenze tra loro  e sulla loro interrelazione. Adesso io sto proponendo di gettare un altro termine, “modello causale”, nella mischia e il lettore può giustificatamente chiedersi se questo non fa che aumentare la confusione. Non lo farà!”La metafora DIKW e i modelli causaliSpesso le persone attribuiscono lo stesso significato a termini diversi. Così ci sono persone che chiamano “informazione” ciò che sarebbe meglio chiamare “dato” e persone che parlano di “conoscenza” quando hanno a che fare con “informazioni”. E’ pur vero che si tratta solo di attribuzioni nomenclative ma, quando le persone devono comunicare, si rischia di aggiungere ulteriore confusione a un processo intrinsecamente già così  incerto. 

Nonostante le critiche ricevute, la DIKW ha avuto il merito di aver reso più chiaro il significato dei singoli stati conoscitivi e di avere individuato le condizioni che rendono possibile la transizione da uno stato all’altro. La DIKW è una metafora della conoscenza più che un modello, anche se ci si limita all’aspetto cognitivo. 

La bibliografia disponibile sul web su tale gerarchia è vastissima. Ci limitiamo pertanto a segnalare in bibliografia due articoli che presentano punti di vista diversi.Nel 2018 il filosofo e matematico Judea Pearl, nel libro “The book of Why”, ha proposto un modello conoscivo della realtà alternativo alla DIKW. Egli scrive (p-11):
Nella nostra era, i lettori non hanno nessun dubbio quando ascoltano termini come “conoscenza”, “informazione”, e “dati”, e alcuni possono sentirsi confusi sulle differenze tra loro  e sulla loro interrelazione. Adesso io sto proponendo di gettare un altro termine, “modello causale”, nella mischia e il lettore può giustificatamente chiedersi se questo non fa che aumentare la confusione. Non lo farà! infatti, ancorerà le nozioni sfuggenti di scienza, conoscenza e dati in un contesto concreto e significativo e ci permetterà di vedere come i tre lavorano insieme per produrre risposte a difficili domande scientifiche.

Judea Pearl propone poi l’impiego di un “motore inferenziale causale” per le future applicazioni di intelligenza artificiale e si augura che esso serva anche da guida per i modelli causali delle applicazioni scientifiche odierne.Il filosofo e matematico Judea Pearl ha scritto: “nella nostra era, i lettori non hanno nessun dubbio quando ascoltano termini come “conoscenza”, “informazione”, e “dati”, e alcuni possono sentirsi confusi sulle differenze tra loro  e sulla loro interrelazione. Adesso io sto proponendo di gettare un altro termine, “modello causale”, nella mischia e il lettore può giustificatamente chiedersi se questo non fa che aumentare la confusione. Non lo farà!”

Cos’è il Data Mining

La quantità di dati digitali è in crescita in modo tumultuoso in tutte le applicazioni industriali e commerciali. Anche la difficoltà di trarre informazioni utili dai dati è in crescita e, a questo scopo da un paio di decenni, sono state sviluppate applicazioni informatiche denominate Data Mining. Il Data Mining effettua dunque la ricerca, analisi ed estrazione, all’interno di banche dati di grandi dimensioni, di dati con un contenuto informativo o correlativo superiore riguardo a un determinato scopo.

Il tradizionale metodo di trasformazione di dati in conoscenza si basa sull’analisi manuale e l’interpretazione umana. La necessità odierna di aumentare la capacità di analisi umana per gestire il gran numero di byte che è possibile oggi raccogliere (Big Data), pone un problema al quale l’Intelligenza Artificiale e i suoi componenti quali il Machine Learning, danno delle risposte.

Lo scienziato informatico Usama Fayyad ha denominato il processo per estrarre conoscenza da grandi database KDD (Knowledge Discovery in Database, (vedi bibliografia).

Fayyad lo ha così definito:

KDD è il processo non banale di identificare nei dati strutture comprensibili, modelli validi, nuovi, e potenzialmente utili.

Processo KDD per estrarre conoscenza da dati

Il Data Mining effettua ricerca, analisi ed estrazione, all’interno di banche dati di grandi dimensioni, di dati con un contenuto informativo o correlativo superiore riguardo a un determinato scopoAlcuni versi del poeta TS Eliot

TS Eliot evidenzia  gli sforzi dell’essere umano per evitare di partecipare alla realtà e rifugiarsi nell’apparenza e nell’inconsistenzaT.S.Eliot e la Piramide della conoscenza

Molti autori attribuiscono ad alcuni versi del poeta TS Eliot, tratti dal poema “The Rock” pubblicato nel 1934, il merito di aver immaginato una simile gerarchia conoscitiva.

Noi pensiamo che il senso di questi versi vada interpretato come una sorta di rimpianto per i fallimenti umani, quindi, in ordine di importanza decrescente, questi versi ci chiedono: a quanta vita abbiamo rinunciato vivendo in modo sbagliato (o inconsapevole); e a quanta saggezza abbiamo rinunciato nel non aver saputo ampliare ed impiegare la nostra conoscenza; e infine, alla base del processo, a quanta conoscenza abbiamo rinunciato nel non avere accortamente utilizzato le informazioni in nostro possesso.
Se si guarda all’intera opera di TS Eliot l’interpretazione di questi versi può farsi più acuta, infatti Eliot, nei personaggi dei suoi drammi, ha sempre descritto gli sforzi dell’essere umano per evitare di partecipare alla realtà e rifugiarsi nell’apparenza e nell’inconsistenza. In quest’ottica l’essere umano si rifugia nell’informazione per evitare di conoscere, si rifugia nell’azione (saper fare) per evitare che la sua conoscenza si trasformi in saggezza e, infine, evita le occasioni di realtà che la vita gli presenta per assumere atteggiamenti stereotipati e inconsistenti.Un esempio semplice

Questo esempio, riadattato da systems-thinking.org, utilizza il caso dell’apertura di un conto di risparmio bancario per mostrare come alcuni dei parametri che lo contraddistinguono (capitale, interesse, tasso di interesse) si relazionano con i concetti di dato, informazione, conoscenza e saggezza.

Dati: I numeri 100€ o 5%, se non sono correlati a un contesto, restano solo dati senza alcun significato.

Informazioni: se una persona apre un conto corrente bancario, allora dati quali: gli interessi, il capitale e il tasso di interesse acquistano un significato in questo contesto.

• Il Capitale è la somma di denaro, ad es.100€, nel conto di risparmio
• Il Tasso di interesse, ad es. 5%, è il fattore utilizzato dalla banca per calcolare gli interessi sul capitale.

Conoscenza: Se il correntista aggiunge 100€ nel suo conto corrente, e la banca paga interessi del 5% annuo, alla fine dell’anno egli si aspetterà che la banca calcoli gli interessi di 5€ e li aggiunga al suo capitale. Questo modello rappresenta la conoscenza (sperimentata) che permette al correntista di adeguare i suoi comportamenti alle sue decisioni: se vuole risparmiare sa quanto gli frutteranno le nuove somme depositate e se, invece, vuole prelevare sa che riceverà un minore ammontare di interessi.

Saggezza: la saggezza è più complicata e richiede un salto qualitativo sia per il singolo individuo (che deve rinunciare alle proprie illusioni) sia per le organizzazioni (che devono conoscere i principi che regolano i sistemi di grado più elevato nei quali la conoscenza specifica si trova ad agire). Se l’investitore prende in considerazione i singoli elementi su cui si basa la sua conoscenza del conto corrente bancario, può essere indotto a credere che, continuando a risparmiare e investire, nel tempo potrebbe diventare ricco. Questa illusione si scontra sia con il fatto che pochissimi sono in grado di risparmiare senza prelevare mai denaro dal proprio conto, sia con fattori macroeconomici imponderabili quali la decisione della banca di ridurre il tasso di interesse oppure il suo fallimento dovuto a  gravi squilibri finanziari mondiali (ad esempio nella crisi del 2008, negli USA, sono fallite più di 100 banche), con  la conseguente perdita di tutto o parte del capitale.

Bibliografia (chi fa delle buone letture è meno manipolabile)

• Jennifer Rowley (2006), The wisdom hierarchy: representations of the DIKW hierarchy (PDF) [513 citazioni]
• Martin Frické (2007), The Knowledge Pyramid: a critique of the DIKW hierarchy (PDF) [159 citazioni]
• Jonathan Hey (2004), The Data, Information, Knowledge, Wisdom Chain: The Metaphorical link (PDF) [92 citazioni]
• Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth (1996), From Data Mining to Knowledge Discovery in Databases (PDF) [8748 citazioni]
• Rob Kitchin (2014), Big Data, new epistemologies and paradigm shifts (PDF) [381 citazioni]
• Susan Matney, Philip J. Brewster, Katherine A. Sward, Kristin G. Cloyes, Nancy Staggers, (2011), Philosophical Approaches to the Nursing Informatics DataInformation-Knowledge-Wisdom Framework (PDF) [100 citazioni]

Guarda le pagine correlate

• Dati, Informazioni, Conoscenza, Saggezza
• Intelligenza umana
• Intelligenza Artificiale
• Inferenze logiche

Libri consigliati a chi non vuole confondere dati, informazione e conoscenza

https://www.pensierocritico.eu/gerarchia-della-conoscenza–dikw-.html

Pagina aggiornata il 26 febbraio 2021

Categorie:O01- Elementi di Archeologia, X50.01- Digital Humanities- Informatica Umanistica

Tag:Piramide della conoscenza