CC BY
42
УДК 001.5:141:379.823
«_» 1 *
Ю. Д. ГЕНСЩЬКИИ1
^Нацюнальний унгверситет бюресурсгв i природокористування Украши (Кшв, Украша), ел. пошта yuraletter@gmail.com, ORCID 0000-0003-0858-6862
ФОРМУВАННЯ МЕД1А1НФРАСТРУКТУРИ BIG DATA SCIENCE В ДОБУ ВИСОКО1 ЕЛЕКТРОН1КИ
Мета. Проаналiзувати специф^ формування медiаiнфраструктури науки тд впливом поширення циф-рових медiатехнологiй, змшу характеру науково! дiяльностi, реалiзацiю комушкаци науковцiв при викорис-таннi Big Data. Методолопя. Реалiзацiя мети вбачаеться в використаннi науково-теоретично! бази фшософи науки, медiафiлософil, медiафiлософського подходу до розумшня суспiльства, науки та техшки, використан-нi публiкацiй з обрано! тематики дослвдження. Наукова новизна. Проаналiзована проблема змiни науково! комушкаци тд впливом Big Data. Розглянуто формування медiаiнфраструктури науки пiд впливом медiате-хнологiй. Висновки. Виникнення, становлення i розвиток медiаiнфраструктури змушуе свiтове наукове сш-втовариство переглянути модернiстську парадигму виробництва наукового знання, звернути увагу на формування як1сно нових способiв передачi, використання та отримання наукових даних та шформаци, проведения наукових дослщжень. Разом з цим виникае потреба в синхронному i комплексному вивченнi потен-цшних негативних наслiдкiв впливу медiатехнологiй на науковщв та пiзнавальну дiяльнiсть. Слад звернути увагу на ускладнення самоiндетiфiкацil iндивiда, моделювання процесiв i явищ, що ввдбуваеться поза опори на емтричну базу. Також постае проблема контрольованосп та ввдбору шформаци: величезш потоки шфо-рмацй' рiзного роду глибини i змiстовностi ускладнюють вiдбiр i трансляцш значимого знання.
Ключовi слова: шфраструктура; медiаiнфраструктура; Big Data; наука; медiа технологи; метод; методолопя
Постановка проблеми.
. У сучасний перюд постшдус^ального суспiльства кластер когштивних медiатехно-логiй перетворюеться на основний зашб та умову виробництва i трансляци наукового знання. Когштивш медiатехнолоril перетворю-ють потоки даних та знання в шформацшний ресурс суспшьства. Ефективнiсть роботи наукових структур тепер залежить вiд якосп за-безпеченнi зберiгання, обробки та трансляци шформаци за допомогою медiаторiв. Кластер когнiтивних медiатехнологiй iстотно перетво-рюе змiст i характер наукового тзнання, фор-муе новi науковi методи та принципи, змiнюе тдходи до роботи з iнформацiею та даними, по-новому ставить проблеми розвитку людсь-кого штелекту та особистосп, здiйснюе пере-творювальний вплив на свпогляд людини, трансформуючи таким чином всю шфраструк-туру науки. 1нтернет розумних речей, смарт-технiка, смартавтоматизоваш системи визна-чають магiстральнi напрямки розвитку та ефек-тивнiсть виробництва i технологiй, проектно-конструкторських розробок i наукових до-слiджень, констатуючи таким чином процес трансформаци шфраструктури науки в
медiакогнiтивну iнфраструктуру науки. Тра-дицiйна система виробництва знання епохи модерну вже не здатна ефективно взаeмодiяти i використовувати весь когштивний потенщал NBICS технологiй, обробляти величезнi потоки даних Big Data. Таким чином весь базис науки, весь И структурний апарат збагачуеться ко-гштивними медiатехнологiями, формуеться медiакогнiтивна iнфраструктура - сукупшсть iнструментiв та сервiсiв, галузей та структур, що тiсно синтезоваш, iнтегрованi з когштивни-ми медiаiнструментами i в сво1й взаемоди фор-мують iнститут Big Data Science.
Аналiз останшх дослiджень i публжацш
Вплив Big Data на наукову практику аналiзуеться в статтi «What difference does quantity make? On the epistemology of Big Data in biology. Big data & society» С. Леонелль А. Сзалай i Дж. Грей розглянули розвиток методологи та шфраструктури науки в контекст 1х сшввщношення з обсягами даних. Становлен-ню четверто! парадигми науки присвячена книга The fourth paradigm: data-intensive scientific discovery тд редакщею Т. Хея, С. Тенсл^ К. Толле. Про роль Big Data для гумаштаристики йдеться у роботах У. Маккарть
Формулювання цiлей дослiдження
Формулювання цiлей дослiдження: 1) Розглянути вплив медiатехнологiй на структуру та процес виробництва знання; 2) Про-анатзувати вплив потокiв великих даних на шфраструктуру науки; 3) Вияснити специфшу формування медiаiнфраструктури науки.
Виклад основного матерiалу
В епоху цифрових технологш з прогресив-ним накопиченням та розвитком шформацш-них структур та пов'язаних з ними сощально-гумаштарних преображень, постае закономiрне питання про вплив великих потоюв даних на методолопю та iнструментарiй продукування знання. Все швидшими темпами початковий фокус сучасних медiатехнологiй спрямовуеться на першу частину спектра даш-шформащя-знання. Наука, що оперувала величезним арсеналом шструментарда змушена переорiентува-тись на новий формат структури науки та виро-бництва знання. Наука тд натиском величез-них потокiв шформаци перетворюеться на своерщний цифровий конвеер продукування знання та технологш.
Для оцшки масштабу обсяпв цифрових даних P. Вшьямс склав таблицю вiдповiдностi мiж одиницями вимiру даних i звичними для людського сприйняття об'ектами, переведеними в цифрову форму. До 2010 р. обсяг вах створе-них у свт цифрових даних становить 1,2 зет-табайт, що можна представити як стопку DVD-дискiв вщ Землi до Мiсяця i назад. [15]. 1нфор-мацiя накопичена людством вириваеться з пiд його контролю та може перетворитись в практику, що буде недосяжною для людського ро-зумiння. Необхщнють приборкання шфор-мацiйних процесiв викликала появу цiлого ряду наук, в центрi яких знаходиться робота з маси-вами даних.
Поняття «даш» та «шформащя» в контекстi цифрово! медiареальностi помилково викори-стовують як взаемозамiннi. На думку К. Борг-ман, поняття «данi» мае бiльш обмежене число визначень i одночасно е суб'ектом багатьох рiз-них тлумачень [5]. В традицшному розумiннi данi це шформащя, що повторно тддаеться тлумаченню у формалiзованому виглядi для подальшо! !х передачi, штерпретаци або оброб-ки [10]. Медiареальнiсть розширюе семантику слова «даш», в якостi даних в цифровш пара-дигмi можуть використовуватись конф^уращя,
опис взаемодп та структур мед1атор1в, як елек-тронш файли так i ix змют i т.д.
С. Леонеллi вказуе, що новизна Big Data Science може бути виявлена в двох основних зрушеннях, що характеризують наукову практику протягом останшх двох десятилiть: 1) по-пулярнiсть i статус придбаних даних як визна-ний результат як всередиш, так i поза наукою i 2) методи, iнфраструктура, технологи та для обробки (форматування, поширення, моделю-вання та iнтерпретацiя) даних [7].
Крю Андерсон висловив думку, що зважаю-чи на величезш потоку даних науковi методи вже неактуальна У статтi «Столотя петабайт» вiн заявив, що це означае не що iнше, як «кшець теори». Традицiйний процес наукового вщкриття, що включае перевiрку гшотези на достовiрнiсть за допомогою моделi основних причин, за твердженням Андерсона, вщшшов в минуле i замшений статистичним аналiзом ко-реляцiй, в якому немае мюця теори [4]. На тдтвердження Андерсон пояснив, що квантова фiзика стала практично повшстю теоретичноi областю, оскiльки експерименти занадто складнi, дорогi i занадто масштабш для ре-алiзацii. Ця теорiя, як вважае Андерсон, вже не мае шчого спiльного з дшснютю. Щоб поясни-ти новий метод, вш наводить як приклад пошу-кову систему Google i генетичне секвенування. «Це свiт, в якому велию обсяги даних i при-кладна математика замiнюють будь-якi iншi потрiбнi iнструменти, при достатнiй кшькост даних числа говорять самi за себе. I петабайт шформаци дозволяе чекати, що кореляцш цiлком достатньо» [4]. Незважаючи на супереч-ливiсть такого пiдxоду, проект з виробництва високоефективного реактивного турбшного двигуна iнженерами з General Electric та Полтехшчного iнституту Rensselaer при вико-ристаннi генетичного алгоритму був розробле-ний за два днi, а за традицшною теxнологiею цей процес зайняв би до п'яти роюв [1]. Поява Big Data вщображае зм^ парадигми експери-ментальноi науки, що спиралася на висунення i верифшаци гiпотез, i дозволяе тепер виробляти наукове знання без використання гшотез, без опори на традицшну методологiю.
Аналiзуючи епiстемологiчну роль потоюв великих даних i технологи роботи з ними, ви-никае питання: чи можуть впливати потоки даних i метаданих не тшьки на структуру вироб-ництва сучасного знання, але i на виникнення
ново! iнфраструктури та методологи науки?
NBICS технологи впливають на наукове ствтовариство двома способами. По-перше, вони привели до поширення великих баз даних i обчислювальних потужностей. Таю сервюи е розумним варiантом для наукових завдань, якi можуть виконуватися за допомогою стандарт-них сервюв. Все бiльше унiверситетiв покла-даються на такi сервiси для резервного котювання даних, електронно! пошти, додаткiв для пiдвищення ефективностi
Ще одна риса, яку набувае наукове ствтовариство, - це радикальна персоналiзацiя. Маю-чи персональний доступ до терафлопа обчис-лень i терабайпв баз даних, вченi можуть ство-рювати сво! власнi обчислювальнi хмари. 1нно-вацп i новi науковi сервiси приходять з мереж, а не з керованих продуктами центрiв обробки даних. Не тшьки вчеш, але й величезна кшь-юсть сенсорних та смарт пристро!в шдключеш до 1нтернету зi сво!ми власними локальними сервiсами обчислювання i збершання, що фор-муе потужну мережу масивно розподшених сервiсiв знань [3].
А. Сзалай i Дж. Грей запропонували розгля-дати розвиток методологи та шфраструктури науки в контекст !х спiввiдношення з обсягами даних [12]. Вони вважають, що за обсягом ви-користовуваних даних юторда науки можна роздiлити на чотири перiоди.
• Тисячу рокiв тому даних було мало, наука була емшричною. В античш часи наука обмежувалася описом спостережуваних фено-мешв i логiчними висновками, зробленими на основi спостережень.
• В останш кiлька сотень рокiв даних стало бшьше, з'явилася можливють для створення теорiй, використовуючи в якосп доказiв тi чи iншi аналiтичнi моделi.
• За останш кшька десятилiть наука стала обчислювальною, комп'ютери дозволили вико-ристовувати методи чисельного моделювання.
А. Сзалай i Дж. Грей [13] сформулювали кшька неформальних постулатiв щодо ролi даних в сучаснiй наущ:
• науковi дослiдження все бшьше i бiльше нацiлюються на роботу з даними;
• проблеми з обробкою даних можуть бути обумовлеш застосуванням горизонтального масштабування;
• слщ наближати обчислення до даних, а не даш до обчислень.
Сучаснiй науцi властива можливiсть обробки величезних обсяпв експериментальних даних, поява нових наукових методiв, що орiен-тованi на ефективну роботу з потоками Big Data. Еволющя наукових дослiджень, i кожно! дисциплiни, зокрема, пiд впливом Big Data вщбуваеться за двома напрямами - Обчислю-вальна-Х i Х-шформатика, де пiд змшно! Х можна позначити будь-яку наукову дисциплшу [14]. Розвиток наук за двома напрямками кон-статуеться i в гумаштаристищ: формуються обчислювальнi гуманiтарнi науки i гуманiтарна iнформатика, яка останнiм часом все частше називаеться цифровою гумаштарною наукою. Данi гуманiтарних наук стають «обчислюваль-ними», iнтегруючись в систему Big Data . У. Маккарт шдкреслюе роль сфери «гуманiтарних обчислень» в якосп одного способу отримання знань i ешстемолопчно! практики гумаштарних наук [9]. Конвергенцiя наук вимагае ефек-тивiзуе взаемодiю гуманiтарстики з техшчними галузями для виявлення структури та оп-тимiзацil пошуку i аналiзу величезних ком-плексiв соцiогуманiтарних даних, забезпечення актуальними даними, дослiдного тестування теоретичних алгоритмiв або нових шстру-ментiв.
З виникненням 1нтернету в якосп платфор-ми для додатюв, обмiну даними та взаемодil були зруйноваш бар'ери в методах проведення дослiджень i поширення !х результат. 1нфра-структури хмарних обчислень (наприклад, Amazon) i нове поколiння обчислювальних платформ з використанням велико! кшькосп даних (наприклад, DISC, Google MapReduce, Hadoop i Dryad), спрямоваш на управлшня та обробку великих обсяпв даних.
Для медiанфраструктури характерною стае змша форм органiзацil наукових дослщжень у форматi мереж вiртуальних шформацшш ре-сурси, технологiй i людей, за допомогою створення вiртуальних дослщницьких середовищ i лабораторiй. Виникають науковi портали, ко-лективнi та особисп блоги, соцiальнi мережi забезпечують умови для самопрезентаци людей, обговорення !х iдей i плашв, розмiщення iнформацil про проведенi роботи, що сприяе поширенню результатiв науково! дiяльностi.
Важливий напрямок застосування медiатех-нологiй у науцi - оргашзащя роботи вiртуаль-них дослiдницьких лабораторш, якi дозволяють залучати вчених з рiзних кра!н свiту для прове© Генсiцький Ю.Д., 2016
дення дослщжень безпосередньо в cboïx лабо-ратор1ях з наступним обмшом шформащею через комп'ютерну мережу; в1ртуальний комплекс навчальних матер1ал1в, тренажер1в, прилад1в, що дозволяе моделювати реальш експерименти i3 заздалепдь вщомими результатами. Створю-ються дослiдницькi мережi в Iнтернетi для за-безпечення спiвпрацi вчених i вiдкритого доступу до дослщницьких iнструментiв i сервюв, баз даних, обчислювальних ресурав, для апро-бацiï та впровадження нових технологiчних стандартiв i мережевоï iнфраструктури на базi 1нтернет [1].
Принциповою вiдмiннiстю медiаiнфра-структури науки можна назвати ^норування офiцiйних структур, вертикальних iерархiчних зв'язкiв, в результат чого розвиваеться горизонтальна наукова шфраструктура, яка включае науковi веб-сайти вчених, творчих груп i ко-лективiв, блоги, науковi соцiальнi мереж^ ш-тернет-лабораторiï, iнтернет-конференцiï,
вiртуальнi дослщш середовища i вiдкритi елек-тронш арх1ви.
П. Левi говорить про формування колектив-ного розуму (collective intelligence), який постшно збiльшуеться, координуеться в реальному чаш членами мережевого сшвтовариства i ефективно впливае на ïx навички [8].Р. Кац i Р.Райс, доводять, що 1нтернет поеднуе в собi обидвi можливост колективних та iндивiду-альних форм комушкацп - соцiальноï залуче-ност i мiжособистiсноï дружби i е синтетичним з'еднанням можливостей всiх сучасних медiатехнологiй [6,11]. До аналогiчного вис-новку ранiше прийшов Мануель Кастелльс, вщ-значаючи все бiльшу структуризащю суспшь-ства навколо бiполярних протилежностей - Ме-режi та особистость Вiдкритий обмiн шфор-мацiею, доступний в мережi мiж дослiдниками, мае основоположне значення для науки, для збшьшення швидкостi дослiджень i зростання визнання вчених, стае можливим обмш шфор-мацiею мiж дослiдниками, який охоплюе ряд iнiцiатив з метою видалення перешкод для доступу до даних i опублшованих документв.
Медiаiнфраструктурi характернi пiдходи, парадигма, моделi, орiентованi на цифровi данi. Цифровi даш е не тiльки результатом до-слiджень в однiй науцi, представлен у виглядi баз даних, банюв даних, електронних колекцiй, цифрових документ i зображень, багато-вимiрних цифрових масивiв i т.д., а й «ма-
терiалом» для проведення дослщжень в iнших дисциплшах. Внаслiдок синтезу «старих» i «нових» даних можуть виникнути новi можли-востi в конструюваннi об'екта наукового до-слiдження. Величезний за масштабом потш цифрових даних створюе потенщал для вирiшення «старих» методологiчних проблем за допомогою «нових» пiдходiв у поле рiзних дисциплiн: астроiнформатики, бюшформатики, екологiчних наук, ядерно! та атомно! фiзики, Data-медицини, соцiальних i гумаштарних науках. До недавнього часу даш були лише продуктами наукових дослщжень, але в даний час вони не тшьки «каштал» вченого, промiжний результат його дослiдження, а й рушшна сила для створення наукових про-дуктiв iншого рiвня, таких як науковi шстру-менти i моделi.
У добу високо! електрошки такi когнiтивнi практики, як збiр величезних масивiв даних, практика збереження, трансляцп, обмiну й до-бування з них знань, здiйснюеться не тшьки людьми, але й автономно функцюнуючими комп'ютерними смарт-пристроями. Завдяки цьому стрiмко розширюеться експансiя, величезних масивiв даних практично в ус базовi сфери життедiяльностi постiндустрiального суспшьства. У цих умовах людино-машинний штерфейс стае одним з найважливiших завдань методологи аналiзу й синтезу поступально зро-стаючих масивiв даних. Суть цього завдання полягае у тому, щоб дозволити вченому, котрий виконуе збiр i обробку даних за допомогою смарт-пристро!в, здiйснювати контроль над зiбраним !м даними. Контроль, про якш тут йдеться, стае можливим лише при розробщ таких електронних засобiв аналiзу й синтезу величезних масивiв даних, як не обтяжували б iнтелект ученого, i були iнту!тивно зрозумши-ми i посилюючими його iнтелект [2].
Висновки
Медiакогнiтивнi практики оперування зрос-таючим обсягом цифрових даних i змiна струк-тури !х використання починають грати все бшьш значиму роль у сучасному науковому шзнанш. Науково-дослiдну дiяльнiсть в даний час все бшьше слiд розглядати в прямш залеж-ностi вщ ефективного доступу до загальних цифрових наукових даних i до сучасних медiаiнструментiв, якi дозволяють здiйснювати збершання, пошук, вiзуалiзацiю i високий
р1вень анал1зу даних. Неодмшно науку чекати-муть кардинальш змши, однак невщомо наскшьки св1тове наукове товариство буде готовим до приборкання потоюв даних, що заполонили свгг. На раз1 ми можемо тшьки проро-кувати майбутш змши, а те що ми спо-стершаемо зараз - глобальне переформатування та формування нового наукового мислення, ш-струментарда та дослщницько! парадигми.
Виникнення, становлення i розвиток мед1ашфраструктури змушуе свiтове наукове ствтовариство переглянути модернiстську парадигму виробництва наукового знання, звер-нути увагу на формування якюно нових спо-
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ
1. Журавлёва, Е. Ю. Научно-исследовательская инфраструктура Интернет / Е. Ю. Журавлёва // Вопр. философии. - 2010. -№ 8. - С. 155166.
2. Iндустрiя наукових знань: вплив на соцюгу-манiтарну сферу. Монографiя / В. С. Лук'янець, О. М. Кравченко, О. Я. Мороз [та rnmi] - Кив : УкрС1Ч, 2015. - 407 с.
3. Эбботт, М. Р. Новый путь для науки? / М. Р. Эбботт // Научные исследования с использованием больших объемов данных [под ред. Т. Хея, С. Тэнсли, К. Толле]. - Редмонд : Microsoft Research, 2009-2014. - С. 111-116.
4. Anderson, C. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete [Електронний ресурс] / C. Anderson - 2008. -Режим доступу: http://www.wired.com/2008/06/pb-theory/. -Назва з екрана. - Перевiрено 09.06.2016.
5. Borgman, C. L. Scholarship in the Digital Age: Information, Infrastructure, and the Internet / C. L. Borgman. - Cambridge : MIT Press, 2007. -360 p.
6. Katz, R. L. The Information Society: An International Perspective / R. L. Katz. - New York: Praeger,1998. - xvii, 168 p.
7. Leonelli S. What difference does quantity make? On the epistemology of Big Data in biology / S. Leonelli // Big data & society. - 2014. - Vol. 1. - Iss. 1. - 11 p. doi: 10.1177/2053951714534395.
8. Levy, P. Collective Intelligence: Mankind's emerging world in cyberspace / P. Levy. - New York : Plenum Press,1997. - 312 p.
«_» 1 *
Ю. Д. ГЕНСИЦКИИ1
co6iB nepegani, BHKopucTaHHa Ta oTpHMaHHa Ha-yKOBHx gaHHx Ta iH^opMa^I, npoBegeHHa HayKo-BHX gocnig^eHb. Pa3OM 3 цнм BHHHKae noTpeöa B CHHxpoHHOMy i KOMnneKCHOMy BHBHeHHi noTeH-^hhhx HeraTHBHHx HacnigKiB BnnHBy MegiaTex-HonoriM Ha нayкoвцiв Ta ni3HaBanbHy gianbHicTb. Cnig 3BepHyTH yBary Ha ycKnagHeHHa ca-MorngeTi^iKa^I iHgHBiga, MogenroBaHHa npo^ciB i ^o BigöyBaeTbca no3a onopu Ha eMnipun-
Hy 6a3y. TaKo^ nocTae npo6neMa KomponboBa-Hocri Ta Big6opy iH^opMa^I: Bennne3Hi noTOKH iH^opMa^I pi3Horo pogy rnH6HHH i 3MicTOBHocri ycKnagHroroTb Big6ip i ipaHcn^iro 3HanHMoro 3HaHHa.
9. McCarty, W. Humanities Computing / W. McCarty. - London : Palgrave, 2005. - 288 p.
10. Consultative Committee for Space Data Systems [EneKipoHHHH pecypc]. - 2002. - Pe^HM go-
CTyny:
https://www.researchgate.net/publication/28609 31_Consultative_Committee_for_Space_Data_S ystems. - Ha3Ba 3 eKpaHa. - nepeBipeHo 09.06.2016.
11. Katz, J. E. Social Consequences of Internet Use: Access, Involvement, and Interaction / R. E. Rice, J. E. Katz. - London: MIT Press, 2002. -486 p.
12. Szalay, A. 2020 Computing: Science in an exponential world / A. Szalay, J. Gray // Nature. -2006. - Vol. 440, No. 7083. - P. 413-414. doi: 10.1038/440413a.
13. Szalay, A. «eScience — A Transformed Scientific Method» [EneKrpoHHHH pecypc] / A. Sza-lay, J. Gray // Computer Science and Technology Board of the National Research Council, 11.01.2007 : [npe3eHTauia] // SlideShare. -Mountain View, 2007. - Pe^HM gocTyny: http://www.slideshare.net/dullhunk/escience-a-transformed-scientific-method. - Ha3Ba 3 eKpaHa. - nepeBipeHo 09.06.2016.
14. The fourth paradigm: data-intensive scientific discovery/ Edited by T. Hey, S. Tansley, K. Tolle. - Redmond : Microsoft Research. 20092014. - 252 p.
15. Williams, R. Data Powers of Ten [EneKipoHHHH pecypc]. - Pe^HM gocTyny: http://web.archive.org/web/19990508062723/htt p://www.ccsf.caltech.edu/~roy/dataquan. -Ha3Ba 3 eKpaHa. - nepeBipeHo 09.06.2016.
'"Национальный университет биоресурсов и природопользования Украины (Киев, Украина), эл. почта yuraletter@gmail.com, ORCID 0000-0003-0858-6862
ФОРМИРОВАНИЕ МЕДИАИНФРАСТРУКТУРЫ BIG DATA SCIENCE В ВЕК ВЫСОКОЙ ЕЛЕКТРОНИКИ
Цель. Проанализировать специфику формирования медиаинфраструктуры науки под влиянием распространения цифровых медиатехнологий, изменение характера научной деятельности, реализацию коммуникации ученых при использовании Big Data. Методология. Реализация цели видится в использовании научно-теоретической базы философии науки, медиафилософии, медиафилософского подхода к пониманию общества, науки и техники, использовании публикаций по выбранной тематике исследования. Научная новизна. Проанализирована проблема изменения научной коммуникации под влиянием Big Data. Рассмотрено формирование медиаинфраструктуры науки под влиянием медиатехнологий. Выводы. Возникновение, становление и развитие медиаинфраструктуры заставляет мировое научное сообщество пересмотреть модернистскую парадигму производства научного знания, обратить внимание на формирование качественно новых способов передачи, использования и получения научных данных и информации, проведения научных исследований. Вместе с этим возникает потребность в синхронном и комплексном изучении потенциальных негативных последствий влияния медиатехнологий на научную и познавательную деятельность. Следует обратить внимание на осложнения самоиндетификации индивида, моделирование процессов и явлений, которые происходят вне опоры на эмпирическую базу. Также возникает проблема контролируемости и отбора информации: огромные потоки информации различного рода глубины и содержательности затрудняют отбор и трансляцию значимого знания.
Ключевые слова: инфраструктура; медиаинфраструктура; Big Data; наука; медиатехнологии; метод; методология
1 *
YU. D. GENSITSKIY1
''National University of Life and Environmental Sciences of Ukraine (Kiev, Ukraine), e-mail yuraletter@gmail.com, ORCID 0000-0003-0858-6862
FORMATION OF MEDIA SCIENCE INFRASTRUCTURE BIG DATA SCIENCE IN THE AGE OF HIGH ELECTRONICS
Purpose. The article is aimed to analyze the specificity of formation of media infrastructure of science under the influence of digital media distribution technology, the changing nature of scientific activity, implementation of communication researchers using Big Data. Methodology. The implementation of the purpose is seen in the use of scientific and theoretical basis of the philosophy of science, mediaphilosophy, mediaphilosophical approach to understanding society, science and technology, use of publications on selected topics of research. Originality. It was considered the problem of scientific communication change under the influence of Big Data. Forming of media infrastructure of science under the influence of media technology was analyzed. Conclusions. The emergence, formation and development of mediainfrastructure makes the world scientific community see the modernist paradigm of scientific knowledge production, pay attention to the formation of a qualitatively new ways of transmission and reception using scientific evidence and information research. At the same time there is a need for simultaneous and comprehensive study of the potential negative effects of media technologies for researchers and educational activities. Note the complications self-identification individual simulation processes and phenomena that occurs reliance on empirical base. Also there is a problem controllable and selection of information: the huge flow of information of different kinds of content depth and complicate the selection and broadcast meaningful knowledge.
Key words: infrastructure; mediainfrastructure; Big Data; science; media technology; technique; methodology
REFERENCES
1. Zhuravleva E.Yu. Nauchno-issledovatelskaya infrastruktura Internet [Research Infrastructure of Internet]. Vo-prosy filosofii - Problems of philosophy, 2010, no. 8, pp. 155-166.
2. Lukianets V.S., Kravchenko O.M., Moroz O.Ya., Ozadovska L.V., Belichenko A.V. Industriia naukovykh znan: vplyv na sotsiohumanitarnu sferu [Industry of scientific knowledge: impact on the socio-humanitarian sphere]. Kyiv, UkrSICh Publ., 2015. 407 p.
3. Ebbott M. Novyy put dlya nauki? Nauchnyye issledovaniya s ispolzovaniyem bolshikh obyemov dannykh [The new way for science? Research using large amounts of data]. Redmond, Washington, Microsoft Research Publ., 2009-2014, pp. 111-116.
4. Anderson C. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. 2008. Available at: http://www.wired.com/science/discoveries/magazine/16-07/pb_theory/. (Accessed 9 June 2016).
5. Borgman C.L. Scholarship in the Digital Age: Information, Infrastructure, and the Internet. Cambridge, MIT Press Publ., 2007. 360 p.
6. Katz R.L. The Information Society: An International Perspective. N.Y., Praeger Publ., 1998. 168 p.
7. Leonelli S. What difference does quantity make? On the epistemology of Big Data in biology. Big data & society, 2014, vol. 1, issue 1, pp. 11. doi: 10.1177/2053951714534395.
8. Levy P. Collective Intelligence: Mankind's emerging world in cyberspace. New York, Plenum Press Publ.,1997. 312 p.
9. McCarty W. Humanities Computing. London, Palgrave Publ., 2005. 288 p.
10. Consultative Committee for Space Data Systems. 2002. Available at: https://www.researchgate.net/publication/2860931_Consultative_Committee_for_Space_Data_Systems. (Accessed 9 June 2016).
11. Katz J.E., Katz J.E. Social Consequences of Internet Use: Access, Involvement, and Interaction. London, MIT Press Publ., 2002. 486 p.
12. Szalay A., Gray J. 2020 Computing: Science in an exponential world. Nature, 2006, vol. 440, no. 7083, pp. 413414. doi: 10.1038/440413a.
13. Szalay A., Gray J. «eScience — A Transformed Scientific Method». Presentation to the Computer Science and Technology Board of the National Research Council, Mountain View, 2007. Available at: http://www.slideshare.net/dullhunk/escience-a-transformed-scientific-method. (Accessed 9 June 2016).
14. Hey T., Tansley S., Tolle K. The fourth paradigm: data-intensive scientific discovery. Redmond, Washington, Microsoft Research Publ., 2009-2014. 252 p.
15. Williams R. Data Powers of Ten. Available at: http://web.archive.org/web/19990508062723/http://www.ccsf.caltech.edu/~roy/dataquan/. (Accessed 9 June 2016).
Статтярекомендована до публгкаци д. ф1лос. н., проф. В. C. Лук'янець (Украта)
Надшшла до редколеги 04.02.2016 Прийнята до друку 13.06.2016
