CC BY
285
УДК 004.2, 004.9
ИНФОРМАЦИОННАЯ АСИММЕТРИЯ И ИНФОРМАЦИОННАЯ НЕОПРЕДЕЛЕННОСТЬ
Елсуков Павел Юрьевич, к.т.н., старший научный сотрудник e-mail: [email protected] Федеральное государственное бюджетное учреждении науки Институт систем энергетики им. Л.А. Мелентьева Сибирского отделения Российской академии наук
(ИСЭМ СО РАН) http://isem.irk.ru/institute/
Статья исследует феномен информационной асимметрии. Информационная асимметрия представлена как модель информационной ситуации. Модель информационной асимметрии трансформирована в информационное поле и подвергнута феноменологическому анализу. Статья раскрывает природу информационной асимметрии. Приведен модельный эксперимент, показывающий устранимость информационной асимметрии. Дано формальное описание информационной асимметрии информационного соответствия. Раскрыто содержание информационной асимметрии в области семантики. Доказано, что основной причиной знаковой информационной асимметрии является различие между экстенсиональным и интенсиональным значением знака. Статья анализирует информационную неопределенность на основе энтропийного подхода. Показана принципиальная неустранимость такой неопределенности. Рассмотрены три вида риска. Риск, обусловленный информационной асимметрией. Риск, обусловленный вероятностной природой информационной ситуации. Риск, обусловленный нечеткостью информационной ситуации. Показано различие между этими видами рисков.
Ключевые слова: информация, информационная ситуация, информационная асимметрия, знаковая асимметрия, информационная неопределенность, нечеткость, риск.
Введение. В настоящее время широко применяют информационные модели и информационные технологии. В реальной практике возникают различные сложные информационные ситуации, требующие дополнительного анализа. Модель информационной ситуации [1-3] удобна тем, что она позволяет рассматривать объект исследования во взаимосвязи с микроокружением, которое на него активно воздействует. В этой информационной ситуации могут находиться и другие объекты, поведение которых влияет на объект исследования. Анализ объекта в сложной комбинации многочисленных факторов информационных ситуаций требует рассмотрения наиболее важных информационных ситуаций как отправных точек для проведения детальных исследований. Такими важными информационными ситуациями является информационная асимметрия и информационная неопределенность. Информационная асимметрия появляет- Елсуков П.Ю. ся в разных направлениях. Это бизнес [4], производство [5], образование [6-8] и даже медицинская диагностика [9]. Существует информационная асимметрия в семиотике между знаком и смыслом. Существует информационная асимметрия в криптографии: симметричное и асимметричное шифрование. Существует асимметрия при передаче информации и т.д. Характер информационной асимметрии в разных областях различный. Например, в образовании существует несколько видов информационной асимметрии. Штатной является ситуация начала обучения по любому предмету, когда на начальной стадии учащийся находится в ситуации информационной асимметрии по отношению к содержанию предмета обучения. По завершению цикла обучения эта асимметрия устраняется. С этих позиций образование можно рассматривать как совокупность процессов устранения информационной асимметрии между знаниями учащегося
и знаниями совокупности дисциплин, которые он должен освоить для профессиональной деятельности. Феноменологический анализ информационной асимметрии и информационной неопределенности не проводился в их сопоставлении друг с другом. Это делает актуальным феноменологическое исследование информационной асимметрии и неопределенности как объектов информационного поля.
Информационная асимметрия в информационном поле
Понятие информационного поля все шире применяю при исследовании в области наук об информации [10-12] и в прикладных областях. В отличие от искусственного понятия «информационное пространство» поле обладает содержательностью и характеризует отношения, связи и взаимодействия. В концепцию информационного поля хорошо вписывается модель информационной ситуации [1-3] и элементы информационного поля - информационные единицы [13-16]. Информационные единицы придают системность информационному полю, а в лингвистике и семантике служат основой языка. Однако понятие «информационная асимметрия» возникло в сфере бизнеса.
Появление термина «информационная асимметрия» связывают с Дж. Акерлофом и его знаменитой работой о рынке «лимонов» [17], которая привела к получению им Нобелевской премии. Он и его последователи рассматривали информационную асимметрию как феномен, сущность которого их не интересовала, а интересовали последствия ее появления. В частности, наиболее важным считается «ухудшающий отбор» [18, 19], ведущий к застою рынка, который обусловлен информационной асимметрией. В рамках рыночных отношений Акерлоф и другие рыночники называют информационной асимметрией ситуацию, для которой продавец и покупатель обладают разной информацией относительно объекта сделки. Модель информационной асимметрии Дж. Акерлофа описывала ситуацию взаимодействия «субъект - субъект».
При трансформации этой модели в информационное поле [20, 21] она звучит иначе. Информационная асимметрия - это информационная ситуация взаимодействия двух субъектов, при которой один субъект обладает большими знаниями относительно объекта взаимодействия, чем другой. В это интерпретации появилось понятие информационного взаимодействия как основы связывающей двух субъектов. Появилось понятие знания, а не информации. Информации может быть сколько угодно, но если она не содержит знания, она бесполезна. Информационная асимметрия де факто оценивается по уровню знаний, а не по информации.
Можно также проанализировать ситуацию информационной асимметрии. В ней говорится, что один субъект имеет информацию, второй не имеет. Из этого следует, что при информационной асимметрии информация в принципе доступна и существует. То есть для одного субъекта взаимодействия имеет место полная информационная определенность. А для другого субъекта имеет место не информированность. Принципиально другой субъект может получить эту же информацию.
Информационная асимметрия возникает в информационном поле при взаимодействии «субъект - среда». Эту ситуацию Дж. А. Акер-лоф не рассматривал. В зависимости от методики сбора информации, от точки зрения от концепции субъект получает разное количество информации и разное количество знаний. Если субъект, использующий свои методы и концепции, получает знаний меньше, чем при использовании другой методики и концепций, то можно говорить об информационной асимметрии. На рис.1 смоделирована ситуация, получения модели при использовании одной точки зрения. Условно это смоделировано как оптическое наблюдение. Но фактически это может быть любое односторонне наблюдение. Такая ситуация создает информационную асимметрию.
Модель А
-о
Точка зрения
Объект О
Рис.1. Пример информационной асимметрии, обусловленной односторонней точкой зрения.
Для ситуации на рис.1 имеет место
МА <=МО (1).
Выражение (1) означает, что полученная при одностороннем наблюдении объекта О модель А (МА) является только фрагментом модели объекта МО. Это обусловлено тем, что информация о модели А - 1(МА) не равна информации о модели объекта -1(МО)
1(МА) ф 1(МО) (2)
Более точно надо говорить о том, что знание о модели А - К(МА) не равны знаниям о модели объекта - К(МО)
К(МА) ф К(МО) (3)
Выражения (2), (3) отражают условия информационной асимметрии. То, что это асимметрия подтверждает выражение (1). Оно говорит о том, что информация о модели объекта существует, но не получена в силу принятых действий. Отметим также, что речь идет о моделях объекта и некой эмпирической модели об этом объекте. Объект всегда содержит больше информации, чем модель и поэтому сравнивать можно только модели.
Для устранения информационной асимметрии применяют дополнительные исследования. На рис.2 приведен пример информационной ситуации дополнительного изучения объекта с другой позиции. Опять информационная ситуация смоделирована под оптические наблюдения, но это означает исследование с другой точки зрения или другого аспекта. Принципиально таких позиций может быть много.
Наличие нескольких точек зрения или проведение дополнительных исследований об объекте приводят к тому, что новая модель является более полной и равнозначна модели объекта.
МВ = МО (4).
Выражение (4) формально обусловлено тем, что информация о модели В - 1(МВ) равна информации о модели объекта - 1(МО)
1(МВ) = 1(МО) (5)
Выражение (4) феноменологически обусловлено тем, что знания о модели В -К(МВ) равны знаниям о модели объекта - К(МО)
К(МВ) = К(МО) (6)
Выражения (5), (6) отражают условия информационного соответствия [22]. Таким образом, мы пришли к выводу о том, что информационная асимметрия является оппозицией [23, 24] информационному соответствию. Можно также говорит о том, что информационная асимметрия и информационное соответствие можно характеризовать как оппозиционные информационные ситуации.
Асимметрия знаков и слов
Информационная асимметрия имеет место в семантике, где наиболее ярко представлена знаковой асимметрией. Кодовый знак может быть рассмотрен как интерпретируемый информационный объект, сопоставляемый любому объекту, выступающему в качестве имени. Этим объектом может быть материальный предмет, понятие или суждение. Кроме имени кодовый знак может иметь значение и объем понятия (смысл). Например, условный знак на топографических картах отражает реальный объект и является кодовым знаком, подчиняющимся определенной
Модель В
т
Точка \ зрения 1 \
-О
Точка / зрения 2
Объект О
Рис.2. Многостороннее исследование объекта
классификации, имеющий определенное значение, содержащий некий объем понятия [25]. Рассмотрим некоторые свойства знака как элемента семантической теории и как объекта информационного поля.
1. Знак — информационный конструкт, который выступает как информационный представитель другого объекта, явления, процесса.
2. Знак, являясь представителем объекта, отсылает к другому информационному объекту, который является значением.
3. Необходимо разделять понятия знак и значение. Знак - это обозначение, а значение - его интерпретация.
4. Совокупность упорядоченных знаков образует знаковую систему. Знаковая система, в отличие от отдельного знака, приобретает новое качество. Знаковая система — посредник, позволяющий осуществлять коммуникацию между другими системами.
5. Знак, как информационный объект и объект исследования семиотики имеет не менее двух уровней исследования, отображаемых знаковыми системами (уровень наблюдения - уровень представления) или (абстрактный уровень - материальный уровень) При этом абстрактных уровней может быть любое количество, а материальный только один. В некоторых работах признается только два уровня знаковых систем: уровень наблюдения (конкретный, материальный или называемый еще как-либо иначе) и уровень конструктов (абстрактный, идеальный) - по аналогии с тем, что имеет место в научном познании
6. Знаки, относящиеся к абстрактному уровню, рассматривают как идеальное или абстрактное и создают понятие конструкта (абстрактного знака). Как идеальное знак воплощается, проявляется в материальном своем представлении.
7. Кроме обозначения (имени или конструкта), объекта (денотата) и значения (концепта) следует говорить о смысле знака или смысловой интерпретации.
8. Знак, как информационный объект, имеет многоуровневое содержание, что обуславливает возможность его неоднозначной интерпретации или неоднозначности
9. Неоднозначность знака закладывает в его представление и интерпретацию элемент неопределенности. Неопределенность и значение — оппозиционные характеристики знака, которые сосуществуют в нем одновременно и не исключают друг друга
10. Неопределенность знака может быть исключена на основе дополнительной информации и смысловой интерпретации (смысла).
Последнее свойство имеет прямое отношение к информационной асимметрии и доказывает, что информационная асимметрия может быть устранена.
В соответствии с правилами логической семантики принято различать два вида значений знака: экстенсиональное (предмет или класс предметов, обозначаемых данным знаком) и интенсиональное (мысленное содержание, или смысл, выражения). Различие между этими двумя видами проявляется, прежде всего, в том, что замена одного кодового знака другим, имеющим то же самое экстенсиональное значение, возможно не во всех контекстах, в которых возможна замена одного выражения другим, имеющим то же самое интенсиональное значение. Это является признаком знаковой асимметрии.
Особенностью двухсторонних и односторонних кодовых знаков является асимметричность знака, т. е. способность одного идентификатора передавать разные смысловые значения. Например, символом «1» может иметь смысл цифры, порядка, идентификатора. Единица до запятой и после запятой обозначает разные числовые значения.
Знаковая асимметрия - информационная ситуация, в которой замена одного кодового знака другим, имеющим то же самое экстенсиональное значение не приводит к соответствию их интенсиональных значений.
При построении кодовых слов возникают проблемы «сходства-различия» по формальным и смысловым признакам. Это обусловлено возможной неоднозначностью
слов. В свою очередь, эта неоднозначность приводит к знаковой асимметрии - ситуации, при которой замена одного кодового слова другим, имеющим то же самое экстенсиональное значение, не приводит к соответствию их интенсиональных значений.
Таким образом, главная причина информационной асимметрии знаков и слов — неоднозначность их значений и интерпретации. Эта асимметрия приводит к неоднозначности понятий и описаний, т.е к росту асимметрии. Причиной асимметрии на более высоком уровне агент - контрагент, агент - принципал, отправитель - получатель является неосведомленность, неинформированность, незнание. То есть та же самая, что в информационном поле.
Информационная неопределенность.
При рассмотрении информационной неопределенности чаще всего используют понятие энтропии. Энтропия (5 или И) была введена Клазиусом в 1865 г. Независимо от Клаузиса она была введена Л. Больцманом:
S = И = к 1пЖ (7)
где Ж - вероятность состояния; к — постоянная Больцмана. Единица измерения величины 5 определялась как (джоуль/ (к х микросостояние)).
Таким образом, постоянная Больцмана задавала единицу измерения энтропии, которая оценивалась на одно микросостояние. Почти через 100 лет в математическую теорию связи ее ввел К. Шеннон (1948) [26]:
т „ ^ где Р - вероятность 1-го уровня переменной (сигнала) X с (8)
1 '■ ' = _ _■ ' ^-'г-! ' ' диапазоном изменчивости п; Единица измерения величины
:'=1 И определялась как (бит / микросостояние). Аналогом
микросостояния в теории связи Шеннона был символ как случайная величина. Поэтому единица измерения энтропии в математической теории связи (которую стали называть «теорией информации») стала бит/символ.
Кроме того, понятие энтропии как меры неопределенности использовал фон Нейман:
где плотность р определяется через волновую функцию у : р=\у ><у | [27].
В связи с наличием разных подходов, которые тоже создают неопределенность, следует уточнять о какой энтропии идет речь. В информационном поле речь идет об информационной энтропии.
Энтропия информационная — мера неопределенности состояния приемника; хаотичности информации, неопределённость появления какого-либо символа первичного алфавита. При отсутствии информационных потерь энтропия определяет количество информации на символ переданного сообщения.
Если известна информация о том, что появляется с разной частотой, то неопределённость (вероятность) появления некоторых символов больше, чем других. Эта дополнительная информация уменьшает неопределенность. Если известна информация о том, что некоторые сочетания символов встречаются очень редко, то неопределённость ещё более уменьшается. Это подчеркивает факт того, что дополнительная информация уменьшает неопределенность. В этом случае говорят об условной энтропии.
Таким образом, энтропия И(х) события х (8) является суммой с противоположным знаком всех произведений относительных частот появления события г, умноженных на их же двоичные логарифмы (основание 2 выбрано Шенноном только для удобства работы с информацией, представленной в двоичной форме). Это определение для дискретных случайных событий можно расширить для функции распределения вероятностей.
Энтропия - мера неопределенности некоторой ситуации. Это признанное положение в теории информации и теории коммуникации. Однако следует подчеркнуть, что при трансформации в информационное поле понятие «ситуация» трансформируется в
понятие «информационная ситуация». Из этого следует, что неопределенность как энтропия и информационная асимметрия имеют общую модель - модель информационной ситуации. Это дает основание сравнивать их с использованием данной модели.
Введение понятия энтропии было сделано для оценки меры. Однако вторым качеством этого понятия является мера ситуативности, то есть оценка ситуации. При введении энтропии неопределенности были использованы следующие условия.
Если некий эксперимент или передача информации приводит к п равновероятным исходам, а другой опыт к т равновероятным исходам, то составной опыт должен иметь пт таких исходов.
Мера неопределенности / должна быть такова, чтобы во-первых, она росла с ростом числа возможных исходов, а во-вторых, неопределенность составного опыта была равна просто сумме неопределенности отдельных опытов, иначе говоря, мера неопределенности была аддитивной: /(пт)=/(п)+/(т). Это имеет отношение и нечетким множествам и нечетким числам.
Эти условия были использованы в термодинамике при введении энтропии. Эти условия были использованы К. Э. Шенноном.
Общим для информационной асимметрии, информационной неопределенности и информационной нечеткости является риск [28, 29] как следствие появления информационных ситуаций. Однако характер риска в этих качественно разных ситуациях разный. При информационной асимметрии существует риск, обусловленный отсутствием информации и знаний. Однако эта информация и знания в принципе доступны и такой риск является устраняемым.
При информационной неопределенности природа риска является стохастической, то есть в принципе неустранимой полностью, но устранимой частично. Риск не устраним, но его можно минимизировать.
Информационную асимметрию и информационную неопределенность по К.Э. Шеннону объединяют точечные значения или точечные числа. Напомним, что при точечном обозначении числу соответствует точка на плоскости.
Существует еще она природа появления риска, связанная с нечеткими множествами. В этом случае точечные значения не применяют, а заменяют на нечеткие числа: треугольные, трапециевидные и интервальные. Эти обозначения отражают природу этого числа. Например, измерение прибора с погрешностью дает треугольное число. При перевозке груза по сети мегаполиса возможно множество маршрутов, в зависимости от ситуации на дороге. В этой ситуации оценка длины возможного пути перевозки будет иметь интервальное значение от минимальной длины до максимально возможной длины. Такая величина будет обозначаться не точкой, а прямоугольником, соответствующему числовому интервалу. Операции с нечеткими числами также вносят информационную неопределенность. Природа этой неопределенности также неустранима полностью.
Заключение
Асимметрия является одним из факторов развития. Равновесие можно рассматривать как вид симметрии. Неравновесное состояние можно рассматривать как асимметрию. Хаос в природе может проявляться как периодическое возникновение асимметрии и восстановление симметрии. В открытых системах появление асимметрии способствует развитию и самоорганизации систем. В закрытых системах невозможность ее устранения ведет к регрессу. Информационная асимметрия ярко проявляется в двух аспектах информационном и экономическом. Информационный аспект связан с обработкой и интерпретацией информации, экономический — с ухудшением состояния рынка. Информационная асимметрия может создавать информационную неопределенность, которая в принципе устранима. Информационная неопределенность, создаваемая вероятностной природой и риск, обусловленный ею, в принципе полностью неустранимы. Также полностью неустраним риск, создаваемый нечеткостью и нечеткими множествами.
Информационную асимметрию, вероятностную неопределенность и нечеткость объединяет модель информационной ситуации, которая в трех случаях имеет разное качество. Три причины ситуаций неопределенности имеют разную природу и их нельзя отождествлять друг с другом, что имеет место в некоторых публикациях. При информационной асимметрии можно говорить об устранении этого риска. При неопределенности и нечеткости можно говорить о минимизации риска.
Литература
1. Абрамова Н.А. О развитии когнитивного подхода к управлению слабоструктурированными объектами и ситуациями / Когнитивный анализ и управление развитием ситуаций: Труды VII Международной конференции. -М.: ИПУ РАН, 2007. С. 9-15
2. Цветков В.Я. Модель информационной ситуации // Перспективы науки и образования. 2017. № 3 (27). С.13-19.
3. Потапов А.С. Информационная ситуация и информационная позиция в информационном поле // Славянский форум. 2017. № 1 (15). С. 283-289
4. Aboody D., Lev B. Information asymmetry, R&D, and insider gains //The journal of Finance. 2000. V. 55. № 6. Р. 2747-2766.
5. Цветков В.Я., Васютинская С.И., Соломатов В.И. Информационная асимметрия в картографо-геодезическом производстве // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2008. № 1. С. 134-141.
6. Оболяева Н.М. Устранение информационной асимметрии как инструмент повышения качества образования // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2012. № 6. С. 123-124.
7. Цветков В.Я. Информационная асимметрия в образовании // Дистанционное и виртуальное обучение. 2015. № 5. С. 4-12.
8. Васютинская С.Ю. Информационная асимметрия в образовательных технологиях // Образовательные ресурсы и технологии. 2016. № 4 (16). С. 14-20.
9. Номоконов И. Б. Информационная асимметрия в диагностике // Славянский форум. 2017. № 1(15). С. 227-234.
10. Бондур В.Г. Информационные поля в космических исследованиях // Образовательные ресурсы и технологии. 2015. № 2 (10). С. 107-113.
11. Цветков В.Я. Естественное и искусственное информационное поле // Международный журнал прикладных и фундаментальных исследований. 2014. № 5. -2. С. 178-180.
12. Кудж С.А. Информационное поле: Монография. -М.: МАКС Пресс, 2017. 97 с.
13. Ozhereleva Т.А. Systematics for information units // European researcher. SeriesA. 2014, V. (86). № 11/1. Р. 1894-1900.
14. Tsvetkov V.Ya. Information Units as the Elements of Complex Models // Nanotechnology Research and Practice. 2014. V. 1, № 1. Р. 57-64.
15. Rozenberg I.N. Information Construction and Information Units in the Management of Transport Systems // European Journal of Technology and Design. 2016. V. 12. Is. 2, Р. 54-62, DOI: 10.13187/ejtd.2016.12.54 www.ejournal4.com
16. Кудж С.А. Тринитарные информационные единицы // Славянский форум, 2016. -4(14). - с.137-143.
17. Akerlof, George A. (1970). The Market for 'Lemons': Quality Uncertainty and the Market Mechanism // Quarterly Journal of Economics (The MIT Press). N. 84 (3). Р. 488-500.
18. GreenwaldB.C. Adverse selection in the labour market // The Review of Economic Studies. 1986. V. 53. N. 3. P. 325-347.
19. Кулагин В.П. Качество образовательных услуг и «ухудшающий отбор» // Славянский форум. 2012.№ 1(1). С. 20-24.
20. Майоров А.А. Информационные объекты в информационном поле// Образовательные ресурсы и технологии. 2015. № 1 (9). С. 66-73.
21. Tsvetkov V.Ya. Information field // Life Science Journal. 2014. N. 11 (5). P. 551-554.
22. Цветков В.Я. Информационное соответствие // Международный журнал прикладных и фундаментальных исследований. 2016. № 1-3. C. 454-455.
23. Номоконова О.Ю. Использование оппозиционных переменных при медицинской диагностике //Перспективы науки и образования. 2016. № 3. C. 20-24.
24. Ожерельева Т.А. Оппозиционный анализ неопределенности и определенности //
Славянский форум. 2017. № 1 (15). С. 218-226.
25. Иванников А.Д., Тихонов А.Н., Цветков В.Я. Основы теории информации - М.: Макс ПРЕСС, 2007. 356 с.
26. C.E. Shannon, (1948). A Mathematical Theory of Communication // Bell System Technical Journal. V. 27. P. 379-423 & 623-656. July & October. 1948.
27. Мартин Н., Ингленд Дж. Математическая теория энтропий. -М.: Мир, 1988. 51 с.
28. Tsvetkov У.Уа. Information Asymmetry as a Risk Factor // European Researcher. 2014. V. 86. № 11-1, Р. 1937-1943
29. Кудж С.А. Риски информационной асимметрии // Перспективы науки и образования. 2016. № 6. С. 23-27
Information asymmetry and information uncertainty
Elsukov P.Yu, Federal State Institution of Science Institute of Energy Systems. LA Me-lentyeva Siberian Branch of the Russian Academy of Sciences (ESI SB RAS), Irkutsk, Russia
The article explores the phenomenon of information asymmetry. Information asymmetry is presented as an information situation model. The model of information asymmetry is transformed into an information field and subjected to a phenomenological analysis. The article reveals the nature of information asymmetry. The article describes a model experiment showing the elimination of information asymmetry. The article contains a formal description of the information asymmetry of the information correspondence. The article describes the content of information asymmetry in the field of semantics. The article proves that the main reason for the sign information asymmetry is the difference between the extensional and intensional meaning of the sign. The article analyzes information uncertainty on the basis of the entropy approach. The article proves the fundamental unavoidability of such uncertainty. The article examines three types of risk. The risk caused by information asymmetry. The risk caused by the probabilistic nature of the information situation. The risk caused by the vagueness of the information situation. The article shows the difference between these types of risks.
Keywords: information, information situation, information asymmetry, sign asymmetry, information uncertainty, fuzzy, risk.
УДК 004.67
SNAAS ИНСТРУМЕНТАРИЙ В НАУЧНЫХ ИССЛЕДОВАНИЯХ И
ОБРАЗОВАНИИ
Ижванов Юрий Львович, к.т.н. e-mail: [email protected]
Статья посвящена различным аспектам облачной модели SNaaS - "Science Notebook as a Service" для обработки и анализа научных данных. Рассматриваются наиболее популярные для реализации SNaaS программные продукты с открытым кодом. Отмечается активное развитие SNaaS в мире и практически полное отсутствие SNaaS сервисов и ресурсов, ориентированных на русскоязычного пользователя.
Ключевые слова: Облачные технологии, обработка научных данных, научно-образовательные ресурсы, распределенные вычисления, программное обеспечение с открыты кодом.
Бурное развитие облачных технологий, становление Data Science как отдельной отрасли знаний и "бум" BigData не оставили в стороне и работу в облаке с научными данными. Можно с уверенностью утверждать, что наравне с такими сервисами как «инфраструктура как сервис» IaaS, «платформа как сервис» PaaS, «программное обес-
