Babin

Big Data – termin określający duże zbiory zmiennych i trudnych do analizy danych pozyskiwanych z wielu źródeł, stal się w ostatniej dekadzie frazą niemal równie popularną jak media społecznościowe czy sieć 2.0, przyciągającą uwagę dziennikarzy, przedstawicieli sektora biznesu, polityków i naukowców. Choć nie jest to technologia per se, przetwarzanie i wykorzystywanie masywów danych ma istotne technologiczne i społeczne implikacje, i stanowi olbrzymie wyzwanie w każdej sferze działalności, m.in. ze względu na kwestie skalowalności w systemach informacyjnych. W artykule przeprowadzono pogłębioną analizę wpływu Big Data na organizację wiedzy (OW) i systemy organizacji wiedzy (SOW). Autorów interesowała przede wszystkim konfrontacja prowadzonych obecnie w środowisku OW debat, dotyczących znaczenia uniwersalnych klasyfikacji bibliotecznych, taksonomii i tezaurusów w erze cyfrowej, z dyskusjami na temat metodologicznych założeń badań koncentrujących się na pozyskiwaniu i eksploracji danych.

Krytycznie omówiono m.in. pojawiające się w piśmiennictwie opinie dotyczące przestarzałości bibliotecznych klasyfikacji i ich zbyt powolnego dostosowywania do współczesnych realiów i nowych odkryć naukowych, lekceważenia przez katalogujących bibliotekarzy znaczenia wiedzy dziedzinowej oraz niechęci środowiska do wykorzystywania technik analizy danych i cyfrowych reprezentacji wiedzy jako alternatyw dla ręcznie tworzonych SOW, wskazując na nierealność oczekiwań związanych z możliwością manualnych aktualizacji uniwersalnych systemów klasyfikacyjnych, dokonywanych wyłącznie przez grupy doświadczonych bibliografów i katalogerów.  Przeanalizowano następnie różne definicje i wymiary Big Data oraz publikacje poświęcone temu fenomenowi, dzieląc je na 3 grupy: entuzjastycznych, krytycznych i wyważonych. Następnie omówiono ontologiczne, epistemologiczne i metodologiczne aspekty projektów badawczych bazujących na Big Data, mogące mieć znaczenie dla badań z zakresu OW. We wnioskach uznano, mimo wymienianych zastrzeżeń i ograniczeń, że tworzone przez specjalistów klasyfikacje są w erze Google i rosnącej lawinowo liczby informacji nadal potrzebne, gdyż masywy danych mogą być przydatne jedynie, gdy towarzyszą im dobre metadane, a każda forma metadanych bazuje na ustalonych kategoriach takiego, czy innego typu.

Podkreślono jednocześnie, że szybko zachodzące zmiany w procesie produkcji wiedzy, związane z wpływem mediów społecznościowych i Big Data, wymuszają na środowisku OW przemyślenie założeń, na bazie których SOW są projektowane i rozwijane, i otworzenie się na techniki wykorzystywane przez epistemologów, filozofów, statystyków i analityków danych. Zaznaczono m.in. potrzebę odejścia od ustalania „arystotelejskich”, sztywnych podstaw schematów klasyfikacyjnych na rzecz tworzenia możliwie elastycznych, fasetowych struktur, mogących uwzględnić rozwój i zmiany paradygmatów w naukach społecznych i przyrodniczych, w tym wpływ, jaki wywierają na nie nowe technologie i media. Teoretycznie, oznacza to odejście od czysto naturalistycznych, normatywnych i hierarchicznych konstruktów w kierunku bardziej opisowych, oddolnych podejść, obejmujących różne punkty widzenia. Metodologicznie, chodzi o zapewnienie właściwej równowagi między dwoma pozornie sprzecznymi koncepcjami projektowania SOW, kładącymi z jednej strony nacisk na włączanie zautomatyzowanych technik, a z drugiej – na uwzględnienie wkładu amatorów, tworzonego na zasadach crowdsourcingu, z wykorzystaniem platform 2.0.