Knowledge representation in russian and european tradition

Cover Page

Cite item

Full Text

Abstract

Knowledge representation is a fundamental question in philosophy, pedagogy, linguistics, psychology and artificial intelligence. This paper examines the achievements in the field of creating knowledge-based systems that exist in Russian and European practice. We employed the methods of cross cultural content analysis and meta analysis to analyze various sources of information, to interpret definitions, and to increase the validity of the conclusions. The following problems are highlighted: the definition of knowledge and its types; the interplay between knowledge itself, its representation, and the physical world; approaches to knowledge representation; representation schemas for procedural and declarative knowledge types. The findings of the research illustrate that in Russian science, the problem of knowledge representation is associated with the problem of knowledge as such and its «representation» in our psyche, in contrast to European practice where the problem is considered to be purely applied. Theoretical contributions and practical implications discussed in the paper contribute to the problem of knowledge representation and prove the efficiency of combination of both discussed approaches.

About the authors

Victoria V. Dobrova

Samara State Technical University

Author for correspondence.
Email: victoria_dob@mail.ru
ORCID iD: 0000-0002-3037-4797

Cand. Psych. Sci., Associate Professor, Head of Foreign Languages Department

Russian Federation, Samara

Tatiana Koryakina Antunes

CIPES – Center for Research in Higher Education Policies

Email: tatianakor@hotmail.ru
ORCID iD: 0000-0001-7539-249X

PhD in Social Sciences, Researcher

Portugal, Porto

References

  1. Kolodochka T.N. Freimovoe obuchenie [Frame-based learning]. Shkol’nye tekhnologii [School technologies]. № 1. 2005. Pp. 140-142.
  2. Malyazina M.A., Kotova S.A. Vklyucheniye freymovogo obecheniya v praktiku prepodavaniya pedagogicheskih discipline v vysshey shkole [Introduction of frame learning to the practice of pedagogical disciplines teaching in high school]. Pedagogicheskiy zhurnal [Pedagogical journal]. Vol. 7. № 2А. 2017. Pp. 188-198.
  3. Talyzina N.F., Volodarskaya I.A., Butkin G.A. Usvoyeniye nauchnyh poniatiy v shkole [Acquisition of scientific terms at school]. Moscow, 2017. 114 p.
  4. Monakhov V.M. Razrabotka prognosticheskoy modeli razvitiya teorii obucheniya dlya IT obrazovaniya [Development of prognostic model of education theory for IT learning]. Sovremenniye informatcionniye tehnologii i IT obrazovaniye [Modern information technologies and IT education]. Issue 14. Vol.2. Moscow, MSU. 2017. Pp. 111-121.
  5. Erdniyev P.M. Ukrupneniye znaniy kak usloviye radostnogo ucheniya [Enlargement of knowledge as the condition of happy learning]. Nachal’naya shkola [Primary school]. № 11. 1999. Pp. 4-12.
  6. Kabkov P.K. Kontceptciya tematicheskogo obucheniya [Concept of theme learning]. Moscow, MSU. 1994. 64 p.
  7. Lukyanova V.S., Ostapenko A.A. Obrazovatel’naya kontceptciya Azovskogo eksperimental’nogo sotcial’no pedagogicheskogo kompleksa [Educational concept of Azov experimental social and pedagogical complex]. Azov, 1996. 17 p.
  8. Kobozeva I.M. Lingvisticheskaya semantika [Linguistic semantics]. Мoscow, 2000. 223 p.
  9. Paducheva, Е.V. Vyskazyvaniye I ego sootnesennost s deystvitelnost’yu [Utterance and its connection to reality]. Мoscow, 2004. 224 p.
  10. Wierzbicka A. Language and Metalanguage: Key Issues in Emotion Research. Emotion Review. №1. 2009. Pp. 3-14. doi: 10.1177/1754073908097175.
  11. Barwise J., Perry M. Situations and Attitudes. Cambridge (Mass.): MIT Press, 1983. Pp. 264-265.
  12. Abelson R.P., Schank R. Scripts, Plans, Goals and Understanding: an Inquiry into Human Knowledge Structures. New York, Hillsdale. 1977.
  13. Kopnin V.P. Logicheskiye osnovy nauki [Logical basis of science]. Kiev, 1968. 35 p.
  14. Zotova A.F., Mironova V.V., Razina A.V. Filosofiya [Philosophy]. Moscow, 2019. 672 p.
  15. Romantsova M.G., Ledvanova M.Y., Sologub T.V. Didaktika I kompetentnost’ v professional’noy deyatelnosti prepodavatelya meditcinskogo vuza I kolledzha [Didactics and competence in the professional activity of teachers of medical institutes and colleges]. Moscow, Academy of Natural Sciences. 2010.
  16. Sharif A.M. Knowledge representation within information systems in manufacturing environments. Department of Information Systems and Computing, Brunel University, 2004. 251 p.
  17. Probst G., Raub S., Romhardt K. Managing Knowledge: Building Blocks for Success. John Wiley: Chichester, UK, 2001.
  18. Davenport T.H., Prusak L. Working knowledge : how organizations manage what they know. Harvard Business School Press: Boston, MA, USA,1998.
  19. Polanyi M. The Tacit Dimension. Doubleday-Anchor: NY, New York, USA,1967.
  20. Leonard-Barton D. Wellsprings of Knowledge: Building and Sustaining the sources of Innovation. Harvard Business School Press: Boston, MA, USA, 1995.
  21. Wiig K.M. Knowledge Management Methods: Practical Approaches to Managing Knowledge. Schema Press: Arlington, TX, USA, 1995.
  22. Seel N.M. Encyclopedia of the Sciences of Learning. Springer, Boston, MA, 2012. DOI: https://doi.org/10.1007/978-1-4419-1428-6_875
  23. Lektorskiy V.A. Epistemologiya klassicheskaya I neklassicheskaya [Classical and non-classical epistemology]. M, 2001. 256 p.
  24. Minitskiy N.I. Sovremenniye paradigm konstruirovaniya soderzhaniya istoricheskogo obrazovatel’nogo znaniya [Modern paradigm of construction of historical educational knowledge]. Крыніцазнаўства і спецыяльныя гістарычныя дысцыпліны : навук. зб. Вып. 6. Мінск : БДУ, 2011.Pp. 29–34.
  25. Piaget J. Construction of reality in the child. London: Routledge & Kegan Paul, 1957.
  26. Bruner J.S. The course of cognitive growth. The American Psychologist. №19. 1964. Pp. 1–16.
  27. Pylyshyn Z. Computation and cognition: Toward a foundation for cognitive science. Cambridge, MA: MIT Press, 1984.
  28. Seel N.M. Weltwissen und mentale Modelle. Göttingen: Hogrefe, 1991.
  29. Merali Y. The role of boundaries in knowledge processes. European Journal of Information Systems. № 11. 2002. Pp. 47–60.
  30. Capurro R. What is information science for? A philosophical reflection. In: Conceptions of Library and Information Science. Historical, empirical and theoretical perspectives. Taylor Graham: London, 1992. Pp. 82–98.
  31. Brodie M.L., Mylopoulos J., Schmidt J.W. On conceptual modelling. Perspectives from artificial intelligence, databases, and programming languages. New York: Springer, 1984. Pp. 3–17.
  32. Barsky A.B. Iskusstvenniy intellect i logicheskiye neyronniye seti [Artificial intelligence and logical neuro nets]. Saint-Petersburg, 2019. 360 p.
  33. Leshcheva I.A. Praktichesliy podhod k sozdaniyu I napolneniyu baz znzniy ontologisheskogo tipa: problem i vyzovy [Practical approach to creation and filling of knowledge bases of ontological type: problems and challenges]. Inginiring predpriyatiy I upravleniye znaniyami [Engineering of enterprises and knowledge management]. REU im. GV Plekhanov, 2018. Pp. 194-201.
  34. Zagorul’ko Y.A. Sovremenniye sredstva formalizatcii semantiki oblastey znaniy na osnove ontologiy [Modern means of formalization of fields of knowledge semantics on the ontology basis]. Informatcionniye i matematicheskiye tehnologii v nauke I upravlenii [Information and mathematic technologies in science and management]. № 3 (11). 2018. Pp. 27-36.
  35. Stankevich L.A. Intellektual’nye sistemi i tehnologii [Intellectual systems and technologies]. Moscow, 2017. 397 p.
  36. Rozin V.M. Vizual’naya kul’tura i vospriyatiye. Kak chelovek vidit I ponimayet mir. [Visual culture and perception. How a man sees and understands the world]. Moscow, 1996. 224 p.
  37. Hardarson A. Aims of Education: How to Resist the Temptation of Technocratic Models. Journal of Philosophy of Education. Vol. 51. № 1. 2017. Pp. 59-72.
  38. Henning C.A., Ewerth R. Estimating the information gap between textual and visual representations. IJMIR. № 7(1). 2018. Pp. 43–56.
  39. Nguyen H.D., Do N.V., Tran N.P., Pham X.H. Criteria of a knowledge model for an intelligent problems solver in education. Proceedings of 2018 10th IEEE International Conference on Knowledge and Systems Engineering (KSE 2018). Ho Chi Minh City, Vietnam, 2018. Pp. 288–293.
  40. Paulheim H. Knowledge graph refinement: a survey of approaches and evaluation methods. Semantic Web Journal. № 8 (3). IOS Press, 2017. Pp. 489–508.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Knowledge Representation (from [22])

Download (91KB)
3. Fig. 2. The Cognitive Congruence Framework (from [29])

Download (84KB)

Copyright (c) 2021 Dobrova V.V., Antunes T.K.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».