Información y su rol en los sistemas

1. Introducción

1.1 Información y su rol en los sistemas

1.1.1 Crecimiento

Hoy en día la información se ha convertido en el arma más poderosa que cualquier país desea tener.

La información se encuentra en todas partes y crece a cada momento.

Volúmenes de datos

KB ~10^3: 1 página tecleada

MB ~10^6: texto de 1 libro

GB ~10^9: sinfonías, libros

TB ~10^12: una biblioteca

Peta-byte ~10^15: bibliotecas EEUU

Exa-byte ~10^18: datos de 1 año

Zeta-byte ~10^21

Yotta-byte ~10^24

¿Cuántos datos? y ¿Cuánta información?

• En 2002 se produjeron 5 exabytes (10^18 bytes), incluyendo impresos, películas, y medios magnéticos y ópticos

• 800 MB por persona (considerando 6.3 mil millones de humanos)

• Biblioteca del Congreso (LC) digitalizada = 136 TB, entonces 5 EB = 37,000 LCs

• 92% discos duros, 7% películas, .01% papel, 0.002% medios ópticos

• EE UU produce 40% de los datos almacenados

Fuente: http://www.sims.berkeley.edu/research/projects/how-much-info-2003/

¿Crecimiento exponencial?

• De 1999 a 2003, crecimiento anual de 30%

• El uso de papel sigue creciendo

• La mayoría de los datos generados no se almacenan en publicaciones formales

• El flujo de datos en líneas telefónicas, radio y TV fue de casi 18 EB (no todo es nuevo)

• WWW = 170 TB

• Email = 400,000 TB por año

• Chat = 274 TB por año

Fuente: http://www.sims.berkeley.edu/research/projects/how-much-info-2003/

Integración de contenidos digitales

• Oportunidades

– Hoy, aun los materiales impresos son primero digitales

– Tesis, reportes técnicos, datos experimentales, notas de cursos, memorias de congresos

• Impacto

– Comunidad global de autores y editores

– Agilidad en la comunicación de resultados

• Problemas

– Distribución, heterogeneidad de formatos, calidad, idioma, derechos de autor

Digitalización de materiales analógicos

• Oportunidades

– Libros antiguos, correspondencia, archivos

– Digitalización “aérea”

– OCR cada vez más preciso

– Disponibilidad de expertos en materiales

• Impacto

– Acceso, preservación, búsquedas, comparaciones

• Problemas

– Selección, materiales deteriorados, frágiles, tipografía antigua, lenguaje antiguo, manuscritos, derechos de autor

Demasiada información.....algunas soluciones

• Construcción de colecciones digitales confiables

• Técnicas de recuperación de información

• Descripción de documentos (metadatos)

• Servidores de alto desempeño

• Mayor ancho de banda (ej. I2)

• Servicios para usar y enriquecer colecciones

1.1.2 Dato, Información, Conocimiento y Sabiduría

Definiciones

• Dato: Una representación física de la realidad

– Ejemplos: números, letras, diagramas, sonidos, videos

• Información: Datos a los que se ha asociado un significado

– Ejemplos: Estados financieros, interpretación musical, conferencia, presentación gráfica

• Conocimiento: Información organizada y accesible para su aplicación a situaciones y problemas específicos

• Sabiduría: Conjunto de conocimientos aplicables a situaciones y problemas diversos

1.2 Datos vs Información

1.2.1 Administración de Datos

Definición

Mecanismos para el almacenamiento, recuperación oportuna y mantenimiento de datos

Recuperación de Datos

• Consiste en determinar que documentos contienen las llaves del query en el documento

• No resuelve algunos problemas ej. el problema de recuperar información acerca de un tema

Características

• Almacenamiento

o Indexamiento

o Bases de datos

• Recuperación

o Consultas estructuradas

o Resultados exactos

o Formateo

1.2.2 Administración de información

Definición

Dada una consulta, la meta es recuperar la información relevante para el usuario.

Recuperación de Información

• Analizar el contenido de una colección de documentos a través de términos

o Sinónimos, términos con significado cercano (serpiente y reptil)

o Polisemia, términos con significado dependiente del contexto (interés, banco)

• Refinar consultas para precisar el contexto de referencia

• La representación y organización de la información deben proveer al usuario un fácil acceso a sus interes personales

Precisión (Precision): cuántos documentos recuperados son relevantes

= Relevantes recuperados / Recuperados

Cobertura (Recall): cuántos documentos relevantes se recuperaron

= Relevantes recuperados / Relevantes

Características

• Almacenamiento

o Bases de datos

o Indices

o Listas invertidas

o Colecciones de archivos

• Recuperación

o Consultas imprecisas

o Leguajes basados en palabras clave

o Resultados aproximados (evaluación de pertinencia)

o Algoritmos de recuperación

...