Биография данных — метод восстановления пути данных от материалов до использования.
Capta (взятые) — «захваченная» информация; подчёркивает активную роль сбора в производстве данных. Противопоставляется data (данным как «данному»): данные не просто существуют, их нужно «взять» — выбрать, зафиксировать, структурировать.
CARE — принципы для данных о коренных народах: Collective benefit, Authority to control, Responsibility, Ethics.
DEDA — Data Ethics Decision Aid, инструмент для пошагового принятия решений.
FAIR — принципы открытых данных: Findable, Accessible, Interoperable, Reusable.
Data Ethics Canvas — интерактивный инструмент для разработки этики данных в проекте.
Стейкхолдер — заинтересованная сторона, участвующая в создании или использовании данных.
Этнография алгоритмов — изучение того, как люди взаимодействуют с цифровыми системами.
Данные, знание, информация
Данные — систематизированный результат решений о том, что и как фиксировать, сохранять, представлять и вводить в использование.
Информация — сообщение, которое кто-то воспринимает и интерпретирует.
Знание — то, что предшествует структуризации данных и является её следствием: когда мы решаем, какие поля включить в таблицу, мы закрепляем определённое знание о мире.
Сырые данные — оксюморон. Данные всегда уже обработаны: кто-то решил, что измерять, какими инструментами, в каких единицах.
Насыщенные данные — данные, богатые контекстом: не просто «факт», а дата или имя с историей, с источником, с условиями сбора. Насыщенные данные сложнее структурировать, но они сохраняют смысл.
Процессы и операции
Датафикация — процесс превращения различных аспектов мира — в данные.
Очистка данных — удаление «шума», «выбросов», «некорректных» значений. Важно: «шум» — это не объективная категория: то, что для одного проекта мусор, для другого — ценный сигнал.
Классификация — деление мира на категории и закрепление их в различных системах.
Категоризация — присвоение объектов определённым категориям. Каждая категория несёт в себе историю, иерархии и культурные предпосылки.
Консистентность — согласованность данных внутри системы. Высокая консистентность не гарантирует правильность: данные могут быть идеально согласованы и при этом неверны.
Валидность — соответствие данных тому, что они должны измерять.
Репрезентативность — способность выборки отражать общую ситуацию.
Моделирование на основе данных— когда данные используются для создания моделей, представляющих реальность.
Технологии и системы
Интеллектуальные системы — системы, которые обрабатывают данные для извлечения смысла, прогнозирования или принятия решений.
Автоматизация — передача задач машинам, предполагает формирование правил передачи, переводу деятельность в термины процедур, фактов и операций.
ИИ (искусственный интеллект) — системы, которые имитируют когнитивные функции (обучение, распознавание, принятие решений).
Предиктивность — способность системы предсказывать будущее на основе прошлых данных.
Паттерны — повторяющиеся структуры в данных.
Визуализация — представление данных в пространственной форме.
Репрезентация — способ, которым данные «представляют» мир.
Знание и процедуры
Эпистемический авторитет — возможность определять, что считать знанием.
Кибернетика — наука об управлении и связи в сложных системах. Кибернетическая логика лежит в основе современных данных: сбор информации → обработка → обратная связь → корректировка.
Информационное общество — общество, в котором производство, распределение и использование информации считаются доминирующей формой деятельности.
Объективность — научная добродетель, отражающая согласованность между разными правилами и способами понимания и репрезентации реальности.
Гнилые/испорченные данные — метафорическое описание данных, которые кажутся корректными, но содержат систематические ошибки (например, из-за неисправного датчика, предвзятой выборки, устаревшей классификации).
Причинность (каузальность) — отношение причины и следствия. Данные показывают корреляции, но корреляция ≠ причинность.