With the expansion of scientific research, the number of scientific research results is increasing. How to summarize these data has become an urgent problem. Therefore, knowledge mapping methods come into being, providing a lot of management and application functions. However, it is still a problem to fully understand the knowledge map, especially in the field of sociology. In this paper, a three-dimensional knowledge map is proposed with time, space and number based on category and numericity, which concludes all the scientific problems related to numericity interdisciplinary. Compared with the traditional way, this map is normative, and puts forward the general production criteria of labeling and digitization. It is also intuitive and readable, on which nature, society and formal science are expressed in the same picture. The scientific methodologies are summarized, so that the methods with similar logic between different disciplines can be used for reference in development. Some social subjects are expressed more vividly than traditional text-based expressions, and are compatible with the natural science system. Mathematics also show its importance on the map as formal Science, indicating that it is the key to the development of science. This is not only a preliminary model of a comprehensive scientific worldview, but also a preliminary framework for the connection and cooperation of various disciplines in the future.


翻译:随着科学研究的扩大,科学研究结果的数量正在增加。如何总结这些数据已成为一个紧迫的问题。因此,知识绘图方法已经形成,提供了大量的管理和应用功能。然而,充分理解知识地图,特别是社会学领域的知识地图,仍然是一个问题。在本文件中,根据类别和数量,用时间、空间和数字来提出三维知识地图,该地图根据分类和数字来总结与数字性有关的所有科学问题。与传统方法相比,该地图是规范性的,并提出了标签和数字化的一般生产标准。它也是不直观的和可读的,其中说明了哪些自然、社会和正规科学是同一图中表达的。科学方法作了总结,这样,不同学科之间具有相似逻辑的方法就可以用于发展参考。一些社会主题比传统的文本表达方式更生动,并且与自然科学系统相容。数学还表明它作为正式科学在地图上的重要性,表明它是科学发展的关键。这不仅仅是一个初步的科学框架的初步模型,而且也是未来各种科学框架的初步模式。

0
下载
关闭预览

相关内容

数据科学导论,54页ppt,Introduction to Data Science
专知会员服务
41+阅读 · 2020年7月27日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
【新书】Python数据科学食谱(Python Data Science Cookbook)
专知会员服务
114+阅读 · 2020年1月1日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
医学 | 顶级SCI期刊专刊/国际会议信息4条
Call4Papers
5+阅读 · 2018年12月28日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
5+阅读 · 2015年3月1日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
医学 | 顶级SCI期刊专刊/国际会议信息4条
Call4Papers
5+阅读 · 2018年12月28日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员