|
* Nel [[Comunicazione#La formazione del processo di comunicazione|modello di Shannon e Weaver]], l'informazione è considerata parte integrante del processo comunicativo;
* La [[teoria dell'informazione]] ha come scopo quello di fornire metodi per comprimere al massimo l'informazione prodotta da una sorgente eliminando tutta la ridondanza.
=== Informatica ===
{{vedi anche|Informatica}}
{{Organizzare|La sezione è un mischione di vari argomenti generalmente ricompresi nell'ambito informatico, con particolare sbilanciamento verso aspetti estremamente specifici delle basi di dati. Buona parte del testo andrebbe tagliata, o comunque segmentata e riformulata con un'ottica diversa da quella puramente informatica.|Informatica|ottobre 2023}}
I [[computer]], nati come semplici calcolatori, sono diventati col tempo dei potenti strumenti per [[memoria (informatica)|memorizzare]], [[elaborazione dati|elaborare]], trovare e trasmettere informazioni. La diffusione di [[Internet]] come rete globale ha d'altro canto messo a disposizione una mole di informazioni mai prima d'ora a disposizione dell'umanità. Alla base di ogni informazione in un computer c'è il concetto di dato: sebbene all'interno del calcolatore elettronico tutti i dati siano [[Digitale (informatica)|digitali]], cioè memorizzati come semplici numeri, dal punto di vista umano, invece, si può attribuire un significato anche ai numeri. Per questo motivo, nei linguaggi di programmazione, spesso esistono alcuni formati specifici per indicare in modo esplicito quale significato dare ai dati.
Fermandosi ai tipi di base abbiamo essenzialmente numeri, caratteri e stringhe (successioni finite di caratteri). {{chiarire|Tali dati devono essere messi in relazione tra di loro per avere un significato; se invece le relazioni valide possibili sono più di una, si può generare ambiguità.}}
Ad esempio, 1492 è un numero che da solo non significa niente: potrebbe essere una quantità di mele (se correlato mediante la relazione di quantità con l'oggetto mela), il costo di un anello o l'anno in cui [[Cristoforo Colombo]] si imbarcò e scoprì l'[[America]]. La parola "calcio" può essere uno sport, un elemento chimico o un colpo dato col piede. In genere le basi di dati che contengono informazioni relative ad un determinato campo del sapere non risentono molto del problema dell'ambiguità: in una base dati di chimica la parola calcio indicherà certamente l'elemento chimico. Nelle basi di dati relazionali, sistemi di tabelle e relazioni permettono di organizzare i dati per poter ottenere delle informazioni senza ambiguità: se la tabella "elementi_chimici" contiene la parola calcio, questo sarà senza dubbio l'elemento chimico. La semplice immissione del dato nella tabella "elementi_chimici" ha implicitamente classificato la parola "calcio", conferendole un significato, dato dalla '''scelta''' della tabella in cui inserire un dato (la scelta della tabella rappresenta il trasferimento di conoscenza da una persona alla base dati). Inoltre, le basi di dati relazionali permettono la creazione di relazioni tra dati di diverse tabelle.
Oltre alle relazioni esplicite, ci possono essere delle relazioni dedotte. Supponiamo di avere la tabella "figlio_di": se abbiamo che Antonio è figlio di Luigi (informazione 1), e che Luigi è figlio di Nicola (informazione 2), allora possiamo dedurre che Nicola è il nonno di Antonio (informazione 3). È quindi possibile formalizzare la relazione e inserirla nella base di dati, ottenendo la tabella nonno_di senza dover immettere altri dati:
se '''A è figlio di B''' e '''B è figlio di C''', allora '''C è nonno di A'''
oppure, ogni volta che si ha bisogno di conoscere eventuali nipoti/nonni di qualcuno, analizzare la relazione figlio_di. E le informazioni possono essere maggiori: analizzando il sesso di B, si potrà sapere se C è nonno paterno o materno.
Le basi di conoscenza pensate per la deduzione sono più elastiche delle tradizionali basi di dati relazionali. Un esempio sono le [[ontologia (informatica)|ontologie]].
Analisi particolarmente ricercate per il loro valore economico ai fini commerciali sono quelle che analizzano grandi flussi di informazioni per scoprire tendenze che permettono dedurre delle informazioni che hanno una buona probabilità di essere vere riguardo utenti singoli o categorie di utenti. Supponendo che Antonio abbia sempre acquistato in internet dei libri di [[fantascienza]], allora la pubblicità che gli si mostrerà potrà mostrare dei libri di fantascienza o simili, che molto probabilmente lo interesseranno. Questi tipi di analisi possono fornire informazioni talvolta sorprendenti: una catena di supermercati in un paese anglosassone avrebbe scoperto, analizzando gli scontrini, qualcosa altrimenti difficilmente immaginabile: le persone che acquistavano pannolini spesso compravano più birra delle altre, per cui mettendo la birra più costosa non lontano dai pannolini, poteva incrementarne le vendite. Infatti le persone che avevano figli piccoli passavano più serate in casa a guardare la TV bevendo birra, non potendo andare nei locali con gli amici. L'esempio dell'associazione tra pannolini e birra è usato spesso nei corsi universitari di [[data mining]]; tuttavia c'è da precisare che non è chiaro quale sia la catena di supermercati in questione, e l'esempio, seppur valido a scopi didattici, potrebbe essere inventato.
== Aspetti tecnici ==
| 