在你看来, 哪些知识可以/适合结构化呈现?

[pimgeek]

此问题源自 #4 (comment)

@sparklau 系统内部各元素之间特定的联系方式叫“结构”。而能称为知识的，本来就有其结构。但是受制于长久历史中只能以语言交流，人类早已习惯了以线性文本转述几乎任何类型的知识，并作为保存知识的主要形式。这种文本结构和知识结构的不匹配，很多时候增加了理解的负担。

因此，知识结构化并非去创造这个结构，而只是将知识以符合它的结构，或更能表现其内在结构的方式呈现出来，帮助人类更高效获取知识、交流知识。在这个过程中，还要思考如何借助机器自动化，帮助人类更快速完成这个结构化的过程。

[taurenshaman]

有些是开放型的知识：

• schema.org
• https://github.com/Microsoft/CDM
• https://www.chuci.info/view/schema

有些是可以通过某些框架（基于某类哲学原则定义的）进行描述的内容：

• DCMI: The Dublin Core Metadata Initiative
• SKOS: Simple Knowledge Organization System
• ......

即使是最混合的图文类型的资讯/文章，也可以结构化：

• （1-n个）作者：人/Person
• 领域/行业
• 关键字/标签/概念：普通的关键字，或者一个SKOS概念，或者维基条目，或者其它
• 引用、参考资料
• 目录，大纲
• 概要
• ......

[pimgeek]

也许可以从正反两方面来思考, 先说反面例子:

涉及人的主观/内在感受/心理体验的经验, 例如 "色彩/味道/声音在心中留下的印象如何?", "接触过某人某事某物是怎样一种体验?", "如何向从未吃过榴莲的人真切地感受到吃榴莲的效果" 等等 ... 这些知识与人的感知/感受过程无法严格分开, 所以也很难结构化.

再说正面例子, 现实生活中已经有相当多的信息被结构化了, 例如图书馆的分类目录 (树状结构), 小学生都会背的 9x9 乘法表格 (二维矩阵结构), 用于路径导航的数字化地图 (图结构), 当人们带着具体的问题或目标来浏览信息, 并从中找到与当前关注点相关的部分加以吸收和利用时, 就相当于从中获取了知识..

平时所说的知识结构化, 更多地是在谈论信息的结构化, 而经常接触这些信息的人, 有可能在头脑中建立起一定的知识, 或者更形象地说是建立起 "脑回路". 甚至在反观自己思考过程的时候, 用一些形象的语言/文字/绘图等方式把这些知识描述出来, 形成更多 "关于知识的信息".

[pimgeek]

也许可以从正反两方面来思考, 先说反面例子:
...
平时所说的知识结构化, 更多地是在谈论信息的结构化, 而经常接触这些信息的人, 有可能在头脑中建立起一定的知识, 或者更形象地说是建立起 "脑回路". 甚至在反观自己思考过程的时候, 用一些形象的语言/文字/绘图等方式把这些知识描述出来, 形成更多 "关于知识的信息".

如果把知识结构化近似地等同为 "信息的结构化", 那么越是一大批人共识共知的信息, 越适合结构化呈现, 比如地理位置信息, 点餐服务信息, 快递服务信息等等... 还可以举出许多, 概括起来就是: "衣装, 饮食, 住宿, 出行, 学习, 工作, 研究, 发明, 新闻, 情报, 娱乐, 生育, 养老, 就医, 丧葬" 等高频活动场景中出现的查询类 / 事务类 / 流程类 / 操作步骤类信息.

[pimgeek]

高频活动场景中出现的查询类 / 事务类 / 流程类 / 操作步骤类信息.

其中每种活动场景中, 还可以进一步提炼更为细化的活动场景. 但是若想让提炼出的场景适合结构化展现, 那么这个场景必然是有一定 "共识基础" 的有效的场景.

说得更明确一些, 一个有共识基础的有效的场景, 是人们可以通过某种方式不止一次地触及到, 走进去, 体验到, 回想起来的. 当他们回想起这个场景时, 至少能粗略地说出在这个场景中, 何人因何故在何时何地做了何事, 换种说法就是这个场景包含了时间, 地点, 人物, 起因, 经过, 结果等要素. 对应于英文中的 Who, Why, When, Where, What, How 等信息.

随着人们的生活日趋数字化, Where 这个要素变得更加复杂, 可能涉及到人物在具体哪一个网站 / App 或交互操作界面.