Classification Made Relevant: How Scientists Build and Use Classifications and Ontologies

طبقه بندی مرتبط توضیح می دهد که چگونه طبقه بندی ها و هستی شناسی ها طراحی می شوند و چگونه از آنها برای تجزیه و تحلیل اطلاعات علمی استفاده می شود. از طریق توصیف ما از روابط بین طبقات اشیاء است که می‌توانیم دانش را ساده‌سازی کنیم و روش‌هایی را که در آن اشیاء طبقه‌بندی‌شده فردی رفتار می‌کنند، کشف کنیم. این کتاب با توصیف اصول طبقه‌بندی آغاز می‌شود و به شرح چگونگی استفاده دانشمندان کامپیوتر از زبان‌های برنامه‌نویسی شی‌گرا برای مدل‌سازی طبقه‌بندی‌ها و هستی‌شناسی‌ها منجر می‌شود. مثال‌های متعددی از طبقه‌بندی حیات، جدول تناوبی عناصر، و روابط تقارن موجود در قضیه طبقه‌بندی گروه‌های ساده محدود انتخاب شده‌اند. وقتی این سه طبقه بندی به هم گره می خورند، سلسله مراتب رابطه ای را ارائه می کنند که همه علوم طبیعی را به هم متصل می کند. این کتاب برای دستیابی به مخاطبان چند رشته ای از دانشجویان و متخصصان شاغل در علوم داده، علوم کتابداری و همه علوم STEM در نظر گرفته شده است.

فصل ها به معرفی و توصیف کلی می پردازند. مفاهیمی که برای هر خواننده باهوشی قابل درک است. با هر مفهوم جدید، نمونه های عملی انتخاب شده از رشته های مختلف علمی وجود دارد. در این موارد، نکات فنی و واژگان تخصصی به آیتم‌های واژه‌نامه پیوند داده می‌شوند، جایی که مورد شفاف‌سازی و گسترش می‌یابد. اصطلاحات فنی در علوم داده اغلب معانی متفاوتی دارند، بسته به رشته خاص خواننده. کلمه هستی شناسی آنقدر معانی دارد که بی معنا شده است. افراد شکاک می توانند کلمه «هستی شناسی» را در گوگل جستجو کنند تا به سرعت وضعیت نامطلوب این موضوع را تأیید کنند. در چنین مواردی، واژه‌نامه شیوه‌های مختلف استفاده از این واژه را توصیف می‌کند و معنای آن را در متن کتاب روشن می‌کند. به نفع دانشمندان کامپیوتر، واژه نامه حاوی اسکریپت های کوتاهی است که به زبان Perl یا Python یا Ruby نوشته شده اند. غیر برنامه نویسان از خواندن کدهای کامپیوتری در امان خواهند ماند، بدون اینکه مفاهیم مورد بحث در هر فصل را از دست بدهند. با استفاده از پیوندهای واژه نامه، هر خواننده نسخه ای از این کتاب را متناسب با نیازها و ترجیحات شخصی خود تجربه می کند.

Classification Made Relevant explains how classifications and ontologies are designed, and how they are used to analyze scientific information. It is through our description of the relationships among classes of objects that we are able to simplify knowledge and explore the ways in which individual classified objects behave. The book begins by describing the fundamentals of classification and leads up to a description of how computer scientists use object-oriented programming languages to model classifications and ontologies. Numerous examples are chosen from the Classification of Life, the Periodic Table of the Elements, and the symmetry relationships contained within the Classification Theorem of Finite Simple Groups. When these three classifications are tied together, they provide a relational hierarchy connecting all of the natural sciences. This book is intended to reach a multidisciplinary audience of students and professionals working in the data sciences, the library sciences, and all of the STEM sciences.

The chapters introduce and describe general concepts that can be understood by any intelligent reader. With each new concept, there follow practical examples selected from various scientific disciplines. In these cases, technical points and specialized vocabulary are linked to glossary items, where the item is clarified and expanded. Technical terms in the data sciences often have different meanings, depending on the reader's specific discipline. The word “ontology” has so many meanings, it has become meaningless. Skeptics can google on the word “ontology” to quickly confirm the inchoate status of this subject. In such cases, the glossary describes the different way the term has been used and will clarify its meaning within the book's context. For the benefit of computer scientists, the glossary contains short scripts written in Perl or Python or Ruby. Non-programmers will be spared from reading computer code, without missing out on the concepts covered in each chapter. By using the glossary links, every reader experiences a version of this book tailored to their personal needs and preferences.