Resumen de Scientific knowledge in the age of computation: explicated, computable and manageable?

Sophia Efstathiou, Rune Nydal, Astrid Laegreid, Martin Kuiper

• español

  Con el aumento de la publicación y la producción de datos, el conocimiento científico no solo es reconocido como un logro, sino también como un desafío. Las publicaciones y los datos científicos se tratan cada vez más como recursos que deben ser ‘gestionados’ digitalmente. Esto da lugar a la Gestión del Conocimiento científico (Knowledge Management (KM)): labor científica de segundo orden destinada a recopilar, cuidar y movilizar de forma directa el conocimiento disciplinario de primera mano y los datos para proporcionar nuevos conocimientos científicos de primer orden. Seguimos el trabajo de Leonelli (2014, 2016), Efstathiou (2012, 2016) y Hislop (2013) en nuestro análisis del uso de la KM en la biología de sistemas semánticos. A través de una descripción filosófica empírica de la investigación biológica habilitada para KM, argumentamos que KM ayuda a producir un nuevo conocimiento biológico de primer orden que no existía antes y que no podría haber sido producido por medios tradicionales. El trabajo de KM está facultado para concebir el “conocimiento” como un objeto para la ciencia computacional: como algo explicitado en el texto de artículos biológicos y como computable a través de datos y metadatos apropiados. Sin embargo, los conceptos fundados permiten el riesgo computacional de KM de centrarse solo en los datos que se pueden tratar de manera computacional como conocimiento, subestimando el conocimiento basado en la práctica y su importancia para garantizar la validez del conocimiento “manejable” como conocimiento.

• English

  With increasing publication and data production, scientific knowledge presents not simply an achievement but also a challenge. Scientific publications and data are increasingly treated as resources that need to be digitally ‘managed.’ This gives rise to scientific Knowledge Management (KM):

  second-order scientific work aiming to systematically collect, take care of and mobilise first-hand disciplinary knowledge and data in order to provide new first-order scientific knowledge. We follow the work of Leonelli (2014, 2016), Efstathiou (2012, 2016) and Hislop (2013) in our analysis of the use of KM in semantic systems biology. Through an empirical philosophical account of KM-enabled biological research, we argue that KM helps produce new first-order biological knowledge that did not exist before, and which could not have been produced by traditional means. KM work is enabled by conceiving of ‘knowledge’ as an object for computational science: as explicated in the text of biological articles and computable via appropriate data and metadata. However, these founded knowledge concepts enabling computational KM risk focusing on only computationally tractable data as knowledge, underestimating practice-based knowing and its significance in ensuring the validity of ‘manageable’ knowledge as knowledge.