Computer science

Computer science, theoretical

Computer science is one among many disciplines involved in the study and application of computer and information technology. The point of departure in computer science is the computer:

"Computer science seeks to provide a scientific basis for the study of information processing, the solution of problems by algorithms, and the design and programming of computers" (Arbib et al., 1981).

"Theoretical computer science is the mathematical study of models of computation". (Davis & Weyuker, 1983, p. xiii)

As theoretical discipline was computer science founded in the 1930s (i.e., relatively long time before the appearance of the modern computer) in works by the logicians Alonzo Church (1903-1995), Kurt Gödel (1906-1978), Stephen Cole Kleene (1909-1994), Emil L. Post (1897-1954), and Alan Turing (1912-1954). This early work has had a fundamental importance on both the theoretical as the practical development of computer science. "The Turing-machine" has not just proved its importance for theoretical computer science, but the work of these pioneers anticipated many of the practical aspects by computer applications which are now common and the intellectual origin of which are typically unknown for the users. Among these principles belong the principal existence of digital computers for any purpose (i.e., the universal machine), the concept of a program written as a list of instructions in a formalized language, the possibility of interpreting programs and the dualism between software and hardware. Although most attention has been devoted to the remarkable progress in information technology has important theoretical research also been done. Computer science is, however, still a young field in search of identity. Computer scientists are in no way in agreement in their estimation of which parts of the discipline will turn out to have permanent significance.

Literature:

Arbib, M. A.; Kfoury, A.J. & Moll, R. N.(1981). A basis for theoretical computer science. Berlin: Springer-Verlag.

Clifford, James: Formal semantics and pragmatics for natural language querying. Cambridge: CUP, 1990. (Cambridge tracts in theoretical computer science ; 8)

Baumann, Peter: Grundlagen für eine quantitative, semantikbasierte Informationstheorie. Zürich, 1990. (Mimeograferet disputats).

Davis, Martin D. & Elaine J. Weyuker: Computability, complexity, and languages : fundamentals of theoretical computer science. New York: Academic Press, 1983. 425 s. (Computer science and applied mathematics).

Helms Jørgensen, A. (1983). The Psychology of developing and using computer systems: five contributions. (PhD. thesis). Copenhagen: Institute of datalogy, University of Copenhagen.

Naur, P. (1991). Computing, a human activity. Reading, Mass.: Addison-Wesley.

Hansen, Tine Holdgaard: En teoretisk diskussion af parserens rolle i datamatisk behandling af naturligt sprog. Kbh., 1988; 1 bd. [Det kongelige Bibliotek, UBA]: Specialenr.: 33109465

Siggaard Jensen, Hans: Kompendium til kursus i Datalogiens Filosofi og videnskabsteori. u.a. (mimeo).[modtaget 1992]

Streicher, Thomas, 1958-: Semantics of type theory : correctness, completeness, and independence results. Basel ; Cambridge, MA, U.S.A. : Birkhauser Boston, 1991. (Progress in theoretical computer science)

van Leeuwen, J. (Ed. (1990). Handbook of theoretical computer science. Vol. 1-2. Amsterdam: Elsevier.

Journals:

Research notes in theoretical computer science. London : Pitman ; New York ; Toronto : Wiley, 1986-

Theoretical computer science. Amsterdam., 1976-

Birger Hjørland

Last edited: 28-10-2006

Home

to be edited:

Bibliotekarer, forskningsbibliotekarer, dokumentalister og informationsspecialister er ikke dataloger. Deres arbejdsfelt er et andet. Spørgsmålet er: hvilke forbindelser og forskelle er der i biblioteks- og informationsvidenskabens teorigrundlag og i den teoretiske datalogis teorigrundlag?

Dette spørgsmål kan naturligvis ikke besvares endeligt, da begge teoriområder er i udvikling og kan tage sig anderledes ud i morgen end i dag. Man må sige, at selvom stive faggrænser er af det onde, selvom det er ønskeligt at BDI-specialister interesserer sig for datalogi (og omvendt), så spiller det en rolle at have en identitet, at kende sine rødder og sit udgangspunkt, og forsøge herudfra at opstille et konsistet teorigrundlag.

BDI sektorens udgangspunkt er i modsætning til datalogiens formidling af viden, effektivisering og optimering af videnskabelig og ikke-videnskabelig viden, især viden i dokumenteret form (d.v.s. i form af *dokumenter). Hvor datalogi søger efter problemer, der kan løses algoritmisk, søger informationsvidenskaben efter problemer, der kan løses v.h.a. dokumenter (der kan være programmer eller algoritmer, men ikke typisk er det, hvorfor informationsvidenskabens område er bredere og mere overordnet, men også mere ueksakt). I denne forbindelse er komputeren et værktøj og et medium for viden, ikke selve fagets genstand. Datalogiens udgangspunkt er således teknikken, mens informationsvidenskabens er erkendelses- og formidlingsprocesser. Datalogien er således i sit udgangspunkt en naturvidenskabeligt-teknisk disciplin, mens informationsvidenskaben er en samfundsvidenskabelig-humanistisk disciplin. Dette er udgangspunktet. I deres praksis og udvikling bevæger begge felter sig stærkt over på samme områder: datalogien forsøger at forbinde sig med sprogvidenskab, kognitiv psykologi, logik m.v., og informationsvidenskaben forsøger at forbinde sig med datalogi, AI, sprogvidenskab, kognitiv psykologi o.s.v. Efterhånden som informationsvidenskabens dokumenter i voksende omfang har en elektronisk form og formidles via komputere, udviskes grænserne. Eksempelvis har datalogerne opfundet *"hypertekst" og kalder provokatorisk bogen for gammeldags, fordi den kun kan læses een vej. Såvel dataloger som bibliotekarer interesserer sig for fordele og ulemper ved hypertekst som kommunikationskanal.

For at forstå forholdet mellem teoretisk datalogi og informationsvidenskab er det også nødvendigt at være opmærksom på, at BDI-sektorens personale i høj grad er håndværkere (i et håndværk, hvis baggrund forsvinder eller i al fald skifter stærkt karakter som følge af den tekniske udvikling). Hvor den teoretiske datalogi har taget udgangspunkt i en teknik og i videnskabelige principper, for derefter at gå ud i verden for at finde anvendelsesområder for sin teknik og sine principper, forholder det sig modsat med informationsvidenskaben. Her har man i højere grad taget udgangspunkt i praksis og forsøger at finde videnskabelige principper, der kan underbygge og udvide denne praksis (jfr. *anvendt informationsvidenskab). Informationsvidenskaben har derfor -ligesom f.eks. pædagogikken - i højere grad præg af at være en "aporetisk videnskab".

Datalogi og *informationsvidenskab arbejder nogle gange med samme begreber, f.eks. *information, hvilket imidlertid ikke implicerer, at de to områder giver begreberne samme betydning. Datalogien har haft stor nytte af *informationsteoriens informationsbegreb, som ikke har vist sig frugtbart i informationsvidenskaben, der har behov for et informationsbegreb, der i højere grad er forbundet med betydning, mening, indhold, d.v.s. er semantisk. Selvom også datalogien søger efter et mere semantisk informationsbegreb (jfr. f.eks. Baumann, 1990), så er der stor forskel i udgangspunktet, hvorfor informationsvidenskaben ikke uforvarende skal overtage datalogiens begreber.