首页 理论教育 信息商意义上的高等学校信息结构演化

信息商意义上的高等学校信息结构演化

时间:2023-03-09 理论教育 版权反馈
【摘要】:信息熵表示信源总体上的平均不确定性,是对解除事件发生概率不确定性所需信息的度量。就高等学校信息结构来说,信息熵的大小能较好地反映信源表达信息的多少,从而决定高等教育系统无序程度。校外其他组织、家庭及个人的信息熵的大小,主要取决于市场信息机制的完善程度。

信息商意义上的高等学校信息结构演化

二、信息商意义上的高等学校信息结构演化

高等学校信息结构的基本问题,是高等学校信息结构中信源与信宿的关系问题,即就信源来说,是确定解除信宿不确定性所需的信息量。这涉及信息的度量问题。

1948年,美国工程师香农(Shannon)发表《通信数学理论》,用对数来度量信息,给出了信息结构的如下数学表达式:

设一个消息(事件)X的可能性的集合为x1,x2,x3,…,xn,该消息所发生的概率P的集合为p1,p2,p3,…,pn,那么,信息结构S可以表示为:

img3

图3-1 高等学校信息结构

img4

那么,该消息所发生的概率Pi(i=1,2,3,…,n)是介于0与1之间的一个数值,它包含的信息量Ii=-logPi。该消息所发生的信源的平均信息量称为信源的信息熵,可表示为:(www.xing528.com)

img5

信息熵与热力学熵有所不同。信息熵表示信源总体上的平均不确定性,是对解除事件发生概率不确定性所需信息的度量。热力学熵表示系统无序程度,是对系统无序程度的度量。要提高系统的有序化程度就需要信息,而信息的缺失就意味着系统无序程度的增加。

当某事件的各分量有同等概率发生时,信息熵最大为log(n)。而当某事件中只有一个分量时,信息熵最小为0。

就高等学校信息结构来说,信息熵的大小能较好地反映信源表达信息的多少,从而决定高等教育系统无序程度。它与信源的信息系统完善程度和信息公开程度的变化直接相关。中央教育行政机构作为信源,其信息系统是由重要等级,按一定层次行政机构的信息要素组成。这些数目众多的信息要素,有各种各样的组合呈现方式,当其方式的种类越简单、越明了、越稳定,直至趋向一种固定的信息机制,所有信息凭借这一信息机制能准确地转化为消息并按时予以发布时,则中央教育行政机构的信息熵会趋向0,它在总体上表现为有序。反之,当其方式的种类越复杂、越模糊、越不稳定,直至趋向各种方式呈现的机会均等,所有信息按各种方式不确定地转化为消息并随机予以发布时,则中央教育行政机构的信息熵会趋向1,它在总体上表现为无序。同样的情况也会发生在中央其他行政机构、省级行政机构和高等学校。

校外其他组织、家庭及个人作为信源,具有高度分散的特点,其信息要素的组合呈现方式,一是“无形手”的方式,亦即市场方式,二是“有形手”的方式,亦即政府方式。政府可以派人深入到校外其他组织、家庭及个人之中来直接获取有关信息,也可以依托市场来间接获取有关信息,这取决于市场信息机制的完善。由于政府不可能派人深入到每个校外其他组织、家庭及个人来直接获取有关信息,政府方式获取该信源的信息是极为有限的。校外其他组织、家庭及个人的信息熵的大小,主要取决于市场信息机制的完善程度。

在高等学校信息结构中,当中央行政机构、省级行政机构、高等学校三大信息源,各自信息要素的组合呈现方式趋向一种简单、明了、固定的信息机制,且该机制能准确地将所有信息转化为消息并按时予以发布时,使各自的信息熵会趋向0时,同时,当校外其他组织、家庭及个人这一信息源的信息要素,能通过较完善的市场信息机制,较完全较及时地呈现出来时,并当信源发出的信息能较准确地复现成信宿的消息时,高等教育系统的信息熵会趋向0,它在总体上表现为有序。反之,当四大信源的信息系统完善程度和信息公开程度都很低,直至信息要素的各种各样组合呈现方式有同等概率发生时,高等教育系统的信息熵会趋向1,它在总体上表现为无序。

高等学校信息结构的优化过程,是中央行政机构、省级行政机构、高等学校各自构建一种简单、明了、固定的信息机制的过程,同时又是为校外其他组织、家庭及个人构建完善的市场信息机制的过程。将信息熵应用于高等学校信息机制的研究,关键是如何把有关高等学校常规运行的所有信息,组合成一种简单、明了、固定的消息,定内容、定方式、定时间地呈现出来,避免信息的丢失、信息传递的干扰和信息的不公开;另外是如何把有关高等学校非常规运行的所有信息,其中包括反映校外其他组织、家庭及个人与高等学校之间关系的信息,转换成具有概率分布意义的随机变量。就有关高等学校常规运行的信息来说,高等学校信息机制的构建,主要是建立完善的信息收集整理制度、信道管理制度和信息公开制度。就有关高等学校非常规运行的信息来说,主要是对其信息熵进行归一化处理,将信源的信息熵H(X)看作信宿的信息熵H'(X)与随机变量概率分布log(n)的乘积,即:

H(X)=H'(X)log(n)

这样便于信源的信息熵与信宿的信息熵之间的比较。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈